为降低需求不确定对食品冷链物流的影响,考虑车速、载重等参数,建立油耗测度模型;引入新鲜度衰减函数计算食品配送过程中的货损成本。在此基础上,根据时间窗和零售商服务水平等约束,以包括碳排放成本在内的总成本最低为目标,构建需求不...为降低需求不确定对食品冷链物流的影响,考虑车速、载重等参数,建立油耗测度模型;引入新鲜度衰减函数计算食品配送过程中的货损成本。在此基础上,根据时间窗和零售商服务水平等约束,以包括碳排放成本在内的总成本最低为目标,构建需求不确定的低碳库存-路径联合优化模型。通过机会约束规划模型进行确定性转化,设计一种基于Tent映射的混沌粒子群优化算法(chaotic particle swarm optimization algorithm based on Tent mapping,TCPSO)对优化模型进行求解。实验结果表明,与单独优化模型相比,联合优化模型的总成本降低了4.95%~9.03%,碳排放成本降低了3.32%~7.59%,物流成本和碳排放量均降低。通过改变车速和需求变异系数,发现总成本随车速增大先降低后上升,随需求波动增大而上升。实例证明所构建的优化模型和设计的算法有效且具有鲁棒性。展开更多
文摘为降低需求不确定对食品冷链物流的影响,考虑车速、载重等参数,建立油耗测度模型;引入新鲜度衰减函数计算食品配送过程中的货损成本。在此基础上,根据时间窗和零售商服务水平等约束,以包括碳排放成本在内的总成本最低为目标,构建需求不确定的低碳库存-路径联合优化模型。通过机会约束规划模型进行确定性转化,设计一种基于Tent映射的混沌粒子群优化算法(chaotic particle swarm optimization algorithm based on Tent mapping,TCPSO)对优化模型进行求解。实验结果表明,与单独优化模型相比,联合优化模型的总成本降低了4.95%~9.03%,碳排放成本降低了3.32%~7.59%,物流成本和碳排放量均降低。通过改变车速和需求变异系数,发现总成本随车速增大先降低后上升,随需求波动增大而上升。实例证明所构建的优化模型和设计的算法有效且具有鲁棒性。
