【S连锁药店配送路径优化的实证探究13000字（论文）】

绪论1.1研究背景及意义目前“健康中国”已上升为国家战略，现代社会也越来越重视自己以及身边家人朋友的健康，不同于非处方药购买的限制低，处方药作为国家管制药品购买存在一定的要求。而连锁药店以更便利高效的为周边居民提供医药服务为出发点，其末端配送路径的优化具有一定的研究背景以及意义价值。1.1.1研究背景连锁经营在我国当前作为已非常常见且流行的一种经营模式。医药零售连锁行业的发展时间较短，但结合我国经济发展国情，其扩张速度较为迅速。随着医学水平的进步，医药零售连锁行业发展前景更具优势[1]。且在2020年依然在稳步增长。尤其在经过新冠疫情的侵袭期间，线下零售连锁药店更是发挥了其成本、物流、网络和信息等各个方面的优势，通过其统一的物流中心进行配送，在药店进行销售。药品物流配送就像连接生产和线下销售的血管，实现将药品从“物”到“商品”的转换，从它的物品价值进一步转化为经济效益的过程。其配送效率也关系着线下药店药品的到货率，进一步影响着服务质量、成本。当前连锁药店凭借其强大的网络辐射能力，服务于周边居民，保护其免于病毒侵袭，保卫人体健康。在此情况下如何发挥物流配送的优势，及时高效的将药品运达线下连锁药店当中是受到人们的关注和重视，其作为整个物流体系的终端，决定着客户对该企业物流系统服务的满意程度。路径优化问题也正是车辆运输管理过程中会面临的重要问题，与连锁药店的销售，以及扩大连锁选址都紧相连，举重若轻。都对连锁药店末端物流配送的研究，实现其路径的优化是本文的研究目标。1.1.2研究意义而在当前连锁药店已成为一种普遍存在的商业模式的情况下，想要提升自身的竞争力必须要从多方面入手，药品流通配送作为中间环节，发挥着重要作用。上联系着生产制造供应商，完成药品供应，下连接着实体药店，关系着药品的进一步销售，完成药店盈利的闭环。通过对当前连锁药店末端配送路径优化，抓住这份成本蛋糕创造机遇，让药品配送线路更加合理，节约物流运输成本，帮助连锁药店成本优化，提升服务质量，优化自身的物流配送体系，使得物流配送更加高效，更好，更快地到达实体商店，实现药品从配送中心的“最优化”转运。提升了辰欣药业公司的分销能力和市场影响力。本文的目的是希望进一步缩短药品运送时间以及送货的距离，满足客户及时性的要求，其意义具体体现在以下几个方面：第一，通过结合当前药店处方药的物流配送实际情况，对近年物流配送理论方法研究，建立相关物流配送路径优化的模型，解决降低配送时间、油耗、司机工资等相关问题。同时优化后的物流配送路径也可以进一步缓解配送中心周边的交通压力。第二，将物流路径所需车辆经过合理的配送路线规划，方便企业进行进一步的道路管理，制度统一，方便车辆正规监管，更有利于道路安全以及药品安全。第三，优化配送路径对于提升辰欣药店企业的配送效率，减少能耗，降低成本，促进产能转换，扩大市场份额影响力，自身发展都具有非常重要的作用，因而物流的配送优化问题对于企业来说都具有重要意义和价值。1.2国内外研究现状物流配送的路径优化，即VRP问题（VehicleRoutingProblem）,VRP问题在实际生活中得到非常广泛的使用，同时也是非常具有意义和价值的利用，因此许多的学者都根据这个问题提出了相应的解决算法和模型。国外学者对这方面的问题起步更早，国内由于物流概念引入较晚，因此还不能达到国外一样成熟，但随着当前电子商务在国内的蓬勃发展，近些年来在物流配送路径优化问题的研究也渐渐深入，取得了很多优秀卓越的成果。1.2.1国外研究现状许多的专家和学者都致力于求解最短路径这一问题的研究，并提出了自己的算法。Clarke与Wright(1964)针对当时由Dantzig和Ramser两位学者提出的VRPTW问题的模型算法求解实施进一步的研究，经过研究他们提出了更为有效的启发式算法节省法（SavingMethod），用此方法来求解车辆调度巡回的问题[2]。