文摘

可持续发展是一个永恒的主题和持久的战略在当今时代。低碳经济是一个不可避免的方法来实现可持续发展。冷链物流已成为碳排放的主要来源之一。然而,在研究位置规划冷链物流、碳排放的成本没有考虑在先前的研究。两阶段随机优化(TSSO)模型建立了基于综合考虑运输成本、时间损失成本和碳排放成本。在这种情况下,它是极难处理TSSO模型的不确定性。因此,本文构造了一个两阶段的鲁棒优化模型(TSRO)使用数据驱动方法和鲁棒优化理论,通过一个实际案例验证该模型的有效性。该方法的应用到冷链物流企业显示,无法保证物流的服务水平随机优化模型。TSRO模型,成本价格增加2.18%的鲁棒性,而物流服务水平显示了上升趋势(从85.83%到92.75%)。TSRO模型中,企业被迫选择一个更好的分布路径时碳税,这不仅可以帮助企业节约成本也达到低碳环境效益。

1。介绍

人类社会的可持续发展是一个长期的概念。日益恶化的环境不断挑战国家可持续发展战略。统计数据显示,显著增加温室气体的排放是生态环境恶化的主要原因。因此,如何减少碳排放已成为一个非常紧迫的全球性问题。世界各国政府越来越多地集中于减少碳排放的经济活动。提倡环保的可持续发展的背景下,必须采取行动在节能和减排。城市,如北京、东京,加州已经发布了促进可持续发展战略的政策1,2]。中国自2009年以来最多的二氧化碳排放(3,4]。在追求可持续发展,政府将限制碳排放的基础上实际能力,同时相关企业将制定生产计划。这些政策和环境恶化使人们意识到,有必要发展低碳经济5,6]。

随着工业经济的快速增长,决策者关注的焦点逐渐从经济效益转向经济和环境效益的协调发展。先前的研究都集中在制造业,而很少关心交通。事实上,碳排放的运输是巨大的,尤其是在冷链物流行业(7]。统计数据显示,汽车物流运输的碳排放是温室气体的主要来源之一。物流运输过程中产生的温室气体,其中大量的温室气体排放来自冷链物流,占全世界14%的人(8,9]。低碳车辆路径问题是传统车辆路径问题的研究的基础上,增加碳排放约束。除经济效益外,环境因素也应该被认为是有效地减少碳排放在运输(10]。

许多文献研究了物流和运输行业碳排放的影响。碳交易市场机制存在的时候,物流配送的成本需要考虑路由问题。霍恩等人对排放控制管理机制进行了研究,表明政策制定者应采取限制碳排放管理机制(11]。政府收紧控制碳排放企业,这将不可避免地导致一定的经济损失。它显然是更现实的增加碳排放约束时找出车辆最优路径问题。如果运输的碳排放可以有效地控制,它是促进低碳物流的发展具有重要意义。因此,与碳排放约束车辆路径优化逐渐成为一个重要的研究领域。

随着公司的增加₂排放和环境污染的压力,许多学者注意减少碳排放研究冷链物流企业。然而,大多数的研究方法是单级模型,和一些学者使用两阶段模型。周等人提出了一个基于供应链过程低碳供应链框架标准(12]。其他定量研究了冷链物流的实现。唐等人提出了一个减少碳排放基准模型(13]。Hariga等人提出了基于活动的成本最小化模型和碳足迹最小化模型(14]。Elhedhli等人提出了一个优化模型构建食品冷链库存和运输网络,研究了冷链物流运输(15]。碳排放研究是传统车辆路径问题的延伸,和低碳冷链物流在两个阶段交通规划问题进行了研究。

两级优化模型广泛应用于供应链管理、应急调度,工业生产、电网等领域(16,17]。两级优化问题,先前的研究人员经常与确定性模型开始,而一些学者研究了其不确定性。狄龙等人研究了药品供应链网络的优化使用两级优化模型(18]。疆土等人研究了两级优化的供应链网络延迟付款策略在不确定需求19]。陈等人研究了两阶段随机分布的鲁棒线性互补问题(20.,21]。林等人建立了一个两阶段模型考虑逾期付款和分析综合生产库存策略22]。Sainathuni等人研究了inventory-transportation问题来确定最优分配计划从供应商到客户以最小化总成本(23]。基于场景的随机优化可以解决供应链管理和系统优化问题(24,25]。Rezaee等人提出了绿色供应链网络的设计与随机需求和碳价格(26]。然而,基于场景的随机优化模型的解决方案在很大程度上取决于场景及其发生概率,定义和解决方案的模型计算量将大大增加,增加了困难,甚至没有解决方案场景数量的增加(27]。上述优化模型通常假设的概率分布随机需求预先知道,这是不符合实际情况。此外,很难应对不确定参数,通过这些模型解决意想不到的情况下生产。

