原文传递
生鲜农产品产地集配中心选址-路径问题研究
| 论文题名： | 生鲜农产品产地集配中心选址-路径问题研究 |
| 关键词： | 生鲜农产品;产地集配中心;选址-路径问题;深度强化学习 |
| 摘要： | 随着农业生产技术和经济发展水平的不断提高，我国农产品生产保持着平稳增长，我国也成为了世界上主要的农业生产国，但由于各种原因，农产品在运输过程中的损耗巨大，每年腐坏的生鲜农产品达到了上亿吨。其中，产端集货这一运输过程对后续干线运输以及末端配送过程有着直接影响，但目前生鲜农产品在产地采摘后没有经过预冷的环节就直接进入了流通市场，并且集配中心的不合理配置导致运输成本增大。为完善农产品产地的节点布局，优化产地到集配中心的路径网络，减少过程中的货损，本文对农产品产地集配中心选址-路径问题展开研究。 我国目前的农业生产仍是以分散化的小规模生产为主，同时考虑到一般产地产量较大的情况，本文建立考虑需求可拆分的选址-路径模型，以包括运输成本、货损成本、制冷成本的总成本最小为优化目标。在模型求解方面，本文将求解过程分为两个阶段，第一阶段用启发式算法确定被选择的设施并将客户需求点进行划分，即解决选址-分配问题。第二阶段使用深度强化学习对每个设施点所服务的需求点进行车辆路径的规划，本文将深度强化学习算法运用到车辆路径问题的求解中，以此验证其在解决大规模问题维数爆炸方面的优越性。 本文的主要工作如下：首先，对选址-路径问题、需求可拆分的车辆路径问题以及深度强化学习进行基础性研究，并使用文献计量工具Vos viewer对当前研究的热点及研究方向进行了可视化的分析。 其次，对各项成本进行分析，以总成本最小为目标建立了生鲜农产品产地集配中心的选址-路径模型。考虑需求是否可以拆分两种模式，建立两种模型，运用两阶段算法进行求解。 最后，结合S公司的算例，进行问题的计算求解，并进行算例分析。通过两种不同模式和算法的对比，得出了以下结论：（1）考虑需求可拆分的模式能够减少车辆的使用次数，并且可以很大程度缩短车辆的行驶距离，降低集货过程的成本，提高集货的效率。（2）针对节点较多的大规模车辆路径问题，深度强化学习在求解效果以及运行速度等方面能够取得比一般启发式算法更好的效果。（3）通过对参数的分析，从一定程度上证明了产地预冷的重要性，能够很大程度降低运输过程的产品损耗，减少损失。 |
| 作者： | 高伟 |
| 专业： | 物流工程 |
| 导师： | 刘杨 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京农业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
