近年來,我國冷鏈物流快速發(fā)展,帶動了市場經(jīng)濟發(fā)展,但也對環(huán)境造成了一些負面影響。因此,我國大力倡導綠色物流發(fā)展,本文從綠色物流的角度出發(fā),將綠色物流、冷鏈物流、車輛路徑優(yōu)化三個主題聯(lián)合起來進行研究。通過構(gòu)建綠色角度下的數(shù)學模型,對冷鏈物流的配送路徑優(yōu)化進行研究,不僅可以降低冷鏈物流配送過程中的污染物排放,還可以降低冷鏈物流企業(yè)的配送成本。本文首先分析冷鏈物流的概念及特點,為了評估冷鏈物流對環(huán)境的負面影響,建立了冷鏈物流配送過程中的綠色參數(shù)體系,定量給出了載貨汽車燃料消耗量、制冷劑消耗量及污染物排放量的計算模型。然后構(gòu)建了綠色視角下的生鮮農(nóng)產(chǎn)品冷鏈物流配送路徑優(yōu)化模型。從資源節(jié)約和環(huán)境友好兩方面考慮,分析了冷鏈物流配送過程產(chǎn)生的各項成本,包括載貨汽車的使用成本、運輸能耗成本、制冷成本、時間懲罰成本和污染物排放成本。其中,污染排放成本包括氣體污染物排放成本和固液態(tài)污染物排放成本。在此基礎上,構(gòu)建以綜合成本最小為目標函數(shù)的冷鏈物流配送路徑優(yōu)化模型。最后設計了K-Means聚類和改進模擬退火算法的兩階段算法,對模型進行求解。通過實際案例比較分析綠色視角和不考慮綠色視角兩種情況下的配送路徑優(yōu)化,...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 綠色車輛路徑優(yōu)化問題國內(nèi)外研究現(xiàn)狀
        1.2.2 冷鏈物流配送路徑優(yōu)化問題國內(nèi)外研究現(xiàn)狀
    1.3 研究的主要內(nèi)容和技術(shù)路線
        1.3.1 主要內(nèi)容
        1.3.2 技術(shù)路線
第2章 相關理論及方法
    2.1 綠色視角下的冷鏈物流相關理論
        2.1.1 冷鏈物流的概念
        2.1.2 適用領域
        2.1.3 冷鏈物流的特點
    2.2 車輛路徑優(yōu)化方面的相關理論及算法
        2.2.1 車輛路徑優(yōu)化方面的相關理論
        2.2.2 車輛路徑優(yōu)化求解算法
    2.3 本章小結(jié)
第3章 綠色視角下的配送路徑優(yōu)化模型設計
    3.1 配送路徑優(yōu)化模型設計的前提
        3.1.1 綠色參數(shù)的確定
        3.1.2 綠色參數(shù)的計算方法
    3.2 問題的描述與假設
        3.2.1 問題的描述
        3.2.2 模型的假設
    3.3 綠色視角下的冷鏈物流配送路徑優(yōu)化模型構(gòu)建
        3.3.1 模型符號與參數(shù)
        3.3.2 目標函數(shù)的建立
        3.3.3 優(yōu)化模型構(gòu)建
    3.4 本章小結(jié)
第4章 兩階段求解算法設計
    4.1 基于K-Means聚類算法的配送區(qū)域劃分
        4.1.1 K-Means聚類算法劃分配送區(qū)域考慮因素
        4.1.2 K-Means聚類算法的步驟
    4.2 改進的模擬退火算法設計
        4.2.1 模擬退火算法的優(yōu)點
        4.2.2 模擬退火算法的構(gòu)成要素
        4.2.3 模擬退火算法算法的改進
    4.3 兩階段算法的實現(xiàn)過程
    4.4 本章小結(jié)
第5章 綠色視角下冷鏈物流配送路徑優(yōu)化案例分析
    5.1 案例概述
        5.1.1 企業(yè)概況
        5.1.2 企業(yè)主營業(yè)務
    5.2 配送路徑優(yōu)化過程
        5.2.1 初始狀態(tài)確定
        5.2.2 初始狀態(tài)種群的確定
        5.2.3 模型參數(shù)設定
        5.2.4 案例求解
    5.3 優(yōu)化效果對比
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點
    6.3 展望
參考文獻
附錄A
在學研究成果
致謝



本文編號：3851181