【《基于遗传算法的生鲜电商末端即时配送路径优化实证研究》15000字（论文）】

基于遗传算法的生鲜电商末端即时配送路径优化实证研究摘要近年来，生鲜电商在资本的加持下迅速发展，消费者在消费意识与消费水平提高的影响下对生鲜产品的需求量不断增加，这导致生鲜电商市场规模不断扩大。由于生鲜产品的特性以及配送条件限制，生鲜产品的新鲜度和配送服务的时效性成为消费者在选择生鲜平台的主要影响因素，对生鲜电商而言是否能合理有效地完成末端配送满足顾客需求成为企业发展的瓶颈问题，因此研究生鲜电商末端配送路径优化问题具有现实必要性。本文在分析生鲜电商提供末端配送服务所花费成本的基础上，构建了以末端配送成本最小化为目标的带时间窗的单目标路径优化模型，并选择遗传算法进行优化计算。最后以Solomon数据集为例进行研究分析，利用MatlabR2020b进行遗传算法的计算，并对结果进行分析，验证了本文所构建的单目标优化模型的有效性。研究结论表明适合应用本文所构建模型进行优化的配送场景是客户的地理位置聚集分布、调度范围较小且在配送路径上有较少客户对象，并且针对此配送场景具有较好的优化效果，优化结果出现较早，还具有较强的稳定性。这对生鲜电商企业末端即时配送的企业决策具有参考价值。关键词：生鲜电商，路径优化，遗传算法，末端配送目录摘要 ⅠAbstract ⅡTOC\o"1-3"\h\u1绪论 11.1研究背景和意义 11.1.1研究背景 11.1.2研究意义 21.2国内外研究现状 21.2.1国内研究现状 21.2.2国外研究现状 51.3研究内容 61.4研究方法与技术路线图 71.4.1研究方法 71.4.2技术路线图 72相关基本理论 92.1生鲜电商 92.1.1生鲜电商概念 92.1.2生鲜电商模式 102.1.3生鲜电商发展历程 102.2车辆路径优化理论 112.2.1车辆路径问题概念 112.2.2车辆路径优化方法 122.3遗传算法 132.3.1遗传算法的概念 132.3.2遗传算法的特点 142.3.3遗传算法的运算过程 153生鲜电商末端即时配送路径优化模型建立 163.1问题描述 163.2模型假设 163.3配送路径优化模型建立 173.3.1配送成本分析 173.3.2参数与变量定义 183.3.3模型建立 183.3.4约束条件 194末端即时配送路径优化算法选择 204.1优化算法的选择 204.2遗传算法的关键操作 204.2.1编码 204.2.2种群初始化 214.2.3遗传操作 214.2.4终止条件 225实例分析 236总结与展望 326.1研究结论 326.2研究展望 32参考文献 34绪论研究背景和意义研究背景近年来，生鲜电商在资本的加持下迅速发展，消费者在消费水平提高和消费观念改变的影响下对生鲜产品的需求量在不断增加，这导致生鲜电商市场规模也在不断扩大。自2019年10月起，生鲜电商月活跃用户数量在生鲜电商企业各种促销手段的影响下急剧增长。根据艾瑞咨询数据，我国生鲜电商市场的交易规模在2019年同比增长了36.7%，达到了2796亿元，预计在2020年将达到4047亿元。2020年以来，生鲜电商月活在新冠肺炎疫情的影响下仍保持强劲的增长趋势，根据Fastdata极数数据，生鲜电商月活用户在2020年6月超过了7100万。突如其来的新冠肺炎疫情打破了人们的生活节奏，人们为了满足日常生活所需的生鲜食品开始接触生鲜电商，并使用其移动APP购买生鲜产品，线上购买生鲜需求急剧增长。根据艾瑞iclick调研数据，用户在疫情的影响下增加了在生鲜电商平台购买生鲜商品的频率，而且疫情逐渐平稳后，由于用户粘性与使用习惯，一些用户依然会坚持进行线上购买生鲜产品。冷链物流在受到生鲜电商发展的影响下日益成为生鲜电商企业提供末端配送服务的重要支撑力量。冷链物流体系的重要组成部分包括冷库、冷藏车、冷藏箱等基础设施以及预冷、包装、仓储、运输、配送等环节，缺少任一组成部分都会增加生鲜产品的损耗。近年来，我国不断进行投资建设扩大冷链物流规模，根据中物联冷链委公布资料显示，中国冷链物流市场规模在2017至2019年间持续扩大，截止至2019年冷链物流行业的市场规模达到了3391亿元，在2017至2019年期间年均复合增长率高达15.3%。2020年，由于疫情的影响，冷链再次被推到了公众的聚焦点中，进一步体现了冷链的需求与重要性。一方面地方和相关企业加快了冷链建设：广州南沙斥35亿元建全国最大冷链母港等；另一方面政府加大了政策扶持力度：2020年由中共中央、国务院印发实施的《中共中央、国务院关于抓好“三农”领域重点工作确保如期实现全面小康的意见》表示启动农产品仓储保鲜冷链物流设施建设工程，支持并投资建设一批骨干冷链物流基地；国家发改委2020年发布的《关于开展首批国家骨干冷链物流基地建设工作的通知》表示建设首批17个国家骨干冷链物流基地，同时给予千万级的资金补贴。由于生鲜产品具有标准化难度大、受季节和地理限制、易损耗等特点，我国生鲜产品销售仍然存在以线下市场和交易中心为主、线上渗透率较低的问题。而且据艾瑞咨询《2020年中国生鲜供应链市场研究报告》表示我国生鲜市场传统产业链仍存在着较多问题，但是随着消费群体消费意识的不断提高以及冷链物流基础设施的建设和完善，生鲜电商市场将获得较强的成长动力不断地扩大。研究意义随着生活水平的提高和消费观念的改变，人们更加注重自己的饮食营养和食品安全问题，但由于生鲜产品本身的特点，如何在为消费者提供生鲜产品末端配送服务满足需求的同时保证生鲜产品送达时的新鲜度成为了生鲜电商平台重点关注的问题。而且由于技术条件、交通条件、车辆类型等条件的限制，生鲜电商平台末端配送具有极高的成本。因此，为了缩短生鲜电商企业的末端配送距离，降低提供配送服务的成本，同时保证生鲜产品送达消费者时的品质，提高顾客满意度，从考虑生鲜产品本身特点和末端配送限制要求的角度出发，对生鲜电商企业配送服务相关问题进行研究。国内外研究现状1.2.1国内研究现状近几年，随着国家经济和互联网行业的发展以及互联网技术的进步，生鲜电商进入研究者们的视线内。国内的研究者们对生鲜电商的模式、模式创新、顾客满意度评价等各个方面进行了研究，尤其在生鲜电商“最后一公里”配送路径优化方面，国内学者从不同的角度对其进行了研究。首先，有些学者以配送成本最小为目标对生鲜电商末端配送路径优化问题进行了基础研究。