本专题小编共整理了3篇文章，来自国家农业信息化工程技术研究中心、广西大学、河北农业大学等单位。
文章包含雏鸡配送车辆调度优化模型、生鲜农产品配送路径优化模型、多目标蔬菜运输配送路径优化算法等内容。供大家阅读、参考。
Topic–Intelligent Management and Control of Agricultural Product Logistics
[1]陈栋, 陈天恩, 姜舒文, 张驰, 王聪, 鲁梦瑶. 基于订单位置聚类的雏鸡配送车辆调度优化模型[J]. 智慧农业(中英文), 2020, 2(4): 137-148.
CHEN Dong, Tian’en CHEN, JIANG Shuwen, ZHANG Chi, WANG Cong, LU Mengyao. Optimal model of chicken distribution vehicle scheduling based on order clustering[J]. Smart Agriculture, 2020, 2(4): 137-148.
摘要：为解决大型禽业企业物流订单位置跨度大、配送车辆调度工作人工参与度高、雏鸡配送成本高的问题，本研究结合车辆路径优化问题求解思路，提出了基于订单位置聚类的雏鸡配送车辆调度优化模型。模型通过引入K-means聚类算法，实现了基于订单位置的配送单元划分方法，并基于肘部法则与轮廓系数法设计了自动化订单位置聚类流程，实现了订单配送单元的自主式划分。在划分的各组订单基础上，以配送成本最优作为目标函数，建立雏鸡配送车辆调度优化模型，并结合改进的遗传算法进行求解。研究采用北京某禽业企业实际订单数据，对订单未聚类情况下的整体调度优化与聚类分组情况下的调度优化两种情况的结果进行了对比分析，结果表明订单聚类分组情况下，优化模型使配送车辆平均每天总里程比订单未聚类情况降低69.84%，可以得出，加入聚类算法的订单分组优化更适合实际订单位置跨度大、订单数量多的车辆调度场景。基于以上研究，研发设计了适用于雏鸡配送的车辆调度优化服务系统，实现了订单自动化聚类、配送车辆调度优化、定制化模型服务等功能，通过模型的实际应用，达到了为禽业企业提供智能化配送车辆调度优化服务的目的，切实提高了企业运行效率，降低了企业配送成本。
知网阅读
[2]刘思远, 陈天恩, 陈栋, 张驰, 王聪. 时变多车型下的生鲜农产品配送路径优化模型[J]. 智慧农业(中英文), 2021, 3(3): 139-151.
LIU Siyuan, CHEN Tian’en, CHEN Dong, ZHANG Chi, WANG Cong. Time-varying heterotypic-vehicle cold chain logistics distribution path optimization model[J]. Smart Agriculture, 2021, 3(3): 139-151.
摘要：针对农业供应链的运输环节中生鲜农产品配送模型存在的速度恒定、碳排放计算方法单一的问题，本研究结合路网时变特征和新的多车型碳排放计算方法，提出了考虑配送距离、多车型碳排放量、货物损耗和车辆固定成本等4个优化目标的生鲜农产品配送路径优化模型；并根据模型特点提出了一种改进的双策略种群协同蚁群算法（Double-Strategies Co-Evolutionary Ant Colony System，DC-ACS ）。利用改进蚁群算法对Solomon数据集的C105算例进行了求解，在4个优化目标上分别取得最优解为937.94 km、4961.48元、4081.78元和7500.87元，证明了本研究提出的模型的有效性。在模型有效的基础上，通过试验结果证明，改进蚁群算法比基本蚁群算法在4个优化目标上的配送总成本平均降低幅度超过14%，证明改进蚁群算法更具有优越性。使用改进蚁群算法对集中、随机和混合3种不同分布的大规模算例进行求解，3种分布上分别求得最优总成本为19,939.53、24,095.00和24,397.58元。综上所述，所提模型和算法可以为冷链物流企业的城市配送路径决策提供良好的参考依据，对完善智慧农业供应链的配送路径优化模型和优化方法提供了新的思路，为企业进一步扩大规模提供了参考。
知网阅读
[3]王芳, 滕桂法, 姚竟发. 带时间窗的多目标蔬菜运输配送路径优化算法[J]. 智慧农业(中英文), 2021, 3(3): 152-161.
WANG Fang, TENG Guifa, YAO Jingfa. Multi-objective vegetable transportation and distribution path optimization with time windows[J]. Smart Agriculture, 2021, 3(3): 152-161.
摘要：为了解决蔬菜运输耗时长、成本高、保鲜时间短，导致送达到客户手上蔬菜质量降低等问题，在考虑了车辆载重和时间窗等约束条件下，本研究提出了一种带时间窗多目标蔬菜配送路径优化的遗传-模拟退火（Genetic Algorithm and Simulated Annealing，GA-SA）算法。在遗传算法（Genetic Algorithm，GA）操作过程中引入模拟退火（Simulated Annealing，SA）算法自适应（Metropolis）接受准则：首先将原始种群进行遗传算法的选择、交叉、变异等操作，形成新一代路径种群，此时通过引入Metropolis准则，对新一代路径种群分布情况进行修正、选择、交叉、变异，得到目标路径种群，达到全部车辆配送完返回到配送中心的耗时最少、成本最低、车辆使用最少的多目标，求得蔬菜运输的最优路径。设计以保定市为配送中心以及向保定市下辖的各个乡镇为配送点进行蔬菜运输路径优化的试验，结果证明，与传统的GA、SA相比，GA-SA能够有效增快其收敛速度，优化后的配送路线总成本分别降低了约23.7%和4%，总路程分别减少了22.6%和3%，耗时分别减少了26.2和2.6 h，车辆分别少使用2辆和1辆。本研究可为冷鲜食品以及其他运输路径优化研究提供参考价值。
知网阅读
微信交流服务群
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。
入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
信息发布
科研团队介绍及招聘信息、学术会议及相关活动的宣传推广
