求解配送中心选址问题的改进人工蜂群算法

给出了一种改进的人工蜂群算法(IABC)用于求解配送中心的选址问题。采用自然数构建的二维矩阵对问题进行编码,提出了四种邻域生成策略。为了避免收敛速度慢和局部最优,设计了新的局部搜索算法,雇佣蜂和跟随蜂按此算法在邻域空间内更新当前解。通过仿真实验与各种智能优化算法对比,验证了提出的算法无论在有效性还是稳定性上,都具备良好的效果。     

物流配送中心选址问题综述

物流配送中心选址方案直接关系到物流的效率和成本。本文首先介绍了国外选址的三类经典方法并指出不足,进而简要介绍我国的研究进展,最后指出物流配送中心选址的未来发展方向。     

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。     

物流配送中心选址问题研究

物流配送中心选址是否合理,对物流配送中心功能的发挥和整个物流系统的经济效益都有极大的影响。因此,在配送中心建设之前,需要进行系统、全面的规划。本文介绍了物流配送中心选址的原则,对影响物流配送中心选址因素进行了分析,提出了物流配送中心选址的流程及评价方法,并以成都枢纽内多个货运站的规划为例,进行了实例分析。     

物流配送中心选址策略研究

把物流配送中心的选址归结为求解使运输成本、变动成本和固定成本之和最小的最优化问题.为便于模型求解,进行了适当的假设,建立了以运输成本与运营成本之和最小为目标的选址模型,并采用遗传算法对选址模型进行求解,运用vb.net编写相应的求解程序.     

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。     

物流配送中心选址的IPSO-BP算法

改进标准粒子群优化算法（PSO）的惯性权重参数,提出基于IPSO的BP神经网络算法,以提高物流配送中心选址的预测精度。仿真结果表明,IPSO-BP神经网络算法的预测精度优于常规BP神经网络算法,不仅改进了网络的收敛速度并且提高了预测准确性。     

福建省农产品物流配送中心选址问题研究

农产品由于其自身的生物特性,导致其物流成本居高不下,买难卖难矛盾突出。提高农产品物流效益,减少农产品在流通过程中的不必要损耗,实现生产者和消费者之间的双赢对配送中心选址的研究提出了更高的要求。配送中心合理的选址能够产生规模效益,从而提高物流效率,降低物流成本,实现效益的最大化。结合农产品配送中心选址的影响因素和原则,采用重心法模型对福建省的农产品物流配送中心进行选址研究,求出基于总产量和各种农产品的初步位置,然后结合实际情况,对选址地址做进一步的分析,最终确定基于总产量和粮食的最优位置分别位于德化县和大田县。     

基于改进原子算法的物流配送中心选址策略

针对电商物流配送中心选址难以优化,导致配送成本过高、配送效率低的问题,提出一种改进原子算法的电商物流配送中心选址模型.针对基本原子算法易早熟收敛而陷入局部最优、局部收敛精度不高的问题,通过提出一种非线性控制因子对算法进行改进,提高算法的收敛精度,同时引入正弦混沌搜索策略来帮助算法跳出局部最优.最后将改进后的原子算法对电...     

“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。     

电子商务环境下物流配送中心选址研究

本文介绍了电子商务环境下的现代物流与传统物流的不同之处,分析电子商务环境下的物流配送中心应具备的特性.在此理论基础上,对传统的物流配送中心选址模型进行了改进,加入了时间约束,使其更能适应电子商务的快节奏,更能满足时代发展的要求.     

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.     

物流配送中心选址问题研究

针对需要综合考虑物流配送中心经济性因素、环境性因素和服务性因素的问题,在改进传统遗传算法的基础上,引入了存优操作,进而提高了算法的收敛速度,使得解的个数可以由用户指定,从而更加满足实际的需求.使用层次分析法对改进遗传算法选出的N个最优解进行综合评价,进一步选出配送中心选址的最佳方案.实例分析表明,将改进的遗传算法和层次分析法相结合,可以解决物流配送中心选址问题.     

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．     

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.     

物流配送中心选址方案模糊决策分析

为了解决物流配送中心选址方案选择问题,采用模糊决策分析法进行研究。建立影响因素指标体系,并采用判断矩阵分析法确定影响因素权重系数;研究多目标模糊决策方法,包括构建因素指标矩阵、构建模糊矩阵、对各方案进行决策;通过多个选址方案实例说明决策分析方法的全过程。结果表明:模糊决策分析方法很好地解决了物流配送中心选址中的模糊性、非确定性问题,实际应用时要灵活地确定评价指标体系和权重,采用定性分析与定量计算相结合的方法确定各方案的影响因素值。该成果对确定物流配送中心选址方案具有一定的理论和实用价值。     

基于BP人工神经网络的物流配送中心选址决策

物流配送中心的选址在整个物流系统规划中占有十分重要的地位,需要决策者综合考虑多种因素：但在传统的算法中,有些重要的定性因素被忽略。本文通过建立选址决策的模糊评价矩阵,利用BP人工神经网络来处理数据.可避免传统算法的不足,较客观地对多个选址方案的优劣进行评价,并引用实例说明该方法的实现过程。     

多物流配送中心选址及求解

经典蚁群算法不能直接用于求解多配送中心选址问题(MDLP),据此,将MDLP映射为扩展K-TSP过程并设计了改进的蚁群算法.改变了经典蚁群算法禁忌表的设置方式,算法运行时,给蚁群建立一个共享禁忌表,里面存放所有蚂蚁访问过的客户点,任何蚂蚁只能选择共享禁忌表未曾记录的客户点,从而增强蚂蚁间的信息交流,促进它们的分工与协作,使蚂蚁无遗漏无重复地遍历各配送点并找出问题的最优解.为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式.仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP.     

军事物流配送中心选址模型及其优化算法

配送中心选址在军事物流中具有重要的意义，本文基于军事物流自身的特点，建立了时间优先的单配送中心选址模型、时间优先的多配送中心选址模型和成本优先的多配送中心选址模型三种模型，对于前两种模型采用了分步骤迭代的优化解法，而对于第三种模型采用了图论中的最短路径算法进行优化求解，这些对军事物流理论的研究都必将具有参考价值。