ManishShukla(2013)提出了一种基于多目标遗传算法的带时间窗的车辆路径问题（VRPTW）。通过设计一套满足多种约束路线，以（仅一个仓库，车辆有限的容量，时间窗口）的异构需求。提出了一种基于遗传算法NSGAII（非主导排序遗传算法II）和BCRC算法（最佳成本路径交叉）的混合解决方法[3]。SanaFrifita(2020)从运筹学角度出发考虑了车辆路径问题一个新的变体，称为，它具有时间窗，时间依赖性（同步，优先级和析取），这个新的变体是对带有时间窗和同步约束（VRPTW-S）的车辆路径选择问题的扩展，提出一种混合整数规划方法，并进一步提出了三种可变邻域搜索方法[4]。NasriMehdi(2020)深入研究时间窗的车辆路径问题其中两个不确定的因素：服务时间和行驶时间。在算法上通过采用大邻域搜索启发式算法，来实现最终结果的最优解。在减少运行时间和缩小行驶路径距离之间，寻找中间方案[5]。Gocken(2020)提出解决方案技术包括三个步骤：聚类，路由和优化。在遗传算法的初始种群生成产生的阶段，通过使用K-means，基于质心的启发式，DBSCAN和SNN聚类算法，将客户进行可行性分类。对于可行的种群对象构建可行的路由。冰晶可行的路径建立初始种群，运用遗传算法进行优化[6]。1.2.2国内研究现状徐廷学（2019）将量子计算的理念与方法融入蚁群算法,在搜索的过程中添加量子比特启发式因子,使用局部信息素更新和全局信息素更新相结合的信息素更新方式,全局信息素更新添加了量子旋转门的新模式.并使用2-opt搜索对结果进行进一步的探索,扩大搜索的范围,增加了得到最优解的概率.使新建立的量子蚁群算法能够实现对模型更加高效的求解[7]。刘昌生（2019）采用随机机会约束规划理论构建了VRP的随机机会约束规划模型,并将顾客满意度函数作为首要的约束条件体现在模型当中[8]。张建同（2019）用分段函数表示不同时间段下的车辆行驶速度,并解决了速度时变条件下行驶时间计算的问题.针对模拟退火算法(SA)在求解VRPTW问题时易陷入局部最优解,变邻域搜索算法(VNS)在求解VRPTW问题时收敛速度慢的问题,提出了一种改进的算法，变邻域模拟退火算法(SAVN),使算法在退火过程中一陷入局部最优解就改变邻域结构,更换搜索范围[9]。吴斌（2020）提出一种密度峰值聚类(densitypeakclustering,DPC)与遗传算法(geneticalgorithm,GA)相结合的新型混合算法(densitypeakclusteringwithgeneticalgorithm,DGA),求解带时间窗的车辆路径问题.首先应用DPC对客户进行聚类以缩减问题规模,再将聚类后的客户用GA进行线路优化[10]。张景铃（2020）为对逆向物流这个问题进行多角度分析，同时降低物流配送成本,将配送运输货车辆行驶路径问题为对象,建立数学模型。在算法的高阶,利用基于禁忌搜索分析的选择策略及模拟退火的接收准则,对低阶层启发式算子进行实时地观测并对其的性能性能进行分析根据结果来选出最优算子[11]。蒋丛萃（2020）基于当前物流电商环境下寻找物流配送路径最优的问题,选择构建一种基于大数据的新型算法模型。通过对重量指数、时间窗口指数、时效指数、总路径指数五方面建立物流配送路径优化多目标函数，在最后选择设置配送目标权重,结合电商物流中影响因素以及在不同情况下其需求情况，根据算法得出最佳优化路径[12]。罗梓瑄（2020）考虑到物流车辆调度的实施应用问题的重点，也就是配送路径优化的问题。在完善车辆路径的约束条件后,建立多目标优化算法模型，基于蚁群算法进行求解,具有非常强大的全局搜索能力,对实际问题进行算法分析，通过运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案[13]。

