基于蚁群优化的多物流配送中心选址算法

提出了一种解决多物流配送中心选址问题的蚁群算法模型,该模型将物流配送中心选址映射成一个聚类过程,利用蚁群系统中蚂蚁通过信息素寻找最优路径的机制,以物流配送的总成本最低为聚类准则,结合蚂蚁将物体聚堆的行为模式来定义蚂蚁的转移概率、禁忌列表和信息素更新方式,实现基于蚁群优化的物流配送中心选址算法.对多配送中心选址进行了仿真实验,实验结果表明本算法能获得与实际情况相符的配送中心最优解,且适合多种不同的配送中心模型和大规模的配送中心选址,具有较强的灵活性.     

最优库存策略下的选址模型

目前的物流选址模型大多只考虑运输费用，但是，本文通过对最优库存策略的研究表明，单个配送中心的最优库存费用与其承担的需求量之间具非线性关系，进而，在总需求一定的情况下，得出总库存费用与配送中心数目的平方根模拟表达式，并一步提出考虑库存成本的选址模型。使配送中心选址决策进一步完善。     

电子商务环境下物流配送中心选址模型与评价方法

考虑电子商务环境下的物流配送特殊性,将物流配送中心选址模型从变动费用和时间约束的条件进行修改,建立适用于电子商务环境下的物流配送中心选址模型。选址模型是NP问题,故应用启发式算法进行求解。由于电子商务环境下的物流配送中心选址涉及到多方面的因素,是一项复杂的系统工程,建立选址模型时,很难将选址中的所有影响因素考虑周全;即使把这些因素考虑全面,也很难量化形成模型中的约束条件。因此,在进行电子商务环境下物流配送中心选址时,还应咨询和参考各相关专家的意见和建议,进行定性的选择。为此,提出了定量化的启发式算法与定性化的综合评价法相结合来确定电子商务环境下配送中心选址的方法。     

基于库存成本优化的配送中心选址问题研究

研究了需求不确定、存在运输规模经济下的连锁零售企业的配送中心选址问题．在传统选址分析中加入了详细的库存系统分析，在此基础上，以配送中心和门店的服务水平为约束条件，建立了较为全面的配送系统年总成本优化模型，并通过该模型找到了各方案下的最优库存水平和最小成本，从而选出最佳方案．最后。通过仿真，分析了需求变化和运输距离变化对系统的总成本以及方案选择的影响，为连锁零售企业的物流配送中心选址提供了决策支持．     

DEA评价下的配送中心再选址模型及求解

为保持配送中心的高效运营,实现对现有配送中心布局的动态管理和优化,采用数据包络分析(DEA)方法,对已建的配送中心进行效率评价,并把评价结果带入到选址模型,建立了DEA评价下的配送中心再选址混合整数规划模型,约束条件包括供求关系、流量平衡及选址和流量的内在关系,综合考虑了选址中配送中心的成本和效益因素,最后通过一算例验证了模型的有效性.     

基于P-中值模型的电网检修公司分部选址模型

检修公司分部选址是电网公司实施专业化集中检修模式中的一个重要问题。按照建立电网检修公司分部所需满足的时效性以及经济成本最小化要求,构建了基于P-中值模型的电网检修公司分部静态选址方案和改进的P-中值模型的动态选址方案,并分别通过运用贪婪算法和枚举法进行实例分析,为集约化检修模式下检修公司分部的选址提供了一种有效的分析方法和决策依据。     

铁路行包基地及配送点选址规划模型与算法

铁路行包运榆向现代物流方向发展，行包物流基地选址及配送点规划是十分重要的环节。同时，铁路行包运榆存在着客户复杂，受车站位置及列车运行情况约束等特点。文章结合物流配送中心选址问题的方法，给出铁路行包基地及配送点规划的教学模型，应用扫描法构造问题尽可能好的初始解，通过基于局部搜索的启发式算法对初始解优化，得到优化解。用一个实例验证模型及算法的可行性。     

B2C物流配送网络双目标模糊选址模型与算法

基于B2C"配送-退换同时"的物流模式及配送业务特点,集成设施选址-分配和路线优化,研究模糊需求下的B2C物流设施选址问题.针对选址-分配的模糊性和静态性、配送的确定性和动态性特征,以物流总费用为主目标函数,以配送中心流通费用、车辆派遣费用、配送费用总和为子目标函数,建立了有配送中心容量静态约束和车辆动态负载量约束的双目标模糊选址模型,设计了嵌入随机算法和禁忌搜索算法的遗传算法求解.选取合适的测试算例验证了算法的有效性,探讨了客户需求模糊区间宽度和商品退换率对物流选址结果和各项费用值的影响.实验结果表明,所设计的算法对解决这类复杂问题合理有效.客户需求模糊区间宽度与车辆利用率和车辆路线总长的波动区间、平均车辆路线总长度、配送费用正相关,且宽度较窄时,选址结果、车辆派遣费用和配送中心流通费用不变,超过一定范围,选址结果、车辆派遣费用和配送中心流通费用改变.商品退换率与流通费用和物流总费用正相关,但不会影响选址结果和其他费用.     

