论文部分内容阅读
摘 要：运用蚁群算法，通过Matlab软件实施仿真测试验证某生鲜门店末端配送路径的有用性。通过了解我国末端配送现状，分析物流末端配送的问题提出解决方案，将盒马自身的智慧调度算法结合蚁群算法实现路径优化;降本增效为目标，同时满足车辆安排合理、配送时长最短的约束条件，使用蚁群算法求解“最后一公里”最优路径;盒马鲜生在物流配送上开辟了智慧调度算法，实现配送路径优化，提出盒马鲜生将智慧调度算法与第三方物流公司合作。探究生鲜电商企业提供优化配送路径智能算法，也为拥有智能算法的生鲜电商企业将智能算法与第三方物流公司共享实现共赢提供了经验参考。
关键词：生鲜电商;末端配送;路径优化;蚁群算法
中图分类号：F724 文献标志码：A 文章编号：1673-291X（2021）19-0150-03
生鲜领域和人们生活息息相关，尼尔森研究显示，79%消费者购买产品关注新鲜度，反映了生鲜市场的巨大潜力。随着生鲜电商行业的迅速崛起，该行业的冷链产业也进入高速发展期。中国产业信息网数据显示，2019年我国冷链物流市场规模总计2 886亿元，较上年增长336亿元，同比增长13.2%。市场规模呈快速增长趋势，但冷链行业频频出现冷链供应链“断链”、生鲜配送损耗大等问题，暴露出亟待解决的“最后一公里”末端配送问题。本文主要从物流末端配送问题着手，建立路径优化模型，采用蚁群算法优化原来的行驶路径，使用Matlab软件仿真实验并分析数据结果，以期解决“最后一公里”的末端配送难题，提高物流效率，为生鲜电商发展奠定坚实的基础。
一、生鲜电商的发展现状分析
电子商务的爆炸式发展，越来越多的人购物习惯已从线下转向线上，消费模式升级，网购已经成为生活中不可或缺的一部分。随着各领先资本布局生鲜电商，该行业市场规模越发膨胀，生鲜电商这条快车道越来越宽。基于O2O模式，消费者能够实现线上助力线下的便捷。中国商务部数据显示，2020年上半年我国网络零售额达3.1万亿元，同比增长31.2%。我国生鲜电商市场规模预计在2020年将会保持62.9%的增长，达到2 638.4亿元，预计到2021年升至3 177.4亿元，平均能达到40%的增长率，是电子商务行业新的增长点。
生鲜电商市场规模不断扩大，市场竞争也愈加剧烈。电商领先企业纷纷布局“线上+线下”生鲜领域，基于O2O模式的生鲜电商迅速崛起。生鲜电商兴起过程中，最大困境就是冷链物流无法得到保证。其成本过高，导致所销售的生鲜电商产品价格偏高，再者其物流配送时间问题一直处于顾客投诉量大的状态。生鲜电商配送时效性低及配送路径规划不科学问题亟待解决。
二、生鲜电商末端配送的路径优化分析和模型建立
（一）我国生鲜电商末端配送路径优化分析
各电商领先者加持高科技产品的同时，提出路径规划过程中涉及合理选择配送员、配送路径路况、订单如何分配等条件需考虑。在实际操作中，末端配送存在配送员规划路径不合理导致出现问题的现象。因此，末端配送路径优化十分必要。物流优化模型常搭配使用粒子群算法、遗传算法和蚁群算法等启发式算法。相较于其他启发式算法，蚁群算法有鲁棒性能好等优势，研究的物流路径问题类似短途TSP旅行商问题，可采用蚁群算法来求解最优路径。
（二）生鲜电商末端配送路径优化模型建立
生鲜产品基于末端配送，配送路程远、耗时长、成本高已成为常态。本文将物流末端配送问题归于短途TSP旅行商问题。TSP问题，指一个商人去各地经商同时旅行，沿途需涉足多个城市，每个城市必须去且只能经过一次，行程目标是该路径满足所有可供选择的路径中最短的一条。设V={V1，V2....Vn}为配送目的地集合，用公式描述可简单表示为：
模型中，Z公式是目標函数，V集合为顶点数（配送需求目的地数），S为回路节点数。约束条件中（1）和（2）指对于每个点而言，只能一条边进一条边出，约束条件（3）旨在保证只产生一条回路无子回路。因此，满足约束条件（1）（2）（3）的解构成一条回路，该回路就是配送路径。建立路径模型后，采用蚁群算法求解最优路径，最后使用Matlab软件仿真模拟验证结果的可行性和经济性。
三、我国生鲜电商末端配送路径优化实例分析
以盒马鲜生平高店为例，进行末端配送路径优化研究。盒马鲜生末端配送主要存在以下几点问题：一是盒马鲜生门店产品供应地直采、自建物流配送系统造成高成本，顾客和整体规模达不到正比，造成浪费;二是物流配送30分钟送达服务，限制了盒马鲜生的配送范围，只覆盖门店3km范围内配送;三是盒马鲜生配送的智慧调度算法，造成了企业投入大、回收难等问题。
针对盒马鲜生的具体问题，用蚁群算法、建立路径规划模型来实现配送路径的优化，达到缩短实际总配送路径目标。以下对盒马鲜生平高店物流末端配送路径进行优化实证研究。首先，确认门店线上订单配送点地理位置。其次，确认配送门店中心网点以及各配送点经纬度坐标如表1所示，将坐标信息输入到Matlab软件并进行模拟测试。最后，确认配送中心与各配送点距离以及各配送点之间距离，在Matlab软件中以矩阵形式导出。
确认数据后进行Matlab软件测试，最终得到Matlab仿真测试迭代运行结果如下：最短路径顺序为1-8-7-2-6-5-4-3-1，即路径为从盒马鲜生门店出发到平高广场、ONECUP、中国国旅、青少年俱乐部、添辉服务总部、游泳馆、体育训练中心最后回到配送中心盒马鲜生门店。图1是Matlab此次运行仿真计算最优路径坐标图，仿真测试得到最优总路径长542m。