一方面，何婷ADDINEN.CITE<EndNote><Cite><Author>何婷</Author><Year>2020</Year><RecNum>4</RecNum><DisplayText><styleface="superscript">[1]</style></DisplayText><record><rec-number>4</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1610370503">4</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>何婷</author><author>侯汉平</author><author>杨建亮</author></authors></contributors><auth-address>北京交通大学经济管理学院;北京化工大学经济管理学院;</auth-address><titles><title>疫情背景下生鲜电商企业车辆路径优化研究</title><secondary-title>中国安全生产科学技术</secondary-title></titles><periodical><full-title>中国安全生产科学技术</full-title></periodical><pages>183-188</pages><volume>16</volume><number>07</number><keywords><keyword>疫情</keyword><keyword>生鲜电商</keyword><keyword>组合套餐</keyword><keyword>车辆路径优化</keyword></keywords><dates><year>2020</year></dates><isbn>1673-193X</isbn><call-num>11-5335/TB</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[1]等以车辆使用数量和配送总成本最小化为目标构建模型求解疫情背景下基于社区消费特点以及防疫用品有效防护时间限制的生鲜产品配送路径优化，最后通过实例验证了模型的现实可行性；李旭ADDINEN.CITE<EndNote><Cite><Author>李旭</Author><Year>2020</Year><RecNum>5</RecNum><DisplayText><styleface="superscript">[2]</style></DisplayText><record><rec-number>5</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1610370503">5</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>李旭</author><author>刘兆惠</author></authors></contributors><auth-address>山东科技大学交通学院;</auth-address><titles><title>新零售背景下盒马鲜生末端配送路径优化研究</title><secondary-title>物流科技</secondary-title></titles><periodical><full-title>物流科技</full-title></periodical><pages>10-14</pages><volume>43</volume><number>06</number><keywords><keyword>新零售</keyword><keyword>盒马鲜生</keyword><keyword>末端配送</keyword><keyword>路径优化</keyword></keywords><dates><year>2020</year></dates><isbn>1002-3100</isbn><call-num>10-1373/F</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[2]等以顾客满意度最高和配送距离最短为目标构建模型并求解寻找解决盒马生鲜末端配送存在问题的方案，最后通过实例证明了模型的有效性和优化结果的可行性。另一方面，涂志芳子ADDINEN.CITE<EndNote><Cite><Author>涂志芳子</Author><Year>2019</Year><RecNum>6</RecNum><DisplayText><styleface="superscript">[3]</style></DisplayText><record><rec-number>6</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1610370503">6</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>涂志芳子</author><author>羊英</author></authors></contributors><auth-address>上海第二工业大学经济与管理学院;</auth-address><titles><title>基于距离矩阵摹乘法的生鲜产品配送路径优化</title><secondary-title>上海第二工业大学学报</secondary-title></titles><periodical><full-title>上海第二工业大学学报</full-title></periodical><pages>288-293</pages><volume>36</volume><number>04</number><keywords><keyword>生鲜产品物流</keyword><keyword>线上线下模式</keyword><keyword>物流配送规划</keyword><keyword>距离矩阵摹乘法</keyword></keywords><dates><year>2019</year></dates><isbn>1001-4543</isbn><call-num>31-1496/T</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[3]等基于距离矩阵摹乘的网络理论以配送路径最短为目标构建模型求解在O2O模式下的配送路径优化，最后通过实例验证了模型的的有效性；张倩ADDINEN.CITE<EndNote><Cite><Author>张倩</Author><Year>2019</Year><RecNum>12</RecNum><DisplayText><styleface="superscript">[4]</style></DisplayText><record><rec-number>12</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1610370503">12</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>张倩</author><author>熊英</author><author>何明珂</author><author>张浩</author></authors></contributors><auth-address>北京工商大学商学院;国网北京市电力公司物资分公司;北京物资学院物流学院;</auth-address><titles><title>不确定需求生鲜电商配送路径规划多目标模型</title><secondary-title>系统仿真学报</secondary-title></titles