生鲜农产品绿色配送技术研究综述

周腾明 张少平 邵鹏

摘要：生鲜农产品绿色配送是当前社会关注的热点问题，对环境保护和社会可持续发展具有重要意义。该研究回顾了近几年领域内的相关文献资料，从技术研究角度将生鲜农产品绿色配送分成生鲜农产品绿色配送模式、配送中心选址和配送路径优化三部分进行归纳总结，介绍了研究领域内常见的若干配送模式之间的差异，重点阐述了不同配送中心选址技术的优缺点和求解配送路径优化问题的相关技术，最后对生鲜农产品绿色配送技术研究的发展前景进行展望，以期为推动该领域发展提供参考方案。

关键词：生鲜农产品绿色配送；配送模式；配送中心选址；路径优化；综述

中图分类号：TP311     文献标识码：A

文章编号：1009-3044（2023）36-0127-04

开放科学（资源服务）标识码（OSID）

0 引言

近年来，随着我国物流规模不断扩大，许多问题也不断显现出来，我国对此高度重视，先后针对不同时期制定了不同规划。例如，国务院于2022年5月17日印发的《“十四五”现代物流发展规划》，其中指出现有的几个突出问题，如物流配送成本高、效率低，物流发展不平衡，农村物流、冷链物流等存在短板。为了建设更加完善的物流体系，推动绿色物流技术发展，还需要对现有问题进行深入研究。

我国近几年对该领域的研究热度不断升温，以知网为例，使用“生鲜农产品配送”为主题对近十年的期刊论文进行检索，分别统计每年的论文数量，结果如图1所示。

从2013年至2022年，与生鲜农产品配送相关的期刊论文共263篇，其中2016年發表在《中国软科学》上的一篇文章被引用了353次。从近几年发文量看呈递增趋势，同时随着相关政策的落实，该领域将发展到新的高度。

本文的结构如下：第2节介绍了生鲜农产品传统配送模式与绿色配送模式；第3节介绍了目前主流的生鲜农产品绿色配送中心选址技术；第4节介绍了不同生鲜农产品绿色配送路径优化技术的优缺点；最后，提出了总结与展望。

1 生鲜农产品绿色配送模式研究

生鲜农产品配送模式作为生鲜农产品配送研究的第一站，其重要性不言而喻。配送模式的选择主要考虑以下几个方面：生鲜农产品的品质、配送效率、配送成本和环境影响。需根据实际情况综合考虑选择合适的配送模式，实现生鲜农产品配送最优化。目前配送模式主要分为传统配送模式和绿色配送模式两大类。

1.1 生鲜农产品传统配送模式

传统配送模式有生产者直供配送、批发市场配送等，其中生产者直供配送模式是由生产者将农产品从生产基地直接配送到市场或消费者手中，所以流转过程少，产品质量好，耗费成本低，生产者收益高，但存在配送规模小、配送区域受限等缺点[1]。批发市场配送模式则是生产商或中间商将农产品配送到市场进行销售，优点是配送范围更广，配送成本低，但中间流通环节增加可能会带来更大的食品安全风险和时间延误风险。为此徐安琪和潘经强[2]对发达国家批发市场配送模式进行分析，总结相关经验并指出制约我国批发市场配送模式发展的关键因素。为贯彻新发展理念，传统配送模式需全面绿色转型。