近年来,许多学者和专家们介绍了鲁棒优化方法来解决各种问题的供应链管理来提高模型的鲁棒性。鲁棒优化模型方法都进行了广泛的研究,以减少随机问题的机会。Gulpinar和Pachamanova提出设备位置的鲁棒优化模型假设最坏的情况下随机需求属于一组不确定(28]。Zokaee等人研究了强大的供应链网络的优化通过假设需求,库存容量和成本参数属于框设置(29日]。这个模型认为不确定参数属于一组,研究了决策问题与最低总成本在最坏的情况下。此外,鲁棒优化优化理论被广泛使用在许多实际情况下,如大规模集团决策(30.],共识决策[31日),多准则决策(32),和能源预测(33]。鲁棒优化模型的广泛应用在不同领域学者更加关注它的可扩展性。然而,很少发现在之前的文献使用鲁棒优化研究冷链的可持续发展。因此,它更有吸引力,进一步扩大鲁棒优化的研究。

作为不确定优化的有效工具,鲁棒性优化不依赖于事件,但代表了未知参数的概率分布与特定集合的不确定性。结果,考虑冷链物流研究的不确定性,有很多潜在的好处将鲁棒优化理论来解决交通问题的新鲜冷链物流(34,35]。他们是独立的概率分布的目标受众的需求;即使在最坏的情况下,他们保持鲁棒性。鲁棒优化引入冷链物流。然而,在新的产品冷链物流的研究,只有少数学者使用随机概率模型,并没有其他学者使用两阶段鲁棒优化理论研究。鲁棒优化可以考虑决策者的风险偏好和守恒性在某种程度上,具有重要的研究价值和研究新鲜的冷链物流。

总之,尽管学者们进行了广泛的研究对碳排放的影响因素和政策因素对冷链物流,现有研究中仍存在一些问题。首先,概述论文的定性类型涵盖了全面的领域,但缺乏数据的比较分析。其次,大部分的论文的定量数学模型类型从一个角度研究低碳冷链物流方面,和所涉及的因素研究不够全面。此外,大部分的研究没有考虑不确定性的影响参数对物流运输服务,这是很难反映实际市场操作。一些研究者使用定量的方法来研究低碳冷链物流在不确定需求。更重要的是,很少有论文冷链物流的研究在低碳经济模式下使用鲁棒优化理论方法。因此,如何将鲁棒优化理论应用到低碳冷链尤其小说。

本研究的贡献和创新如下:(我)碳排放因素引入冷链物流的研究,考虑固定成本,时间窗成本、运输成本、碳排放成本。两阶段随机优化模型是根据实际情况构建的。(2)鲁棒优化理论应用于冷链物流,和随机优化模型转化为鲁棒优化模型考虑不确定性。(3)数据驱动的方法用于预处理模型参数,这是普遍比随机优化方法,可以更准确地描述真实的场景。(iv)真正的市场操作的数据用于仿真计算为新鲜的冷链运输企业提供决策支持。(v)它提供了重要的理论支持和设计方案的绿色、高效发展冷链物流行业分布。

本文研究如何构建TSRO讨论不确定需求下warehousing-transportation联合优化模型。第一阶段决策节点选择,第二阶段的决定是交通路线规划。首先,为了提高客户满意度与大宗商品需求、TSRO模型被认为是碳排放约束。与经典的两阶段随机设施选址问题,该模型在本章不承担preknown概率分布的随机需求,获得一个可行的范围内通过数据驱动的方法。通过这样的方法,本文的研究将更有价值和有意义的。

本文的其余部分组织如下。部分2覆盖问题的描述和建模。第三节构建TSSO模型和TSRO模型。第四节验证模型的有效性的一个例子。第五节进行详细的分析和比较模型的性能。第六节总结了本研究的结论和未来的研究方向。

