考虑经济性和时效性的配送中心选址模型研究

为提高物流系统的服务水平,对具有经济性和时效性的配送中心选址问题进行了研究.以经济费用最小为目标,将客户对送货时间的要求转化为时效性约束条件,构造配送中心选址模型.讨论了求解该选址问题的优化算法——序列二次规划算法(SQP).通过实际算例对选址模型和求解算法的可行性进行了检验.算例结果表明:模型和算法能很好地解决有时效性约束的配送中心选址问题,对提高物流系统的运作效率有积极的意义.     

城市物流中心选址问题研究

在分析现有物流中心选址特点的基础上,提出了一类基于顾客满意度的多目标物流中心选址模型,并引入遗传算法对该模型进行求解。通过对具体实例求解,验证说明该算法能够很好地处理基于顾客满意度的多目标物流中心选址问题。     

B2C 电子商务物流中心选址-路径综合优化研究

为优化 B2C（business-to-customer）电子商务物流系统,结合 B2C 电子商务特点,构建以物流成本最小为目标函数、以运输时间和供需关系限制为约束条件的电子商务物流中心混合整数规划模型,采用改进的遗传算法将电子商务物流中心选址的混合整数规划模型求解过程转换成求解最优运输路径问题,并且设置惩罚算子对超过运输时间限制的方案进行特定的惩罚处理,设计合适的染色体编码方式、交叉算子、变异算子、惩罚函数等。通过随机生成的数据运用 Matlab 软件进行算例仿真模拟,验证模型的有效性。     

基于重力p-median模型的支线机场物资供应中心选址

为解决偏远地区支线机场的物资供应问题，依托地区物流中心建立机场物资供应中心，从而实现地区物流中心的货物运输到各支线机场总成本最低、配送效率最高、综合效益最大。首先基于Voronoi图理论，形成了区域机场Voronoi图，采用重心法，确定出备选点位置；将重力p-median模型用于机场物资供应中心的选址，以可变运输总成本最小为目标函数，根据重力模型原理，结合机场物资供应中心点的吸引力、供应点到需求点的距离以及各机场物资需求量，采用改进的免疫优化算法，运用Matlab编程进行仿真，利用算例对选址模型进行仿真求解。仿真结果表明，p-median模型在算例中的应用，可以得出较为理想的机场物资中心选址，具有较强的实用性和可操作性。     

求解物流配送中心选址问题的改进鸽群算法

为了提高鸽群优化算法求解物流配送中心选址问题的优化效果，减少物流配送成本，提出了一种改进的鸽群优化算法。该算法在基础鸽群优化算法上，引入灰狼优化算法在寻优过程中的捕食策略，能够有效地提高鸽群优化算法的局部搜索能力、增强算法的寻优性能。由函数测试实验可得，该算法在求解测试函数最优值上具有寻优速度快、收敛精度高的特点。最后，将其应用到求解物流配送中心选址问题中，实验结果表明：改进的鸽群优化算法更适合求解高维物流配送中心选址问题。     

城市物流中心单点选址模型优化及方案评选

为了解决城市物流中心单点选址问题,采用重心模型及经济分析法进行研究。构造初始重心模型,通过目标函数和资源点或需求的直线距离对模型优化;运用迭代法对优化模型求解,包括算法的自然语言描述和盒图表示的求解流程;运用费用现值法,构造现金流量图和评选模型,对求解得到的多个方案进行评选;针对实例对选址的全过程进行演练,得出最佳地址坐标和费用现值。结果表明:运用这种方法选址虽然准确性受到各种费用预测的影响,但仍比传统重心法具有明显的优越性。该成果对物流中心单点选址具有一定的参考价值,也可以推广到其他领域选址。     

基于满意度的可持续物流设施选址问题的多目标优化方法

【目的】为了研究可持续物流设施选址问题研究对企业供应链管理和物流配送服务中心的可持续性发展的影响。【方法】基于传统的无容量物流配送服务中心选址问题，引入满意度函数衡量客户对物流配送服务中心提供服务水平的平均满意程度，建立了以经济成本最小化、客户平均满意度最大化和二氧化碳排放量最小化为目标的一个多目标优化模型。【结果】基于多目标优化问题经典的ε 约束标量化方法和贪婪算法思想提出了多目标优化模型的一个求解算法。【结论】提出的多目标优化方法能够在较高的满意度下获得更优的经济成本和碳排放量，为更好地解决无容量物流配送服务中心选址问题提供了一个新的方法。     

基于灾害中后期的应急物流中心选址问题研究

在灾害发生的不同阶段,应急物流管理活动的目标具有差异性,灾害发生前期,应急物流管理以时间性为主,弱经济性;而灾害发生中后期,应急物流管理需考虑经济性。应急物流中心选址是应急物流管理的关键环节之一,在回顾国内外学者对应急物流中心选址问题研究现状的基础上,总结了现有研究的不足之处。基于灾害中后期应急物流管理活动中时限性与经济性的双重目标,构建了应急物流中心的多目标选址模型,模型求解过程中,采用主要目标法将多目标函数转换成单目标函数,并利用Lingo软件求出选址优化结果。     