1.2 生鲜农产品绿色配送模式

随着人们对环境保护意识和健康意识的提高，以及互联网技术的发展，生鲜农产品绿色配送模式逐渐成为主流的配送模式，该模式通常采取环保、低碳、节能和高效等措施，在保证产品质量和配送效率的同时尽可能减少对环境的影响。目前常见的几种绿色配送模式有社区团购配送、冷链配送、电商配送等，许多学者从不同的背景和角度出发，对此展开了研究。社区团购配送是一种通过集中采购和配送的方式，将生鲜农产品送到消费者手中的模式，该模式的统一配送能有效减少物流成本，故在近几年迅速发展，但却面临供应链不稳定等挑战。孟妍[3]等从社区团购的发展进程和常见的几种配送经营模式出发，针对不同挑战提出了相应的对策。冷链配送是一种逐步发展的模式，配送需求和配送范围都在不断扩大，该模式通过对温度、湿度的精准把控来保证生鲜农产品的质量和安全性，进而提高消费者的信任度和满意度。但冷链配送模式存在能源消耗高、成本高昂等问题，慕艳平和雷小青[4]为完善冷链配送模式提出了加强冷链设备基础建设和技术创新、搭建实时监测数据平台和完备的管理体系等对策。电商配送是指通过电子商务平台进行生鲜农产品的销售和配送。为解决生鲜农产品“最后一公里”配送难题，袁紫薇等[5]将配送模式分为直接配送模式和间接配送模式，阐述了两种模式的优缺点，并给出了提高配送效益的改进意见；冉安平[6]使用层次分析法综合评价O2O模式下常见的几种配送模式，得到配送成本为影响模式选择的主要因素。陈哲等[7]对我国生鲜农产品电商配送现状进行研究后提出了一种融入大数据服务的新电商配送模式。目前大多数的研究都聚焦于城市，对乡村地区的生鲜农产品绿色配送模式研究较少，这将成为今后的研究热点。

2 生鲜农产品绿色配送中心选址技术研究

生鲜农产品绿色配送中心选址在生鲜农产品绿色配送中起着至关重要的作用，选址的好坏将直接影响到生鲜农产品绿色配送的效率和质量，从而影响到生产、流通和销售环节的效益，因此如何选择合适的生鲜农产品绿色配送中心位置成了研究热点。目前对该问题的技术研究主要分为定性分析法、定量分析法和定性与定量相结合的方法。

2.1 定性分析法

定性分析法是通过专家经验和判断，以及对当地市场、政策、环境等因素的了解，来确定最终选址方案的一种方法。常见的德尔菲法[8]是一种专家咨询和意见收集的方法，利用专家经验和知识，有效地解决复杂问题，但缺乏客观性，因此选址决策较少单独使用定性分析法。

2.2 定量分析法

定量分析法通过数学模型和定量指标对选址方案进行评估和比较，以确定最优选址方案。相较于定性分析法，定量分析法通过科学的计算方法对具体的数值计算得到明确的结果，客观性更强。常见的定量分析法有重心法[9]、混合整数规划法[10]等。重心法是一种地理信息分析方法，通常用于确定区域或地图上一组点的中心位置，具有简单易行、结果清晰明了等优点。陈姝宇等[11]和于蕾[12]分别对呼和浩特地区和安徽省的生鲜农产品配送中心使用重心法进行选址研究，前者以总费用最小为目标，后者从实际需求出发，都通过建立模型再求解得到最优选址位置，但重心法存在求解精度有限、无法应对多目标问题等缺点。混合整数规划法则能够提供精确的数学模型和解决方案，适用于处理复杂的离散决策问题。为减少配送中心的配送费用，Ding和Liu[13]使用混合整数规划模型对上海市乳制品物流中心备选地址进行排序，得到了最佳的选址位置；Zhang 等[14]基于混合整数非线性规划理论建立模型求解非线性物流管理中基于物流的布局优化问题，实验结果表明，该模型可以有效地优化物流管理布局，同时节省时间和降低成本。然而定量分析法在涉及主观因素或复杂情景时，某些指标或数据难以量化将影响分析结果的准确性。