2。问题描述

2.1。问题描述

本文研究了两级定位和路径规划问题,冷链考虑碳排放(图1)。在这个问题上,新产品从原产地运送至商店通过中间仓库的需求。两种类型的网站被认为是:候选人中间仓库和商店的需求。考虑成本最小化和需求响应、转让冷藏二元函数。一方面,为了满足需求,中间仓库应该考虑prestorage数量的产品;另一方面,我们的目标是最小化总成本后会议的需求。

在两级的位置路径规划问题,成本类型被认为是包括冷藏仓库的建设成本、车辆运营成本、时间窗成本、碳排放成本和运输成本。分布的产品,材料分布的公平性应该尽量保证,材料供应不足造成的延误损失和成本消耗的过程中存储和分布应该最小化。企业可以优化货物从仓库到零售商店的分布(36,37]。本文仅考虑仓库的选择和分布从仓库到零售商店,不考虑上游采购和销售过程从零售商店到客户。不确定需求环境下,第一阶段决定是选择仓库。在第二阶段,基本选择仓库库存和需求分配比例的货物从仓库到现场确定。问题的目标是最小化总成本的约束下满足需求。

2.2。基本假设

考虑冷链的实际情况,提出了以下假设材料调度问题:(我)路径优化问题从多个配送中心提供分销服务到多个网站的需求(2)所有网站必须获得冷链配送服务的需求,和每个需求的网站都有一个冰箱汽车提供送货服务(3)冷藏车辆是相同的模型,用同样的燃料消耗和负载能力(iv)需求的商店的地理位置和时间窗口是已知的(v)车辆运行在一个恒定的速度,直接传输,完成后立即返回到配送中心的分布

为方便介绍,总结了相关参数和决策变量的符号如表所示1。

2.3。成本分析

本研究的目标是最小化冷链的综合成本,以反映实际的冷链运输过程的情况。它不仅考虑了最低碳排放还重的成本分布条件下的低碳经济。综合成本包括固定成本、运输成本、时间成本和碳排放成本。详细解释如下。

2.3.1。固定成本

固定成本是基础设施投资成本,包括运营成本冷储存设备,汽车维护成本,和司机的工资。固定成本是独立的库存管理和总里程的车辆。冷链的固定成本计算如下:

2.3.2。一期运输成本

第一阶段是当产品被从它的起源到冷藏仓库大容量和一个固定的车辆类型。因此,新产品的运输成本在这个阶段如下: 在哪里代表了单位燃料消耗成本。代表大型运输车辆的承载能力。代表了新鲜的产品和腐败率代表了产品的存活率(38,39]。

2.3.3。第一阶段碳排放成本

第一阶段是当产品从他们的起源运往冷藏仓库、冷藏链的碳成本如下:

在前面的方程,碳税金额。是单位能源消耗。是二氧化碳的因素。

2.3.4。阶段的运输成本

第二阶段是新鲜产品的运输转移冷存储要求商店。新产品正是分布式以下运输成本:

在前面的方程,代表了迷你汽车的单位燃料消耗成本。

2.3.5。成本的时间窗口

时间成本是处罚时间延迟以下形式: 在哪里代表了与时间相关的单位惩罚成本(40]。

2.3.6。阶段的碳排放成本

由于政府的环境要求,一定数量的碳排放税将征收车辆在以下成本:

在前面的方程,是单位碳排放税金额,是单位石油消费,表示为 , 是满载石油消费,是空载石油消费,代表单位石油消费的制冷设备41]。

3所示。模型建立

3.1。TSSO模型

在本节中,我们建立一个两阶段随机优化(TSSO)模型,旨在最小化总成本的基础上,最大限度地提高客户需求。具体模型如下:

根据实际的场景中,TSSO模型的第一阶段的目标是最小化总成本。第一项目标函数(7)是固定成本,其中包括基础设施投资成本,包括设备成本和基本水电成本损失。固定成本是独立的车辆路径规划。第二个成本是第二阶段的不确定参数的影响。约束(8)代表0 - 1变量参与当且仅当相应的物流操作 。随机变量是概率空间中定义的 并假设第一和第二时刻正是预先知道;也就是说, 。第二阶段的TSSO模型如下所示:

