lingo求解四維數(shù)據(jù)的物流中心尋址問題講解

1、互聯(lián)網(wǎng)背景下供給不確定下的多目標生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡魯棒優(yōu)化分析引言生鮮農(nóng)產(chǎn)品（如蔬菜、水果、肉類和水產(chǎn)品等）在我國消耗量巨大，但管理水平比較低。據(jù)研究，我國生鮮農(nóng)產(chǎn)品每年的平均損耗率高達25%30%，其中大都是在流通過程中損耗的。與此同時，在農(nóng)產(chǎn)品從生產(chǎn)到消費整個供應鏈鏈條中，需要消耗大量的可再生與不可再生的化石燃料，以及大量的人力與畜力，從而造成大量的溫室氣體排放，給自然環(huán)境造成沉重的負擔。隨著碳減排在全球的迅速升溫，消費者的碳減排意識與日俱增，加之互聯(lián)網(wǎng)行業(yè)的迅速發(fā)展，不少電商涉足生鮮農(nóng)產(chǎn)品行業(yè)，如京東戰(zhàn)略入股天天果園、阿里投資易果生鮮等等，使得消費者的選擇更加趨向于多元化和個性化，這些

2、進一步加劇了生鮮農(nóng)產(chǎn)品行業(yè)供應鏈的復雜程度。提升供應鏈網(wǎng)絡效率、追求創(chuàng)新是生鮮農(nóng)產(chǎn)品行業(yè)必由之路。 生鮮農(nóng)產(chǎn)品行業(yè)的供應鏈也不再是單一的鏈條，而是一個復雜的多商品供應鏈網(wǎng)絡，若不把各相關(guān)利益者的核心資源有機結(jié)合起來，形成適合于我國國情的供應鏈網(wǎng)絡結(jié)構(gòu)，實現(xiàn)資源共享、優(yōu)勢互補、降低成本，就有被淘汰的危險。因此，研究生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡各個成員的決策行為、競爭策略、結(jié)構(gòu)的穩(wěn)定性具有重要的意義。國外文獻關(guān)于農(nóng)產(chǎn)品供應鏈的研究成果較豐富。其中，不少學者從環(huán)保、經(jīng)濟成本最低方面對食品供應鏈進行研究，使得整個供應鏈實現(xiàn)多目標均衡，如K.Govindan，A.Jafarian，R.Khodaverdi等等1

3、以經(jīng)濟成本和環(huán)境成本最小為目標，構(gòu)建了帶有時間窗的兩級多車輛定位-運輸路線安排問題的數(shù)學模型，并應用元啟發(fā)式算法對模型進行了求解，對易腐食品的可持續(xù)性供應鏈網(wǎng)絡進行了優(yōu)化。Hugo Aldana，F(xiàn)rancisco J.Lozano，Joaquin Acevedo2以最大化能源生產(chǎn)，最小化二氧化碳產(chǎn)生或最小化經(jīng)濟成本為目標，考慮進不同的農(nóng)產(chǎn)品殘余轉(zhuǎn)化技術(shù)，建立供應鏈多目標優(yōu)化模型。Dominic C.Y.Foo,Raymond R.Tan,Hon Loong Lam3在不確定因素下，比如工廠的關(guān)閉或擴張，由此生成的多種生物質(zhì)供應鏈情境，提出了混合整數(shù)線性規(guī)劃優(yōu)化模型，以油棕渣的分配網(wǎng)絡為例，驗

4、證了模型在實際操作上的靈活性。Z.Sazvar,S.M.J.Mirzapour Al-e-hashem,A.Baboli等等4在不確定需求下，考慮庫存、運輸成本以及環(huán)境影響，提出了在集中供應鏈下，對于易腐產(chǎn)品的隨機數(shù)學模型以及新的補貨政策，以尋求在經(jīng)濟成本和環(huán)境影響之間取得平衡。Carlos Bohle,Sergio Maturana,Jorge Vera5考慮在不確定的情況下，用魯棒優(yōu)化模型解決葡萄收獲調(diào)度優(yōu)化問題。也有一些學者從顧客服務水平的角度，從保障產(chǎn)品的安全質(zhì)量等方面給出了相關(guān)策略，如Rui-Yang Chen針對食品安全和質(zhì)量問題，使用模糊認知地圖和模糊規(guī)則方法，對于產(chǎn)品使用生命周

