本專題小編共整理了3篇文章，來自國家農(nóng)業(yè)信息化工程技術(shù)研究中心、廣西大學(xué)、河北農(nóng)業(yè)大學(xué)等單位。
文章包含雛雞配送車輛調(diào)度優(yōu)化模型、生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化模型、多目標(biāo)蔬菜運輸配送路徑優(yōu)化算法等內(nèi)容。供大家閱讀、參考。
Topic–Intelligent Management and Control of Agricultural Product Logistics
[1]陳棟, 陳天恩, 姜舒文, 張馳, 王聰, 魯夢瑤. 基于訂單位置聚類的雛雞配送車輛調(diào)度優(yōu)化模型[J]. 智慧農(nóng)業(yè)(中英文), 2020, 2(4): 137-148.
CHEN Dong, Tian’en CHEN, JIANG Shuwen, ZHANG Chi, WANG Cong, LU Mengyao. Optimal model of chicken distribution vehicle scheduling based on order clustering[J]. Smart Agriculture, 2020, 2(4): 137-148.
摘要：為解決大型禽業(yè)企業(yè)物流訂單位置跨度大、配送車輛調(diào)度工作人工參與度高、雛雞配送成本高的問題，本研究結(jié)合車輛路徑優(yōu)化問題求解思路，提出了基于訂單位置聚類的雛雞配送車輛調(diào)度優(yōu)化模型。模型通過引入K-means聚類算法，實現(xiàn)了基于訂單位置的配送單元劃分方法，并基于肘部法則與輪廓系數(shù)法設(shè)計了自動化訂單位置聚類流程，實現(xiàn)了訂單配送單元的自主式劃分。在劃分的各組訂單基礎(chǔ)上，以配送成本最優(yōu)作為目標(biāo)函數(shù)，建立雛雞配送車輛調(diào)度優(yōu)化模型，并結(jié)合改進(jìn)的遺傳算法進(jìn)行求解。研究采用北京某禽業(yè)企業(yè)實際訂單數(shù)據(jù)，對訂單未聚類情況下的整體調(diào)度優(yōu)化與聚類分組情況下的調(diào)度優(yōu)化兩種情況的結(jié)果進(jìn)行了對比分析，結(jié)果表明訂單聚類分組情況下，優(yōu)化模型使配送車輛平均每天總里程比訂單未聚類情況降低69.84%，可以得出，加入聚類算法的訂單分組優(yōu)化更適合實際訂單位置跨度大、訂單數(shù)量多的車輛調(diào)度場景?；谝陨涎芯?，研發(fā)設(shè)計了適用于雛雞配送的車輛調(diào)度優(yōu)化服務(wù)系統(tǒng)，實現(xiàn)了訂單自動化聚類、配送車輛調(diào)度優(yōu)化、定制化模型服務(wù)等功能，通過模型的實際應(yīng)用，達(dá)到了為禽業(yè)企業(yè)提供智能化配送車輛調(diào)度優(yōu)化服務(wù)的目的，切實提高了企業(yè)運行效率，降低了企業(yè)配送成本。
知網(wǎng)閱讀
[2]劉思遠(yuǎn), 陳天恩, 陳棟, 張馳, 王聰. 時變多車型下的生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化模型[J]. 智慧農(nóng)業(yè)(中英文), 2021, 3(3): 139-151.
LIU Siyuan, CHEN Tian’en, CHEN Dong, ZHANG Chi, WANG Cong. Time-varying heterotypic-vehicle cold chain logistics distribution path optimization model[J]. Smart Agriculture, 2021, 3(3): 139-151.
