基于层次粒子群算法的配送中心双层规划选址策略

在考虑物流网络宏观决策部门和客户双方利益的基础上,建立物流配送中心双层规划的选址模型.此类问题大多属于非凸优化问题,现有的求解算法存在算法复杂度及计算效率问题.基于进化博弈及多目标优化非支配排序的思想设计层次粒子群算法,通过两个粒子群算法的交互迭代求解物流配送中心双层规划选址问题.通过测试算例验证算法的有效性.     

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。     

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.     

一种混合智能算法在物流配送中心选址和路径问题中的应用

首先分析了物流配送中心的配送模式,在此基础上建立了基于选址和车辆可重复利用的VRPTW组合模型,即配送中心的LRTWP（Location and Routing with Time Window Problem）模型.然后针对该模型引入了改进的粒子群算法和模拟退火算法,通过合理的设置算法中的参数和选择各算子,设计算法程序求解了该模型,最后通过数值实验,表明该混合智能算法在求解LRTWP中的可行性和有效性。     

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.     

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.     

基于双层规划模型的配送中心选址问题研究

配送是物流的核心问题,配送中心的选址问题直影响物流成本的控制。建立双层规划模型,应用遗传算法求解,将配送中心选址涉及到的选址规划者和客户两个具有明显不同目标的决策者联系起来,还考虑到配送中心建成后遇到的竞争问题,从而使配送中心选址模型更具有实际意义和指导作用。     

军事物流配送中心选址模型及其优化算法

配送中心选址在军事物流中具有重要的意义，本文基于军事物流自身的特点，建立了时间优先的单配送中心选址模型、时间优先的多配送中心选址模型和成本优先的多配送中心选址模型三种模型，对于前两种模型采用了分步骤迭代的优化解法，而对于第三种模型采用了图论中的最短路径算法进行优化求解，这些对军事物流理论的研究都必将具有参考价值。     

基于遗传算法的配送中心选址问题

配送中心是物流系统的枢纽，配送中心地址的确定是物流系统分析的核心内容．文中根据配送中心选址问题的特点和要求，在运输成本最低的基础上，构造了选址问题的数学模型．并把遗传算法引入到该模型的求解中，通过选择恰当的编码方法和遗传算子，求得了模型的最优解，验证了该模型的正确性．该方法也适用于大规模物流系统配送中心的选址问题．     

一个物流配送中心选址模型及其算法

一个最优的配送中心选址方案,既可以提高物流系统的效率,又能降低物流系统的成本.在时间已经成为竞争优势的一种新资源的社会,将时间约束考虑到配送中心选址模型中无疑是一个突破.建立了一个物流配送中心选址模型,在模型中只需要知道所需配送中心的个数上限即可,松弛了以往模型中需确定所需配送中心个数的条件.模型求解算法上,采用优化方法中的0-1规划割平面法,结果表明模型具有可靠性,且计算复杂度得到降低.     

物流配送中心选址的多目标优化模型

针对传统选址模型片面追求物流成本最小化而忽视物流服务水平的情况,将可靠性作为物流服务水平的一种测度,提出了配送中心系统可靠度的计算方法,建立了以物流成本最小化和物流服务可靠度最大化为目标的配送中心选址多目标优化模型.采用主要目标法将建立的多目标优化模型转化为单目标优化模型,并运用贪婪取走启发式算法对转化后的模型进行求解.算例结果表明,模型的非劣解充分反映了物流成本与物流服务可靠度之间的悖反关系,同时包含了传统的以物流成本最小化为目标的选址模型的最优解,从而为配送中心选址提供更加全面的决策依据.     

基于离散粒子群算法的城市物流节点选址模型

在考虑城市物流系统运行费用最小的基础上构建了城市物流节点的选址模型,使用离散粒子群优化算法对该模型进行求解,算例分析表明该算法计算效率较高且易于实现,在求解城市物流节点选址问题时可以快速搜索到问题的最优解,具有较高的达优率．     

免疫算法在带权值的物流配送中心选址中的应用

针对物流配送中心选址问题中很少考虑时间因素的问题,提出将配送时间与需求量共同来决定权值的选址模型,使用免疫算法求解带权值的物流配送中心选址问题,并说明了所提出算法具有全局渐近收敛性。通过实例仿真,与不考虑配送时间因素相比,用所提出的模型得到的结果具有更少的最短距离之和(约少了12.68%)以及更少的运行时间,最佳迭代次数约为不考虑配送时间因素下的1/4,从而论证了所提出模型的合理性及有效性。
     

物流配送中心选址数学模型的研究和优化

为解决县域农村物流配送中心的选址问题,综合现实路网信息和农村网点吞吐量等要素,建立基于实际公路网的农村物流配送中心选址优化模型,通过基于图论的理论方法建立了物流网点的交通网络赋权图,确定各网点间的最短路径,进而使用基于弗洛伊德算法的迭代重心法建立配送中心的初始模型。在初始模型的基础上,打破行政区域的划分,建立基于密度峰值聚类算法的物流配送中心的双目标优化模型。     

物流配送中心选址模型的分析

物流配送中心选址的好坏关系着能否有效节省费用，促进生产和消费的协调与配合，保证物流系统的平衡发展。因此物流配送中心选址对工作效率及物流控制水平会产生很大影响。正是基于物流配送中心及其位置的重要作用，有必要建立一系列选址的模型和算法。     

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。     

指定备选点的配送中心选址-库存模型

为解决物流网络节点备选点受法律、法规及地质等条件限制问题,在可变建设成本LMRP模型研究基础上,从优化角度将模型扩展为指定备选点的LMRPVCC选址-库存问题。结合粒子群算法的特点,设计了指定备选点的可变建设成本配送中心选址-库存模型的初始粒子,并通过连锁零售企业HX公司配送中心进行实证研究。结果表明：配送中心建设成本、下游运输成本、配送中心运营成本和安全库存成本各占总成本的26%、42%、31%、1%。与Daskin文中得出的成本比例图相比,建设成本增长了4%,下游运输成本提高1%,配送中心运营成本降低了5%。     

基于带变异的自适应精英改进蚁群算法的物流配送中心选址问题求解

建立以总成本最少同时满足时效性要求的物流配送中心选址问题的数学模型,并提出一种带变异的自适应精英改进蚁群算法对选址问题进行求解.本算法中的信息素挥发参数随迭代进行自适应调整,同时引入精英机制对群体当前解的信息素更新来进行有差别处理.此外,本算法移植了遗传算法的变异机制.当本算法陷入停顿时,对当前最优解施加扰动,将有效帮助本算法摆脱局部最优的束缚.验证结果表明,本算法对于实际中比较复杂的物流配送中心选址问题的求解结果较为理想,比基本蚁群算法在效率和寻优能力上有了进一步的提升.     

物流配送中心选址策略研究

把物流配送中心的选址归结为求解使运输成本、变动成本和固定成本之和最小的最优化问题.为便于模型求解,进行了适当的假设,建立了以运输成本与运营成本之和最小为目标的选址模型,并采用遗传算法对选址模型进行求解,运用vb.net编写相应的求解程序.     

基于层次分析法与加权Steiner树问题的物流配送中心选址研究

物流配送中心一般是在备选点已知的情况下进行选址的。对于备选点的选取,选用层次分析法解决;对于配送中心地址的选取,选用图的Steiner树问题解决,并给出该问题的基于多Agent系统的启发式算法。在此基础上,分析和实现了电子商务环境下物流配送中心的选址问题,并通过示例验证了该选址模型的可行性。