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。     

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.     

基于多种群搜索的PSO的物流配送中心寻址求解

物流配送中心选址不仅影响运输等成本,而且也影响顾客的服务水平,在现代物流中具有重要的现实意义。针对物流配送中心选址问题,文章提出了一种基于改进粒子算法的智能求解方法,建立了物流配送中心选择模型,根据模型特点设计出了与免疫优化算法混合的粒子群算法、多种群搜索策略、混沌初始化方法、多样性评价方法。通过合理地设置算法参数,对物流配送中心选址问题进行实验比较,实验结果表明,该文算法的求解效果良好,并且求解的速度较快。     

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。     

基于量子粒子群算法的物流配送中心选址

在物流系统网络中,物流配送中心地址的优化选择不但能够高效及时地完成物资的配送,而且能使得配送成本和仓储成本等运营成本最小化,显著提高物流管理的效率和能力。针对物流配送中心选址最优解的问题,通常采用经典粒子群算法解决,但其有易早熟收敛和仅能得到局部最优解的缺陷。为了克服此缺点,将量子进化算法融入经典粒子群算法中,采用量子理论中独有的叠加态和概率幅特性,粒子最优位置的搜寻采用量子自旋门完成,粒子位置的多样性变异采用量子非门完成,以免出现局部最优解和早熟收敛缺陷。实验结果表明,与经典粒子群算法相比,量子粒子群算法在最优解的搜寻能力和优化效率方面更具有优势,能够优化配送中心的地址选取,从而减少物流运营的总成本,提高物流配送的效率,优化物流管理系统。     

基于免疫算法与GIS技术的农产品物流配送中心选址

分析了农产品物流配送模式,建立配送中心选址的数学模型,研究免疫算法与GIS技术求解选址模型的方法,并以福州市晋安区农产品物流配送相关数据为基础,提出研究区域内农产品物流配送中心选址的实际模型,采用免疫算法求解模型,运用VB编写相应的程序,提高了选址决策的效率和精度.     

基于VSM的仓储中心选址模型研究

随着商流与物流的分离和电子商务时代的来临,企业的销售通路越来越广,产地和消费地距离越来越远,在这一形势下,随着产品覆盖面的增加,企业有必要重新考虑仓储中心的选址问题;仓储中心选址是指在一个具有若干供应点及若干需求点的经济区域内,选一个地址设置仓储中心的规划过程;较佳的仓储中心选址方案是商品通过仓储中心汇集、中转、分发,直至输送到需求点的全过程的总体效益最好。     

蚁群聚类算法在物流网络优化中的应用

为了解决物流配送中的路径优化问题,运用改进的蚁群算法来建立配送车辆路径的数学模型,通过减少蚁群的选路次数、更新信息素等策略,提高了算法的收敛速度和全局搜索能力。经过实验分析和计算,证明了应用蚁群算法可以优化物流配送线路,可以有效地解决多回路运输问题。该成果对物流企业控制成本、增强市场竞争力有一定参考价值。     

改进遗传算法求解带模糊时间窗冷链配送问题

为优化冷链物流配送路径,降低配送成本、提高客户对产品送达时间的满意度水平是冷链物流的关键。考虑到冷链物流承载的货物具有一定的特殊性且对温度的要求较高,提出在冷链物流配送中设定模糊时间窗反映顾客满意度。建立了运输成本、货损成本、时间成本等配送成本最小化和以模糊时间窗进行量化客户满意度最大化的多目标优化模型,采用改进遗传算法求解带模糊时间窗冷链配送问题。通过算例分析,验证了模型和算法的有效性与研究的实用价值。     

多车场多目标开放式物流配送车辆路径问题

针对多车场多目标开放式物流配送车辆路径问题的特点,选取车辆数、行驶距离2个主要优化目标,以完成任务成本最少为目标,建立了多车场多目标组合的开放式物流配送车辆路径优化模型。运用改进的线性加权算法将多目标函数转化为单目标优化模型,结合遗传算法全局搜索能力较强和节约算法局部搜索能力较好的优点,提出了遗传节约综合搜索求解算法,并将所建模型及设计算法应用于实例。研究结果表明,本研究所提出的模型与方法能够有效地解决多车场多目标开放式配送车辆寻求最优路径问题,且较一般遗传算法高效,收敛速度更快。     