><periodical><full-title>系统仿真学报</full-title></periodical><pages>1582-1590</pages><volume>31</volume><number>08</number><keywords><keyword>路径规划</keyword><keyword>不确定需求</keyword><keyword>生鲜电商</keyword><keyword>鲁棒优化</keyword><keyword>果蝇算法</keyword></keywords><dates><year>2019</year></dates><isbn>1004-731X</isbn><call-num>11-3092/V</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[4]等以配送总成本最小、生鲜产品新鲜度最高和碳排放量最小为目标建立多目标优化模型求解在需求不确定情况下的路径优化，最后通过实例验证了模型具有鲁棒性。此外，还有许小蓉ADDINEN.CITE<EndNote><Cite><Author>许小蓉</Author><Year>2020</Year><RecNum>57</RecNum><DisplayText><styleface="superscript">[5]</style></DisplayText><record><rec-number>57</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619625884">57</key></foreign-keys><ref-typename="Thesis">32</ref-type><contributors><authors><author>许小蓉</author></authors><tertiary-authors><author>邵丽萍,</author></tertiary-authors></contributors><titles><title>新零售模式下生鲜电商终端配送路径优化研究</title></titles><keywords><keyword>新零售</keyword><keyword>生鲜电商</keyword><keyword>终端配送</keyword><keyword>改进遗传算法</keyword><keyword>路径优化</keyword></keywords><dates><year>2020</year></dates><publisher>北京交通大学</publisher><work-type>硕士</work-type><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[5]以客户满意度最高和配送成本最小为目标建立模型求解在新零售模式下的配送路径优化，最后通过实例验证了模型的有效性；王可山ADDINEN.CITE<EndNote><Cite><Author>王可山</Author><Year>2019</Year><RecNum>9</RecNum><DisplayText><styleface="superscript">[6]</style></DisplayText><record><rec-number>9</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1610370503">9</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>王可山</author><author>张丽彤</author><author>刘彦奇</author></authors></contributors><auth-address>北京物资学院;河北北方学院;</auth-address><titles><title>生鲜电商配送成本影响因素及控制优化研究</title><secondary-title>经济问题</secondary-title></titles><periodical><full-title>经济问题</full-title></periodical><pages>108-115</pages><number>01</number><keywords><keyword>生鲜电商</keyword><keyword>配送成本</keyword><keyword>成本控制</keyword></keywords><dates><year>2019</year></dates><isbn>1004-972X</isbn><call-num>14-1058/F</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[6]等运用层次分析法、作业成本法研究了生鲜电商配送成本的影响因素以及控制，并提出了优化建议。然而，随着生鲜电商行业的发展，对于生鲜电商路径优化的基础研究已经不能完全解决末端配送路径优化问题。因此，有些学者考虑生鲜产品本身特点和冷链物流的基础上对生鲜电商末端配送路径优化问题进行了深层次的研究。一方面，白秦洋ADDINEN.CITE<EndNote><Cite><Author>白秦洋</Author><RecNum>41</RecNum><DisplayText><styleface="superscript">[7]</style></DisplayText><record><rec-number>41</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1618238713">41</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>白秦洋</author><author>尹小庆</author><author>林云</author></authors></contributors><auth-address>重庆大学机械工程学院;</auth-address><titles><title>考虑路网中实时交通的冷链物流路径优化</title><secondary-title>工业工程与管理</secondary-title></titles><periodical><full-title>工业工程与管理</full-title></periodical><pages>1-16</pages><keywords><keyword>物流工程</keyword><keyword>路径优化</keyword><keyword>遗传模拟退火算法</keyword><keyword>冷链物流配送</keyword><keyword>实时交通</keyword></keywords><dates></dates><isbn>1007-5429</isbn><call-num>31-1738/T</