5、期，設計了基于互聯(lián)網(wǎng)架構(gòu)的自動化代理人追溯系統(tǒng)。Houtian Ge,Richard Gray,James Nolan6針對最終影響食品安全的復雜內(nèi)部優(yōu)化問題提出了有效解，以加拿大小麥處理系統(tǒng)為例，以在復雜的運營和監(jiān)管環(huán)境中建立有效的小麥質(zhì)量檢測策略為最終目標，分別建立了解析和仿真模型并進行對比。另外，也有學者從風險預警方面對生鮮農(nóng)產(chǎn)品供應鏈做了相關(guān)研究，如Gregorio Fernandez Lambert，Alberto Alfonso Aguilar Lasserre，Marco Miranda Ackerman等等7考慮墨西哥波斯石灰供應鏈的結(jié)構(gòu)問題，基于波斯石灰生產(chǎn)周期，提出了使用包

6、括如果-那么形式的推理機模糊邏輯的專家系統(tǒng)，來預測果園產(chǎn)量和水果質(zhì)量。還有的學者從供應鏈協(xié)調(diào)博弈均衡方面做了相關(guān)研究，如Naoum K.Tsolakis,Christos A.Keramydas,Agorasti K.Toka等等8在一個包含所有利益相關(guān)者的農(nóng)產(chǎn)品供應鏈的設計和管理中，提出了一個可以應用于其中的綜合分層結(jié)構(gòu)和分類法。Guoping Nong,Sulin Pang9研究了基于價格補償策略的帶有隨機產(chǎn)量的農(nóng)產(chǎn)品供應鏈協(xié)調(diào)問題，表明價格補償策略是農(nóng)產(chǎn)品供應鏈的帕累托改進。目前, 國內(nèi)學者關(guān)于生鮮農(nóng)產(chǎn)品供應鏈的研究大多基于供應鏈網(wǎng)絡，從生鮮農(nóng)產(chǎn)品鏈條各成員之間的博弈、供應鏈協(xié)調(diào)，風險評

7、估，消費者行為，低碳管理模式等方面進行研究，且定性方面的研究居多。綜合以往文獻可以看出，生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡具有鏈條長、行業(yè)波及面廣、環(huán)境變化復雜、不確定性高等特點，受天氣變化情況影響，顧客需求、產(chǎn)品價格、成本、風險等都具有不確定性，進而影響著生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡的結(jié)構(gòu)與穩(wěn)定性。生鮮農(nóng)產(chǎn)品行業(yè)的不穩(wěn)定性與天氣情況有很大的關(guān)系，研究表明，農(nóng)產(chǎn)品期貨市場的波動受天氣狀況的影響非常大。如自2009年以來，由于低溫、連續(xù)強降雨等不利天氣，造成我國多地棉花不同程度的減產(chǎn)。在天氣變化情況下，關(guān)于生鮮農(nóng)產(chǎn)品行業(yè)供應鏈網(wǎng)絡的優(yōu)化設計與穩(wěn)定性條件的研究有重要現(xiàn)實意義。以往的研究大都考慮了使得經(jīng)濟成本最小或者環(huán)境

8、影響最小的方面，部分人士結(jié)合這兩個方面，提出了多目標魯棒優(yōu)化模型，并用啟發(fā)式算法進行求解。也有部分學者將顧客需求或服務質(zhì)量考慮進模型，但僅僅是將其作為約束條件來處理，并沒有將其作為一個目標函數(shù)來進行優(yōu)化。本文針對天氣狀況的不確定性，在互聯(lián)網(wǎng)背景下，擬采用魯棒優(yōu)化方法對供應鏈網(wǎng)絡的構(gòu)建與設計進行研究，確定天氣情況變化情況下供應鏈網(wǎng)絡的合理布局，包括供應點選擇和設施選址-需求分配等問題，以經(jīng)濟、環(huán)境成本最小，顧客響應時間最短為綜合目標，進而對供應鏈網(wǎng)絡的性能進行分析。 1 問題描述為了研究方便又不失一般性，將合作社作為供應商，其有自己的農(nóng)產(chǎn)品種植基地，且可以選擇不同環(huán)保等級的種子肥料等原材料來種植