2.3 定性和定量结合法

由于定性分析法和定量分析法都有各自的优缺点，单独使用都存在一定的局限性，而定性、定量结合法则可以充分发挥二者的优势，弥补其不足。王鲁萍等[15]针对选址过程的模糊复杂性，在定性分析中采用二元语义处理选址评价信息并在定量分析中使用熵权法计算各指标权重，从多方面构建评价体系并建立选址模型，对算例进行评估分析后得出最佳配送中心位置，該方法使选址过程简单清晰，同时结果更精确合理。庄小云[16]对安徽省生鲜农产品配送中心选址进行研究，结合使用了定性分析法中的覆盖模型思想和定量分析法中的TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）法对方案评价，同时在对评价指标赋权时采用了层次分析法，弥补了单一方法对参数改进的不足，使实验结果更加科学合理。为建立合适的冷链物流配送中心以解决生鲜农产品因不易存储而影响顾客购买需求的问题，李晶晶[17]采用定性分析法确定目标选址和备选地点，然后用定量分析法中的灰色预测模型推断生鲜农产品的可能需求量，最后建立数学选址模型确定最优选址位置和配送方案。综上所述，定性、定量结合法在生鲜农产品绿色配送中心选址技术研究中有着重要的地位和应用前景，它能够提供更全面的信息和更准确的决策支持，有助于绿色配送中心的合理选址。

3 生鲜农产品绿色配送路径优化技术研究

生鲜农产品绿色配送路径优化问题作为车辆路径问题的一种特殊情况，是目前各学者广泛研究的热门领域，且生鲜农产品绿色配送路径优化技术研究对于提高运输效率、降低运输成本、减少环境影响、提升服务质量和促进可持续发展具有重要的影响。目前，主要的技术研究分为以下三大类：精确算法、传统启发式算法和元启发式算法，其中常见的几种算法的优缺点如表1所示。

3.1 精确算法

精确算法是一类用于求解优化问题的算法，能够在有限时间内找到问题的最优解，常见的精确算法有动态规划法[18]、分支定界法[19]等。为提高电商仓库的拣货作业效率，冯爱兰等[20]采用了基于聚类和动态规划的组合路径策略，对待拣储位的分布特征进行聚类分析后，再使用动态规划得到类序和各类内部路径，最后按类序连接各类内部路径得到最终路径，并通过实例验证了该策略的适用性。针对考虑载重约束、里程约束、强时间窗约束下的车辆配送路径问题，吕欣昊[21]提出的改进分支定价算法克服了基于{0，1}分支策略在该问题求解时效率低、稳定性差的缺陷。虽然精确算法能够在规模小、结构简单的问题中给出确切的最优解，但是在面对大规模复杂性问题时，计算复杂度太高将会导致求解时间过长，耗费大量计算资源，难以改善目前生鲜农产品绿色配送逐渐复杂化的现状。

3.2 传统启发式算法

传统启发式算法相较于精确算法，求解速度较快，适用于大规模复杂性问题，其中最常见的是节约里程法。卢茗轩等[22]对连锁超市生鲜农产品配送路径采用节约里程法进行优化分析，配送里程相较未使用路径优化算法大幅缩短，配送效率显著提高。王转等[23]基于一种用于电商配送中心的自动化拣货系统，考虑拣货器具和商品包装体积，构建订单分批模型，提出节约里程的订单分批算法，并与先到先服务方法和基于订单相似度分批方法进行对比，求解效果最优。然而传统启发式算法通常基于经验和启发式规则，对问题进行近似求解，这使得其容易受限于局部最优解而无法找到全局最优解，无法实现生鲜农产品绿色配送降本增效的目的。

