供应商管理库存模式下库存优化研究

供应链环境下的库存优化是降低整体成本的重要手段,介绍了供应商管理库存（VMI）的基本概念,研究了由供应商和分销商构成的VMI模型下的库存决策模型,并论述了动态规划方法在该问题上的不足之处以及强化学习方法在该问题上的优势,同时介绍了马尔科夫决策模型（Markov）和半马尔科夫决策模型（semi—Markov）的概念,最后通过一个算例对强化学习方法的过程进行了具体的说明。     

考虑多车型软时间窗的成品油二次配送库存-路径问题

针对成品油二次配送库存-路径问题(inventory routing problem, IRP),考虑了随机需求、多车型多隔舱等因素,以车辆配送成本、违反时间窗等惩罚成本之和最小化为目标,建立了混合整数规划模型。设计了求解模型的两阶段启发式算法,第一阶段根据各加油站的期初库存量、销量的概率分布等确定补货量和时间窗;第二阶段利用遗传算法和C-W节约算法确定配送车辆和配送路径。通过模拟计算并与单阶段算法和Gurobi直接求解模型的结果进行对比,验证了两阶段算法的有效性。结果显示利用本文方法确定成品油二次配送计划,在避免加油站缺货的同时,有效降低了车辆的配送成本。     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性.实验结果表明:...     

库存路径问题的一个新策略

文章针对一个配送中心,n个确定性需求的需求点的供应链系统,建立其数学模型,提出了一种新的配送策略--单周期的整数策略,将POT策略的2的指数倍推广到任意的整数倍率;并且基于matlab给出了该算法的测试,将该算法与POT进行比较,结果表明该算法是较优的.     

限时配送业务中的商品配送路径选择问题

在多商品网络问题的基础上考虑了商品的在途运输时间及商品在物流节点的作业时间、等待时间,建立了限时配送业务中的商品配送路径选择模型,设计了基于最短路问题的模拟退火算法,以数值试验证明了模型及算法的有效性.     

生物质资源库存-路径整合优化问题研究

库存和路径是供应链中两个重要决策问题。本研究旨在整合优化生物质资源供应链中的设施库存和车辆路径,将总成本降至最低。本研究在优化供应链中车辆路径规划问题时,加入对设施库存问题的考虑,通过对两个问题的整合优化来减少牛鞭效应的影响。针对整合出的生物质资源供应链库存-路径优化问题建立混合整数规划模型。由于问题的计算复杂度较高,导致求解问题会消耗大量时间,为此开发混合启发式算法(HHS)实现高效决策。通过算例测试验证了模型及算法的可行性,计算结果可应用于实际的生物质资源供应链库存和路径。CPLEX精确解和HHS算法近似解的比较表明HHS算法可求得十分接近精确解的近似解且更加高效。     

供应商管理库存的利润模型及其优化策略

研究了供应链管理环境下新的库存策略·对有确定需求、有初始库存和库存短缺的一种畅销商品,建立了供应商管理库存的供应链模型·通过对此模型的进一步分析,证明了在供应商管理库存短期激励下,供应商管理库存将减少整个供应链的总的库存相关成本·但是这会增加供应商的库存相关成本,所以在实施供应商管理库存的起始阶段,应该首先考虑供应商和买方库存系统之间严重不匹配的商品·结果为双方企业合并其库存提供了有力的理论基础·     

装配式建筑配送中带时间窗VRP问题研究

近年来,带时间窗的车辆路径问题(vehicle routing problem with time window,VRPTW)得到了广泛关注和研究.装配式建筑是近年来发展的一种新型建筑类型,预制构件配送过程中会带来诸多复杂工程问题.本文以装配式建筑配送为研究背景,分析了当前VRPTW相关文献的研究现状,建立基于VRPTW的扩展模型,并采用智能优化算法进行求解.以经典的SOLOMN算例作为扩展,随机生成18个不同结构的算例进行测试,实验结果验证了本文所提出算法的有效性.     

混合算法在物流分配路径优化问题中的应用

基于鱼群算法和蚁群算法,提出一种混合优化算法用于物流配送路径优化问题中。经过多次对比实验表明,使用混合优化算法可以实现优化物流配送线路,可以有效而快速地求得问题的最优解或近似最优解。     

用混合遗传算法求解物流配送路径优化问题

为了改善物流配送路径优化问题的运算质量,提出一种将遗传算法和模拟退火算法相结合的混合遗传算法。通过仿真 实例验证,证明混合遗传算法的解优于单纯使用遗传算法和模拟退火算法所得到的解,同时混合遗传算法与传统优化算法相 比收敛速度更快,分配结果更优良,具有很好的应用价值。     

有时间窗约束非满载车辆调度问题的节约算法

车辆调度问题(Vehicle Routing Problem,简称为VRP)是物流配送中广泛存在的一类问题,VRP属于强NP问题.在建立了带有时间窗的非满载的VRP问题的数学模型基础上,对启发式算法中的节约算法进行改进,设计出带时间窗的非满载的VRP问题的节约算法.通过对8个客户和13个客户算例的具体计算结果分析该算法的性能,研究表明:节约算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,但在客户规模增加,解的空间增加后,其解的精度也随之下降.     

改进的粒子群算法及其在带软时间窗车辆调度问题中的应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出多相粒子群优化算法(Multi-pha-ses Particle Swarm Optimization,MPSO).建立了带软时间窗车辆调度问题数学模型,并将该方法运用于带软时间窗车辆调度路径优化.根据多相粒子群并行搜索的思想,给出MPSO算法在带软时间窗物流配送车辆调度路径优化的实现流程.仿真结果表明:多相粒子群算法可以快速、有效地求得车辆路径问题的优化解,是一种求解带软时间窗车辆路径问题的较好方案.     

水果运输调度问题的优化

针对带硬时间窗的水果运输调度问题(Fruits in Vehicle Routing Problem with Hard Time Windows,FVRPHTW),联系实际应用中水果易腐的特性及运输途中的路况因素,采用蚁群算法、模拟退火算法和禁忌搜索算法来对FVRPHTW求解,并分析3种算法的优缺点。实例证明,这些算法对求解水果运输调度问题是可行的,模拟退火算法略优于其他两种算法。     

基于粒子群算法的整数规划问题的求解算法

整数规划是运筹学的一个分支,一直以来没有很好的求解算法.目前有研究人员尝试用粒子群算法求解整数规划,但都只能解决无约束整数规划问题.提出了一种求解约束整数规划的粒子群算法,能够解决有约束线性和非线性整数规划问题.     

基于多目标的Dijkstra算法的配送中心路线优化的研究

本文主要利用Dijkstra（迪杰思特拉）算法,将配送中心的三个主要的业务目标,即距离、时间和费用进行整合,建立可实现多目标的模型,使配送中心在线路优化的同时考虑多个因素,实现多种目标。Dijkstra拓展算法还可以进一步拓展,企业可以根据需要在三个目标的基础上进行增减。这种综合考虑多种目标的算法对于实现配送中心线路优化具有现实意义。     

基于蚁群算法和遗传规划的跨单元调度方法

针对运输能力受限的跨单元调度问题,提出了一种基于蚁群算法与遗传规划的超启发式算法.通过蚁群算法搜索合适的启发式规则,并且利用遗传规划生成可以适用于问题模型的启发式规则,用以扩充规则集;同时引入时间窗的概念,用来决策每个小车运输时的等待时间.实验表明,提出的算法可以搜索出优质规则,并且通过遗传规划很大程度上改善了候选规则集,提升算法性能.同时时间窗策略的采用可以提高小车的利用率以及最小化总加权延迟时间.