在解决优化问题的过程中(7)- (16),将面临以下困难。一方面,在实际应用中,随机参数的概率分布是未知的。即使它都要遵循一个已知的概率分布,计算问题的目标函数为连续随机变量是极其困难的。在现实生活中没有理想的模型。通常很难获得关键参数的发展规律,特别是需求参数的概率分布。另一方面,模型包含多个机会约束因为随机需求的概率分布是未知的。因此,这是凸约束的问题,也是很难处理的计算。基于上述两个难题,介绍了鲁棒优化的概念,和健壮的模型可以有效地提供一个有效的测量的不确定性。鲁棒优化的研究具有较高的适用性和稳定性。在本节中,上述确定性TSSO模型转化为TSRO模型通过应用鲁棒优化的相关理论,所以不确定参数变化的不确定,所以模型的概率分布的独立也可以用来研究库存路径问题。 Based on stochastic model, initial site demand is defined as stochastic demand parameter , 名义上的需求, 需求波动,是比例失调。然后,TSRO模型分别建立了(42- - - - - -44]。

3.2。箱设置两级鲁棒优化(BTSRO)模型

BTSRO模型中,不确定的需求 。根据鲁棒优化理论,TSSO模型进一步转化为BTSRO模型,和不确定参数的定义的域 ,和表示不确定的水平(即参数。,safety parameters), indicating that at most参数偏离标称值(45]。

定理1。框设置不确定参数,当不确定参数不是0,BTSRO模型 相当于在TSSO模型 。当不确定参数是0,BTSRO模型退化为一个两阶段的线性优化模型。
BTSRO模型的第一阶段(17)- (19),这是追求的目标不确定条件下总成本的最小化。 第二阶段BTSRO模型(20.)- (27)的目标追求成本最小化分布的基础上,最大化满足客户的需求。

证明。在随机优化(因此),被认为是随机不确定的数值数据。在最简单的情况下,这些随机数据服从的概率分布是已知的,同时,该分布在更高级的设置,只是部分。这里一个不确定的问题是关联到一个确定的,尤其是与机会约束的问题 ,在哪里 是一个给定的宽容和数据的分布( )。只是部分已知的分布时,我们知道属于一个给定的家庭概率分布的空间数据。上面的设置限制设置所取代。随机优化方法似乎更为保守的比worst-case-oriented鲁棒优化方法。在随机优化模型,模型中参数的概率分布要求高,和经常需要大量的历史数据进行推理和分析。因此,随机优化的可行性不高。我们把它变成一个鲁棒优化模型。集 ,在哪里是不确定参数的数量。模型的参数变化不确定的概率分布不确定组 。最初的概率分布约束形式, (例如, )对所有 ),转化为鲁棒优化形式 (例如, )对所有 ),在哪里是相应的右手约束。所以,定理1是证明。

3.3。椭球设置两级鲁棒优化(ETSRO)模型

ETSRO模型中,不确定的需求和不确定参数属于椭圆体的集合(46]。 根据定义规范,是一个可调节的安全参数。这是一个非线性约束问题, ,在哪里是一个n为对角矩阵元素;然后 。

定理2。设置了椭球不确定参数,当不确定参数不是0,ETSRO模型 相当于在TSSO模型 。当不确定参数是0,ETSRO模型退化为一个两阶段的线性优化模型。
ETSRO模型的第一阶段(28)- (30.),我们的目标是如何追求总成本的最小化的情况下不确定参数服从椭球集。 第二阶段ETSRO模型(31日)- (41),旨在追求一个最小化道路运输成本的基础上最大化满足需求。

证明。它类似于BTSRO模型证明方法。在ETSRO模型中,从概率分布不确定集约束 不确定的健壮的约束 。此外,模型的约束条件是适当缩小, ,和 。对于一般的约束模型,定义 ,在哪里 ,和约束条件 它可以翻译为 。至于是正的,所以它是一个凸的问题。集 , ,在哪里是不确定参数的数量。模型的参数变化不确定的概率分布不确定组 。最初的概率分布约束形式, ,转化为强大的对手 ,在哪里是相应的右手约束。后者被称为原始的强劲的对手不确定问题。
所以,定理2是证明。