3.3 元启发式算法

元启发式算法是通过组合多种启发式策略和元启发式操作来解决问题的一类高级启发式算法，具有高效性、鲁棒性和全局搜索能力等优点，是目前的研究热点，常见的有遗传算法[24]、蚁群算法[25]、粒子群算法[26]、人工蜂群算法[27]等。为降低物流配送成本，实现绿色环保的配送方案，Li 等[28]提出了一种自适应模拟退火突变遗传算法，相较于遗传算法有着更快的收敛速度和更低的成本功耗；张念等[29]考虑时间窗约束和配送总成本对多车场生鲜产品配送路径优化问题采用多策略改进的遗传算法进行求解，实验结果相较于传统的自适应遗传算法有更好的寻优效率，总成本降低明显。康凯等[30]构建的配送路径优化模型将配送过程中的多个损耗成本考虑在内，采用混入2-opt局部优化的改进蚁群算法进行求解，同基本蚁群算法和遗传算法进行实验对比后证明该算法的有效性；为满足生鲜农产品的质量要求和低碳物流，Chen 等[31]建立了一种考虑品质劣化和碳排放成本的配送路径优化模型，采用了改进的蚁群算法进行全局搜索和禁忌搜索算法进行局部搜索，与多蚁群优化算法和非支配排序遗传算法进行对比，效果最优。陈久梅等[32]针对生鲜农产品多隔室车辆路径优化问题展开研究，以配送成本最小化为目标建立数学模型，采用粒子群优化算法求解，实验结果与蚁群算法进行比较，证实了该算法的稳定性和易收敛性；Poonthalir和Nadarajan [33]使用带有贪婪变异算子和时变加速系数的粒子群优化算法解决了具有变速约束的双目标节能绿色车辆路径问题，该方法能够消耗更少的燃料，大大减少碳排放。为解决人工蜂群算法易过早陷入局部最优问题，汪涛等[34]使用基于中位数的选择策略，且在更新时引入禁忌表，改进后的人工蜂群算法比改进前的收敛速度更快；Katiyar et al.[35]使用人工蜂群优化算法实现了在时间窗口内无惩罚和食品质量损失的新鲜食物分配。元启发式算法也存在收敛速度慢、对参数设置敏感等缺点，针对不同的具体问题需选择合适的元启发式算法才能发挥其优势，通过融合顺应时代发展潮流的新技术和不同算法的优点将成为生鲜农产品绿色配送技术发展的新趋势。

4 总结和展望

通过对现有技术研究的梳理，得知生鲜农产品绿色配送不仅涉及环境保护、资源利用和食品安全等方面的问题，还对推动农产品供应链的可持续发展具有重要意义。在未来的技术研究中，可以从以下四个方面进行展开。

首先，跨学科合作和合作共享将成为推动生鲜农产品绿色配送技术研究的重要动力。其次，注重环境友好性和资源节约性，寻找可持续发展的配送模式和策略。再次，对乡村生鲜配送深入探索，提高乡村生鲜配送的效率，降低成本，为乡村农产品的可持续发展提供支持。最后，将更多创新的配送方式和技术融入生鲜农产品绿色配送中。例如，物联网、人工智能和大数据分析等技术的应用将进一步提高配送效率和准确性。

參考文献：

[1] 李洪涛.基于产地直供的农产品物流配送系统构建[J].农村经济与科技，2020，31（21）：159-161.

[2] 徐安琪，潘经强.国内蔬菜批发市场配送模式探讨[J].合作经济与科技，2019（4）：94-96.

[3] 孟妍.社区团购物流配送面临的挑战及对策研究[J].中国市场，2022（2）：165-166.

[4] 慕艳平，雷小青.生鲜农产品冷链物流配送模式优化策略研究[J].电子商务，2018（10）：8-9.

[5] 袁紫薇，聂子高，罗峦.电子商务环境下生鲜农产品“最后一公里” 配送模式探析[J].当代经济，2018（1）：67-69.

[6] 冉安平.O2O模式下生鲜农产品最后一公里配送模式综合评价研究[J].物流工程与管理，2018，40（11）：88-91，61.

[7] 陈哲，邓义，胡玲燕，等.生鲜农产品电商物流配送模式研究[J].商业经济研究，2018（14）：103-106.

[8] DALKEY N，HELMER O.An experimental application of the DELPHI method to the use of experts[J].Management Science，1963，9（3）：458-467.

[9] KANTOROVICH L V.Mathematical methods of organizing and planning production[J].Management Science，1960，6（4）：366-422.

[10] GOMORY R E.On the relation between integer and noninteger solutions to linear programs[J].Proceedings of the National Academy of Sciences of the United States of America，1965，53（2）：260-265.

[11] 陈姝宇，毕有利，王凯凯，等.基于重心法的呼和浩特农产品物流配送中心选址模型研究[J].河北企业，2019（11）：96-98.

[12] 于蕾.基于重心法的农产品配送中心选址研究——以安徽105个行政区划单位数据为例[J].广西民族师范学院学报，2020，37（4）：66-69.