通过建立路径模型，采用蚁群算法求解，将优化结果与原路径进行比较分析。原有配送路径为7条对应接单配送员配送路径为1-2，1-3，1-4，1-5，1-6，1-7，1-8;配送总路程为2（102+157+204+238+178+80+42）=2 002米，对配送路径优化后配送路径为1-8-7-2-6-5-4-3，因为配送地点相距短，优化后使用一辆配送车辆进行配送，配送总距离为542米，优化后的路径长度是原配送路径长度的27%，配送车辆使用优化后为原来使用率的14.2%。该实例属于短距离配送，对于较长距离配送的订单采用蚁群算法和智能调度算法规划路径后能更好地降低配送成本、更高地提升配送效率。 四、基本結论
研究的物流末端配送问题能实现更好地推动物流行业发展，提高生鲜电商经济效益。本文的研究结论如下：第一，通过了解我国末端配送现状，分析物流末端配送的问题所在，根据现状解析出配送问题发生的原因，并且针对这些问题提出解决方案。通过上海盒马鲜生平高门店实例，对盒马鲜生物流进行优化，将盒马自身的智慧调度算法结合蚁群算法实现路径优化。第二，通过充足的理论知识的指导，建立路径规划模型。以降本增效为目标，同时满足车辆安排合理、配送时长最短的约束条件，使用蚁群算法求解“最后一公里”最优路径。补充使用Matlab软件仿真测试，证明结果的可行性。第三，通过对盒马鲜生的深入了解，该企业无论在门店仓储管理方面还是自建物流体系方面都有优势可以借鉴。盒马鲜生在物流配送上开辟了智慧调度算法，能实现配送路径优化，但其门店线上下单配送只辐射3公里内的顾客，使得成本居高不下，于是本文提出盒马鲜生将智慧调度算法与第三方物流公司合作。
参考文献：
[1] 《长株潭试验区年鉴（2016）》编纂委员会.易春阳，郑昌华.长株潭试验区年鉴[K].长沙：湖南人民出版社，2016：6-7.
[2] 产业网.生鲜电商行业缩短供应链，2020年行业有望形成新格局[EB/OL].中国产业信息网，2020-01-09.
[3] Jingzi Jia，Ming Zeng.Optimization and Simulation of Port logistics Decision-making System Based on Ant Colony Algorithm.2019，（1）：778-782.
[4] 章雪岩，桂欣，郑巧然.最后一公里配送路径优化研究[J].物流技术，2017，（6）：116-121.
[5] 洪尔彬.新零售背景下生鲜供应链分析——以盒马鲜生为例[J].漳州职业技术学院学报，2019，（1）：47-51.
[6] 付国倍.基于蚁群算法的家兴超市配送路径优化研究[D].石家庄：石家庄铁道大学，2019.
Abstract：Using the ant colony algorithm，Matlab software is used to implement simulation tests to verify the usefulness of the distribution route at the end of a fresh food store. By understanding the current situation of my country’s terminal distribution，analyzing the problem of logistics terminal distribution，we propose solutions，combining Hema’s own smart scheduling algorithm with ant colony algorithm to achieve path optimization; reducing costs and increasing efficiency as the goal，while meeting the requirements of reasonable vehicle arrangements and the shortest delivery time Constraint conditions，use ant colony algorithm to solve the“last mile”optimal path; Hema Xiansheng has developed a smart scheduling algorithm in logistics distribution to achieve distribution path optimization，and proposed that Hema Xiansheng will cooperate with a third-party logistics company with smart scheduling algorithms. Explore fresh food e-commerce companies to provide intelligent algorithms for optimizing distribution routes，and provide an experience reference for fresh food e-commerce companies with smart algorithms to share smart algorithms with third-party logistics companies to achieve a win-win situation.