李常敏（2020）考虑到普通带时间窗约束的车辆路径问题(vehicleroutingproblemwithtimewindows,VRPTW)模型不能真正反映顾客对时间的偏好,故在车辆路径优化模型的基础上,结合顾客时间满意度函数,同时放松需求点经过即被服务的约束限制,允许多次经过同一需求点的情况发生,而需求点只能被同一辆车服务一次,建立了基于顾客时间满意度的车辆配送(vehicleroutingproblemwithsatisfaction,VRPWS)模型[14]。李晶和邵倩（2020）以医药物流客户满意度最大和总成本最低为目标,建立了考虑多模糊时间窗的车辆路径问题优化模型.引入多模糊时间窗来评价客户在可以忍受送达时间段和期待送达时间段的满意度.运用遗传算法对模型求解,该模型亦适用于满足相应约束条件的类似行业的供应链优化[15]。朱泽国（2021）基于当前车辆道路行驶时间并不确定的情况，为解决路径优化问题，建立行驶时间和行驶路程的多条件模型、进行时间窗约束,并且在此基础上提出多目标进化遗传算法求解。在该算法与链表思想的联系结合分析,解编码时采用多染色体针对子染色体和母染色体，选择在算法构建的过程当中分别设计交叉算子[16]。1.3研究内容和方法1.3.1研究内容本文以辰欣药业其下的辰欣药店为例，结合处方药常见用于常温配送的情况背景下，针对其在配送中出现的车辆路径问题进行重点研究，在车辆载重、时间、客户量被限制和制定地点的情况下，建立VRP模型，然后基于节约里程法对末端配送路径进行优化计算，通过前后的数据对比进一步分析，降低配送成本，提升效益。本文的研究内容如下：第一部分，简要陈述了本次课题的研究背景，研究意义、目的以及方法，涉及到的理论基础进行简洁描述，将国内外的研究现状资料进行研究整理，以近几年的物流配送现状实例作为研究基础。第二部分，对辰欣药业的线下连锁药店末端配送出现的问题进行整理，简述了连锁药店药品配送业务内容和配送模式，分析连锁药店药品末端配送的路线和车辆调度情况，发现了辰欣连锁药店末端配送路径的不合理，配送成本高等问题。第三部分，对辰欣连锁药店药品末端配送路线进行优化研究，首先针对问题建立VRP模型，然后通过基于节约里程法对数据进行优化计算，利用前后数据对比分析，提升了连锁药店药品配送利润。1.3.2研究方法本文的研究通过阅读大量文献资料，为确保论文的准确性、科学性，时效性,主要采用以下几个方法：（1）资料研究法：通过线上数据资源，图书馆查阅，报纸期刊等方式途径，大量、广泛阅读学术论文，书籍，报纸，问卷调查总结等。参考学习当中有价值的数据以及解决问题的方法思路。（2）实地考察：通过在连锁药店进行问卷调查了解，对搜集到的信息数据进行分析整理，将末端配送路径相关问题因素总结归纳分类。（3）定量分析法：通过最近三个月的公司物流数据结合运筹学相关知识，运用节约里程法和扫描法进行分析计算，对比得出优化路径方案。

2相关理论概述2.1连锁药店、物流配送与特点2.1.2连锁药店处方药配送连锁药店是指在一个总部中心的情况下进行统一管理，通过对分散的单体药店建立统一规范的管理制度，服务规范以及完整的信息数据管理体系来实现这一目标，连锁药店的连锁方式包括通过共同进货或者选择加盟等，经营管理的目标是实现统一化，标准化，规范化，在相当一定程度上将独立的，分散的药店联合起来，形成范围更广、规模更大的经营，提升市场占有率。处方药是指需要具有行医资格有开药权的医生开具处方，并且需携带处方才能购得的药品。处方药具有一定毒性对身体健康有一定程度的影响，因此相较于非处方药，处方药管制更为严格。处方药包括刚刚上市还未明确其毒性及对自身作用的新药、具有成瘾依赖性的药物（例如吗啡，安眠药等）、毒性巨大抗癌药物、某些疾病的特效药。为了自身健康着想，医生要求患者必须到正规医院或正规药店去购得药品。