遗传算法在有竞争的物流配送中心选址中的应用

在分析有竞争的物流配送中心选址特点的基础上,引入了一种有竞争的物流配送中心选址模型。由于该模型是一个组合优化问题,具有NP难的性质,用常规算法对其进行求解时,经常会陷入局部优化解。针对这一情况,提出一种求解该模型的混合遗传算法,该算法主要利用Drezner算法的局部搜索性能来提高遗传算法的寻优能力。研究结果表明该算法能很好地处理有竞争的物流配送中心选址问题。     

考虑库存成本的配送中心动态选址模型及算法

为了解决传统配送中心选址没有同时考虑库存持有成本和决策环境的动态变化的问题,建立了一种新的模型。首先,利用两步骤近似方法获得(Q,R)库存策略下每一个周期配送中心的库存成本计算公式;然后,针对传统设施动态选址模型对选址成本的不恰当表示进行了修正,并与库存成本计算方法相结合,从而建立考虑库存成本的配送中心动态选址模型。最后,分别用遗传算法、克隆选择算法、粒子群优化算法求解所建立的模型,并从算法的精确度、稳定性、运算速度和收敛性比较了三种算法的性能。算例测试结果表明:所建立的模型是有效的;从总体上看,遗传算法的适应性要强于克隆选择算法和粒子群算法。     

基于改进蚁群算法的多物流中转站选址规划

根据多物流中转站选址问题的特点,应用遗传算法和分配算法将大规模客户点划分为不同的配送单元,建立了包含配送中心和中转站的运营成本以及配送中心和中转站的大小车维护费用的数学模型,其中,运营成本包括车辆的运输成本和中转站的建造成本.提出了一种解决多物流中转站选址问题的改进蚁群算法,由于该算法在评价函数中隐含加入了约束条件,并...     

A Multi-product Location-inventory Model Based on Coordinated Replenishment Policy

产品多样化已经成为很多制造企业普遍采用的竞争策略,然而,现有的选址-库存模型大多只考虑了单产品的情况,不能满足实际的需要.基于协调补货的多产品库存控制策略,建立了一种多产品环境下的选址库存联合决策模型.模型以选址成本、运输成本和库存成本之和最小为目标,同时对配送中心的位置、数量、服务范围和库存控制参数进行决策.模型属于典型的NP-困难问题,因此,采用粒子群智能优化算法求解.算例的测算结果表明:模型最优解对零售商的需求、配送中心的资源总量和单位产品资源消耗量的变化较为敏感,而对固定遗址成本和次订货成本的变化不敏感;模型是可行的,可用于解决部分多产品分销网络设计问题;粒子群优化算法可以很好地求解所建立的模型.     

考虑路线安排的物流配送中心选址双层规划模型及求解算法

在充分考虑物流规划部门与客户双方利益及选址地点对路线安排影响的基础上 ,采用双层规划模型描述了物流配送中心的选址问题 ,并对模型进行了求解。最后通过一算例来验证模型及其算法的可行性     

产品销售物流配送中心布局方法研究

论述了产品销售物流配送中心布局规划的重要性,分析了配送中心布局规划现有数学模型的不足,然后提出了基于经济规模理论的配送中心布局规划方法。在考虑配送中心经济规模的前提下,建立了确立配送中心布局方案的数学模型,模型以总费用最小为规划目标函数,并可利用遍历算法对该模型进行求解。经过实例验证,说明运用经济规模理论在确定配送中心个数的范围之后,该模型能在物流中心位置和路网条件已知的情况下对配送中心的个数、位置和规模进行定量确定,对生产企业在较大范围内规划其销售物流的配送系统有重要的理论价值和实用意义。     

基于K-means聚类方法的物流多配送中心选址优化研究

针对城市物流多配送中心选址过程中因素选取和方法融合研究方面存在的不足,提出先对备选配送中心进行聚类分析而后在各聚类单元内进行选址排序的思想方法。首先,建立物流多配送中心选址的评价指标体系,将语言变量值与梯形直觉模糊数相结合并应用模糊集成方法进行计算,进而得到各配送中心在准则指标下的集成综合评价值;其次,根据隶属度函数,将集成后的综合评价值拆分成3个分属性值,并将分属性值作为聚类过程的输入。然后,应用K-means方法计算多配送中心的聚类单元和确定初始聚类中心,并选取聚类单元均值作为新的聚类中心进行优化迭代计算,直到确定聚类中心位置,进而得到最终聚类结果。最后,应用TOPSIS方法计算各类中选址位置的评价值,排序选出配送中心选址位置。实例验证表明,所提方法得到的选址结果合理且优于其他选址方法,并可应用到多级物流配送网络的选址优化问题研究中。     

B2C环境下考虑不确定需求的物流配送中心选址模型——以冷链物流为例

考虑B2C环境下终端客户需求的不确定性,以综合运输成本最小化为目标,建立基于成本分析的冷链物流配送中心选址优化模型,并采用蒙特卡洛模拟方法对不确定需求进行处理;以广州安得冷链物流公司为研究对象,以运输成本、货损、固定成本最小化为目标进行求解,得到了合理的选址方案。     

