不确定随机闭环物流网络的机会约束模型及性质

提出了同时具有随机性和不确定性的闭环物流网络问题。基于机会理论,视具有随机性的参数(产地和销售地之间的单位运输成本)为具有概率分布函数的随机变量,具有不确定性的参数(客户区和销售地之间的单位运输成本及客户需求)为不确定分布的不确定变量。在产销平衡、运费及客户需求的机会约束下,建立了以闭环物流运费(不确定随机变量)的期望最小为目标的闭环物流新模型,称为不确定随机闭环物流网络的机会约束模型。给出了在特殊不确定分布下的模型性质,由此得到与其等价的具体形式。     

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。     

不确定条件下多产品第四方物流闭环网络鲁棒优化研究

在不确定条件下,构建了一个包括生产商、集中退货中心、消费区/初始退货点、维修处理中心、分销中心和废弃处置中心的单周期多产品第四方物流闭环网络选址模型。在销售量和退货率均不确定的情况下,用鲁棒优化的方法进行优化,目标是使总成本最小。通过lingo 10对具体算例进行求解。结果验证了该模型的鲁棒性。     

可修复产品逆向物流网络的鲁棒优化模型研究

考虑一类同时具有回收、再处理、处理和废物处理中心的可修复产品逆向物流网络在产品回收率不确定环境下的网络优化问题.为了提高可修复产品逆向物流网络的经济效益和网络的稳健性,建立了可修复产品逆向物流网络在产品回收率不确定情况下的鲁棒优化模型,分析了鲁棒优化模型解的存在性.     

电子商务环境下具有随机需求的闭环供应链网络的设计与优化

研究电子商务环境下具有随机需求的闭环供应链的设计与优化问题.首先,考虑顾客需求的随机性和物流过程的模糊性,以供应链系统的总费用最小为目标建立了问题的数学模型;其次,运用模糊数学理论将模型中的模糊参数转变为确定性参数,并引入产品缺货成本和积压成本调节供需失衡时物流系统的总费用;最后,通过设计遗传算法确定了网络中生产中心和分销中心的优化选址以及各个物流环节的优化运输方案.数值仿真结果表明本文设计的算法能够有效地解决闭环供应链系统的设计与优化问题.     

基于库存成本的连锁零售企业配送网络设计

研究了需求不确定的连锁零售企业配送网络设计及其库存决策的联合优化问题. 以门店和配送中心服务水平为约束条件,详细分析连锁企业内部的二级库存成本,并综合考虑运输成本和配送中心选址成本,建立配送系统年总成本优化模型.以系统总成本最小为目标,运用遗传算法求解该优化模型,在得到最优配送网络方案的同时,确定系统安全库存因子及门店的订货周期.通过算例仿真验证模型和算法的有效性,并分析需求、运输距离和选址成本等因素对系统总成本的影响,为连锁零售企业的物流配送网络设计及库存控制提供决策支持.     

基于不确定条件的再制造物流网络优化设计

针对废旧产品到达时间和数量、废旧产品回收与再制造产品需求平衡、废旧产品可利用率等不确定性特点,综合考虑多产品、多周期、容量限制等影响因素,将废旧产品回收数量、再制造产品需求数量、废旧产品利用率作为随机参数,以物流网络构建的总成本最小化为目标函数,建立了不确定条件下的随机机会约束规划模型,用以确定物流网络结点设施的位置、数量和物流量.设计了融合随机模拟和线性规划的混合遗传算法对模型进行直接求解,有效提高了算法的局部寻优能力.算例分析表明,基于不确定条件的随机机会约束规划模型比确定条件下模型考虑了更多的实际因素,因此能够更好地满足再制造企业物流战略决策的需要.     

考虑时效与货损的多产品冷链物流配送中心选址与流量分配仿真

针对多产品冷链物流配送中心选址与流量分配问题,构建了考虑时效和货损的混合整数线性规划模型.以配送中心固定建造费用、运营费用、运输费用、货损成本在内的总成本最小为目标,运用CPLEX求解模型的最优结果.以某企业的运营情况为背景,分析时效性与货损性的变化对于冷链物流网络构建的影响,由此验证了本文所提方法的有效性.     

随机环境下制造/再制造物流网络的多周期动态选址

在制造/再制造物流网络的不同周期,新产品和再制造品的销售市场可能不同.针对此情形,考虑市场主体对新产品和再制造品需求量的不确定性,以构建物流网络总成本最小为目标,建立制造/再制造物流网络的多周期动态选址模型.通过算例求解,确定各周期物流网络中设施的数量、位置及设施间的物流量分配并验证模型的有效性.     

基于鲁棒优化的逆向物流网络设计研究

逆向物流的流量预测困难,加上各种成本的不确定,其稳定性难以保证。为研究其选址问题,建立了一个以总成本最小为目标的标准模型,并在标准模型基础上加入因无法满足的处理量而产生的惩罚成本。分析出其中可能的不确定参数,进行规范式处理,引用p-robust建立鲁棒优化模型。随机构建一个案例,考虑外界参数不确定,将标准模型和鲁棒优化后的模型分别使用粒子群算法进行求解,得出不同的选址结果,对比表明高度不确定下的鲁棒优化模型的选址决策具有较低的风险。分析各不确定参数对总成本波动的影响程度,得出逆向物流量对总成本波动影响最大,应加以重视。最后考虑网络结构不确定,给出一种在不同不确定等级下的选址方法。