2.1.2常温配送及路径化优本文针对处方药品的路径优化，考虑到处方药绝大多数都是常温保存运输，因此本文对处方药的配送路径优化基于常温配送，区别于冷链物流配送对温度，设备要求更高，物品不易保存等特点，常温物流配送简单来说就是实现物品在常温下物流配送，运输转移，一般运输工具为厢式货车。路线优化就是通过在多条选择路线中寻找最优的路线，达到线路最短时间以及成本最低的规划目标。物流配送成本作为行业企业物流成本支出的重中之重，而配送路径优化则是配送成本优化的核心。在一般的有约束条件下的物流配送路径优化，常常需要建立服务时间，行驶路程等多目标的函数，结合相关路径优化的算法进行，建立模型，结果求解。路径优化的目标是在一定的约束条件下，实现服务时间最少，路线距离数最短，配送成本支出最低的目标。2.2配送路径优化方法结合先前国内外专家的研究，已经建立了很多关于求解路径优化问题的算法模型，大概分为以下几种：（1）系统仿真法（Simulation）在1986年由Golden和Skiscim提出，可以凭借网络计算机技术合数学算法模型，对物流系统进行建模求解，因此常常被用于行车路径的选择以及配送中心的选址规划。它最大的优点体现在不需要真实设备进行操控安装，实施，运转，就可以非常直接观察验证例如：设备设置是否合理，设计方案的参差，方案实施给公司带来的效益等等。但正因为是预演预测，与现实生活相比存在着一定的偏差，具有不确定性，仿真程序的逻辑转换存在相当大的难度。（2）人机互动法其是由Bodin在1983年提出，他描述称：人机互动法是将计算机的思维与人类经验、直觉、专业能力结合在一起，进行问题求解形成的一种算法。在算法使用中，可以充分将使用者的经验、直觉和专业能力作为算法计算过程中考量因素，按照算法公式进行求解，可以非常清晰看到各种因素、替代关系对结果产生的影响变化过程。（3）精确解法（ExactProcedures）该算法源于数学领域，用此来求出最优解。其中包括动态规划法、分枝定界法和切平面法等数学算法。然而精确算法在计算时会产生大量数据，并且与问题因素成正相关，问题涉及因素越多计算量会随指数增长，因此在实际应用上精确算法会受到一定的限制和影响。（4）启发式算法相比较于以上三种方法，学者们将重心主要放在了启发式算法以及相关的模型构建上。它包括禁忌搜索算法，遗传算法、模拟退火算法和蚁群算法。这种算法在进行运算时可以在确定的条件下求解最优解的近似值，只是局部的最优解而并不是全局最优解。对于车辆路径规划的启发式算法求解目前比较常见的就包括节约法、最邻近法、插入法和扫描法等。（5）智能优化算法（IntelligentOptimizationalgorithms）智能优化算法也被人们称为现代启发式算法，是对启发式算法的进一步发展，联系到生物，人工智能，物理，数学等许多领域产生了更多新的方向和角度。但目前智能优化算法解决问题的约束条件还比较的局限，常见的组合优化例如旅行商问题都利用该算法得到了进一步的解决和优化。2.3节约里程法2.3.1节约里程法的概念节约里程法作为启发式算法的一种，它又被称为节约算法或节约法，常常被人们用来解决运输车辆数量问题。基本思想是利用运输路径当中回路的合并达到总路程优化程度最大。当配送中心以及各个客户位置确定的情况下，在满足运载要求，送货时间，客户需求的基础上，达到总路径最短，获得最佳的配送路线。2.3.2节约里程法的核心思想节约里程法核心思想是将路径中对回路的合并，基于三角形的两边之和大于第三边的性质原理，使得回路合并后的总运输距离减小。在车辆载重限制约束条件下，依次装车，达到配送装载的优化。2.3.3节约里程法的基本条件基于节约法确定配送路线，除了需要明确配送中心的存储能力，各个用户的需求，配送中心到各个用户以及各个用户之间的距离。在次之外需满足以下基本条件:（1）所有用户的要求；（2）任何一辆车不可以超载；（3）每辆车每天的行驶里程或总运行时间不超过规定的最大值；（4）用户要求的到货时间。