0 引言

新零售是指企業(yè)以互聯(lián)網(wǎng)為依托，通過(guò)運(yùn)用大數(shù)據(jù)、人工智能、區(qū)塊鏈、云計(jì)算、物聯(lián)網(wǎng)等新興技術(shù)，升級(jí)改造商品的生產(chǎn)、流通和銷售過(guò)程以重塑業(yè)態(tài)結(jié)構(gòu)和生態(tài)圈的深度融合線上服務(wù)、線下體驗(yàn)和現(xiàn)代物流的零售新模式。盒馬鮮生是國(guó)內(nèi)首家新零售商超，對(duì)于新零售的發(fā)展具有重要意義。盒馬鮮生的物流配送最大特征在于為線下門店附近3公里范圍內(nèi)的線上平臺(tái)訂單顧客提供30分鐘內(nèi)的送貨上門服務(wù)，顧客通過(guò)線上平臺(tái)挑選商品下單購(gòu)買，線下門店接收到線上平臺(tái)訂單后根據(jù)區(qū)塊鏈中儲(chǔ)存的訂單信息，安排工作人員在10分鐘內(nèi)完成訂單商品的分揀打包，隨后安排配送車輛在20分鐘內(nèi)完成訂單商品的上門送貨。盒馬鮮生的物流配送整體環(huán)節(jié)復(fù)雜多變，尤其是在銷售旺季、節(jié)假日等特殊時(shí)期，顧客的需求量增加，容易造成企業(yè)的物流配送效率降低，進(jìn)而使得顧客的滿意度下降。在新零售背景下，企業(yè)的物流配送路徑是物流配送的重要組成部分，因此為了提高企業(yè)的物流配送效率，增強(qiáng)顧客的滿意度，本文基于新零售運(yùn)用的區(qū)塊鏈技術(shù)，選取盒馬鮮生為研究對(duì)象，針對(duì)盒馬鮮生的物流配送特征，通過(guò)分析盒馬鮮生的物流配送路徑優(yōu)化，研究企業(yè)的物流配送路徑優(yōu)化問(wèn)題，具有一定的理論參考價(jià)值和實(shí)際應(yīng)用價(jià)值。

物流配送路徑優(yōu)化問(wèn)題本質(zhì)上是車輛路徑問(wèn)題。該問(wèn)題最早由Dantzig和Ramser于1959年提出，一經(jīng)提出便吸引了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，目前已經(jīng)產(chǎn)生了大量的研究成果。龐燕等[1]闡述了車輛路徑問(wèn)題的研究現(xiàn)狀、應(yīng)用場(chǎng)景、求解方法和研究方向。劉爍佳等[2]改進(jìn)了多個(gè)常見的啟發(fā)式算法，分析了基于改進(jìn)啟發(fā)式算法的帶時(shí)間窗的車輛路徑問(wèn)題。孫滬增等[3]構(gòu)建了帶時(shí)間窗的車輛路徑優(yōu)化模型，設(shè)計(jì)了基于蟻群系統(tǒng)和局部增強(qiáng)搜索策略的蟻群算法求解該模型。蘇欣欣等[4]構(gòu)建了考慮時(shí)間窗和多配送人員的車輛路徑優(yōu)化模型，設(shè)計(jì)了禁忌搜索算法求解該模型。李國(guó)明等[5]考慮實(shí)際配送過(guò)程中需求和服務(wù)時(shí)間隨機(jī)可變的特性，構(gòu)建了帶軟時(shí)間窗的隨機(jī)需求和隨機(jī)服務(wù)時(shí)間車輛路徑優(yōu)化模型，設(shè)計(jì)了混合禁忌搜索算法求解該模型。江雨燕等[6]考慮時(shí)間窗、需求點(diǎn)、需求量、交通等因素，構(gòu)建了考慮多配送中心的動(dòng)態(tài)車輛路徑優(yōu)化模型，設(shè)計(jì)了改進(jìn)的自適應(yīng)非支配排序遺傳算法求解該模型。因此，本文在分析盒馬鮮生的物流配送路徑優(yōu)化問(wèn)題時(shí)，以允許配送車輛違反顧客時(shí)間窗約束和最大載重量約束為前提，考慮顧客的時(shí)間窗、配送車輛的最大載重量等因素，以物流配送成本最小為目標(biāo)，構(gòu)建物流配送路徑優(yōu)化模型，設(shè)計(jì)禁忌搜索算法求解該模型，并通過(guò)實(shí)例分析驗(yàn)證模型的可行性和求解算法的有效性。