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[7]等以考虑环境成本的配送总成本最小化构建模型求解在考虑城市实时交通状况下冷链物流末端配送路径优化问题，并通过与不考虑城市实时交通状况的情况进行对比验证了模型的有效性；鲍春玲ADDINEN.CITE<EndNote><Cite><Author>鲍春玲</Author><Year>2018</Year><RecNum>60</RecNum><DisplayText><styleface="superscript">[8]</style></DisplayText><record><rec-number>60</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619626207">60</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>鲍春玲</author><author>张世斌</author></authors></contributors><auth-address>上海海事大学物流研究中心;上海海事大学数学系;</auth-address><titles><title>考虑碳排放的冷链物流联合配送路径优化</title><secondary-title>工业工程与管理</secondary-title></titles><periodical><full-title>工业工程与管理</full-title></periodical><pages>95-100+107</pages><volume>23</volume><number>05</number><keywords><keyword>综合交通运输</keyword><keyword>路径优化</keyword><keyword>遗传算法</keyword><keyword>冷链物流</keyword><keyword>联合配送</keyword><keyword>碳排放</keyword></keywords><dates><year>2018</year></dates><isbn>1007-5429</isbn><call-num>31-1738/T</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[8]等以配送成本最小化为目标建立模型求解在考虑碳排放情况下冷链物流联合配送路径优化问题，并与传统的分区配送作对比验证模型的有效性。另一方面，方文婷ADDINEN.CITE<EndNote><Cite><Author>方文婷</Author><Year>2019</Year><RecNum>44</RecNum><DisplayText><styleface="superscript">[9]</style></DisplayText><record><rec-number>44</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1618238713">44</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>方文婷</author><author>艾时钟</author><author>王晴</author><author>范君博</author></authors></contributors><auth-address>西安电子科技大学经济与管理学院;</auth-address><titles><title>基于混合蚁群算法的冷链物流配送路径优化研究</title><secondary-title>中国管理科学</secondary-title></titles><periodical><full-title>中国管理科学</full-title></periodical><pages>107-115</pages><volume>27</volume><number>11</number><keywords><keyword>车辆路径问题</keyword><keyword>冷链物流</keyword><keyword>节能减排</keyword><keyword>混合蚁群算法</keyword></keywords><dates><year>2019</year></dates><isbn>1003-207X</isbn><call-num>11-2835/G3</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[9]等利用混合蚁群算法求解了基于绿色物流发展理念的冷链物流路径优化问题，验证了模型与算法的有效性；张文峰ADDINEN.CITE<EndNote><Cite><Author>张文峰</Author><Year>2017</Year><RecNum>45</RecNum><DisplayText><styleface="superscript">[10]</style></DisplayText><record><rec-number>45</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1618238713">45</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>张文峰</author><author>梁凯豪</author></authors></contributors><auth-address>仲恺农业工程学院农村发展研究所;仲恺农业工程学院计算科学学院;</auth-address><titles><title>生鲜农产品冷链物流网络节点和配送的优化</title><secondary-title>系统工程</secondary-title></titles><periodical><full-title>系统工程</full-title></periodical><pages>119-123</pages><volume>35</volume><number>01</number><keywords><keyword>冷链物流</keyword><keyword>网点布局</keyword><keyword>预冷站</keyword><keyword>量子粒子群算法</keyword></keywords><dates><year>2017</year></dates><isbn>1001-4098</isbn><call-num>43-1115/N</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[10]等运用粒子群算法求解以网点建设成本和运营成本最小为目标的数学模型，并通过实例验证了模型的有效性和适应性。