9、農(nóng)產(chǎn)品，供應商可以選擇合適的顧客區(qū)建立自己的社區(qū)超市，直接將生產(chǎn)的農(nóng)產(chǎn)品運往社區(qū)超市進行銷售；將連鎖生鮮超市作為零售商，其有自己的生鮮農(nóng)產(chǎn)品網(wǎng)購平臺，消費者進入網(wǎng)站之后搜索農(nóng)產(chǎn)品，同時網(wǎng)站利用導航系統(tǒng)定位消費者的地點，找到其周邊可提供相應農(nóng)產(chǎn)品的零售商進行在線購買，在這種模式下，消費者購買到的食物通過本地區(qū)宅配的形式即可實現(xiàn)運輸，保證食品的新鮮；對于下游合作社農(nóng)場，零售商有自己開發(fā)的農(nóng)場管理軟件，可以實現(xiàn)與供應商之間的在線訂單管理。假設生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡的運作過程如圖1所示。顧客區(qū)有兩種渠道可以獲得生鮮農(nóng)產(chǎn)品：一是從供應商所開設的社區(qū)超市直接購買；而是通過零售商開發(fā)的網(wǎng)絡銷售平臺線上購買。零

10、售商根據(jù)顧客區(qū)下的訂單，從供應商處進行訂貨，再將生鮮農(nóng)產(chǎn)品配送到顧客區(qū)。其中供應商的產(chǎn)品供給量受天氣狀況的影響，進而影響到生鮮農(nóng)產(chǎn)品的最終售價，供應商所開設的社區(qū)超市的開設成本也受到天氣狀況帶來的風險牽制。訂單信息生鮮農(nóng)產(chǎn)品供應商零售商 生鮮農(nóng)產(chǎn)品產(chǎn)品價格風險成本生鮮農(nóng)產(chǎn)品訂單信息 產(chǎn)品價格顧客區(qū)天氣狀況產(chǎn)品價格圖1 生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡流程圖2 模型假設供給不確定條件下，模型建立的假設條件包括：（1） 所有顧客區(qū)的需求是完全滿足的；（2） 生鮮農(nóng)產(chǎn)品的生產(chǎn)過程使用了不同環(huán)保等級的原材料，代表不同類型的農(nóng)產(chǎn)品；（3） 不同類型的農(nóng)產(chǎn)品單位儲存費用和運輸費用是一樣的；（4） 每個供應商在顧客區(qū)最

11、多只能開設一家社區(qū)超市；（5） 產(chǎn)品在銷售終端能夠全部售完；（6） 每個零售商/開放的社區(qū)超市在給定時間段內(nèi)最多被拜訪一次；（7） 每條路線只能由一輛交通工具服務；（8） 在給定的時間段內(nèi)，每個零售商/開放的社區(qū)超市只能有一輛車為其提供服務而且所需的生鮮農(nóng)產(chǎn)品必須一次送到，每條配送線路上的總需求不能超過車輛的運載能力；（9） 路面狀況良好、道路通暢，車輛在配送過程中勻速行駛;（10） 車輛從供應商始發(fā)，服務完被指定的需求點后直接返回始發(fā)供應商;（11） 供應商不儲存產(chǎn)品，其生產(chǎn)的產(chǎn)品全部都運送出去；（12） 不考慮車輛回程時的空載成本和空載環(huán)境成本。 3 模型構(gòu)建擬解決的關(guān)鍵問題為：考慮由于天

12、氣狀況和競爭造成的供給不確定性，從供應鏈整體出發(fā)，以系統(tǒng)總經(jīng)濟成本、環(huán)境成本最小，客戶服務質(zhì)量（本文中只考慮到貨提前期）最高為總目標，在滿足能力約束條件的基礎上，如何確定供應鏈的渠道結(jié)構(gòu)，使供應鏈的性能在參數(shù)攝動時，能夠保持穩(wěn)健性，從而有效地規(guī)避市場風險。其典型的決策包括設施選址( 位置、能力) ; 需求和供給的分配; 供應商的選擇等。為了敘述方便，統(tǒng)一規(guī)定使用以下符號：（1）基本參數(shù)-供應商編號，；-零售商編號，；-顧客區(qū)編號，；-車輛類型編號，；-供應商生產(chǎn)產(chǎn)品所用的原材料類型，設定，代表兩種不同的環(huán)保水平，代表高生產(chǎn)成本，代表低環(huán)保水平，文中用此來代表不同的產(chǎn)品類型；為天氣狀況，設定，表