3辰欣药店现状及问题分析3.1辰欣药店概况辰欣药店是一家位于山东省具有四十年药品生产制造历史的辰欣药业公司自营的连锁药店。辰欣药业是一家将药品的研发、生产和销售集合一体化，且以生产化学药品制剂为主的综合制药企业，前身是济宁第三制药厂，当前公司共有四个工业园区，占地面积约两千亩，员工3700人，其中专业技术人员1000余人，总资产达60亿元。2020年上半年，公司实现营收16.58亿元，利润总额1.96亿元。辰欣药业在物流领域与第三方医药物流平台科箭WMS云合作进行合作，其为辰欣药业物流管理提供从生产、仓储到运输全方位的药品管理。辰欣药业公司当前的药品销售模式分为直销和分销两种。直销主要是服务并面向于零售药店和医院等客户。在这种模式下，公司按照签订的销售合同将药品由从配送中心运输到指定客户点，开发票并收取货款。经销模式面向的客户主要包括像医药公司的医药流通企业。在经销模式下，公司双方根据签订的销售合同将药品销售给医药流通企业，再由医药流通企业完成对与终端客户的药品分销配送。3.2辰欣药店业务现状的分析3.2.1药店运营情况辰欣连锁药店作为辰欣药业之下的自营连锁药品销售平台，在山东共有68所门店，其药品流通行业一直位于第一梯队，紧密结合各个地区的发展情况，进行扩店创造营收，发挥连锁优势，发展自己的经营特色以及扩大市场占有率和影响力。建立线上管理系统，采用会员制，扩大受众，为居民提供药品购买服务。受到疫情影响，辰欣药店在药品销售除外的方面积极求变，在不断提升服务质量的同时，积极建立线上平台。相比于很多药店在经营时常常为了扩大受众面而选择进行更多元化的经营，在药店里增加化妆品、食品、日常用品等商品，使得药店的专业品牌度降低，辰欣连锁药店一直坚持初心，设立专业的医师进行医学服务指导，帮助其进行科学有效购药，同时辰欣连锁药店利用其线上会员体系为会员提供打折优惠促销服务，吸引顾客购买，发挥药店位置优势将自身优势与周围环境，客户需求相结合，获得稳定的客源。3.2.2辰欣药店业务现状药店店长药店店长销售部人力资源部财务部业务部信息部促销员导购员收银员员工招聘培训药师后勤会计出纳采购员仓库管理员信息管理员信息维护图3-1辰欣药店业务现状图3.2.3辰欣连锁药店配送现状当前连锁药店所在地分布在济宁市区任城区周边8个县市，包括鱼台县、邹城市、曲阜市、兖州区，嘉祥县，微山县，汶上县，编号如表3-2-1表3-1辰欣连锁药店编号药店任城曲阜兖州邹城鱼台微山嘉祥汶上编号ABCDEFGH目前辰欣药店在济宁任城郊区建有物流配送中心，物流配送根据当前连锁药店的规模、数量、各门店对药品需求量来进行规划配置。作为自营连锁药店，辰欣药业的药品从总部物流配送中心进行直接供货，对于其他合作的供应商也是先直接向中心配送中心进行供货。在配送中心有专门的配送车队来负责从中心到区域的门店供货，配货中心一般对其下药店一星期供货一次，保证药品资源的合理分配，有效配置。物流配送包括常温配送以及冷链配送，然而基于当前处方药绝大部分都可以进行常温保存以及运输，因此本文研究的处方药配送运输为常温下的物流配送服务，运输条件更为宽泛，车辆为带有湿温度监控的厢式货车。辰欣药店有专门的药品线上管理系统，对药品的进出库，售卖等进行数据分析，并进一步做出规范管理。对于需要补货商品能够及时提醒，提升进货效率。下图为配送中心周边区域连锁药店所在分布图3-2-2。图3-2辰欣连锁药店地区分布图3.3辰欣药店处方药配送存在的问题及分析3.3.1配送路径不合理结合近几年辰欣连锁药店发展趋势，其在短时期内门店迅速扩张，导致其业务量也急剧攀升，因此在处方药等药品的常温物流配送路径与冷链物流配送路径的选择上存在滞后性和差异化，缺乏专业的统筹管理。因为有八个不同的目标点，因此甚至会出现车辆从配送中心出发时，一个路线有多辆车进行运输的情况，同时附近县市高速公路的修建，其实是为车辆运输提供便利，但是公司没有重视道路的改建，导致不能及时变化，路径规划存在滞后不合理的情况发生。