易腐物品配送中心连续选址模型及其遗传算法

针对易腐物品的特性和连续选址问题的复杂性 ,建立了一种求解易腐物品配送中心连续选址问题的 CAGA算法 ,此算法为与 ALA法结合而成的遗传算法 .实验结果表明 ,这一启发式算法具有较好的搜索特性 ,不失为求解易腐物品配送中心选址问题的一种好方法 .     

基于仿真技术的连锁零售企业配送中心布局决策模型

合理的配送中心布局可以大大降低企业的物流营运成本和提高物流系统的运营效率.从零售业连锁经营和配送中心 本质特征分析入手,将连锁零售企业的配送中心布局决策问题界定为以设施成本、物流成本和快速反应能力等多重子目标达到最优的多目标多配送中心选址问题.在对影响配送中心选址布局的因素进行定性分析和定量分析的基础上,运用蒙特卡罗静态仿真进行成本分析和Arena动态仿真进行响应时间分析相结合的方法构建了多目标多配送中心布局决策分析模型,并采用AHP和TOPSIS相结合的综合评价方法分析相关指标和数据来确定最优方案. 最后,以一家大型连锁超市作为研究算例, 以珠三角地区作为布局分析区域,构建实物模型以验证决策模型的科学性和有效性.     

电子商务下的配送中心选址问题及其优化

分析了电子商务环境下的物流配送中心的特点,提出了电子商务环境下带软时间窗的配送中心选址与车辆路线集成模型,设计了遗传算法与模拟退火算法相结合进行求解.最后通过算例说明了该模型的实用性及其算法的可行性.     

基于食品安全的生鲜食品冷链运营优化研究

针对我国生鲜食品冷链物流成本高、食品易腐败的特点,在考虑食品安全的基础上,本文利用生鲜食品质量衰减原理,设计了基于温度控制的多产品分阶段生鲜食品冷链运营模式,建立数学模型对冷链配送网络选址、配送路线规划以及各环节温度选择进行优化研究,在保障食品质量安全的同时最大程度降低物流成本,最后通过算例仿真及对比研究验证了模型及算法的可行性和有效性.     

区域物流中心分工布局

在物流中心布局规划的基础上,结合物流需求的结构和分布情况,考虑物流中心分工,提出了物流中心的分工布局问题,旨在综合确定物流中心的数量、位置、类型及规模,以及各品类货物流在物流网络上的流量流向.建立了基于双层规划的物流中心分工布局优化模型,并设计了模拟退火求解算法,最后通过算例分析说明了模型和算法的有效性.     

基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题,研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足,以智能回收箱为研究对象,考虑多频次回收和车辆共享调度策略,提出基于产品回收定价的逆向物流车辆路径优化方案。首先构建了智能回收箱回收量与回收定价的线性函数,然后构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型,并建立了回收中心产品的最大化收益模型。其次,根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的K-means时空聚类算法,进而提出一种改进的GA-PSO混合算法。该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补,同时采用了精英保留策略,增强了混合算法的搜索性能,并通过与HGA、GA-TS和HACO等算法进行比较分析,验证了模型和算法的有效性。最后,结合重庆市某智能回收物流网络的实际数据进行优化研究,分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明,本文所提出的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度,并可在回收中心获得...     

物流配送车辆路径优化的模糊规划模型与算法

将实际的物流配送网络描述为由配送中心和顾客两类节点构成的不完全无向图，并采用模糊数表示车辆行驶时间和顾客服务时间的不确定性，建立了物流配送车辆路径优化的模糊规划模型。为了求解上述模型，首先将模型进行清晰化处理，使之转化为一类确定性多设施车辆路径模型，然后设计了嵌入FLOYD算法的捕食搜索算法对之进行求解。通过仿真实例计算，并与遗传算法比较，取得了满意的结果。     

基于可信性的低碳物流网络设计多目标模糊规划问题

通过物流网络的优化设计来控制碳排放是提高低碳物流绩效的一种重要途径.针对模糊环境下多级低碳物流网络设计的战略定位和配置问题,综合考虑多级物流网络参数的模糊性以及战术层的多商品流、多生产技术和多运输方式的选择决策,以最小化物流网络的总成本和总碳排放为目标,集成采用期望值规划方法和机会约束规划方法,建立了基于可信性的多目标模糊数学规划模型.该模型引入二氧化碳当量作为衡量物流网络对环境影响的评估指标.然后,设计了一种基于可信性测度的交互式模糊求解方法对多目标模糊规划模型予以求解.最后,通过算例验证了模型和算法的有效性和可行性.     

考虑物流配送路网结构及配送量约束的客户聚类算法

物流配送客户聚类问题是物流配送研究领域的基本问题,实际问题要求考虑客户分布的地理特性、客户配送量(即需求量)及配送车辆负载量等因素.针对配送中心未知的客户聚类问题,提出了一种考虑配送路网结构和配送量约束的聚类算法.利用所提出的"最短主干道距离",克服传统欧式距离不考虑配送道路信息的缺陷,在此基础上,利用约束聚类思想对传统k中心划分聚类算法CLARANS进行改进,使其在考虑地理信息的同时,能满足客户配送量和车辆负载量约束.最后对提出的算法进行了数值实验.