新零售是指企业以互联网为依托，通过运用大数据、人工智能、区块链、云计算、物联网等新兴技术，升级改造商品的生产、流通和销售过程以重塑业态结构和生态圈的深度融合线上服务、线下体验和现代物流的零售新模式。盒马鲜生是国内首家新零售商超，对于新零售的发展具有重要意义。盒马鲜生的物流配送最大特征在于为线下门店附近3公里范围内的线上平台订单顾客提供30分钟内的送货上门服务，顾客通过线上平台挑选商品下单购买，线下门店接收到线上平台订单后根据区块链中储存的订单信息，安排工作人员在10分钟内完成订单商品的分拣打包，随后安排配送车辆在20分钟内完成订单商品的上门送货。盒马鲜生的物流配送整体环节复杂多变，尤其是在销售旺季、节假日等特殊时期，顾客的需求量增加，容易造成企业的物流配送效率降低，进而使得顾客的满意度下降。在新零售背景下，企业的物流配送路径是物流配送的重要组成部分，因此为了提高企业的物流配送效率，增强顾客的满意度，本文基于新零售运用的区块链技术，选取盒马鲜生为研究对象，针对盒马鲜生的物流配送特征，通过分析盒马鲜生的物流配送路径优化，研究企业的物流配送路径优化问题，具有一定的理论参考价值和实际应用价值。
物流配送路径优化问题本质上是车辆路径问题。该问题最早由Dantzig和Ramser于1959年提出，一经提出便吸引了国内外学者的广泛关注，目前已经产生了大量的研究成果。庞燕等[1]阐述了车辆路径问题的研究现状、应用场景、求解方法和研究方向。刘烁佳等[2]改进了多个常见的启发式算法，分析了基于改进启发式算法的带时间窗的车辆路径问题。孙沪增等[3]构建了带时间窗的车辆路径优化模型，设计了基于蚁群系统和局部增强搜索策略的蚁群算法求解该模型。苏欣欣等[4]构建了考虑时间窗和多配送人员的车辆路径优化模型，设计了禁忌搜索算法求解该模型。李国明等[5]考虑实际配送过程中需求和服务时间随机可变的特性，构建了带软时间窗的随机需求和随机服务时间车辆路径优化模型，设计了混合禁忌搜索算法求解该模型。江雨燕等[6]考虑时间窗、需求点、需求量、交通等因素，构建了考虑多配送中心的动态车辆路径优化模型，设计了改进的自适应非支配排序遗传算法求解该模型。因此，本文在分析盒马鲜生的物流配送路径优化问题时，以允许配送车辆违反顾客时间窗约束和最大载重量约束为前提，考虑顾客的时间窗、配送车辆的最大载重量等因素，以物流配送成本最小为目标，构建物流配送路径优化模型，设计禁忌搜索算法求解该模型，并通过实例分析验证模型的可行性和求解算法的有效性。
盒马鲜生的物流配送路径优化问题描述为：盒马鲜生的某一线下门店从某一时刻开始每间隔10分钟接收一次线上平台订单，每一时间间隔结束后配送中心根据区块链中储存的订单信息，安排配送车辆前往配送中心获取订单商品，并于10分钟后从配送中心出发前往各自负责的顾客位置为其配送订单商品，完成各自的配送任务，最终在规定时间内返回配送中心。
(1）顾客的需求量不超过配送车辆的最大载重量。
(2）一个顾客由一个配送车辆负责；一个配送车辆负责一个顾客或者负责多个顾客。
(3）配送车辆的最大载重量、配送车辆的单次运行固定成本、配送车辆的单位距离行驶成本、配送车辆违反顾客时间窗约束的单位延误时间惩罚成本和配送车辆违反最大载重量约束的单位超出重量惩罚成本已知。
(4）配送车辆保持匀速状态行驶，行驶道路交通顺畅，不存在拥挤、堵塞等情况。
(5）配送车辆的数量充足。
N'：配送中心和顾客的编号集合，N'={0,1,2,…,N}，N表示顾客的数量。a,b∈N',a,b=0表示配送中心的编号；a,b=1,2,…,N表示顾客的编号。
V'：配送车辆的编号集合，V'={1,2,…,V}，V表示配送车辆的数量。v∈V',v=1,2,…,V表示配送车辆的编号。
Q：配送车辆的最大载重量。
CF：配送车辆的单次运行固定成本。
CD：配送车辆的单位距离行驶成本。
CW：配送车辆违反顾客时间窗约束的单位延误时间惩罚成本。
CQ：配送车辆违反最大载重量约束的单位超出重量惩罚成本。
Xvab：配送车辆v是否从a前往b,v∈V',a,b∈N',a≠b。0～1型变量，Xvab=1表示配送车辆v从a前往b;Xvab=0表示配送车辆v不从a前往b。
Yva：配送车辆v是否负责顾客a,v∈V',a∈{1,2,…,N}。0～1型变量，Yva=1表示配送车辆v负责顾客a;Xvab=0表示配送车辆v不负责顾客a。
Qa：顾客a的需求量，a∈{1,2,…,N}。
La：顾客a的左时间窗，a∈{1,2,…,N}。
Ra：顾客a的右时间窗，a∈{1,2,…,N}。
Dvab：配送车辆v从a前往b的行驶距离，v∈V',a,b∈N',a≠b。
Tvab：配送车辆v从a前往b的行驶时间，v∈V',a,b∈N',a≠b。
Tva,Tvb：配送车辆v到达配送中心或者顾客a,b的时间，v∈V',a∈N',b∈{1,2,…,N}。Tv0也表示配送车辆v从配送中心出发的时间。
T'va：配送车辆v在配送中心或者顾客a的停留时间，v∈V',a∈N',T'v0=0。
Tv：配送车辆v返回配送中心的规定时间，v∈V'。