13、示風調(diào)雨順，一般狀況，旱澇災害。（2）參數(shù)設定為供應商在顧客區(qū)開設社區(qū)超市的固定費用；為受天氣的影響，供應商在顧客區(qū)開設社區(qū)超市的運營風險成本；為在天氣狀況下，由零售商通過類型車運往顧客區(qū)的產(chǎn)品的銷售價格；為在天氣狀況下，供應商通過類型車運往其所開設社區(qū)超市的產(chǎn)品的銷售價格；為在天氣狀況下，顧客區(qū)對于產(chǎn)品的需求；為在天氣狀況下，供應商對于產(chǎn)品的最大供給量；為從供應商到零售商的距離；為從零售商到顧客區(qū)的距離；為從供應商到顧客區(qū)的距離；為零售商單位產(chǎn)品庫存費用；為供應商在顧客區(qū)開設的社區(qū)超市的單位產(chǎn)品庫存費用；為供應商使用類車運送單位產(chǎn)品到零售商的單位距離的成本費用（包括運輸）；為零售商使用類車運

14、送單位產(chǎn)品到顧客區(qū)的單位距離的成本費用（包括運輸）為供應商使用類車運送單位產(chǎn)品到顧客區(qū)的單位距離的成本費用（包括運輸）；為類型車的平均速度；為類型車從供應商到零售商時的補貨時間；為類型車從供應商到顧客區(qū)時的補貨時間；為類型車從零售商到顧客區(qū)時的補貨時間；為零售商的最大產(chǎn)品庫存容量；為供應商在顧客區(qū)開設的社區(qū)超市的最大產(chǎn)品庫存容量；為車輛類型的最大產(chǎn)品庫存容量；為天氣狀況為時，供應商采用型原材料生產(chǎn)單位產(chǎn)品的生產(chǎn)成本；為天氣狀況為時，供應商采用型原材料生產(chǎn)單位產(chǎn)品產(chǎn)生的環(huán)境成本；為零售商儲存單位產(chǎn)品的環(huán)保成本；為供應商在顧客區(qū)開設的社區(qū)超市儲存單位產(chǎn)品的環(huán)保成本；為供應商在顧客區(qū)開設社區(qū)超市產(chǎn)生

15、的環(huán)境成本；為類型車運輸單位產(chǎn)品單位距離產(chǎn)生的環(huán)境成本;（3）決策變量，天氣情況為時，供應商在顧客區(qū)開設社區(qū)超市，天氣情況為時，供應商不在顧客區(qū)開設社區(qū)超市為天氣狀況為時，零售商的產(chǎn)品庫存水平；為天氣狀況為時，供應商在顧客區(qū)開設的社區(qū)超市的產(chǎn)品庫存水平；為天氣狀況為時，從供應商采用類型的車到零售商的產(chǎn)品的運輸量；為天氣狀況為時，從零售商采用類型的車到顧客區(qū)的產(chǎn)品的運輸量；為天氣狀況為時，從供應商采用類型的車到其在顧客區(qū)開設的社區(qū)超市的產(chǎn)品的運輸量。該模型以供應鏈網(wǎng)絡的總體經(jīng)濟成本、環(huán)境成本最小以及顧客的相應時間最短為目標，定義目標函數(shù)表述如下： = + + + +- = + = + 目標函數(shù)為

16、最小化整個供應鏈網(wǎng)絡的經(jīng)濟成本。其中第一項代表天氣狀況表現(xiàn)為形勢下開設社區(qū)超市的固定費用；第二項代表受天氣狀況影響所引起的運營風險成本；第三、四和五項分別代表供應商到零售商，零售商到顧客區(qū)以及供應商到社區(qū)超市的產(chǎn)品的運輸費用；第六項和第七項分別表示零售商和社區(qū)超市的產(chǎn)品的庫存費用；第八項為供應商處的產(chǎn)品生產(chǎn)成本；第九項和第十項分別為零售商和供應商在顧客區(qū)和社區(qū)超市的總銷售收入，因為目標函數(shù)為求最小值，這兩項需要從總成本中扣除。目標函數(shù)為最小化整個供應鏈網(wǎng)絡的環(huán)境成本。其中第一項代表供應商生產(chǎn)產(chǎn)品所帶來的環(huán)境影響成本；第二項和第三項分別表示零售商和社區(qū)超市儲存產(chǎn)品過程中產(chǎn)生的環(huán)境影響成本；第四項