此外，还有康凯ADDINEN.CITE<EndNote><Cite><Author>康凯</Author><Year>2019</Year><RecNum>61</RecNum><DisplayText><styleface="superscript">[11]</style></DisplayText><record><rec-number>61</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619626603">61</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>康凯</author><author>韩杰</author><author>普玮</author><author>马艳芳</author></authors></contributors><auth-address>河北工业大学经济管理学院;</auth-address><titles><title>生鲜农产品冷链物流低碳配送路径优化研究</title><secondary-title>计算机工程与应用</secondary-title></titles><periodical><full-title>计算机工程与应用</full-title></periodical><pages>259-265</pages><volume>55</volume><number>02</number><keywords><keyword>碳排放</keyword><keyword>车辆路径问题</keyword><keyword>冷链物流</keyword><keyword>生鲜农产品</keyword><keyword>蚁群算法</keyword></keywords><dates><year>2019</year></dates><isbn>1002-8331</isbn><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[11]等改进蚁群算法对考虑碳排放成本的数学模型进行求解，最后通过对比其他算法的结果验证了模型和算法的切实性；刘虹ADDINEN.CITE<EndNote><Cite><Author>刘虹</Author><Year>2018</Year><RecNum>49</RecNum><DisplayText><styleface="superscript">[12]</style></DisplayText><record><rec-number>49</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1618240596">49</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>刘虹</author><author>赵晶</author></authors></contributors><auth-address>福州大学经济与管理学院;</auth-address><titles><title>基于客户厌恶度的冷链物流配送网络优化</title><secondary-title>工业工程与管理</secondary-title></titles><periodical><full-title>工业工程与管理</full-title></periodical><pages>91-97</pages><volume>23</volume><number>02</number><keywords><keyword>冷链</keyword><keyword>易腐易变质</keyword><keyword>客户厌恶度</keyword><keyword>混合算法</keyword></keywords><dates><year>2018</year></dates><isbn>1007-5429</isbn><call-num>31-1738/T</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[12]等在提出客户厌恶度函数的基础上，设计混合算法求解以客户厌恶度和配送成本最小化为目标的冷链物流路径优化模型。除了从以上角度进行的研究，有的学者还从考虑时间窗的角度出发对生鲜电商末端配送路径优化问题进行研究，以寻求生鲜电商末端配送问题的解决之策。一方面，付朝晖ADDINEN.CITE<EndNote><Cite><Author>付朝晖</Author><Year>2021</Year><RecNum>42</RecNum><DisplayText><styleface="superscript">[13]</style></DisplayText><record><rec-number>42</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1618238713">42</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>付朝晖</author><author>刘长石</author></authors></contributors><auth-address>长沙民政职业技术学院软件学院;湖南工商大学工商管理学院;</auth-address><titles><title>生鲜电商配送的开放式时变车辆路径问题研究</title><secondary-title>计算机工程与应用</secondary-title></titles><periodical><full-title>计算机工程与应用</full-title></periodical><pages>271-278</pages><volume>57</volume><number>01</number><keywords><keyword>时变路网</keyword><keyword>生鲜农产品</keyword><keyword>开放式车辆路径问题</keyword><keyword>改进蚁群算法</keyword></keywords><dates><year>2021</year></dates><isbn>1002-8331</isbn><call-num>11-2127/TP</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[13]等以配送成本最小为目标构建模型并改进蚁群算法求解在具有鲜活度限制的开放式时变情况下的配送路径优化问题，通过与封闭式情况下优化结果进行对比，验证了模型和算法的有效性；马龙ADDINEN.CITE<EndNote><Cite><Author>马龙</Author><Year>2021</Year><RecNum>43</RecNum><DisplayText><styleface="superscript">[14]</style></DisplayText><record><rec-number>43</