1 模型構(gòu)建

1.1 問(wèn)題描述

盒馬鮮生的物流配送路徑優(yōu)化問(wèn)題描述為：盒馬鮮生的某一線下門店從某一時(shí)刻開始每間隔10分鐘接收一次線上平臺(tái)訂單，每一時(shí)間間隔結(jié)束后配送中心根據(jù)區(qū)塊鏈中儲(chǔ)存的訂單信息，安排配送車輛前往配送中心獲取訂單商品，并于10分鐘后從配送中心出發(fā)前往各自負(fù)責(zé)的顧客位置為其配送訂單商品，完成各自的配送任務(wù)，最終在規(guī)定時(shí)間內(nèi)返回配送中心。

1.2 基本假設(shè)

(1）顧客的需求量不超過(guò)配送車輛的最大載重量。

(2）一個(gè)顧客由一個(gè)配送車輛負(fù)責(zé)；一個(gè)配送車輛負(fù)責(zé)一個(gè)顧客或者負(fù)責(zé)多個(gè)顧客。

(3）配送車輛的最大載重量、配送車輛的單次運(yùn)行固定成本、配送車輛的單位距離行駛成本、配送車輛違反顧客時(shí)間窗約束的單位延誤時(shí)間懲罰成本和配送車輛違反最大載重量約束的單位超出重量懲罰成本已知。

(4）配送車輛保持勻速狀態(tài)行駛，行駛道路交通順暢，不存在擁擠、堵塞等情況。

(5）配送車輛的數(shù)量充足。

1.3 參數(shù)說(shuō)明

N'：配送中心和顧客的編號(hào)集合，N'={0,1,2,…,N}，N表示顧客的數(shù)量。a,b∈N',a,b=0表示配送中心的編號(hào)；a,b=1,2,…,N表示顧客的編號(hào)。

V'：配送車輛的編號(hào)集合，V'={1,2,…,V}，V表示配送車輛的數(shù)量。v∈V',v=1,2,…,V表示配送車輛的編號(hào)。

Q：配送車輛的最大載重量。

CF：配送車輛的單次運(yùn)行固定成本。

CD：配送車輛的單位距離行駛成本。

CW：配送車輛違反顧客時(shí)間窗約束的單位延誤時(shí)間懲罰成本。

CQ：配送車輛違反最大載重量約束的單位超出重量懲罰成本。

Xvab：配送車輛v是否從a前往b,v∈V',a,b∈N',a≠b。0～1型變量，Xvab=1表示配送車輛v從a前往b;Xvab=0表示配送車輛v不從a前往b。

Yva：配送車輛v是否負(fù)責(zé)顧客a,v∈V',a∈{1,2,…,N}。0～1型變量，Yva=1表示配送車輛v負(fù)責(zé)顧客a;Xvab=0表示配送車輛v不負(fù)責(zé)顧客a。

Qa：顧客a的需求量，a∈{1,2,…,N}。

La：顧客a的左時(shí)間窗，a∈{1,2,…,N}。

Ra：顧客a的右時(shí)間窗，a∈{1,2,…,N}。

Dvab：配送車輛v從a前往b的行駛距離，v∈V',a,b∈N',a≠b。

Tvab：配送車輛v從a前往b的行駛時(shí)間，v∈V',a,b∈N',a≠b。

Tva,Tvb：配送車輛v到達(dá)配送中心或者顧客a,b的時(shí)間，v∈V',a∈N',b∈{1,2,…,N}。Tv0也表示配送車輛v從配送中心出發(fā)的時(shí)間。

