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.     

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.     

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。     

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.     

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。     

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。     

物流配送中心优化选址的方法与应用

介绍了近年来国内外有关配送中心选址的优化方法。对各种选址方法的优缺点和适用范围进行了评述。采用不同的选址模型、选址评价指标体系,对最终评价结果会产生不同的影响。认为方法的组合才是未来该领域研究的趋势。并以重庆某医药物流配送中心的选址分析为例进行配送中心选址的距离综合评价分析,介绍综合评价法在配送中心选址的应用过程。     

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。     

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．     

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。     

“绿色”物流配送中心选址

绿色配送能够实现货物在配送过程中减少对环境的危害,对改善环境具有现实的意义。本文综合考虑物流运作中各环节的碳排放和电子商务下的物流配送的特殊性,研究配送过程中的固定建设成本、运输及配送成本和碳排放成本,合理设置物流配送中心优化模型中的时间约束条件,从而构建基于碳排放成本和总成本的物流配送中心选址模型。系统仿真案例的验证结果表明:本文提出的配送中心选址模型与当前有效可行的同类模型相比,不仅具有同等的低配送成本,而且体现出更为优越的低碳性,进而达到低碳物流的发展目标,同时也能满足顾客对时效性的要求,提高客户满意度。     

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。     

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。     

多物流配送中心选址规划的算法分析

通过对多物流配送中心选址规划的不同算法进行分析,研究了鲍摩-瓦尔夫模型、单阶段CFLP模型和多阶段CFLP模型、多产品模型、动态模型等的优缺点,指出了各自适用的不同条件和环境,在进行多物流配送中心选址规划时,可根据实际情况和具体条件进行选用。     

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。
     

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.