17、為供應商開設社區(qū)超市所引起的環(huán)境影響成本；第五項表示供應商運輸產(chǎn)品到零售商，零售商運輸產(chǎn)品到顧客區(qū)以及供應商運輸產(chǎn)品到社區(qū)超市的過程中產(chǎn)生的環(huán)境影響成本。目標函數(shù)為最小化整個供應鏈網(wǎng)絡的顧客響應時間。其中第一項為供應商運輸產(chǎn)品到零售商的補貨時間和運輸時間；第二項代表供應商運輸產(chǎn)品到所開設社區(qū)超市的補貨時間和運輸時間；第三項表示零售商運輸產(chǎn)品到顧客區(qū)的補貨時間和運輸時間。具體變量約束如下：, , , , , , , , , , 式子表示顧客區(qū)的需求約束；式子代表供應商的生產(chǎn)能力約束；式子表示供應商運往零售商的產(chǎn)品數(shù)量等于零售商運往顧客區(qū)的產(chǎn)品數(shù)量；式子和是零售商和供應商所開設社區(qū)超市的最大庫存容

18、量限制；式子、和為運輸工具的最大容量限制；式子限制了供應商開設的社區(qū)超市的數(shù)目；式子是變量約束；式子定義了變量類型。利用Matlab可對該模型進行求解，確定出生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡中設施的數(shù)量和位置，得到合理布局的供應鏈網(wǎng)絡。4 不確定信息環(huán)境下生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡的魯棒優(yōu)化模型生鮮農(nóng)產(chǎn)品是除了糧食之外我國居民需求量最多、消費量最大的產(chǎn)品，在居民的日常消費結(jié)構(gòu)中占有重要地位。隨著國民經(jīng)濟的不斷發(fā)展，人民生活水平的提高，人們對生鮮農(nóng)產(chǎn)品的質(zhì)量、碳標簽等方面提出了多樣化的要求，尤其是近年來互聯(lián)網(wǎng)行業(yè)的迅速發(fā)展，更多人追求更加個性、便捷的消費方式，選擇網(wǎng)上購買生鮮農(nóng)產(chǎn)品的人數(shù)不斷增多，引發(fā)了生鮮農(nóng)產(chǎn)品

19、供應鏈網(wǎng)絡銷售配送的新一輪革新。各大生鮮電商的動作也是不斷，如京東戰(zhàn)略入股天天果園、阿里投資易果生鮮等等，與傳統(tǒng)生鮮農(nóng)產(chǎn)品售賣方式形成了一定程度的競爭。加上生鮮農(nóng)產(chǎn)品自身所具有的生產(chǎn)和消費的分散性，產(chǎn)品差別較少、季節(jié)性強等特點，尤其其生長期較長，極易受到天氣狀況等自然條件的影響，導致生鮮農(nóng)產(chǎn)品的產(chǎn)量存在波動，供給量的變化又進而導致價格的變動，使得生鮮農(nóng)產(chǎn)品供應鏈更容易動蕩、斷裂。一般情況下，生鮮農(nóng)產(chǎn)品生長周期較長，在此期間天氣狀況具有極大的不確定性，常常難以預測出天氣狀況的好壞，但是根據(jù)以往的數(shù)據(jù)，能給出天氣情況的概率或者區(qū)間概率。鑒于上述復雜的不確定因素，面臨內(nèi)部結(jié)構(gòu)或外部環(huán)境發(fā)生變化時，生