T'va：配送車輛v在配送中心或者顧客a的停留時(shí)間，v∈V',a∈N',T'v0=0。

Tv：配送車輛v返回配送中心的規(guī)定時(shí)間，v∈V'。

1.4 建立模型

物流配送成本主要由配送車輛的固定成本、配送車輛的行駛成本、配送車輛違反顧客時(shí)間窗約束的懲罰成本和配送車輛違反最大載重量約束的懲罰成本四個(gè)部分組成，建立以物流配送成本最小為目標(biāo)的物流配送路徑優(yōu)化模型，如式（1）至式（10）所示。

式（1）為目標(biāo)函數(shù)，表示物流配送成本最小。式（2）至式（10）為約束條件，式（2）表示Xvab為0～1型變量；式（3）表示Yva為0～1型變量；式（4）表示顧客的需求量不超過(guò)配送車輛的最大載重量；式（5）至式（6）表示一個(gè)顧客由一個(gè)配送車輛負(fù)責(zé)；式（7）至式（10）表示配送車輛前往配送中心獲取訂單商品，并從配送中心出發(fā)前往各自負(fù)責(zé)的顧客位置為其配送訂單商品，完成各自的配送任務(wù)后最終在規(guī)定時(shí)間內(nèi)返回配送中心。

2 模型求解

禁忌搜索（Tabu Search或者Taboo Search,TS）算法是一種元啟發(fā)式隨機(jī)搜索算法，是一種全局逐步尋優(yōu)搜索算法。該算法利用人類的記憶功能誘導(dǎo)跳出局部最優(yōu)解，得到全局最優(yōu)解。本文設(shè)計(jì)禁忌搜索算法求解物流配送路徑優(yōu)化模型，算法設(shè)計(jì)主要包含五個(gè)部分：

(1）生成初始可行解。本文設(shè)計(jì)節(jié)約算法生成初始可行解。

(2）構(gòu)造鄰域結(jié)構(gòu)。鄰域結(jié)構(gòu)是禁忌搜索算法的重要組成部分，主要作用是通過(guò)一個(gè)解產(chǎn)生一個(gè)新的解。本文設(shè)計(jì)鄰域結(jié)構(gòu)為將當(dāng)前最優(yōu)解中的某一條配送路徑中的某一個(gè)顧客插入到另一條配送路徑中，要求只能將一條配送路徑中的一個(gè)顧客插入到另一條配送路徑中，不能將該顧客再插回到原來(lái)的配送路徑中。

(3）禁忌表。禁忌表是禁忌搜索算法的核心，主要作用是記錄在算法的整體搜索過(guò)程中被禁忌的局部最優(yōu)解，即禁忌對(duì)象。禁忌長(zhǎng)度是禁忌表的重要指標(biāo)，主要作用是控制禁忌對(duì)象的數(shù)量。本文設(shè)計(jì)禁忌表為先進(jìn)先出的形式，如果禁忌對(duì)象的數(shù)量超過(guò)禁忌長(zhǎng)度，則先記錄的禁忌對(duì)象先被引退，后記錄的禁忌對(duì)象后被引退。

(4）特赦準(zhǔn)則。本文設(shè)計(jì)特赦準(zhǔn)則為如果候選集中的所有可行解均為禁忌解，則為候選集中的禁忌最好解解除禁忌。

(5）終止準(zhǔn)則。本文設(shè)計(jì)終止準(zhǔn)則為限定算法的最大迭代次數(shù)，以此控制算法的運(yùn)行時(shí)間，如果算法的當(dāng)前迭代次數(shù)超過(guò)最大迭代次數(shù)，則結(jié)束算法。

3 實(shí)例分析

本文選取盒馬鮮生在西安市設(shè)立的太白店為研究實(shí)例，通過(guò)實(shí)例分析驗(yàn)證物流配送路徑優(yōu)化模型的可行性和禁忌搜索算法的有效性。假設(shè)該門店從第0分鐘開始接收線上平臺(tái)訂單，在第一個(gè)10分鐘結(jié)束后共接收到20個(gè)訂單。通過(guò)百度地圖開放平臺(tái)中的拾取坐標(biāo)系統(tǒng)獲取配送中心和顧客的經(jīng)緯度坐標(biāo)，并將經(jīng)緯度坐標(biāo)轉(zhuǎn)換為實(shí)際距離（km）坐標(biāo)，使用MATLAB R2020b編寫程序，在Intel Core i5 6200U CPU 2.3GHz的筆記本電腦上運(yùn)行，其中配送中心的經(jīng)緯度坐標(biāo)為（108.928 370,34.240 810），實(shí)際距離坐標(biāo)為（32 163.359,7 310.314）。顧客的地址、坐標(biāo)、需求量（kg）和時(shí)間窗（min）如表1所示。