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1618238713">43</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>马龙</author><author>王春嬉</author><author>张正义</author><author>董睿</author></authors></contributors><auth-address>西安航空学院经济管理学院;</auth-address><titles><title>多目标多时间窗车辆路径问题的鸽群-水滴算法</title><secondary-title>计算机工程与应用</secondary-title></titles><periodical><full-title>计算机工程与应用</full-title></periodical><pages>237-250</pages><volume>57</volume><number>02</number><keywords><keyword>鸽群算法</keyword><keyword>智能水滴算法</keyword><keyword>多时间窗</keyword><keyword>车辆路径规划</keyword><keyword>多目标</keyword></keywords><dates><year>2021</year></dates><isbn>1002-8331</isbn><call-num>11-2127/TP</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[14]等提出鸽群-智能水滴互补改进优化算法求解多目标多时间窗路径优化模型，并与其他两种算法的优化结果作对比验证了算法的可行性。另一方面，李常敏ADDINEN.CITE<EndNote><Cite><Author>李常敏</Author><Year>2020</Year><RecNum>64</RecNum><DisplayText><styleface="superscript">[15]</style></DisplayText><record><rec-number>64</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619627707">64</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>李常敏</author><author>陶颖</author><author>彭显</author><author>姚连杰</author></authors></contributors><auth-address>上海大学管理学院;</auth-address><titles><title>基于顾客时间满意度的车辆路径问题</title><secondary-title>上海大学学报(自然科学版)</secondary-title></titles><periodical><full-title>上海大学学报(自然科学版)</full-title></periodical><pages>472-480</pages><volume>26</volume><number>03</number><keywords><keyword>顾客时间满意度</keyword><keyword>配送路径优化</keyword><keyword>车辆配送模型</keyword></keywords><dates><year>2020</year></dates><isbn>1007-2861</isbn><call-num>31-1718/N</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[15]等运用模拟退火算法求解以配送成本最小和顾客满意度最高为目标的优化模型，并与传统带软时间窗的路径优化模型作对比验证了模型的有效性；崔岩ADDINEN.CITE<EndNote><Cite><Author>崔岩</Author><Year>2017</Year><RecNum>15</RecNum><DisplayText><styleface="superscript">[16]</style></DisplayText><record><rec-number>15</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1610370503">15</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>崔岩</author><author>张子祥</author><author>时新</author><author>王晓亮</author><author>王振锋</author></authors></contributors><auth-address>河南农业大学机电工程学院;</auth-address><titles><title>考虑顾客时间紧迫度的生鲜电商配送路径优化问题</title><secondary-title>郑州大学学报(工学版)</secondary-title></titles><periodical><full-title>郑州大学学报(工学版)</full-title></periodical><pages>59-63</pages><volume>38</volume><number>06</number><keywords><keyword>累积前景理论</keyword><keyword>车辆路径问题</keyword><keyword>生鲜电商</keyword><keyword>时间窗</keyword><keyword>改进粒子群算法</keyword></keywords><dates><year>2017</year></dates><isbn>1671-6833</isbn><call-num>41-1339/T</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[16]等基于累积前景理论以配送成最小为目标建立模型求解在不确定情况下带时间窗约束的车辆路径优化问题，并通过三种不同算法优化结果的对比分析验证了模型的有效性。