基于重力p-median模型的支线机场物资供应中心选址

为解决偏远地区支线机场的物资供应问题,依托地区物流中心建立机场物资供应中心,从而实现地区物流中心的货物运输到各支线机场总成本最低、配送效率最高、综合效益最大。首先基于Voronoi图理论,形成了区域机场Voronoi图,采用重心法,确定出备选点位置;将重力p-median模型用于机场物资供应中心的选址,以可变运输总成本最小为目标函数,根据重力模型原理,结合机场物资供应中心点的吸引力、供应点到需求点的距离以及各机场物资需求量,采用改进的免疫优化算法,运用Matlab编程进行仿真,利用算例对选址模型进行仿真求解。仿真结果表明,p-median模型在算例中的应用,可以得出较为理想的机场物资中心选址,具有较强的实用性和可操作性。     

SCE-UA算法在水环境系统优化问题中的应用

把SCE-UA算法应用到水环境系统优化问题的求解当中,成功求解了3个典型的优化问题:二维稳态水质模型横向扩散系数及流速推求、排放口最优化处理、水工建筑物调度参数识别.结果表明:该算法不但能求解一元函数约束的优化问题,通过构造罚函数,该算法还能够成功求解有多元函数约束的优化问题.该算法不依赖导数和优化问题的具体形式,并且参数极少,求解精度高,通用性较强,可高效识别水工建筑物的调度参数,在环境系统优化中有很高的推广价值.     

基于地域特征的物流仓储中心逆向选址算法

物流仓储中心地址的选取,从根本上决定了物品出发地和运达地之间的距离,直接关系到物品能否被及时高效地运输,以及配送成本和仓储成本能否最小化。针对传统物流仓储中心选址求解算法脱离实际应用、且容易出现局部最优、求解速度较慢和注意力单一等问题。为减少物流配送时间,降低物流成本,切实提出选址解决方案,通过对K均值聚类算法和帝王蝶优化算法进行改进,研究了京津冀地区物流仓储中心的选址问题。实验仿真结果表明,提出的改进帝王蝶优化算法较其他优化算法在求解精度、收敛速度和迭代次数上均有优势,能够有效完成物流仓储中心选址问题,切实可以缩短物流配送距离,提高物流配送效率。     

实际约束条件下多配送中心物流车辆调度优化

传统方法难以解决有时间窗等具有实际约束条件,且调度结果并非最优,提出一种基于变邻域搜索算法的多配送中心物流车辆调度优化方法。对多配送中心物流车辆调度优化问题进行分析,在分析结果的基础之上构建实际约束条件下多配送中心物流车辆调度数学模型;利用变邻域搜索算法求解物流车辆调度模型的最优解,完成实际约束条件下多配送中心物流车辆的调度优化。实验结果表明,采用所提方法进行多配送中心物流车辆调度,其总运输时间短、运输总费用低,调度结果较优,且符合实际约束。     

基于数字孪生技术的危化品车辆运输路径优化方法

针对危化品物流管控成本高、安全隐患检测困难、不确定因素较多等特点,基于数字孪生技术,建立孪生数据驱动下的危化品物流配送系统整体框架,实现对驾驶员疲劳状态及车辆故障预警等参数的实时监测。根据物理参数实现对危化品车辆调度物理空间的精准模拟与迭代优化。构建单一配送中心,带有时间窗约束的路径优化模型,以配送总成本最小为目标函数,结合孪生数据动态调整客户服务时间,采用遗传算法内核利用MATLAB求解数学模型。该方法有效解决了危化品物流调度过程中由于动态不安全因素对危化品运输成本带来的波动。     

县域农村物流配送中心选址优化模型及算法

为解决县域农村物流配送中心合理选址问题,综合现实路网条件及未来物流需求等因素,以物流总费用最小化为目标函数,建立基于现实公路网的农村物流配送中心选址优化模型.通过对聚类中心和边缘点加以处理,改进了Kmeans聚类算法,并以此求解上述选址优化模型.实例分析表明,该模型和算法能很好地解决县域农村物流配送中心选址优化问题.     

融合多种策略的改进粒子群算法及其在电子商务多级物流中的应用研究

为了提高粒子群优化算法(PSO)求解复杂优化问题的能力,本文对基于细菌趋化的粒子群优化算法(PSOBC)进行改进。PSOBC算法是PSO算法的一种新思路,可以有效地克服其易陷入局部最优、后期粒子多样性差的缺点,故将一般反向学习策略和自适应惯性权重与PSOBC算法相结合,得到一种改进的粒子群优化算法。改进的粒子群优化算法的开发能力和勘探能力都得到了很大的提高;在求解复杂性优化问题时种群能够在搜索范围内快速收敛到局部最优处,并且当种群密度足够小时,及时增大种群密度即进行去全局寻优。最后将改进后算法应用到电子商务多级物流中心选址及路径规划问题上。