公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。     

基于遗传算法的物流配送路径优化问题研究

在建立物流本着路径优化问题数学模型的基础上，构造了求解该问题的遗传算法，并进行了实验计算，计算结果表明，用遗传算法进行物流本着路径优化，可以方便有效地求得问题的最优解或近似最优解。     

带时效性约束的物流中心选址研究

论述设施选址的时效性约束问题,构造带时效性约束的物流中心选址模型,分析求解重心选址模型传统迭代算法的局限性,提出一种新的基于Matlab优化函数的精确算法,并给出算例,验证模型和新算法的可行性。模拟分析表明,基于Matlab函数的新算法,编程简单,功能强大,能够求解传统迭代算法无法求解的带时效性约束选址问题。     

基于灰色综合评价的物流中心选址方法

物流中心选址是物流系统优化的一个关键步骤,因此选择一种合适的方法进行评价就显得尤其重要。本文通过对影响物流中心选址影响因素的分析,构建了物流中心选址评价的指标体系,在此基础上,运用多层次灰色评价方法建立了物流中心选址多层次灰色评价模型。最后通过实例分析表明该模型能很好地处理物流中心选址问题,为决策者提供一种有效的优化工具。     

综合模糊品质机能法和模糊TOPSIS的配送中心选址方法

考虑第3方物流企业在配送选中心选址决策过程中的模糊不确定性和多角度性，综合模糊TOPSIS和模糊品质机能法建立了配送中心选址的多角度决策方法。首先应用模糊品质机能法分别从客户、第3方物流企业的角度确定配送中心选址准则因素权重，并对选址准则因素权重进行集成，然后再利用模糊TOPSIS综合确定最优选址方案。最后，应用一个案例说明此选址方法的有效性。     

一类随机库存/运输联合优化问题求解过程分析

研究了由一个仓库和n个客户(如零售商、批发商等,而非产品最终的消费者)组成的物流配送系统,中央仓库的库存如何经济合理地分配给每个客户,使这个系统整体的性能最优的随机库存/运输联合优化问题。这个分配过程需要同时考虑每个客户的货物量以及最佳的配送路线,库存/运输联合优化问题比单纯的库存问题或单纯的运输问题要复杂得多。研究在随机条件下如何基于FPP思想来求解ITIO问题更具有实用价值。描述了所研究问题的特点,讨论了对随机需求量的近似确定化处理过程,建立了刻画问题特征的数学模型。同时重点论述如何将研究的问题转化为CCLP问题及相应的求解过程,并给出具体的算法步骤。     

汽车工业供应物流配送中心选址研究

为了提高物流服务水平和降低物流成本,汽车公司与物流服务商一道不断优化供应网络结构,调整物流配送中心的位置和数量,不但要考虑物流网络运行费用,还要考虑物流中心发展环境的可接受性,包括社会政策的稳定性、交通的便利性以及经济上的合理性,是一个两阶段的寻优决策过程。基于一汽-大众公司东北地区入厂物流中心的选址问题,首先使用欧几里德选址模型确定配送中心的地理位置,在最优位置区域寻找备选对象,然后建立评价指标体系,利用AHP（层次分析法）与模糊评价法对该地域的备选位置进行评价,最后对备选位置的可接受性做出判断,为物流网络的中、长期决策提供了科学方法。     

环境承载力约束条件下城市最大乘用车保有量预测

以城市环境承载力为约束条件预测城市内可容纳的最大乘用车保有量。预测模型是一个双层优化问题，其中上层是环境承载力约束下的最大乘用车保有量模型，以交通小区的乘用车保有量之和最大为目标函数，以各路段的环境承载力为约束条件；下层是道路网上的用户平衡分配模型，模拟乘用车出行者的路径选择行为，预测交通需求在道路网上的分布及行驶特征。开发了一个基于灵敏度分析的算法用于实现上下层模型间的反馈及同时求解两个优化问题。利用实例验证了模型及算法的有效性。     

考虑多目标的城市停车换乘选址优化模型及算法

停车换乘选址问题是城市交通网络设计研究的重点领域,已有研究的优化目标多集中在系统总费用方面,而对交通可持续发展方面考虑不足。为此,提出综合考虑多方面目标的停车换乘设施选址优化模型及其求解算法。首先,基于超网络理论,提出多方式城市交通系统的超网络模型并定义O-D (Origin-destination)间的超路径、有效超路径及子路径,结合出行者出行过程及交通网络拥挤特征,给出超路径费用的数学表达;其次,基于多方式交通网络随机均衡配流结果,构建交通总阻抗、污染物排放量以及交通系统公平性等系统优化指标的计算模型,并建立用以描述停车换乘设施选址问题的多目标优化模型;进而,以多目标系统优化模型为上层问题,以超网络下满足Logit分配的多方式交通网络配流模型为下层问题,构建描述城市多方式交通系统停车换乘设施选址问题的双层规划模型,并基于模型特征,结合“记录-搜索”思想设计非支配排序遗传算法进行求解;最后,基于Sioux Falls网络设计算例。研究结果表明：算法能够在有限的步骤内搜索到90%以上的Pareto最优解;平均而言,停车换乘措施使得交通总阻抗减小了0.31%,污染物排放量减少了7.32%;被优化的3个目标之间无直接关联,说明将停车换乘选址问题建立为多目标模型是必要的。模型与算法可为现实城市中的停车换乘设施选址优化设计提供解决思路。