此外，还有逯一辰ADDINEN.CITE<EndNote><Cite><Author>逯一辰</Author><Year>2018</Year><RecNum>13</RecNum><DisplayText><styleface="superscript">[17]</style></DisplayText><record><rec-number>13</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1610370503">13</key></foreign-keys><ref-typename="Thesis">32</ref-type><contributors><authors><author>逯一辰</author></authors><tertiary-authors><author>詹斌,</author></tertiary-authors></contributors><titles><title>基于“前置仓”模式的生鲜电商配送系统优化研究</title></titles><keywords><keyword>生鲜电商</keyword><keyword>“前置仓”</keyword><keyword>选址—库存—路径集成问题</keyword><keyword>配送系统优化</keyword></keywords><dates><year>2018</year></dates><publisher>武汉理工大学</publisher><work-type>硕士</work-type><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[17]以配送成本最小为目标构建带时间窗的选址—库存—路径集成数学模型求解在随机需求情况下的路径优化问题，并通过与第三方物流配送方案的对比验证了模型的有效性；张文博ADDINEN.CITE<EndNote><Cite><Author>张文博</Author><Year>2016</Year><RecNum>65</RecNum><DisplayText><styleface="superscript">[18]</style></DisplayText><record><rec-number>65</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619627906">65</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>张文博</author><author>苏秦</author><author>程光路</author></authors></contributors><auth-address>西安交通大学管理学院;机械制造系统工程国家重点实验室;教育部过程控制与效率工程重点实验室;中国南方航空股份有限公司西安分公司;</auth-address><titles><title>基于动态需求的带时间窗的车辆路径问题</title><secondary-title>工业工程与管理</secondary-title></titles><periodical><full-title>工业工程与管理</full-title></periodical><pages>68-74</pages><volume>21</volume><number>06</number><keywords><keyword>动态需求</keyword><keyword>车辆路径问题</keyword><keyword>软时间窗</keyword><keyword>启发式算法</keyword></keywords><dates><year>2016</year></dates><isbn>1007-5429</isbn><call-num>31-1738/T</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[18]等以配送成本最小为目标构建模型分两阶段求解在动态需求下带时间窗的配送路径优化问题，并通过实例验证了模型的有效性。以上国内学者从不同的角度出发对生鲜电商末端配送优化问题进行了研究，确定优化目标，构建相关优化模型，运用不同方法求解分析进行验证，研究结果均对生鲜电商末端配送的企业决策具有指导意义，并为本文的研究内容提供了参考价值。但以上学者的研究并未提出应用模型的具体配送场景；因此，本文在以上学者研究基础上构建单目标优化模型并求解分析，并寻找适合应用所构建模型的配送场景。1.2.2国外研究现状国外学者针对生鲜产品的“最后一公里”配送服务也从不同的角度进行了研究。首先，有些学者从配送成本的角度出发对配送路径优化问题进行了初步的探索，比如Wang,YongADDINEN.CITE<EndNote><Cite><Author>Wang</Author><Year>2021</Year><RecNum>50</RecNum><DisplayText><styleface="superscript">[19]</style></DisplayText><record><rec-number>50</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619524053">50</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Wang,Yong</author><author>Zhang,Jie</author><author>Guan,Xiangyang</author><author>Xu,Maozeng</author><author>Wang,Zheng</author><author>Wang,Haizhong</author></authors></contributors><titles><title>Collaborativemultiplecentersfreshlogisticsdistributionnetworkoptimizationwithresourcesharingandtemperaturecontrolconstraints</title><secondary-title>ExpertSystemswithApplications</secondary-title></titles><periodical><full-title>ExpertSystemswithApplications</full-title></periodical><pages>113838</pages><volume>165</volume><keywords><keyword>Freshlogisticsdistributionnetwork</keyword><keyword>Collaborativemechanism</keyword><keyword>Hybridheuristicalgorithm</keyword><keyword>Costsaving</keyword><keyword>Profitallocation</keyword></keywords><dates><year>2021</year><pub-dates><date>2021/03/01/</date></pub-dates></dates><isbn>0957-4174</isbn><urls><related-urls><url>/science/article/pii/S0957417420306485</url></related-urls></urls><electronic-resource-num>/10.1016/j.eswa.2020.113838</electronic-resource-num></record></Cite></EndNote>[19]等设计混合启发式算法求解以配送成本最小和冷藏车数量最少为目标的双目标优化模型研究解决具有资源共享和温度控制约束的协同多中心车辆路径问题并验证了算法的可行性。