同时因为运输的路径长，使得路线的回路里程和配送总里程都比较长，导致配送的时间也会增加，从而在运输过程中信息的传递也会存在滞后性，可能会出现相关信息的不对等，沟通的不便。3.3.2配送成本高配送成本在企业成本占据重要部分，然而配送路径的不合理正直接导致了配送成本的提高，同线路多辆车同时运输的情况，进一步使得处方药品在运输过程中车辆油耗以及司机人力成本的支出增加。其次配送路径的不合理对于车辆的损耗也会加剧，设备的报废耗损成本增加。这几个方面累加会明显进一步提高配送成本3.3.3满载率不高辰欣药店处方药配送车辆满载率的问题与配送装货环节息息相关，一般物流配送中心对于处方药品的配送是相对准时准点，时间大约是一周一次。尽管药品物流配送中心的要求会是保证车辆满载，但是各地区处方药品的需求量存在差异化，因此部分线路的车辆不可避免会存在满载率过低的情况。这种点对点配送模式导致配送满载率较低，也会使得运输的货车司机存在积极性减弱，监管的放松，责任心降低，因此对于物流配送路径的优化更加紧急。

4辰欣药店末端配送路径优化研究4.1VRP问题概述4.1.1辰欣药店末端配送路径VRP模型根据辰欣药店当前配送数据资料建立VRP模型，当前该VRP模型由一组Ｖ表示的车辆给出，一组客户Ｃ和有向图G=(V,C)。此图有8个顶点，其中客户表示为A,B,C，．．．，ｎ，配送中心由顶点P和n+1来表示。该模型的目标包括减少车辆的数量，而且还要减少车辆形式的总时间，等待时间和车辆行驶总路程。由A表示的弧线表示配送中心到药店之间以及药店之间的连接。没有弧种植在顶点O，同时没有弧源于顶点n+1。对于每一个弧（i,j）,其中i≠j,关联成本Cij和tij,这可以表示包括药店的配送服务时间。每辆车的容量为q，每个药店的需求为di.每个药店有一个时间窗口[ai,bi].车辆必须先到达药店。她可以在ai之前到达，但是客户在这之前不能获得服务。配送中心也有一个时间窗口[a0,b0]。车辆在a0之前不可以离开配送中心，并且必须要保证在bn+1之前或之后返回。假设q,ai,bi,di,cij是非负整数，而tij设定为正整数。假设Cij和tij都满足三角不等式。这个模型包括两组决策变量xijk和Sik。对于每个弧（i,j）,其中i≠j，i≠n+1，j≠0并且每一个车辆k本文定义xijk=1，当且仅当最优解弧（i，j）由车辆k全部经过且等于0时。为每个顶点i和每个车辆k定义决策变量Sijk，并表示时间车辆k开始为药店i服务。如果给定的车辆k不为药店服务，那么Sijk则没有意义。对于所有k,文中假设a0=0，因此Sijk=0。本文的目标是想要设计一组最小的成本路线，每个车辆一个，每个药店只访问一次，并且保证每一条路线从顶点开始到顶点n+1结束，并观察时间窗口和容量限制。在数学上以上可以表述为：mink∈vi∈i∈Vxij=1∀jj∈Vxij=1∀j∈V i∈VxiO=K j∈VxjO=Ki∈Sj∈Sxij≥rSxij∈0,1∀i,j∈V公式（4.2）和（4.3）分别表示刚好有一条弧线并且恰好有一条弧线离开与药店代表的顶点。公式（4.4）和（4.5）则说明离开配送中心的车辆数量与进入的数量相同，公式（4.6）则代表载重容量的消减约束。2|V|之间的任意约束实际上是根据剩下的2|V|-1个元素所确定的，因此可以被整除。S作为药店集合所代表每一个元素都被不少于r(s)的弧线交叉（S则代表所需最少的车辆数），可以通过将载重削减约束转化为子约束获得替代公式。i∈Sj∈Sxij公式（4.8）表示至少r(s)条弧从S发射出来4.1.2配送问题描述该连锁药店药品末端配送车辆路线问题，也是人们常常提到的“旅行商问题”，各个地区之间的距离是已知的，如何走才能使得在每一个地区停留一次后再回到最初地点行驶的总里程数最短。