[13] DING Q，LIU H.Research on location selection of dairy products logistics distribution center based on mixed integer programming model[J]. Academic Journal of Engineering and Technology Science， 2020，3（5）：51-58.

[14] ZHANG Y Q，KOU X F，SONG Z G，et al.Research on logistics management layout optimization and real-time application based on nonlinear programming[J].Nonlinear Engineering，2021，10（1）：526-534.

[15] 王鲁萍，万校基，张丽萍.基于熵权二元语义的生鲜农产品配送中心选址研究[J].科技与经济，2018，31（1）：46-50.

[16] 庄小云.安徽省生鲜农产品配送中心选址研究[J].枣庄学院学报，2021，38（2）：83-89.

[17] 李晶晶.生鲜农产品冷链物流配送中心选址研究[D].太原：中北大学，2021.

[18] BELLMAN R.Dynamic programming[J].Science，1966，153（3731）：34-37.

[19] LAWLER E L，WOOD D E.Branch-and-bound methods：a survey[J].Operations Research，1966，14（4）：699-719.

[20] 冯爱兰，张小青，孔继利.基于聚类和动态规划的组合路径策略[J].运筹与管理，2019，28（8）：86-92.

[21] 吕欣昊.基于改进分支定价法的车辆路径优化研究[J].软件，2020，41（4）：165-168，194.

[22] 卢茗轩，谢如鹤，陈培荣.连锁超市生鲜农产品配送路径优化的实证分析[J].物流工程与管理，2018，40（7）：111-115.

[23] 王转，裴泽平.启发式路径下节约里程的订单分批算法[J].计算机工程与应用，2018，54（23）：203-209，222.

[24] HOLLAND J H.Adaptation in natural and artificial systems：an introductory analysis with applications to biology，control，and artificial intelligence[M].Cambridge，Mass.：MIT Press，1992.

[25] DORIGO M，MANIEZZO V，COLORNI A.Ant system：optimization by a colony of cooperating agents[J].IEEE Transactions on Systems，Man，and Cybernetics Part B，Cybernetics，1996，26（1）：29-41.

[26] KENNEDY J，EBERHART R.Particle swarm optimization[C]//Proceedings of ICNN'95 - International Conference on Neural Networks.Perth，WA，Australia.IEEE， 1995（4）：1942-1948.

[27] KARABOGA D.An idea based on Honey Bee Swarm for Numerical Optimization[J].Technical Report TR06，Erciyes University，2005.

[28] LI D L，CAO Q，ZUO M，et al.Optimization of green fresh food logistics with heterogeneous fleet vehicle route problem by improved genetic algorithm[J].Sustainability，2020，12（5）：1946.

[29] 張念，陈熙，袁媛，等.基于改进遗传算法的多车场生鲜配送优化[J].广西大学学报（自然科学版），2022，47（5）：1314-1326.

[30] 康凯，韩杰，普玮，等.生鲜农产品冷链物流低碳配送路径优化研究[J].计算机工程与应用，2019，55（2）：259-265.

[31] CHEN，GUI，DING，et al.Optimization of transportation routing problem for fresh food by improved ant colony algorithm based on tabu search[J].Sustainability，2019，11（23）：6584.

[32] 陈久梅，周楠，王勇.生鲜农产品多隔室冷链配送车辆路径优化[J].系统工程，2018，36（8）：106-113.

[33] POONTHALIR G，NADARAJAN R.A Fuel Efficient Green Vehicle Routing Problem with varying speed constraint （F-GVRP）[J].Expert Systems with Applications，2018（100）：131-144.

[34] 汪涛，潘郁，潘芳，等.基于改进人工蜂群算法的生鲜农产品配送路径优化[J].广东农业科学，2018，45（10）：143-149.

[35] KATIYAR S，KHAN R，KUMAR S.Artificial bee colony algorithm for fresh food distribution without quality loss by delivery route optimization[J].Journal of Food Quality，2021，2021：4881289.

【通联编辑：李雅琪】