中断风险下易腐品多目标闭环供应链网络模型

在当今全球化和高度不确定的商业环境中,供应链网络容易遭遇设施中断、路径中断等多重中断风险。同时考虑到易腐品需求波动大、易损耗、退货率高、处理不当会污染环境等问题,以最小经济成本、最小环境影响、最大社会效益为目标,提出缓解中断风险的策略并构建了不确定条件下易腐品多目标闭环供应链网络模型。为了减少不确定参数的影响,实现最优设施选址与最佳配送路径的决策安排,将易腐品需求量和退货量设定为三角模糊值,采用模糊机会约束方法解决模型中的不确定约束问题。以上海市某易腐品企业为例,通过遗传算法和粒子群算法对模型进行求解。结果表明,采用缓解中断风险的策略可以显著改善供应链网络在中断情况下的表现,且相对于单目标优化,多目标优化整体表现更优。     

求解二级分销网络模型的混合微粒群算法

针对现有算法在求解二级分销网络模型时计算量大、难以适用于求解大型规划问题和易陷入局部最优等不足,提出一种求解二级分销网络模型的混合微粒群算法。该算法以二级分销网络的总成本作为适应度函数,采用一种精简的编码方式,通过将遗传算法的变异和交叉操作引入微粒群算法,实现二级分销网络模型的离散优化。算例仿真结果表明:采用提出的算法能获得全局最优解,且收敛性好,运算速度快,稳定性好,能有效避免算法的早熟收敛问题。     

基于GASA算法的成品燃油战时公路配送路径优化

为了实现配送的路径优化,结合战时极其重要的物资--成品燃油,提出了多属性道路网络下成品燃油战时配送的路径优化问题.综合考虑战时配送VRP(vehicle routing problem)的多个评价目标,基于重要性的多目标分层优化思想,分析建立了问题的完全分层优化模型.将进化算法和传统优化技术相结合,构造了模型的两层求解算法,第一层采用遗传算法和模拟退火算法混合的GASA(genetic simulated annealing algorithms)算法,第二层采用枚举法.实验表明,所构造的算法较标准遗传算法更有效.     

随机需求下多危险品定位库存路径问题建模与算法研究

将需求的不确定性与库存理论结合,构建起产地-配送中心-客户三级供应链库存及配送的数学模型,并提出根据危险品影响的衰减系数计算其影响半径的方法,进而设计出基于衰减特性和人口分布的风险模型。采用多目标遗传算法(NSGA-Ⅱ)进行模型求解,设计出一套整合多种类危险品定位路径信息的编码-杂交-变异方式。在对算法的研究中,提出了通用性的,带种群结构控制的非支配排序遗传算法(NSGA-Ⅱ-PSC)及其3种类型。算例表明,改进算法可以得到更高质量的Pareto最优解集或更快的收敛速度。     

基于改进遗传算法的二级分销网络优化模型及求解

在分销中心选址中考虑设施成本、运输成本、库存成本等要素,以分销中心服务水平为约束条件,提出了随机需求下一个供应商、多个分销中心、多个分销商的二级分销网络的优化模型。采用改进的遗传算法来求解模型,建立了一种精简的编码方式,有效降低了染色体的存储空间。构造了一种随进化代数动态调整的非线性适应度函数,遗传算子采用进化(μ λ)选择,混合杂交和混合变异方式,从而有效地避免算法的早熟现象,提高了算法的运行效率。最后数值模拟的结果验证了在随机需求下二级分销网络的优化模型的正确性和算法的有效性。     

需求不确定下的鲁棒供应链网络优化设计

建立了一个需求不确定的多产品,多原材料的由供应商-制造商-分销中心-零售商的构成的四级鲁棒供应链网络优化设计模型。模型中的需求不确定性区别于传统意义上的需求的波动,使用情景法描述。优化模型是一个混合整数线性规划模型,设计了基于改进遗传算法的MGAND求解算法。最后给出数值实验证明了模型及算法的有效性。     

基于免疫遗传算法的炼钢最优炉次计划研究

针对炼钢最优炉次计划问题难以准确求解的实际情况,建立了一种含有0-1变量的整数规划模型,为了求解该优化模型,提出了一种新的免疫遗传算法.该算法通过将免疫算法和遗传算法相结合,在传统遗传算法中加入免疫算子,并且引入了新的个体选择概率模型,有效防止了算法过早收敛的现象.针对该类优化问题的特性,设计了自适应的交叉率和变异率准则,动态调整交叉率和变异率,提高了该算法的精度.基于工厂的实际数据,进行了仿真实验,实验结果表明该免疫遗传算法比普通遗传算法有着更高的搜索精度,证明了该算法在实际炼钢最优炉次计划问题中的有效性和准确性.     

时变需求环境下同时取送货的车辆路径问题优化研究

针对客户需求随时间实时变化且存在同时取送货的车辆路径优化问题,构建最小化配送总成本的优化模型.考虑动态路径优化问题的处理策略,提出滚动周期型动态调度优化方法,将问题划分为一系列静态车辆路径问题进行求解.通过在蚁群算法中引入遗传算法的交叉、变异操作设计混合蚁群遗传算法对问题进行优化.算例表明:文章所构建的模型及动态调度优...     

