生鲜农产品物流节点仓库选址现状研究

梅宝林[1]认为智能供应链是生鲜农产品发展的方向，提出了生鲜农产品在流通加工、包装运输和仓储等环节智能化构建的方式，并提出问题和改进措施。韩佳伟等[2]认为农产品在冷链物流的每个流通环节都应注重质量与安全的监控，专业化的运营管理模式可以保证生鲜农产品流通的合理性，提高效率和降低成本仍是冷链物流竞争力的重要部分。黄凯等[3]运用GM(1,1）预测模型、BP神经网络预测模型和RBF神经网络预测模型进行组合，构建了最优组合预测模型，对生鲜农产品需要冷链服务进行预测，并带入地区数据进行实例验证，得出需加强城乡冷链设施建设大的建议。刘阳阳[4]从大数据背景下分析了传统生鲜农产品供应链存在的问题，并提出需要从末端需求、生产供应、物流协同、数据处理等几方面进行供应链的优化，从而创新生鲜农产品的运作模式；依绍华[5]提出从降低物流成本，建设农产品物流标准化，优化冷链基础设施配置，整合社会物流资源，改进物流管理模式方面来改进农产品物流体系面临的问题和困难。

He D X等[6]利用数学分析和构建系统模型来对农产品冷链物流进行研究，该文章揭示了冷链生态系统的复杂性，表明需要全面协调能使农产品冷链系统得到优化。Mahmood M等[7]通过研究表明农产品需要通过温度和湿度的控制来延长产品寿命，空调在新鲜农产品的仓储过程中有着重要的作用；Singh B K等[8]讨论研究了印度冷链行业面临的挑战和缺口，不适当的冷链物流使农产品遭受巨大的损失，并且冷链物流面临投资成本高，技术陈旧和能源需求大等挑战，这项研究可以为行业利益相关者在制定决策时使用。

王成林等[9]改进了传统的遗传算法，在此基础上添加了贪心算法和禁忌搜索，使最优解的搜索效率提高，并以北京市生鲜农产品为例进行了实例分析，验证了此模型算法对于物流选址具有一定的应用价值；李娅等[10]结合我国农村多种农产品的类型及其预冷特点，以系统总成本最小为目标，设计改进了遗传算法，通过实例验证说明该算法对于我国农村地区预冷设施布局具有重要的实用价值。刘冬等[11]以同时送取货为侧重点，建立了系统成本最小的选址模型，并根据模型的特点改进了混合免疫优化算法，改进了寻找最优解的步骤，使得求解更加快速便捷，这对于物流企业有较强的借鉴意义。

Li等[12]改进了布谷鸟搜索算法，解决了易陷入局部最优的缺点，该算法在解决物流配送中心选址问题中有较好的运用性，可以进行多个中心的选址求解。Lili,Weng[13]在大数据的背景下，利用灰色预测方法对生鲜农产品进行需求预测，在需求预测的基础上进行配送中心选址，这样设计出的模型更加贴合实际情况，并且通过具体案例验证了模型的有效性。Silva A等[14]将仓库选址与订单拣货两个问题相结合，通过变量邻域启发式算法进行解决，改进了一般的仓储选址的方案。Musolino G等[15]提出了城市配送中心位置选取的方法，该方法追求可持续发展的目标和提高各方的效率，在选取位置时需要考虑车辆路线和能源消耗，并且城市的物流运作可持续性需要用定量方法来进行评价。Agrebi M等[16]基于决策固有的不确定性不准确性和市场未来的发展，通过改进多属性多因素的模糊决策方法，来进行物流系统配送中心的选址，并且通过比较分析和敏感性分析证明了该方法的优越性。

综上所述，在生鲜农产品物流方面，国外研究较为成熟，我国则停留在宏观层面。我国生鲜农产品冷链物流发展与发达国家相比，存在着标准体系不健全，技术落后，基础设施分配不均匀等问题。在生鲜农产品冷链物流模式方面，我国的农业状态是分散小批量的农户种植，而国外主要是规模化的农场主经营，所以我国的生鲜农产品冷链物流模式的研究内容与国外不同，但相同点是都对农产品供应链进行侧重研究。我国目前对于前端生鲜农产品物流的研究较少，对农产品冷链物流与外部效应关系的研究也较少。部分学者在解决仓库选址问题时，考虑了系统中各个部分的费用，但在现实生活中，生鲜农产品在不适宜储存的温度和湿度下，会导致腐败变质产生损耗成本，而未完全腐败的产品也会使消费者的购买欲望减少，因此在构建模型时要结合生鲜农产品本身的特性。还有一些学者在构建选址模型时，仅考虑到当前市场的需求量，忽略了未来的市场需求，由于科技水平的不断提高，生鲜农产品生产量也会不断增加，所以为满足长久发展的需要，在选址时合理地预测生鲜农产品未来生产量也十分重要。