4所示。仿真实验

这一节中,验证了该模型的有效性通过仿真解决冷链管理问题。本文选择浙江省冷链公司(中国东部沿海)。该公司从事冷链运输和分销服务。产品是由舟山水产品交易中心运往内陆网站通过中转仓库的需求,如图2。在生产经营的过程中,交通部门面临着车辆位置和路径规划问题。由于产品的易腐性,必须采用严格的冷链技术存储和运输。的基础上,综合考虑相关成本,以下数值模拟进行。

第一阶段是冷藏的位置转移的问题。由于新产品的易腐性,很大程度上取决于冷新技术存储和运输。在运输的过程中,新产品需要整个冷链,一旦暴露在常温或高温环境中,很容易腐烂。在选址、运输成本和方便运输的可行性距离应考虑。因此,定位问题是非常重要的。在本节中,通过筛选,我们选择了杰出的冷藏、米歇利斯冷藏、Liheng冷藏、奉化Xiwu冷藏,冷藏厂替代网站和友谊。他们是由 。第一阶段的目的是确定站点位置和计算的总成本。

第二阶段是路径规划。有5个选择冷转移存储和8个站点的需求。网站是沃尔玛的需求(植物医生商店),沃尔玛购物广场(宁波四明中路店),地铁大润发,家乐福(北仑商店),大润发(南山路店),大润发(香山店),大润发(慈溪店)和家乐福(江东店),表达的 。第二阶段的目标是尽量减少初始分布成本,包括物料搬运成本、运输成本和时间成本。在计算的过程中,运输成本的设置是基于实时的综合计算石油价格和实际距离,甚至涉及到交通拥堵和时间限制等因素。的基础上,综合考虑相关的成本,下面的数值模拟是在这一节中进行。

4.1。相关数据采集

的基本数据信息包括固定运营成本、需求、保护医院的平均车速,指定医院的需求,和车辆速度(表2)。

本节中直接获得通过谷歌地图网站之间的实际距离,如表所示3。vehicle-related参数(表列出4)。

模型的其他参数如下。此外,制冷设备的能源消耗是0.25 L / ht, CO的排放系数₂2.61公斤/ L (41,47,48]。

4.2。两阶段随机优化模型的结果

在本节中,我们使用MATLAB编程平台和使用解决Gurobi (G)和最大化策略(C),分别解决上述模型。两阶段随机优化模型的结果如表所示5。

在TSSO模型中,模型的运算结果受到随机参数的概率分布的影响。在这一节中,选择常见的概率分布进行仿真实验。随着随机参数的平均值的增加( ),显示了一个总成本上升趋势( )。有5个一级救援网站打开。作用于不同的分布,应急管理的总成本也不同。这意味着,在随机模型中,参数的变化直接影响总成本。然而,实际的紧急的情况下,形势的发展经常有很大的不确定性。很难获得足够的历史数据来计算参数的具体分布函数,甚至准确地估计参数的均值和方差,随机优化模型在应急管理的可行性很低。可以从模型的计算效率和性能的比较,两种动力学模型用于解决。Gurobi至少是1.5倍的速度快于最大化策略。显然,Gurobi比最大化策略。发现有一个关系 误差的比较,表明这两个算法是有效的。

4.3。数据驱动的两阶段的鲁棒优化模型的结果

大数据服务平台的存在提供了强有力的保证的具体需求样品之前收集路线规划的价值,所以本文两阶段随机规划问题可以转化为一个更实际的决策问题。

如图3,大数据服务平台为核心,从数据输入一个完整的过程,数据收集,数据分析和处理。其中,数据处理结束扮演双重角色需求数据的收集:一方面,数据处理结束后与大数据服务平台,在可行的权威,直接从平台获取用户的个人数据,戏剧文本挖掘的作用,获得原始数据。另一方面,收集到的数据清洗获取关键参数。

具体的数据处理步骤如表所示6。

通过以上步骤,本文获得的基本示例数据集。拟合区间表所示7可以通过规范的示例数据。间隔的有效性是由样品需求的覆盖率。抽样数据的波动范围参数作为分类基础上,覆盖率是用来测量的优点和缺点。通过MATLAB编程,得到了以下结果。