因此问题的关键在于选择行驶的最佳路线方案。在问题解决过程中需要注意以下几点：1、提供车辆的数量上应该尽可能的降低；2、行驶所需时间以及车辆载重变化差异最少；3、选择最优路径的方案应该建立在节约时间、提升服务质量上。各个地区的药品需要从总部物流配送中心进行统一配货，当前的目标药店的配送路线为：路线一（A），路线二（B-C）,路线三（D-F-E），路线四（G-H）有1辆载重20吨、3辆载重10吨的货车，载重10t的车辆油耗为每百公里耗油35L,载重为20t的车辆油耗为43L,同时按照当前柴油价格为6.41元/升，货车司机每天400元。配送中心到各地区连锁超市以及地区连锁药店之间的距离如图4-1-2-1。各个地区一周医药品平均需求量如表4-1-2-2。H 52HCC 49 23 22 27.8B 20 45.6BG 30. 48.2 30.2GP 43.5 25PD 24 49.4 DA 11.8A 24.4 68F 32F 55 64.1 E 47E图4-1配送中心到各地区连锁超市以及地区连锁药店之间的距离表4-1各个地区药店一周医药品平均需求量区域药店ABCDEFGH均需求量（吨）137326124模型目标：确定药品配送所需车辆数量以及类型、司机数量、行驶路程，并将这些车辆合理分配行驶回路，确保其总的行行驶运输总费用最小。约束条件：出于对驾驶员安全的角度考虑，避免疲劳驾驶，全程驾驶的总时间不能超过其一天最大工作时间，当运输里程超过150公里，为应对突发事件以及里程过长造成的安全问题，需要配备2名司机，同时车辆当天必须返回公司。每一辆车完成运送任务之后必须回到原点P。每辆车运载重量要遵守规定，不得超载。4.2运用节约里程法优化路径本文运用节约里程法对末端配送路径进行优化:第一步：计算各个区域药店之间最短的距离。根据上表4-2-1当众配送中心到各个药店的距离以及各个药店之间的距离，计算出最短配送距离矩阵，如下表4-2-1表4-2最短配送距离矩阵（单位：千米）编号配送中心任城A曲阜B兖州C邹城D鱼台E微山F嘉祥G汶上H配送中心011.830.245.649.464.124.443.571.2任城A0426661.25536.22473曲阜B027.82594.354.669.879.8兖州C052.8109.7704252邹城D0793292.9104.8鱼台E04768117微山F067.995.6嘉祥G049汶上H0第二步：从最短配送距离矩阵当中，计算得出各区域药店之间配送路径节约距离，如下表4-2-2所示。表4-3各区域药店之间配送路径节约距离（单位：千米）编号ABCDEFGHA000020.9031.310B04854.6003.921.6C042.20047.164.8D034.541.8015.8E041.539.618.3F000G065.7H0第三步：将节约里程按由大到小的顺序排列，列出节约里程顺序表4-2-3，方便将节约里程最多的点进行组合配送。表4-4节约里程顺序表顺序连接线节约里程顺序连接线节约里程1G-H65.79E-G39.62C-H64.810D-E34.53B-D54.611A-G31.34B-C4812B-H21.65C-G47.113A-E20.96C-D42.214E-H18.37D-F41.815D-H15.88E-F41.516A-H1017B-G3.9C根据节约里程顺序表和配送车辆载重以及行驶里程等约束条件，绘出配送路线图4-2-4CHH 路线1BBGGPPADAD 路线3F 路线2FEE图4-2辰欣药店处方药品配送路线图4.3末端配送路线优化结果分析从配送路线图可以看到，共三条路线都满足本次配送中的约束条件，需要载重10t货车2辆，载重20t货车一辆，路线一行驶总路程为190.1km，路线二行驶总路程为130.9km，路线三行驶总路程为111.6km，行驶总路程为432.6km。