摘要：針對農(nóng)業(yè)供應(yīng)鏈的運輸環(huán)節(jié)中生鮮農(nóng)產(chǎn)品配送模型存在的速度恒定、碳排放計算方法單一的問題，本研究結(jié)合路網(wǎng)時變特征和新的多車型碳排放計算方法，提出了考慮配送距離、多車型碳排放量、貨物損耗和車輛固定成本等4個優(yōu)化目標(biāo)的生鮮農(nóng)產(chǎn)品配送路徑優(yōu)化模型；并根據(jù)模型特點提出了一種改進(jìn)的雙策略種群協(xié)同蟻群算法（Double-Strategies Co-Evolutionary Ant Colony System，DC-ACS ）。利用改進(jìn)蟻群算法對Solomon數(shù)據(jù)集的C105算例進(jìn)行了求解，在4個優(yōu)化目標(biāo)上分別取得最優(yōu)解為937.94 km、4961.48元、4081.78元和7500.87元，證明了本研究提出的模型的有效性。在模型有效的基礎(chǔ)上，通過試驗結(jié)果證明，改進(jìn)蟻群算法比基本蟻群算法在4個優(yōu)化目標(biāo)上的配送總成本平均降低幅度超過14%，證明改進(jìn)蟻群算法更具有優(yōu)越性。使用改進(jìn)蟻群算法對集中、隨機和混合3種不同分布的大規(guī)模算例進(jìn)行求解，3種分布上分別求得最優(yōu)總成本為19,939.53、24,095.00和24,397.58元。綜上所述，所提模型和算法可以為冷鏈物流企業(yè)的城市配送路徑?jīng)Q策提供良好的參考依據(jù)，對完善智慧農(nóng)業(yè)供應(yīng)鏈的配送路徑優(yōu)化模型和優(yōu)化方法提供了新的思路，為企業(yè)進(jìn)一步擴大規(guī)模提供了參考。
知網(wǎng)閱讀
[3]王芳, 滕桂法, 姚竟發(fā). 帶時間窗的多目標(biāo)蔬菜運輸配送路徑優(yōu)化算法[J]. 智慧農(nóng)業(yè)(中英文), 2021, 3(3): 152-161.
WANG Fang, TENG Guifa, YAO Jingfa. Multi-objective vegetable transportation and distribution path optimization with time windows[J]. Smart Agriculture, 2021, 3(3): 152-161.
摘要：為了解決蔬菜運輸耗時長、成本高、保鮮時間短，導(dǎo)致送達(dá)到客戶手上蔬菜質(zhì)量降低等問題，在考慮了車輛載重和時間窗等約束條件下，本研究提出了一種帶時間窗多目標(biāo)蔬菜配送路徑優(yōu)化的遺傳-模擬退火（Genetic Algorithm and Simulated Annealing，GA-SA）算法。在遺傳算法（Genetic Algorithm，GA）操作過程中引入模擬退火（Simulated Annealing，SA）算法自適應(yīng)（Metropolis）接受準(zhǔn)則：首先將原始種群進(jìn)行遺傳算法的選擇、交叉、變異等操作，形成新一代路徑種群，此時通過引入Metropolis準(zhǔn)則，對新一代路徑種群分布情況進(jìn)行修正、選擇、交叉、變異，得到目標(biāo)路徑種群，達(dá)到全部車輛配送完返回到配送中心的耗時最少、成本最低、車輛使用最少的多目標(biāo)，求得蔬菜運輸?shù)淖顑?yōu)路徑。設(shè)計以保定市為配送中心以及向保定市下轄的各個鄉(xiāng)鎮(zhèn)為配送點進(jìn)行蔬菜運輸路徑優(yōu)化的試驗，結(jié)果證明，與傳統(tǒng)的GA、SA相比，GA-SA能夠有效增快其收斂速度，優(yōu)化后的配送路線總成本分別降低了約23.7%和4%，總路程分別減少了22.6%和3%，耗時分別減少了26.2和2.6 h，車輛分別少使用2輛和1輛。本研究可為冷鮮食品以及其他運輸路徑優(yōu)化研究提供參考價值。
知網(wǎng)閱讀
微信交流服務(wù)群
為方便農(nóng)業(yè)科學(xué)領(lǐng)域讀者、作者和審稿專家學(xué)術(shù)交流，促進(jìn)智慧農(nóng)業(yè)發(fā)展，為更好地服務(wù)廣大讀者、作者和審稿人，編輯部建立了微信交流服務(wù)群，有關(guān)專業(yè)領(lǐng)域內(nèi)的問題討論、投稿相關(guān)的問題均可在群里咨詢。
入群方法：加小編微信331760296，備注：姓名、單位、研究方向，小編拉您進(jìn)群，機構(gòu)營銷廣告人員勿擾。
信息發(fā)布
科研團隊介紹及招聘信息、學(xué)術(shù)會議及相關(guān)活動的宣傳推廣