物流配送成本主要由配送车辆的固定成本、配送车辆的行驶成本、配送车辆违反顾客时间窗约束的惩罚成本和配送车辆违反最大载重量约束的惩罚成本四个部分组成，建立以物流配送成本最小为目标的物流配送路径优化模型，如式（1）至式（10）所示。
式（1）为目标函数，表示物流配送成本最小。式（2）至式（10）为约束条件，式（2）表示Xvab为0～1型变量；式（3）表示Yva为0～1型变量；式（4）表示顾客的需求量不超过配送车辆的最大载重量；式（5）至式（6）表示一个顾客由一个配送车辆负责；式（7）至式（10）表示配送车辆前往配送中心获取订单商品，并从配送中心出发前往各自负责的顾客位置为其配送订单商品，完成各自的配送任务后最终在规定时间内返回配送中心。
禁忌搜索（Tabu Search或者Taboo Search,TS）算法是一种元启发式随机搜索算法，是一种全局逐步寻优搜索算法。该算法利用人类的记忆功能诱导跳出局部最优解，得到全局最优解。本文设计禁忌搜索算法求解物流配送路径优化模型，算法设计主要包含五个部分：
(1）生成初始可行解。本文设计节约算法生成初始可行解。
(2）构造邻域结构。邻域结构是禁忌搜索算法的重要组成部分，主要作用是通过一个解产生一个新的解。本文设计邻域结构为将当前最优解中的某一条配送路径中的某一个顾客插入到另一条配送路径中，要求只能将一条配送路径中的一个顾客插入到另一条配送路径中，不能将该顾客再插回到原来的配送路径中。
(3）禁忌表。禁忌表是禁忌搜索算法的核心，主要作用是记录在算法的整体搜索过程中被禁忌的局部最优解，即禁忌对象。禁忌长度是禁忌表的重要指标，主要作用是控制禁忌对象的数量。本文设计禁忌表为先进先出的形式，如果禁忌对象的数量超过禁忌长度，则先记录的禁忌对象先被引退，后记录的禁忌对象后被引退。
(4）特赦准则。本文设计特赦准则为如果候选集中的所有可行解均为禁忌解，则为候选集中的禁忌最好解解除禁忌。
(5）终止准则。本文设计终止准则为限定算法的最大迭代次数，以此控制算法的运行时间，如果算法的当前迭代次数超过最大迭代次数，则结束算法。
本文选取盒马鲜生在西安市设立的太白店为研究实例，通过实例分析验证物流配送路径优化模型的可行性和禁忌搜索算法的有效性。假设该门店从第0分钟开始接收线上平台订单，在第一个10分钟结束后共接收到20个订单。通过百度地图开放平台中的拾取坐标系统获取配送中心和顾客的经纬度坐标，并将经纬度坐标转换为实际距离（km）坐标，使用MATLAB R2020b编写程序，在Intel Core i5 6200U CPU 2.3GHz的笔记本电脑上运行，其中配送中心的经纬度坐标为（108.928 370,34.240 810），实际距离坐标为（32 163.359,7 310.314）。顾客的地址、坐标、需求量（kg）和时间窗（min）如表1所示。
配送中心根据区块链中储存的订单信息，安排配送车辆前往配送中心获取订单商品，并于第20分钟从配送中心出发前往各自负责的顾客位置停留3分钟为其配送订单商品，完成各自的配送任务后最终在规定的60分钟内返回配送中心。通过实践调研获取物流配送的相关信息，假设配送车辆可以直线行驶于任意两点之间，为贴近现实情况，设定配送车辆的行驶距离为两点之间直线距离的1.5倍；设定配送车辆的最大载重量为10kg，配送车辆的单次运行固定成本为5元/次，配送车辆的单位距离行驶成本为0.5元/km，配送车辆违反顾客时间窗约束的单位延误时间惩罚成本为1元/min，配送车辆违反最大载重量约束的单位超出重量惩罚成本为1元/kg，配送车辆的行驶速度为20km/h。使用MATLAB编写程序，在笔记本电脑上运行，设定算法的最大迭代次数为100，禁忌表的禁忌长度为20。运行程序得到的物流配送路径优化结果如图1和图2所示，共有七条配送路径，物流配送成本为52.8元，算法的收敛迭代次数为36。配送路径分别为：（1）配送中心—西关新苑—解家村小区—配送中心；（2）配送中心—东泰城市之光—西北大学太白校区—配送中心；（3）配送中心—广电小区—紫薇花园—西安美术学院雁塔校区—配送中心；（4）配送中心—西安医学院高新校区—糜家桥小区—太白花园—配送中心；（5）配送中心—西安医学院含光校区—九锦台—唐苑小区—配送中心；（6）配送中心—西安电子科技大学北校区—西北工业大学友谊校区—白庙小区—配送中心；（7）配送中心—西荷花园—含光小区—机关小区—金花苑—配送中心。
本文在新零售背景下，通过分析盒马鲜生的物流配送路径优化问题，研究企业的物流配送路径优化问题。基于新零售运用的区块链技术，选取盒马鲜生为研究对象，针对盒马鲜生的物流配送特征，以物流配送成本最小为目标，构建了物流配送路径优化模型，设计了禁忌搜索算法求解该模型，并通过实例分析验证了模型的可行性和求解算法的有效性。结果表明，本文构建的物流配送路径优化模型和设计的禁忌搜索算法能够有效的优化盒马鲜生的物流配送路径，从而提高盒马鲜生的物流配送效率，增强顾客的满意度，对于优化企业的物流配送路径具有一定的参考借鉴作用。
沪公网安备 31011202008041号