Key words：fresh food e-commerce;terminal delivery;route optimization;ant colony algorithm
关键词：生鲜电商;末端配送;路径优化;蚁群算法
中图分类号：F724 文献标志码：A 文章编号：1673-291X（2021）19-0150-03
生鲜领域和人们生活息息相关，尼尔森研究显示，79%消费者购买产品关注新鲜度，反映了生鲜市场的巨大潜力。随着生鲜电商行业的迅速崛起，该行业的冷链产业也进入高速发展期。中国产业信息网数据显示，2019年我国冷链物流市场规模总计2 886亿元，较上年增长336亿元，同比增长13.2%。市场规模呈快速增长趋势，但冷链行业频频出现冷链供应链“断链”、生鲜配送损耗大等问题，暴露出亟待解决的“最后一公里”末端配送问题。本文主要从物流末端配送问题着手，建立路径优化模型，采用蚁群算法优化原来的行驶路径，使用Matlab软件仿真实验并分析数据结果，以期解决“最后一公里”的末端配送难题，提高物流效率，为生鲜电商发展奠定坚实的基础。
一、生鲜电商的发展现状分析
电子商务的爆炸式发展，越来越多的人购物习惯已从线下转向线上，消费模式升级，网购已经成为生活中不可或缺的一部分。随着各领先资本布局生鲜电商，该行业市场规模越发膨胀，生鲜电商这条快车道越来越宽。基于O2O模式，消费者能够实现线上助力线下的便捷。中国商务部数据显示，2020年上半年我国网络零售额达3.1万亿元，同比增长31.2%。我国生鲜电商市场规模预计在2020年将会保持62.9%的增长，达到2 638.4亿元，预计到2021年升至3 177.4亿元，平均能达到40%的增长率，是电子商务行业新的增长点。
生鲜电商市场规模不断扩大，市场竞争也愈加剧烈。电商领先企业纷纷布局“线上+线下”生鲜领域，基于O2O模式的生鲜电商迅速崛起。生鲜电商兴起过程中，最大困境就是冷链物流无法得到保证。其成本过高，导致所销售的生鲜电商产品价格偏高，再者其物流配送时间问题一直处于顾客投诉量大的状态。生鲜电商配送时效性低及配送路径规划不科学问题亟待解决。
二、生鲜电商末端配送的路径优化分析和模型建立
（一）我国生鲜电商末端配送路径优化分析
各电商领先者加持高科技产品的同时，提出路径规划过程中涉及合理选择配送员、配送路径路况、订单如何分配等条件需考虑。在实际操作中，末端配送存在配送员规划路径不合理导致出现问题的现象。因此，末端配送路径优化十分必要。物流优化模型常搭配使用粒子群算法、遗传算法和蚁群算法等启发式算法。相较于其他启发式算法，蚁群算法有鲁棒性能好等优势，研究的物流路径问题类似短途TSP旅行商问题，可采用蚁群算法来求解最优路径。
（二）生鲜电商末端配送路径优化模型建立
生鲜产品基于末端配送，配送路程远、耗时长、成本高已成为常态。本文将物流末端配送问题归于短途TSP旅行商问题。TSP问题，指一个商人去各地经商同时旅行，沿途需涉足多个城市，每个城市必须去且只能经过一次，行程目标是该路径满足所有可供选择的路径中最短的一条。设V={V1，V2....Vn}为配送目的地集合，用公式描述可简单表示为：
模型中，Z公式是目標函数，V集合为顶点数（配送需求目的地数），S为回路节点数。约束条件中（1）和（2）指对于每个点而言，只能一条边进一条边出，约束条件（3）旨在保证只产生一条回路无子回路。因此，满足约束条件（1）（2）（3）的解构成一条回路，该回路就是配送路径。建立路径模型后，采用蚁群算法求解最优路径，最后使用Matlab软件仿真模拟验证结果的可行性和经济性。
三、我国生鲜电商末端配送路径优化实例分析
以盒马鲜生平高店为例，进行末端配送路径优化研究。盒马鲜生末端配送主要存在以下几点问题：一是盒马鲜生门店产品供应地直采、自建物流配送系统造成高成本，顾客和整体规模达不到正比，造成浪费;二是物流配送30分钟送达服务，限制了盒马鲜生的配送范围，只覆盖门店3km范围内配送;三是盒马鲜生配送的智慧调度算法，造成了企业投入大、回收难等问题。
针对盒马鲜生的具体问题，用蚁群算法、建立路径规划模型来实现配送路径的优化，达到缩短实际总配送路径目标。以下对盒马鲜生平高店物流末端配送路径进行优化实证研究。首先，确认门店线上订单配送点地理位置。其次，确认配送门店中心网点以及各配送点经纬度坐标如表1所示，将坐标信息输入到Matlab软件并进行模拟测试。最后，确认配送中心与各配送点距离以及各配送点之间距离，在Matlab软件中以矩阵形式导出。
确认数据后进行Matlab软件测试，最终得到Matlab仿真测试迭代运行结果如下：最短路径顺序为1-8-7-2-6-5-4-3-1，即路径为从盒马鲜生门店出发到平高广场、ONECUP、中国国旅、青少年俱乐部、添辉服务总部、游泳馆、体育训练中心最后回到配送中心盒马鲜生门店。图1是Matlab此次运行仿真计算最优路径坐标图，仿真测试得到最优总路径长542m。
通过建立路径模型，采用蚁群算法求解，将优化结果与原路径进行比较分析。原有配送路径为7条对应接单配送员配送路径为1-2，1-3，1-4，1-5，1-6，1-7，1-8;配送总路程为2（102+157+204+238+178+80+42）=2 002米，对配送路径优化后配送路径为1-8-7-2-6-5-4-3，因为配送地点相距短，优化后使用一辆配送车辆进行配送，配送总距离为542米，优化后的路径长度是原配送路径长度的27%，配送车辆使用优化后为原来使用率的14.2%。该实例属于短距离配送，对于较长距离配送的订单采用蚁群算法和智能调度算法规划路径后能更好地降低配送成本、更高地提升配送效率。 四、基本結论