20、鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡是否還具有維持原有功能的能力？在充分考慮天氣狀況變化的情況下，本節(jié)運用風險決策理論建立供給不確定條件下的生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡魯棒優(yōu)化模型，設計出一種能夠較好抵御不確定性，維持良好效益的網(wǎng)絡結(jié)構(gòu)，并對之進行優(yōu)化。4.1天氣不確定情況下生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡的魯棒優(yōu)化模型在生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡中，假定天氣情況為h的情形，發(fā)生的概率為。生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡的確定型模型DM可以定義為： = = = 為每種天氣情況出現(xiàn)的點估計概率。令每一種情形下的最優(yōu)目標函數(shù)值分別為、，變量是模型的一組可行解，該可行解對應的目標函數(shù)值分別為、。定義1：對于任意h，當且僅當滿足式子時，稱為供應鏈網(wǎng)絡的魯棒

21、解。用來統(tǒng)一代替、，用來統(tǒng)一代替、： 其中為不確定水平，為不確定規(guī)模，令，和分別最好和最壞的天氣情況下的目標函數(shù)值。供應鏈網(wǎng)絡設計問題可能存在多個魯棒解， 而魯棒優(yōu)化的目的在于找到最佳的魯棒解，這里，取系統(tǒng)的期望總成本作為優(yōu)化目標。由此得到供應鏈網(wǎng)絡設計魯棒優(yōu)化模型RM1如下： = = = ， 在模型中，為每種宏觀經(jīng)濟情況出現(xiàn)的點估計概率，式中的第一個約束保證了在給定宏觀經(jīng)濟情形下可行解的目標函數(shù)值。作為不確定水平，當其值足夠小時，可行解可能不存在，當其值足夠大時，又不具備參考意義。結(jié)合天氣情況發(fā)生的可能性，定義的最大值為1減去天氣情況h出現(xiàn)的區(qū)間概率的下限，的最小值為1減去天氣情況h出現(xiàn)的區(qū)

22、間概率的上限，最具代表性的則是定義為天氣情況h發(fā)生概率的估計值。有關(guān)區(qū)間概率的內(nèi)容參考文獻26。4.2 模型求解 模型（19）的求解步驟如下：（1）定義H為天氣情形的個數(shù)，為魯棒解的集合，；（2）分別求解不同天氣情形下模型的最優(yōu)解和最優(yōu)目標函數(shù)，隨之加入魯棒約束條件，判斷是否存在可行解，使得各天氣情形下的目標函數(shù)滿足約束條件（15），若存在，令(3) 若可行解通過檢驗，則得到魯棒解的集合，否則改變X的取值，轉(zhuǎn)到第（2）步。由于模型的目標函數(shù)和約束條件不連續(xù)、不可微，在加入魯棒約束條件之后，其求解過程將更為復雜。下面給出雙層混合遺傳算法的設計思路。第一步，第一層算法用于求解0-1整數(shù)模型，將決策

23、變量進行編碼，染色體為2串，對應的基因有0和1，表示社區(qū)超市是否開設。第二步，將第一層編碼的決策變量代入下一層的規(guī)劃模型中，求解下層模型的決策變量值。設置染色體N串，分別表示各網(wǎng)絡節(jié)點之間的流量、零售商和社區(qū)超市的庫存數(shù)量以及供應商的產(chǎn)量。編碼算法選擇，引入基于映射模式的二進制染色體編碼機制，可同時處理模型決策變量中的0-1變量和其他連續(xù)變量。第三步，將求解的變量值代入上層模型，計算適應度值，然后進行交叉、變異、選擇操作。計算適應度的方法為，先將個體串進行解碼。轉(zhuǎn)化為整數(shù)型的變量值，使用目標函數(shù)作為其適應度，結(jié)果越小，適應度越好。第四步，根據(jù)終止條件，最終得到最優(yōu)解。GA算法步驟如下：（1）

24、初始化群體，隨機選擇變量的一組值；定義種群規(guī)模、編碼長度、交叉概率、變異概率、迭代次數(shù)等；（2） 計算群體中每一個個體的適應度值，即總成本值；（3） 計算個體的選擇概率，選擇概率的選擇反應了個體的優(yōu)秀程度，使用方法；（4） 使用賭輪的方式進行淘汰選擇。先按照個體的選擇概率創(chuàng)建一個賭輪，隨后選取4次，每一次先產(chǎn)生一個0-1的隨機數(shù)，判斷該隨機數(shù)落在了哪一個段內(nèi)，就選擇相應的個體。（5） 將選中的個體進入配對集團，進行交叉操作；（6） 按變異概率進行突變操作；（7） 判斷是否滿足終止條件，如誤差足夠大或達到最大迭代次數(shù)，則終止計算；如不滿足，返回執(zhí)行（2）；（8） 輸出種群中適應度最優(yōu)的染色體作為

