配送中心1向销售点 4运送12.78889吨，向销售点 5运送11.48889吨，向销售点6运送9.48889吨，向销售点7运送12.48889吨，向销售点8运送7.98889吨，向销售点9运送8.48889吨，向销售点10运送6.88889吨，向销售点11运送 8.98889吨 向销售点12运送5.48889吨，向销售点13运送6.98889吨，向销售点14运送10.48889吨，向销售点15运送10.08889吨，向销售点16运送10.98889吨，向销售点21运送11.18889吨，向销售点30运送7.48889吨，向销售点31运送6.18889吨，向销售点34运送10.58889吨，向销售点35运送9.18889吨。
配送中心2向销售点 1运送6.5吨，向销售点 2运送10.2吨，向销售点3运送12吨，向销售点4运送1.51111吨，向销售点5运送1.51111吨，向销售点6运送1.51111吨，向销售点7运送1.51111吨，向销售点8运送1.51111吨，向销售点9运送1.51111吨，向销售点10运送1.51111吨，向销售点11运送1.51111吨，向销售点12运送1.51111吨，向销售点13运送1.51111吨，向销售点14运送1.51111吨，向销售点15运送1.51111吨，向销售点16运送1.51111吨，向销售点17运送13.5吨，向销售点18运送9吨，向销售点19运送7.3吨，向销售点20运送10吨，向销售点21运送1.51111吨，向销售点22运送7.4吨，向销售点23运送6.7吨，向销售点24运送12.5吨，向销售点25运送9.6吨，向销售点26运送15吨，向销售点27运送7.2吨，向销售点28运送8.9吨，向销售点29运送10.3吨，向销售点30运送1.51111吨向销售点31运送1.51111吨，向销售点32运送8吨，向销售点33运送11.4吨，向销售点34运送1.51111吨，向销售点35运送1.51111吨.具体如表5-17所示：
表5-17 各销售点运送情况分配表 配送中心 销售点 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 2 配送中心 销售点 1 2 12.78889 11.48889 9.48889 12.48889 7.98889 8.48889 6.88889 8.98889 5.48889 6.98889 10.48889 6.5 10.2 12 1.51111 1.51111 1.51111 1.51111 1.51111 1.51111 1.51111 1.51111 1.51111 1.51111 1.51111 19
19 20 21 22 23 24 25 26 27 28 29 30 31 32 11.18889 7.48889 6.18889 7.3 10 1.51111 7.4 6.7 12.5 9.6 15 7.2 8.9 10.3 1.51111 1.51111 8
15 16 17 10.08889 10.98889 1.51111 1.51111 13.5 33 34 35 10.58889 9.18889 11.4 1.51111 1.51111 9 18 由以上的配送方案计算出的最小运费为：8674.7?。
六、模型的评价
1、模型的优点
模型一能与实际紧密联系，结合实际情况对问题进行求解，使得模型具有很好的通用性和推广性；即使增加对短缺量的约束条件，模型一也符合实际情况，简洁性和灵敏性较高。
模型二通过合理的分析，推理出种植面积扩大后种植基地的供应量能够满足销售点的需求，因此减少了约束条件和变量，使模型更为简洁，节省了求解时间。
模型三仍为线性规划模型，简单明了，易于理解，采用三维数组模式，程序的运行效率较高。
模型四通过建立第三方物流中心，形成了三级两阶段冷链配送模式[6]，减少了运输成本和配送时间，在一定程度上能够降低政府的运输补贴和短缺损失补偿，同时由于成本的下降能够降低蔬菜价格，满足消费者对蔬菜价格经济实惠的需要；采用0-1规划求解，降低了求解难度，求解的效率较高，模型的准确性程度高，简洁明了，模型的可操作性高，比较符合实际.。 2、模型的优点
模型一考虑的约束条件相对简单，没有考虑是否存在中转地等问题，不能准确的反映实际情况. 模型在简化过程中，忽略了实际中可能存在短缺量的问题，并且没有进一步考虑供求平衡的问题，因此可能会降低模型的准确性。
模型三涉及的变量较多，维数较高，求解结果无法直观表达。
模型四选址问题只考虑了一定范围和一般情况下的选址模型 ，并未考虑蔬菜的时效性和送货频率以及配送中心建立的相关成本问题；本文虽然考虑到帕累托效应，但没有进一步提出供应链上的利润分配问题；运用的算法程序相对简单，结果的精确性有限；本模型建立的第三方配送中心，仅考虑了为超市提供配送服务的情况，但在实际操作中，配送中心还可以依托自身的实力和资源，拓展业务范围，进一步降低相关成本；此外，采用这种模型只能得到局部最优解。
七、参考文献
[1]申福军. 蔬菜类农产品配送中心选址研究[D].北京交通大学,2011.
[2]谢金星,薛毅，优化建模与LINGO/LINDO软件，北京：清华大学出版社，2004年
[3]钱颂迪,运筹学.北京：清华大学出版社，2005.6
[4]黄雍检、赖明勇，MATLAB语言在运筹学中的应用，长沙，湖南大学出版社，2005
[5]卓金武，MATLAB在数学建模中的应用，北京：北京航空航天大学出版社，2014
20
[6]胡桔州,Floyd最短路径算法在配送中心选址中的应用[J1],湖南农业大学学报自然科学版,2004(4)
[7]郭强,对F1oyd算法的两点注记[J],运筹与管理，2001(1) [8]姜启源，数学模型，北京：高等教育出版社，2004年
[9]石钢,时效性农产品冷链配送中心选址研究[D],导师：宋效中.燕山大学,2014.
[10]杨冬,共同配送下配送中心选择及利益分配问题研究[D].导师：田聿新.大连海事大学,2005.
[11]张侃,遂宁市超市蔬菜配送模式优化研究[D].导师：李太平.南京农业大学,2013.
21
附录
附录1：问题（1）中各个基地向各销售点蔬菜的运货量图：
22
附录2 基地与销售点最短距离程序
% % mian程序
clc; clear; close all; % % 载入设置数据
lines = xlsread('d:\\2.xlsx',2,'A1:BF58'); %点与点之间的邻近矩阵 A=lines;
A(find(A>30))=inf; %对步长的限制,在此选择30. % A就是连接矩阵，其中对角线为0，表示本身 % 有连接关系的就对应线的长度 % 没有连接关系的就对应inf
s=input('输入起点');% 起点（点的序号） e=input('输入终点');% 终点（点的序号） [distance,path]=floyd(A,s,e);
fprintf('\\n 使用floyd算法算出的从第 %d起点到第 %d终点最短路径长度: %.5f \\n',s,e,distance);
fprintf('\\n 经过的路径 以编号显示: \\n'); disp(path);
function [distance,path]=floyd(A,s,e) n=size(A,1); % 矩阵行数 D=A(s,:); % 矩阵的第S行 path=[]; % 路径
visit=ones(1,n); % 元素都为1的1行n列的矩阵 visit(s)=0; % source node is unvisible parent=zeros(1,n); % 元素为0的1行n列的矩阵 % 最短距离
for i=1:n-1 % BlueSet has n-1 nodes temp=zeros(1,n); count=0; for j=1:n
if visit(j)
temp=[temp(1:count) D(j)]; else
temp=[temp(1:count) inf];
23