研究的物流末端配送问题能实现更好地推动物流行业发展，提高生鲜电商经济效益。本文的研究结论如下：第一，通过了解我国末端配送现状，分析物流末端配送的问题所在，根据现状解析出配送问题发生的原因，并且针对这些问题提出解决方案。通过上海盒马鲜生平高门店实例，对盒马鲜生物流进行优化，将盒马自身的智慧调度算法结合蚁群算法实现路径优化。第二，通过充足的理论知识的指导，建立路径规划模型。以降本增效为目标，同时满足车辆安排合理、配送时长最短的约束条件，使用蚁群算法求解“最后一公里”最优路径。补充使用Matlab软件仿真测试，证明结果的可行性。第三，通过对盒马鲜生的深入了解，该企业无论在门店仓储管理方面还是自建物流体系方面都有优势可以借鉴。盒马鲜生在物流配送上开辟了智慧调度算法，能实现配送路径优化，但其门店线上下单配送只辐射3公里内的顾客，使得成本居高不下，于是本文提出盒马鲜生将智慧调度算法与第三方物流公司合作。
参考文献：
[1] 《长株潭试验区年鉴（2016）》编纂委员会.易春阳，郑昌华.长株潭试验区年鉴[K].长沙：湖南人民出版社，2016：6-7.
[2] 产业网.生鲜电商行业缩短供应链，2020年行业有望形成新格局[EB/OL].中国产业信息网，2020-01-09.
[3] Jingzi Jia，Ming Zeng.Optimization and Simulation of Port logistics Decision-making System Based on Ant Colony Algorithm.2019，（1）：778-782.
[4] 章雪岩，桂欣，郑巧然.最后一公里配送路径优化研究[J].物流技术，2017，（6）：116-121.
[5] 洪尔彬.新零售背景下生鲜供应链分析——以盒马鲜生为例[J].漳州职业技术学院学报，2019，（1）：47-51.
[6] 付国倍.基于蚁群算法的家兴超市配送路径优化研究[D].石家庄：石家庄铁道大学，2019.
Abstract：Using the ant colony algorithm，Matlab software is used to implement simulation tests to verify the usefulness of the distribution route at the end of a fresh food store. By understanding the current situation of my country’s terminal distribution，analyzing the problem of logistics terminal distribution，we propose solutions，combining Hema’s own smart scheduling algorithm with ant colony algorithm to achieve path optimization; reducing costs and increasing efficiency as the goal，while meeting the requirements of reasonable vehicle arrangements and the shortest delivery time Constraint conditions，use ant colony algorithm to solve the“last mile”optimal path; Hema Xiansheng has developed a smart scheduling algorithm in logistics distribution to achieve distribution path optimization，and proposed that Hema Xiansheng will cooperate with a third-party logistics company with smart scheduling algorithms. Explore fresh food e-commerce companies to provide intelligent algorithms for optimizing distribution routes，and provide an experience reference for fresh food e-commerce companies with smart algorithms to share smart algorithms with third-party logistics companies to achieve a win-win situation.
Key words：fresh food e-commerce;terminal delivery;route optimization;ant colony algorithm