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。     

遗传算法解供应链中二级分销网络优化设计的随机规划模型

给出供应链中二级分销网络优化设计的改进机会约束规划模型。模型中将各个分销中心的需求量和 各工厂的生产能力设为随机参数．采用基于随机模拟的遗传算法对模型进行求解,并给出算例来说明模型及 算法的有效性,最后给出结论以及未来的研究方向。     

考虑网络韧性的三级轴辐式物流网络模型及算法研究

为了实现城市物流运作的集约化，并尽可能降低因突发事件导致的物流供需中断，以物流节点定位和通道布局为落脚点，研究了三级轴辐式物流网络的多目标规划。考虑轴辐式网络的结构约束、多级节点间的连通关系限制，以多级轴辐点选址、轴辐点间的连通关系及强度为决策变量，以网络建设成本最小和网络韧性度最大为目标函数，构建三级轴辐式物流网络模型。结合模型的特点设计了具有双层结构的遗传算法，其中外层为三段编码结构的小生境Pareto遗传算法，用于求解多目标规划，内层为0-1编码的遗传算法，用于求解网络韧性度。以某区域14个节点城市作为案例，验证模型及算法的有效性，并将优化结果与两类传统的单目标物流网络进行了比较。研究结果表明：双层遗传算法能够有效求解三级轴辐式物流网络规划模型；选取案例计算得到的Pareto最优解参与比较分析，优化结果与传统三级轴辐式物流网络相比，网络韧性度提高了6倍，但网络建设成本也随之增加；与单纯以韧性度最大化为优化目标的物流网络相比，网络建设成本降低了7倍，网络韧性度也随之降低。可见提出的双目标三级轴辐式物流网络模型实现了网络建设成本和网络韧性度间的均衡，对于追求具备一定抗毁性能的轴辐式物流网络规划人员，具有参考和应用价值。     

模型预测控制在供应链库存管理中的应用

针对供应链网络需求不确定的特点,采用模型预测控制技术解决供应链管理中库存的动态优化问题.首先,阐述了模型预测控制的机理及其在供应链动态控制方面的适应性;其次,建立了成本目标优化模型,提出控制法则并给出控制算法;最后,仿真结果表明,模型预测控制技术在预测合理库存水平以及控制动态、不确定的供应链系统是可行的.     

供应链的利润模型与优化问题

建立并改进了供应链的成本模型·应用管理会计基于作业的成本分析方法,研究了供应链成本结构,并给出8种不同类型的分销商作业成本·以顾客订货量中可调整部分为决策变量,建立了分销商的利润优化模型,为协调供应链成员关系提供了有效依据·最后,采用进化规划算法,并结合宝钢采购处实际进行了仿真计算,结果表明:在一定范围内调整顾客订货量,可以增加分销商的净利润     

一类供应链订货的Stackelberg主从对策

给出了一个一般Stackelberg对策问题模型及其解计算的遗传算法求解步骤·在一类单分销商、多顾客单产品供应链中 ,针对订货的Stackelberg对策中分销商的最小补充期协调问题 ,建立顾客成本合理性约束下的分销商成本优化模型 ,并以辽化石油分销系统为对象进行了Stackelberg对策的仿真实验·结果表明 ,通过供应链中最小补充期协调 ,整个供应链及其成员都可从中受益 ,供应链订货的Stackelberg对策的分散协调机制有效地实现了供应链协调·     

需求不确定的分销系统最小成本模型

提出一种分销系统的最小成本模型,这里的产品为单一产品,产品的需求和到达的提前期都是不确定的,且允许缺货·运用该模型研究两个制造商两个分销商组成的分销网络成本优化问题,把分销商满足市场需求时的服务水平作为优化问题的约束条件·综合考虑库存成本、订货成本、运输成本和缺货成本,给出了求解满足约束的最优订货量的算法,最后给出案例     

基于遗传算法的多级库存成本优化模型

针对多级库存复合而成的一般系统,首先通过分析安全库存与服务水平的关系,给出随机需求下安全库存随前置期和服务水平变化的函数关系;然后结合多级库存的控制特点,建立包含安全库存费用在内的多级库存成本优化模型,并给出遗传算法求解办法.该模型在供应链节点企业总成本最小的基础上,确定了最佳订购批量、最佳订购点和服务水平,以及对应的总成本和总利润,进而为各节点企业有效地减少库存量,降低供应链的总成本,提供有力的依据.在随机需求供应链条件下,提出了级安全库存策略,并从理论上证明该策略能有效地减少供应链中的安全库存量,降低库存成本.     

并行的嵌套式遗传算法在库存路径问题中的应用

文章考虑了一个供应商和其多个分销子公司组成的2级供应链分配系统,商品通过有容量限制单一型号车辆从供应商到各个分销子公司,利用约数策略和遗传算法,达到"智能分区"的效果;在路径处理上,采取分担运输和直运相结合的策略,解决了订货量大于车载容量时面临的难题;在需求不变(供求不变)的情况下,给出几个成本因素对算法进行有效性分析,得出相应结论,并对并行和串行算法进行比较和优劣分析.     

移动供应链实时调度模型及协同进化遗传算法

运用精确控制库存检查和车辆调度,实现了动态的供应链配送系统。整合供应链库存控制策略与车辆调度规划,建立移动供应链实时调度模型。该模型针对随机需求下的零售商最优订货,实现在途库存动态配送。在决策模型的基础上,设计协同进化遗传算法,解决模型组合优化过程中的约束满足问题。计算机仿真结果表明,实时调度模型可以有效降低整体供应链运行费用。