循环物流系统中配送/回收成本优化模型研究

对循环物流系统的概念和其成本构成进行了界定,针对循环物流中的配送及回收成本,从物流回收可能给制造商带来收益的角度,提出了一个新的成本核算和优化模型.     

产品回收系统最优静态定价策略

在逆向物流研究中,一般观点总是把产品返回流视作外部因素,企业失去主动性而消极的接受返回物流,从而使得产品回收系统中的库存控制极其困难.本文抛弃了这种观点,认为回收流是可以受到回收价格影响的,从而使得企业一定程度上控制了回收库存.本文采用价格对回收数量进行控制,基于一个具有可控随机输入、固定输出的单产品随机库存模型,在给定最大回收价格的前提下,以单周期期望库存费用最小为目标,证明了依赖于初始库存的关键值策略结构为最优定价结构.     

生鲜品多中心区域协作半开放式配送路径研究

针对生鲜产品区域配送问题,在新物流理念下,建立了区域协作下多中心半开放式配送路径.鉴于生鲜品配送的独特性,将时间窗及满意度考虑在内,构建在时间惩罚、满意度指标及路径约束条件下的成本优化模型.结合A生鲜企业数据,设计了一种改进的自适应遗传算法与变邻域搜索算法相结合的混合算法解决问题.通过仿真实验证明模型合理性以及算法实效性.实验表明,区域协作下多中心半开放式配送方案对比各区域独立封闭式配送方案具有改进性,提高了物流配送的效率,降低成本同时保证高客户满意度,有助于生鲜配送企业整体发展.并在此基础上,对生鲜配送企业进一步发展提出建议.     

众包物流配送车辆调度模型及优化

针对众包抢单模式和众包派单模式的配送特点,建立众包配送车辆调度模型,将两种配送模式有机结合,优势互补,并根据模型特点采用蚁群-量子粒子群混合优化算法进行求解.以深圳清湖冷链配送为例,从配送距离和成本等角度,分别与传统配送模式、抢单配送模型和派单配送模型进行比较,实验充分证明了众包配送模型的有效性;同时,将蚁群-量子粒子群混合算法与蚁群、粒子群等算法优化结果进行比较,证明了蚁群-量子粒子群混合算法的有效性.     

神龙汽车备件配送网络设计

以神龙汽车公司为背景, 探讨汽车备件的配送网络设计.具体分析了神龙汽车公司备件产品配送组织, 将汽车备件物流网络规划问题简化为配送中心选址问题, 提出了神龙汽车公司在全国范围内备件配送中心选址的0-1混合整数规划模型, 并借助Excel对模型求解, 最后对求解结果进行讨论.     

不确定信息条件下制造/再制造物流网络优化设计

针对制造/再制造集成物流网络中回收产品的数量及质量的不确定性,提出将回收产品按质量等级分为可用于再制造和需要报废处理两类,并将其数量都看成随机参数.以投资成本和运输成本最低为目标函数,建立基于机会约束条件的随机规划模型,以确定物流设施的数量、位置和物流量.提出采用混合智能算法直接求解,避免现有研究中将机会约束规划转化为确定性等价类所带来的问题.通过算例验证了模型及算法的有效性.     

可拆卸再制造产品的回收网络设计及优化

针对可拆卸再制造产品的回收,建立了一种多产品、有能力限制的闭环物流回收网络的混合整数线性规划模型。根据该模型确定网络中各种设施的数量和位置,使网络中设施的投资和运营成本、产品的处理成本、设施间的运输成本及其他相关成本之和最小。     

基于改进C-K节约算法的第三方冷链物流企业车辆调度

针对冷链车辆调度中存在的配送任务重、配送成本较大、冷链物品的质量要求高、制冷追踪技术要求先进等问题,结合第三方物流企业的多商品多零售商特点,提出了新的基于改进C-K节约算法的单货栈第三方冷链物流企业的车辆调度模型.该模型以配送总成本最小为目标函数,以配送点时间窗要求、货物运输总时间限制、冷藏车体积容量和载重量限制为约束条件.以北京某第三方冷链物流企业的货物配送实例作为研究对象,利用C++编写算法程序实现了对模型的求解,求解结果验证了该模型的合理性.     

运用自动化信息系统优化的农产品物流配送路径研究

基于自动化信息技术的广泛应用,运用自动化信息系统研究了农产品物流配送路径的优化,提高配送效率和降低配送成本.首先,利用自动化的信息系统将配送车辆、配送员、物流公司、客户联系在一起,实时监控客户的需求变化,并保持信息沟通和共享,构建考虑自动化信息系统的农产品物流多配送中心成本优化模型.其次,结合A公司农产品物流企业数据,设计了一种运用GPS思想改进的混合算法进行路径的优化,得到一个最优化的配送方案,证明了该模型和算法对路径优化的科学性,也说明了改进的混合算法对于模型的最优解具有较强的全局搜索能力.最后,通过仿真实验结果证明,运用自动化信息系统对农产品物流配送路径进行优化具有可行性和合理性.在此基础上,本研究针对农产品物流配送路径优化的进一步发展提出了建议.     

基于多方法组合的假日物流需求估计模型研究

针对各个节假日消费者对于各类产品的需求不同,提出通过研究日常物流、假日物流的不同特点,并对假日期间区域物流中货物配送的收、发量和周转总量的影响因素进行分析,综合运用神经网络、线性回归以及灰色系统三种方法构建多方法组合物流需求估计模型,从多个方向对假日期间的物流需求进行预测, 使得预测数据更加全面可靠.通过仿真实验表明,基于多方法组合的假日物流需求估计模型相对于单一的需求估计方法提升了预测精度,从而验证了该模型的有效性,因此,可以作为对假日期间物流配送需求估计的有效工具,且具有较高的应用价值.     

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。     

物流配送中心选址问题研究

针对需要综合考虑物流配送中心经济性因素、环境性因素和服务性因素的问题,在改进传统遗传算法的基础上,引入了存优操作,进而提高了算法的收敛速度,使得解的个数可以由用户指定,从而更加满足实际的需求.使用层次分析法对改进遗传算法选出的N个最优解进行综合评价,进一步选出配送中心选址的最佳方案.实例分析表明,将改进的遗传算法和层次分析法相结合,可以解决物流配送中心选址问题.     

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。     

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.     

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.     

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。     

福建省农产品物流配送中心选址问题研究

农产品由于其自身的生物特性,导致其物流成本居高不下,买难卖难矛盾突出。提高农产品物流效益,减少农产品在流通过程中的不必要损耗,实现生产者和消费者之间的双赢对配送中心选址的研究提出了更高的要求。配送中心合理的选址能够产生规模效益,从而提高物流效率,降低物流成本,实现效益的最大化。结合农产品配送中心选址的影响因素和原则,采用重心法模型对福建省的农产品物流配送中心进行选址研究,求出基于总产量和各种农产品的初步位置,然后结合实际情况,对选址地址做进一步的分析,最终确定基于总产量和粮食的最优位置分别位于德化县和大田县。     

逆向物流中心动态选址问题的研究

在逆向物流中,集中退货中心（回收中心）管理是企业逆向物流系统高品质运作的基础和前提。随着逆向物流的发展,企业开始关注集中退货中心的选址。针对已有模型没有考虑时间变化对选址决策的影响问题,构建一个双向物流共享运输网络的动态选址模型,提出了应用动态规划的求解思想和方法并结合实例分析了在考虑时间因素时,企业如何做出规划期内选址决策的时间序列;并引入预测确定性因子来解决预测的不确定性。     

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．