25、問題的滿意解。在對模型進行魯棒性分析時要考慮，也就是不確定水平對魯棒解的影響，因上下限已定，按照上述步驟，使用遍歷法在上下限范圍內(nèi)變化，即可求得不同信息概率下供應鏈網(wǎng)絡模型魯棒解的變化。5 算例分析給出生鮮農(nóng)產(chǎn)品行業(yè)供應鏈的一個算例，驗證以下問題：（1）天氣情況對生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡構(gòu)建的影響；（2）生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡魯棒模型在不同天氣情況下的表現(xiàn)如何；（3）天氣狀況的不確定程度（由區(qū)間概率決定）對該供應鏈模型的影響。假設有3個供應點、2個零售商和3個顧客區(qū)，每個供應點都供應單種或多種原料類型的生鮮農(nóng)產(chǎn)品。有速度不同的3種類型的交通工具。零售商和社區(qū)超市最大庫存分別為2000和500，供應點

26、的最大生產(chǎn)能力分別為1500、1000、1200。天氣狀況有3種，定義為風調(diào)雨順、一般、洪澇或旱災，受此影響，模型中的不確定因素（包括顧客需求、運營風險成本）也將出現(xiàn)3中不同的表現(xiàn)情況，具體如表1，表2。其他費用約束見表3-表4。表1 天氣情況影響的因素的風險成本天氣情況1天氣情況2天氣情況3社區(qū)超市開設成本顧客區(qū)1供應點1500600700供應點2400600800供應點3600700700顧客區(qū)2供應點1450550650供應點2350550750供應點3550650650顧客區(qū)3供應點1400500600供應點2300500700供應點3500600600表2 天氣情況影響的因素的顧客需

27、求天氣情況1天氣情況2天氣情況3顧客區(qū)需求顧客區(qū)113002001002400500550顧客區(qū)213002001002500600650顧客區(qū)313503002802600650650表3 運輸費用（車1，車2，車3）零售商1零售商2顧客區(qū)1顧客區(qū)2顧客區(qū)3供應點1（3,2,1）（4,3,1）（5,3,1）（6,4,2）（5,2,1）供應點2（4,3,1）（3,2,1）（5,2,1）（4.5,3,1）（5,3,1）供應點3（3,2.5,1）（2,1.5,1）（6,4,2）（5,3,1）(4,3,1)零售商1（-）（-）（2,1.5,1）（3,2,1）（2,1,1）零售商2（-）（-）（2,1

28、,1）（3,2.5,1）（3,2,1）表4 運輸距離零售商1零售商2顧客區(qū)1顧客區(qū)2顧客區(qū)3供應點11015203018供應點21510201823供應點3128282015零售商1008107零售商20061210表4 社區(qū)超市的固定費用、開設環(huán)境成本、庫存費用、庫存環(huán)境成本與庫存容量（固定、開設環(huán)境成本、庫存費用、庫存環(huán)境成本、庫存容量）顧客區(qū)1顧客區(qū)2顧客區(qū)3供應點1（10000,2000,2,0.5,1000）（15000,3000,1,0.7,2000）（12000,2500,3,0.3,1500）供應點2（12000,2500,1,0.7,1500）（10000,2000,2,0.

29、5,1000）（15000,3000,3,0.3,2000）供應點3（12000,2500,2,0.5,1500）（15000,3000,3,0.3,2000）（10000,2000,1,0.7,1000）表5 零售商的庫存費用、庫存環(huán)境成本、庫存容量（庫存費用、庫存環(huán)境成本、庫存容量）庫存費用零售商1（2,0.5,3000）零售商2（3,0.3,2500）表6 天氣情況為1時a=2種農(nóng)產(chǎn)品銷售價格（車1，車2，車3）顧客區(qū)1顧客區(qū)2顧客區(qū)3零售商1（16,12.5,11）（15,13,11）（14,12,11）零售商2（15,13,12）（16,14.5,12）（16,14,12）供應點1（