优化前总行驶路程为483.4km，比优化前节约了50.8km,并且由之前的6名司机变为4名司机，4辆车变为3辆。结果对比分析如下表4-3-1。表4-5结果对比分析作用因素优化前优化后车辆数43总行驶里程(km)483.4432.6节约里程数（km）50.8油耗（L）171.078166.618油耗费用1096.611068.021司机（名）64人力费用24001600节约人力费用800总费用3496.612668.021节约费用828.589从上表4-3-1当中的对比可以看到，从车辆调运的角度来看，优化路线节省了车辆的需求使用，这样可以进一步减少司机人力支出以及油耗，省掉的车辆可以用于其他的功能的调用，使得资源的调动更加科学和高效。从行驶里程的方面来看，优化后的路径总里程减少，使得油耗进一步降低。在人力资源上，优化方案使得运输车辆司机的数量减少，从而显著降低了人力成本的支出，降低了公司劳动支出负担，提升了配送效率。因此经过路径优化可以大大降低公司的配送支出成本提升收益。在当今互联网已经高度发展的时代，连锁药店需要从各个方面谋求创新，降低成本，配送路径优化，提升服务质量，进而提升自己的企业竞争力和企业影响力。当前辰欣药业在山东省的经营规模以及状况都是非常良好的，因此企业可以在自身经营管理上寻求规范，完成大时代下的数据优化升级，而配送路径优化作为物流领域其中重要的一环，更应该引起企业的重视，也为了企业在之后更加长远的发展。结合车辆需求数，总行驶里程，燃油消耗，人力资源支出，配送总费用五个方面来分析，优化后的方案比目前的配送路线更优异。

5结论与展望近几年来电商行业发展日新月异，而物流行业的业务量也在不断增加，各行各业都将物流方面的成本支出作为自己利润提升的一个重要方向。运输成本大约占到物流成本的百分之四十到六十左右，而配送成本更是作为运输成本的重中之重。在当前的医药连锁的大环境下，绝大多数的连锁药店都是“连而不锁”的情况，主要就体现在物流配送以及销售服务无法规范，充分发挥连锁药店由中心到局部的优势。随着当前城乡规划升级，连锁药店深入乡镇，市场占有率进一步提升，像处方药这种常温配送的药品在进行物流配送路线上的不合理造成的成本骤升问题也越来越突出。本文通过所学的节约里程法结合国内外关于路径优化方面的理论知识，辰欣药店的业务组成，当前药店的配送模式，规划布局以及车辆配送现状进行分析。对辰欣药店处方药常温配送中存在的配送路径不合理，人力成本支出高，配送承办高等问题进行分析。通过建立VRP模型，并且运用节约里程法对辰欣药业物流配送中心向周边区域药店的配送路径进行优化。从配送路线方案来看，配送路线由之前的四条优化为三条路线，用车节约了一辆，行驶总路程为432.6km。优化前总行驶路程为483.4km，比优化前节约了50.8km,并且由之前的6名司机变为4名司机，减少了人力支出成本，耗油量减少4.46升，降低了耗油量。因此优化后的物流配送方案可以使得公司在人员安排上更具有灵活性，还可以家哟花降低公司配送成本。综上所述，本次路径优化使得辰欣药店的处方药配送路线减少，配送里程减少，燃油量减少，人员成本支出降低，因而使得公司成本降低，整体利润增加。由于研究的时间以及投入的程度，本文还存在许多可提升之处，比如本文研究的配送的周期以一周为配送周期，然而实际上受到流感病毒，各个季节易感人群不同，不同时期的需求量存在特殊等等因素影响，这部分的差异变化并没有被考虑在本文的优化范围当中.

参考文献[1]彭金彪.我国医药零售连锁业发展现状及完善策略[J].现代经济信息,2019(01):389.[2]HaixingWang,GuipingXiao,ZhenWei,TingguiChen.OptimizingRouteforHazardousMaterialsLogisticsBasedonHybridAntColo