城区物流配送中心选址优化系统设计与实现

为了提高城区物流配送中心选址效率,克服传统方法须依靠人工计算的弊端,提出利用在线地图获取路径距离信息的方法。基于配送中心的实际建设和运营情况,确定配送中心选址问题的成本影响因素,设计选址优化系统框架,构建以总成本最小化的数学模型,采用基于整数编码的遗传算法对其进行求解。利用C#语言实现系统架构,并进行计算测试。测试发现:所构建系统能够自动获取城区各节点距离信息,较之传统手段减少了规划人员的工作量,围绕2类算例实施优化选址,均在较短时间内获得了切实可行的选址方案。结果表明,所提出的系统架构具有有效性和适用性,能够有效帮助规划人员实施物流节点选择。     

共同配送选址-路径优化模型与算法

以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的K-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。     

微粒群算法在多物流选址中的应用

物流中心的选址是企业的一项重要战略决策,不仅影响到原材料和成品的运输费用,也会影响顾客服务水平和对顾客需求的响应速度,选择合理的物流中心对降低运营成本提高企业的竞争力有很重要的作用。文章研究带约束条件的多物流选址问题,根据所提问题的特点,建立模型,并根据模型维数较大、约束域狭小的特点设计了一个与表上作业法相结合的改进微粒群优化算法（TM-PSO）。最后通过实例验证了模型的可行性及算法的有效性。     

基于Matlab优化算法的物流中心选址

应用Matlab优化函数求解带时效性约束的物流中心选址问题。分析选址问题的时效性约束条件，构造带时效性约束的物流中心选址模型，利用Matlab优化工具箱中的“fmincon”函数，设计选址模型的精确算法，并给出具体算例，验证模型和算法的可行性。研究结果表明，基于Matlab函数的优化算法编程简单，运算速度快，既能够求解带时效性约束的选址模型，又能够求解不带时效性约束的重心选址模型，是一种比传统算法更有效的求解物流中心选址问题的算法。     

地下物流多级节点选址的双层规划模型

地下物流系统逐渐成为缓解城市交通问题的新思路,其中地下物流节点选址是其中的关键问题。利用分级配送的原则,首先基于聚类算法依据货物需求情况对城市进行区域划分。然后,在保证地上交通畅通的情况下,构建了基于双层规划的多级地下物流节点选址优化模型,并利用模拟退火-贪心算法求解一级、二级物流节点位置及各节点间可运输的最大货运量。最后,通过分析算例,验证了该地下物流多级节点选址模型的正确性和实用性。     

基于聚类蚁群算法的物流最优路径

在物流网络系统中,物品的配送是重要的一环,一个科学的物流配送路径,不仅能在一定程度上降低物品的配送时间,而且能有效的降低运输资源的占用,这极大的降低了物流企业的运营成本。针对物流配送路径的最优解问题,有大量的学者进行了相关研究,主要有遗传算法、蚁群算法、生物地理学算法等,其中以蚁群算法应用最为广泛;但这些算法都只是在物流运输的路径上进行优化,并没有考虑空载率以及客户对送货时间的要求。为了克服此缺点,本文在蚁群算法的基础上加入空载率和时间窗的要素,对传统的蚁群算法进行优化。实验结果表明,与传统的蚁群算法相比,该算法可以有效的节约物流运输资源。     

基于装载能力约束的集货车辆路径问题研究

针对物流货运过程中,集货车辆在规定时间内从各配货站集货后回到中心货站进行分类运输问题建立了多目标组合优化模型,并设计了相应的算法。通过实证模拟的方式检验了所提出了基于装载能力约束的集货车辆路径优化方案,为物流中心集货车辆的优化调度提供理论指导和实际借鉴作用。     

基于重心法和AHP的配送中心选址实证研究

配送中心的合理选址能够适应生产力在一定地域内的合理布局,有效满足区域内及区域间的物品流动,进而降低货物运输成本,对物流系统日后的发展和扩充具有重要意义。首先运用重心法确定配送中心的位置,在此基础上结合AHP确定备选地址的最优选址方案。在上述理论和研究的基础上,针对安徽某集团白酒配送中心选址决策问题,运用基于重心法和AHP的配送中心选址模型提出了行之有效最优选址方案。