30、14,12,11）（14,14,12.5）（15,13,12）供應點2（13,10,9）（13.5,12,10）（15,13,11）供應點3（16,13,11）（15,13,11）（13,11,10）a=1種農(nóng)產(chǎn)品價格為a=2種農(nóng)產(chǎn)品價格加上5，表7表8相同。表7 天氣情況為2時a=2種農(nóng)產(chǎn)品銷售價格（車1，車2，車3）顧客區(qū)1顧客區(qū)2顧客區(qū)3零售商1（15,13.5,12）（16,14,12）（15,13,12）零售商2（16,14,13）（17,15.5,13）（17,15,13）供應點1（15,13,12）（15,14,13.5）（16,14,13）供應點2（14,11,10）（14.5

31、,13,11）（16,14,12）供應點3（16,14,12）（16,14,12）（13,12,10）表8 天氣情況為3時a=2種農(nóng)產(chǎn)品銷售價格（車1，車2，車3）顧客區(qū)1顧客區(qū)2顧客區(qū)3零售商1（17,15.5,14）（17,16,14）（17,15,14）零售商2（18,16,15）（19,17.5,15）（19,17,15）供應點1（17,15,14）（17,16,15.5）（17,15,14）供應點2（16,13,12）（16.5,15,12）（18,16,14）供應點3（18,16,14）（18,16,14）（15,14,12）表9 供應商不同產(chǎn)品最大供給量（a=1,a=2）天氣情況

32、1天氣情況2天氣情況3供應點1（500,800）（450,750）（400,700）供應點2（550,850）（500,800）（500,800）供應點3（500,850）（450,800）（400,800）表10 補貨時間（車1，車2，車3）零售商1零售商2顧客區(qū)1顧客區(qū)2顧客區(qū)3供應點1（0.02,0.03，0.04）（0.025,0.035,0.045）（0.03,0.04，0.05）（0.03,0.035,0.04）（0.04,0.05,0.06）供應點2（0.025,0.035,0.045）（0.03,0.035,0.04）（0.02,0.03，0.04）（0.03,0.04，0.0

33、5）（0.04,0.05,0.06）供應點3（0.025,0.035,0.045）（0.03,0.04，0.05）（0.03,0.035,0.04）（0.02,0.03，0.04）（0.04,0.05,0.06）零售商1（-）（-）（0.02,0.03，0.04）（0.025,0.035,0.045）（0.03,0.04，0.05）零售商2（-）（-）（0.02,0.03，0.04）（0.03,0.04，0.05）（0.025,0.035,0.045）表11 不同車的速度、車容量、運輸單位產(chǎn)品的環(huán)境成本速度容量環(huán)境成本車11510005車21012004車3813003表12 生產(chǎn)成本及生產(chǎn)環(huán)

34、境成本（生產(chǎn)成本，生產(chǎn)環(huán)境成本）a=1a=2供應點1（5,1.5）（3,2）供應點2（5,2）（3,2.5）供應點3（6,1）（3,2）假設3種天氣情況發(fā)生的概率為：風調(diào)雨順的可能性為0.1,0.4；一般的可能性為0.4，0.6；洪澇或旱災的可能性為0.2,0.4。5.1 不同天氣情況下基本模型的結(jié)果分析在天氣情況給定的情況下，所建立的生鮮農(nóng)產(chǎn)品供應鏈網(wǎng)絡模型是一個傳統(tǒng)的大規(guī)模0-1混合整數(shù)規(guī)劃問題。運用Matlab對該算例進行求解，求解結(jié)果如下：第一種宏觀經(jīng)濟形勢下，模型共有變量146個，其中整數(shù)變量9個，校對報告當前使用的樣式是 Numbered(Multilingual)當前文檔包含的題

35、錄共9條有0條題錄存在必填字段內(nèi)容缺失的問題所有題錄的數(shù)據(jù)正常References:1.Govindan, K., et al., Two-echelon multiple-vehicle locationrouting problem with time windows for optimization of sustainable supply chain network of perishable food. International Journal of Production Economics, 2014. 152: p. 9-28.2.Aldana, H., F.J. Lozano and J. Acevedo, Evaluating the potential for producing energy from agricultural residues in México using MILP optimization. Biomass and Bioenergy, 2014. 67: p. 372-389.3.Foo, D.C.Y., et al., Robust models for the synthesis of flexible palm oil-based region