Ma,XiangguoADDINEN.CITE<EndNote><Cite><Author>Ma</Author><Year>2016</Year><RecNum>66</RecNum><DisplayText><styleface="superscript">[20]</style></DisplayText><record><rec-number>66</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619630546">66</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Ma,Xiangguo</author><author>Liu,Tongjuan</author><author>Yang,Pingzhe</author><author>Jiang,Rongfen</author></authors><translated-authors><author>马向国,</author><author>刘同娟,</author><author>杨平哲,</author><author>蒋荣芬,</author></translated-authors></contributors><titles><title>VehicleRoutingOptimizationModelofColdChainLogisticsBasedonStochasticDemand</title><secondary-title>JournalofSystemSimulation</secondary-title><translated-title>基于随机需求的冷链物流车辆路径优化模型</translated-title></titles><periodical><full-title>JournalofSystemSimulation</full-title></periodical><pages>1824</pages><volume>28</volume><number>8</number><dates><year>2016</year></dates><accession-num>CSCD:5789145</accession-num><urls><related-urls><url><GotoISI>://CSCD:5789145</url></related-urls></urls><custom7>1004-731x(2016)28:8<1824:Jysjxq>2.0.Tx;2-x</custom7></record></Cite></EndNote>[20]等以配送总成本最小化为目标构建模型求解研究在考虑客户服务时间要求与客户重要度均衡以及客户需求波动降低与指派阶段成本增加之间均衡的情况下路径优化问题。之后，随着生鲜电商的进一步发展，生鲜电商配送服务问题的复杂程度也在逐渐加深。因此，有些学者从多角度考虑此问题并对其进行更深层次的研究。一方面，WangYongADDINEN.CITE<EndNote><Cite><Author>Wang</Author><Year>2020</Year><RecNum>53</RecNum><DisplayText><styleface="superscript">[21]</style></DisplayText><record><rec-number>53</rec-number><foreign-keys><keyapp="EN"db-id="pdtvzvaen5fpa1eee5xx0wtlsz0rd0zfz99d"timestamp="1619623872">53</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Wang,Yong</author><author>Zhang,Jie</author><author>Liu,Yong</author><author>Xu,Maozeng</author></authors><translated-authors><author>王勇,</author><author>张杰,</author><author>刘永,</author><author>许茂增,</author></translated-authors></contributors><titles><title>Optimizationmethodstudyoffreshgoodlogisticsdistributionbasedontimewindowandtemperaturecontrol</title><secondary-title>ControlandDecision</secondary-title><translated-title>基于时间窗和温度控制的生鲜商品物流配送优化方法</translated-title></titles><periodical><full-title>ControlandDecision</full-title></periodical><pages>1606-1614</pages><volume>35</volume><number>7</number><dates><year>2020</year><pub-dates><date>2020</date></pub-dates></dates><isbn>1001-0920</isbn><accession-num>CSCD:6771587</accession-num><urls><related-urls><url><GotoISI>://CSCD:6771587</url></related-urls></urls><custom7>1001-0920(2020)35:7<1606:Jysjch>2.0.Tx;2-6</custom7></record></Cite></EndNote>[21]等在考虑客户地理位置、产品温度控制和时间窗约束的基础上，提出了GA-TS混合算法求解构建的双目标优化模型对生鲜商品物流配送优化进行了研究，研究结果表明模型和算法是有效的；Zhao,ZhixueADDINEN.CITE<EndNote><Cite><Author>Zhao</Author><Year>2020</Year><RecNum>21</RecNum><DisplayText><styleface="superscript">[22]</style>