配送中心根據(jù)區(qū)塊鏈中儲(chǔ)存的訂單信息，安排配送車輛前往配送中心獲取訂單商品，并于第20分鐘從配送中心出發(fā)前往各自負(fù)責(zé)的顧客位置停留3分鐘為其配送訂單商品，完成各自的配送任務(wù)后最終在規(guī)定的60分鐘內(nèi)返回配送中心。通過(guò)實(shí)踐調(diào)研獲取物流配送的相關(guān)信息，假設(shè)配送車輛可以直線行駛于任意兩點(diǎn)之間，為貼近現(xiàn)實(shí)情況，設(shè)定配送車輛的行駛距離為兩點(diǎn)之間直線距離的1.5倍；設(shè)定配送車輛的最大載重量為10kg，配送車輛的單次運(yùn)行固定成本為5元/次，配送車輛的單位距離行駛成本為0.5元/km，配送車輛違反顧客時(shí)間窗約束的單位延誤時(shí)間懲罰成本為1元/min，配送車輛違反最大載重量約束的單位超出重量懲罰成本為1元/kg，配送車輛的行駛速度為20km/h。使用MATLAB編寫程序，在筆記本電腦上運(yùn)行，設(shè)定算法的最大迭代次數(shù)為100，禁忌表的禁忌長(zhǎng)度為20。運(yùn)行程序得到的物流配送路徑優(yōu)化結(jié)果如圖1和圖2所示，共有七條配送路徑，物流配送成本為52.8元，算法的收斂迭代次數(shù)為36。配送路徑分別為：（1）配送中心—西關(guān)新苑—解家村小區(qū)—配送中心；（2）配送中心—東泰城市之光—西北大學(xué)太白校區(qū)—配送中心；（3）配送中心—廣電小區(qū)—紫薇花園—西安美術(shù)學(xué)院雁塔校區(qū)—配送中心；（4）配送中心—西安醫(yī)學(xué)院高新校區(qū)—糜家橋小區(qū)—太白花園—配送中心；（5）配送中心—西安醫(yī)學(xué)院含光校區(qū)—九錦臺(tái)—唐苑小區(qū)—配送中心；（6）配送中心—西安電子科技大學(xué)北校區(qū)—西北工業(yè)大學(xué)友誼校區(qū)—白廟小區(qū)—配送中心；（7）配送中心—西荷花園—含光小區(qū)—機(jī)關(guān)小區(qū)—金花苑—配送中心。

4 結(jié)論

本文在新零售背景下，通過(guò)分析盒馬鮮生的物流配送路徑優(yōu)化問(wèn)題，研究企業(yè)的物流配送路徑優(yōu)化問(wèn)題。基于新零售運(yùn)用的區(qū)塊鏈技術(shù)，選取盒馬鮮生為研究對(duì)象，針對(duì)盒馬鮮生的物流配送特征，以物流配送成本最小為目標(biāo)，構(gòu)建了物流配送路徑優(yōu)化模型，設(shè)計(jì)了禁忌搜索算法求解該模型，并通過(guò)實(shí)例分析驗(yàn)證了模型的可行性和求解算法的有效性。結(jié)果表明，本文構(gòu)建的物流配送路徑優(yōu)化模型和設(shè)計(jì)的禁忌搜索算法能夠有效的優(yōu)化盒馬鮮生的物流配送路徑，從而提高盒馬鮮生的物流配送效率，增強(qiáng)顧客的滿意度，對(duì)于優(yōu)化企業(yè)的物流配送路徑具有一定的參考借鑒作用。