可以看出,安全参数的增加,两个总成本逐步上升趋势。当安全参数是0,两级鲁棒优化模型相当于两阶段随机机会约束模型。两级套装的鲁棒优化模型,当安全参数从1增加到8,9.23的总成本增加E+ 04至9.48E+ 04元,比上年增长2.71%。在椭球集两级鲁棒优化模型中,当安全参数从1增加到8,9.23的总成本增加E+ 04至9.47E+ 04元,比上年增长2.54%。这些成本上升的成本的鲁棒性。这是发现ETSRO模型更健壮。需求覆盖率,越大的上下界的需求波动,更广泛的报道。当需求波动的上、下界变化从±0.05±0.10,覆盖率从95.90%增加到99.00%。

4.4。基于模型的路径规划方案

从表8可以看出,在TSSO模型中,第一阶段冷存储的位置,和 是选择。第二阶段是路径规划。交通主要的比例 ,分别为37.34%和26.07%的总需求。它负责主要材料供应满足需求的需要。

从表9可以看出,在BTSRO模型中,第一阶段是选择冷藏的位置,和 是选择。与TSSO模型相比,网站数量的增加 。第二阶段是路径规划, 作为主要转运比例,占总需求的36.31%和23.30%,分别以满足所需的所有网站的需求。

从表10可以看出,TSRO模型下的椭圆形集合,第一阶段是冷藏的位置,和 是选择。与TSSO模型相比,新车站是选择。第二阶段是路径规划问题。运输的重心是不同的两个阶段的椭圆形集合。TSRO模型组成 ,分别为36.56%和25.94%。与前两个模型相比,负载的一些网站TSSO模型是太重了。运气的TSRO比例模型更加合理均衡。

经过仔细分析,可以发现分布路线成本是总成本的很大一部分在TSSO模型。虽然这种规划方法能保证稳定供应的材料和满足救援需求,仍然会有一些特定的服务路径规划的问题。例如,长途运输的成本将会增加;造成的迂回运输将交叉分布路径,这将增加成本;主要的救灾点不正确使用,这将导致后续运输成本增加;一旦有实际救援过程的不确定性,它将比需求的波动,更不确定和模型的稳定性和毅力将随机改善两个阶段。通过这种方式,救援物资的物流将面临一些挑战和困难。因此,在生产过程中操作,我们必须制定一个合理的计划,找出一个更好的改进策略。

我们可以看到在图4,最大的两个增加冷转移存储增加了25.9%和12.0%,分别和两个最大减少网站 ,分别−−分别持股11.5%和14.7%。网站的库存的变化直接影响总成本的变化。在网站中转比例增加,BTSRO模型比TSSO模型分配任务。在第二阶段的路径规划,需要更多的分配任务和转运比例增加了8.5%。ETSRO模型相比TSSO模型。在第二阶段的路径规划,交通的比例增加了25.9%。

在网站中转比例降低,在路径规划的阶段,BTSRO模型与TSSO模型相比,和转运的冷藏比例是减少了7.1%。与TSSO模型相比,交通ETSRO模型的比例下降了11.5%。在第二阶段的路径规划,BTSRO模型与TSSO模型相比,和冷藏转移比例下降了12.0%。与TSSO模型相比,在椭球TSRO模型集的交通比降低了14.7%。在第二阶段的路径规划,BTSRO模型与TSSO优化模型相比,和转移的比例减少了12.0%。与TSSO模型相比,在椭球TSRO模型集的交通比降低了14.7%。

在第二阶段的路径规划,交通相对平衡的比例在每个主要的转移中心,和每个指定医院的交通容量和负载压力相对平衡。可以清楚地看到在图5,网站深入腹地,更接近于网站的需求,使路径规划更加合理。与BTSRO相比,ETSRO模型进一步降低的比例长途运输和短途运输的比例增加,特别是在充分利用 。相对而言,服务比例在每个路径往往是短途路线,这熊更少的成本,因此供应材料的比例增加。因此,车载里程更为高效,和运送路线更准确、快捷,更好的优化性能。warehousing-transportation优化需求不确定,TSRO模型是由数据驱动的方法。不确定集包含概率分布函数与平等的第一和第二的时刻。与传统的随机优化模型相比,建立的模型更健壮的数值模拟。

