城市农产品冷链物流配送路径优化研究

发布时间：2021-08-20 06:19

　　随着人们生活节奏的加快和生活品质的提升,饮食健康这一方面的问题格外引起人民大众的关心与重视,随着冷链物流这一新兴产业逐渐进入人们的视野,农产品作为日常生活中不可或缺的一部分,其食品质量更加受到人们的高度关注。但生鲜农产品从生产厂商生产出来直至销售出去的过程中,有几乎四分之三以上的时间是消耗在运输配送上面。配送运输已经逐步成为生鲜农产品冷链物流各项环节中的一个重要组成部分,从配送中心运输到各个销售点的城市配送属于最容易被忽视的环节,可是,正是这最容易被忽视的环节,却成为制约整个城市冷链物流配送发展的瓶颈,成为保障服务和食品安全中的最重要一个环节。因此设计合理的车辆配送方案,可以更加有效的降低配送成本和保障食品安全。本文以城市农产品冷链物流配送路径优化作为论文的研究课题,主要包括以下内容:（1）本文通过大量阅读国内外相关文献,在国内外生鲜农产品运输车辆路径问题研究现状的基础上,总结了农产品冷链物流特殊性以及城市农产品配送基本模式,整理了冷链物流车辆路径问题的分类和构成要素以及算法求解等相关理论,分析了冷链物流配送路径优化的必要性从而为模型的建立奠定基础。（2）在城市路网配送中,由于道路拥堵... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

销售点和配送中心位置示意图

城市农产品冷链物流配送路径优化研究-36-图5.2销售点16至销售点17车辆行驶时间概率分布图表5.3各点之间行驶时间的概率分布（部分）01234500N(0.32,0.06)N(0.47,0.02)N(0.38,0.15)N(0.26,0.1)N(0.67,0.26)1N(0.32,0.05)0N(0.28,0.23)N(0.19,0.09)N(0.14,0.21)N(0.36,0.28)2N(0.51,0.01)N(0.32,0.22)0N(0.32,0.26)N(0.33,0.33)N(0.51,0.06)3N(0.37,0.13)N(0.18,0.08)N(0.29,0.26)0N(0.18,0.05)N(0.34,0.08)4N(0.32,0.08)N(0.2,0.21)N(0.38,0.33)N(0.26,0.03)0N(0.23,0.03)5N(0.59,0.26)N(0.36,0.28)N(0.4,0.06)N(0.28,0.07)N(0.26,0.02)0表5.4遗传算法参数算法参数名称参数值种规模100交叉率自适应策略调整变异率自适应策略调整最大代数200爬山操作次数5

城市农产品冷链物流配送路径优化研究-40-图5.6混合遗传算法路径图5.4结果分析通过比较遗传算法和混合遗传算法的求解结果，种群进化过程如图5.7所示。图5.7两种算法迭代对比图从图5.7可以看出，混合遗传算法比传统遗传算法的目标函数值小，均在迭代200次得到最优的目标函数值。在进化过程中可以看出混合遗传算法的收敛速度高于传统遗传算法，这表明对遗传算法地不足进行改进，引用爬山算法增强遗传算法的局部搜索能


本文编号：3352983