基于贪婪启发式的多期多目标动态网络选址

为弥补现有选址模型考虑需求变化及客户满意度的不足,研究了随机需求环境下的配送中心选址并设计了衡量客户满意度的函数. 运用随机机会约束规划为基本建模工具,将模型设计拓展到多期规划决策领域并构建了动态多期多目标选址模型,模型不仅考虑了最小化配送中心运作成本,而且考虑了客户最大满意度;运用主要目标法将多目标选址模型转化为单目标选址模型,采用满意度高优先的客户指派原则设计了贪婪启发式求解算法. 算例结果表明,模型的非劣解包含了传统的以最小化物流成本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灵活全面的决策依据.     

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。     

区域性煤炭运输节点的优化

针对当前我国煤炭行业物流诸多现实问题,尤其是煤炭运输通道规划合理化问题,通过对煤炭物流客户的需求量、运输距离及多式联运等信息的分析,并在对煤炭配送中心选址的重要性、合理性及其煤炭调运成本的影响因素的研究之后,文中运用煤炭配送中心合理的选址优化模型与配送成本优化模型等优化方法,实现煤炭运输成本最小化,以达到优化区域性煤炭运输节点的目的。煤炭配送中心合理的选址优化模型与配送成本优化模型的科学性和有效性也经过实验证明其应用的实际价值,为我国煤炭运输通道合理化的建设提供理论和技术支持,也有为我国煤炭运输通道的未来发展提供了指导性的意义。     

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。     

不确定需求下多类型自提点多目标选址

考虑顾客快递数量的不确定性，引入顾客满意度函数，以自提点运营成本最小化和顾客满意度最大化为目标，构建多类型自提点选址问题的整数二次规划模型，通过高德平台获取需求点与自提点之间的实际取货距离，运用三角模糊数刻画顾客快递数量的不确定性，进而将模型转化为模糊机会约束规划模型。采用Epsilon约束算法结合Cplex求解器对实例求解，并对比NSGA-Ⅱ算法，再应用模糊集理论得出折中解，折中解方案较目标最优方案顾客满意度降低了11.4%,运营成本增加了26.3%。结果表明：随着顾客快递数量的增加，自提点的运营成本和顾客满意度均呈现先增后减的趋势；构建多类型自提点可以有效兼顾成本和顾客满意度，实现系统最优。     

双渠道供应链多期多目标动态选址模型

考虑双渠道供应链环境下的物流配送选址问题的特殊性,建立顾客需求随机环境下,考虑网络直销和中央仓库传统零售渠道相结合的中央仓库多期多目标动态选址模型,模型不仅考虑了最小化相关的运作成本,并且考虑了客户的最大满意度,给出了中央仓库在整个规划期内的打开、运营、关闭和再次打开的成本表达式,使用主要目标法将多目标转化为单目标模型.设计了基于顾客满意度的贪婪启发式求解算法.求解结果表明,该结果包含了以最小化物流成本为目标的选址模型的最优解,为双渠道供应链环境下的中央仓库选址提供了更加灵活并且全面的依据.     

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.     

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。     

郑州市农产品物流配送中心选址研究

结合郑州市交通、人口、环境等自然条件和投资、运营、运输等成本因素,建立了反映总运行成本最低的郑州市农产品物流配送中心选址的整数规划模型,运用LINGO软件编写程序对模型进行求解,结果表明模型能够满足应用需求.     

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.     

Capacitated Dynamic Facility Location Problem Based on Tabu Search Algorithm

Facility location problem is a kind of NP-Hard combinational problem. Considering ever-changing demand sites, demand quantity and releasing cost, we formulate a model combining tabu search and FCM (fuzzy clustering method) to solve the eapacitated dynamic facility location problem. Some results are achieved and they show that the proposed method is effective.     

基于模拟退火遗传算法和AHP的选址研究

给出了关于配送中心选址的0-1混合整数线性规划模型,该模型要求在一些已知的备选点中选出一定数目的地点,作为配送中心;并求出配送网络中的物流量,使配送网络总费用最小.由于这类模型属于NP难问题,为更好的求解此类问题,提出了定量化的模拟退火遗传算法与定性化的综合评价法相结合来确定配送中心地址的方法.     

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.     

易腐农产品配送中心选址问题

如何将农产品新鲜、快速、低成本地有效配送,一直是配送中心选址需要关注的核心问题。结合易腐农产品特点,将总配送成本分解为运输成本及产品腐败成本两部分,运用G1法和熵值法,构建了包括各需求点的人口、社会、经济及建造成本4个因素在内的以总配送成本最小为目标的选址模型。借鉴经典NP问题中的Steiner点问题,将之前构建的以配送成本最小为目标的选址模型转化成配送中心到各个需求点总距离之和最小的问题。由于此问题属于典型的NP问题,所以文中选用模拟植物生长算法对此问题进行求解,为了使初始生长点更加合理的分布,引入了谢尔宾斯基地毯的原理对算法进行改进,有效地提高了算法的效率。最后以江苏宜兴市为例进行了实证分析,为相关部门决策提供借鉴。     

以需求响应时间为约束的仓库选址优化研究

由于诸多原因,大型企业现存仓库选址存在许多问题,如何对其优化,并在优化的同时达到既降低成本又保证需求是一个复杂的问题。对大型企业现有仓储体系进行了研究,针对性地提出了以需求点聚类为基础、以需求响应时间为约束条件的优化方法,合理有效地对仓库选址进行了优化。     

基于最小费用/可靠性比值路的物流配送中心选址问题

费用和可靠性是评判一个物流系统是否优良的两个重要指标．一般要求从配送中心到各配送点的运输费用尽可能低,而可靠性则要求尽可能高．讨论了在时变环境下的物流配送中心选址问题,要求从配送中心到各配送点的费用／可靠性比值之和达到最小．模型中考虑的费用和可靠性都是时间的函数．该问题是NP完备的．且给出了求解该问题最优解的一个拟多项式算法．     

震后多时段应急物资联合配送路径优化研究

为了解决地震灾害发生后由于应急物资转运不及时所带来的人员伤亡及财产损失等问题，提出一种考虑时段划分的混合算法。首先，依据震中方位等确定受灾点及其物资需求；其次，按照灾区内的道路损毁约束条件等确定受灾点需求的配送方式；再次，根据道路损毁及恢复情况将震后“黄金72小时”划分为多个时段、多种配送方式联合的配送方案；最后，选取“四川泸定9·5地震”为背景进行算例仿真。结果表明，相较于传统遗传算法，混合算法的总配送成本降低了9.53%，配送总时间减少了7.03%；在考虑多时段情景下整体方案配送总时间比不考虑时段情景时减少6.33%，在配送总成本上降低18.9%。震后划分时段进行联合配送的方式能够有效解决受灾区域内的应急需求问题，提高应急物资配送效率。     

基于蚁群-免疫算法的组团弹性物流配送优化

为有效降低烟草配送成本,从配送与补货角度,提出组团式新型物流配送模式.结合位置、需求与补货周期等信息,将需求点按小组划分,建立了组团弹性配送优化模型.以配送路径最短为目标,设计了组团弹性模式下的蚁群-免疫算法,实现了对配送路径的优化和仿真.通过实验例证和对比分析,验证了模型可行性与算法的有效性.