5。参数敏感性分析

本节提供了一个比较分析的每个模型的性能,包括碳税成本和安全的影响参数对总成本和服务水平。模型性能分析的服务水平( )。由于时效性要求较高的材料调度在物流管理中,这一部分比较通过时间差异,分析了不同模型的优点和缺点。的计算如下: 在哪里 在模型中是指标参数。不同参数下的仿真结果如下。

从图6可以看出,作为一个整体,TSRO模型比TSSO模型具有更好的鲁棒性。当每单位碳排放税的成本从0.0增加到4.0,TSSO模型增加了大多数的成本,远远高于TSRO模型。从细节,ETSRO模型比BTSRO更好的优化模型。ETSRO模型的成本增长缓慢,略有增加(+ 2.18%)。碳排放成本的上升将导致总成本的增加。因此,政策制定者可以实现特定的限制策略实现环境效益可持续发展战略的实现。

图7分析了碳税的影响 。总的来说,随着碳税的增加成本,TSSO模型的显示一个下降的趋势,而TSRO模型显示了上升趋势。细节显示有差异的成本上升趋势TSRO模型。相对,BTSRO显示更明显增加的趋势和比ETSRO模型更好的优化性能。

5.1。安全参数及其响应的影响

图8分析安全的影响参数对总成本(固定波动0.15)。可以看出,安全参数的增加,物流配送的总成本在上升。不同的两阶段的鲁棒优化模型有不同的成本增加,而两阶段随机优化模型不受安全影响参数,可以作为一个参考标准。框设置两级鲁棒优化模型增加了成本在最高速度和支付的最大鲁棒性成本提高安全水平。ETSRO模型是最稳定和支付的最低价格由于增加的安全参数。

图9说明了安全的影响参数对模型的服务水平与一个固定的水平的随机波动性( )。总的来说,安全级别的增加,物流服务水平显示了增加的趋势。这个变量可以弥补由于不确定性增加总成本和减轻了服务水平降低的损失由于随机波动。仔细的比较表明,ETSRO模型具有较强的鲁棒性。当安全参数从1增加到8,物流服务水平从85.83%增加到92.97%在路径规划阶段。的性能改进BTSRO模型相对较低,和物流服务水平从85.67%增加到90.16%。物流运输的过程中,管理者必须注意快速响应能力。考虑不确定性,尽管TSRO模型可以给路径规划计划,每个计划的性能和应用范围也不同。因此,决策者必须审查情况,制定最合理的路径规划计划根据当地条件。决策者需要权衡各种目标对疫情的实际情况和趋势,选择理想的选择决策。理想情况下,应该充分利用有限的资源同时最小化一切代价实现成本节约和环境保护。

6。结论

与人民生活水平的不断提高,对冷链物流的需求也在增加。低碳经济也成为物流发展的关键词。

本文从低碳经济的角度,综合考虑固定成本、冷链物流配送路径优化进行了分析。建立低碳两阶段随机优化模型来解决这个问题。两阶段的鲁棒优化模型是进一步构建抵抗不确定性干扰。的实用性、可靠性和稳定性两阶段模型的验证通过新鲜和冷链物流运输企业在中国的东部沿海地区作为一个例子。

仿真结果表明,本文提出的模型可以解决冷链的库存路由优化问题在短时间内低碳物流配送。

这种混合方法使理性的路线规划,降低整体成本和碳排放,保证物流服务的质量。当碳税增加,迫使企业选择一个更好的配送路线将不仅节约成本,而且也获得一定的环境效益。这一发现可以为低碳转型提供一些启迪和冷链物流企业的发展。对于复杂网络分布模型与众多站的需求,本文构造一个目标模型和算法,考虑了公平与效率。

这个模型可以获得路线规划计划在不同条件下的有效时间,更紧密地匹配资本分布的实际情况,并为决策者提供更多的决策选择。本研究有以下限制:这项研究是供应链的前提下,不考虑供应不足的情况。此外,有很多直接销售和直接运输在现实生活中,这可能是未来研究的重点。低碳经济在中国广泛推广。转换的模型提供了理论支持和冷链物流企业的可持续发展。冷链物流是一个复杂的系统,受各种属性的影响。此外,该参数配置在先前的研究尚未完全证实。

未来的研究可以提高该模型和参数配置。的发展冷链物流信息化是物流行业发展的最新趋势。

数据可用性

没有数据被用于这项研究。

的利益冲突

作者宣称没有利益冲突。