克隆选择算法在一类有竞争的物流配送中心选址问题中的应用

根据有竞争的物流配送中心选址问题的特点,以新增物流配送中心获取最大的市场占有量为目标函数,建立了有竞争的物流配送中心选址问题的数学模型。由于建立的数学模型是一个高维、非线性、非凸性,并具有多个局部极值点的复杂函数优化问题,传统确定性优化算法很难求解得到问题的最优解或满意解。为此,提出将一种新型的启发式进化算法——克隆选择算法用于求解建立的数学模型,并详细描述了应用克隆选择算法求解数学模型的方法和步骤。仿真试验表明,克隆选择算法求解有竞争的物流配送中心选址问题是可行而有效的,并且具有收敛速度快、全局搜索能力强和稳定性好的优点。     

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     

基于AHP和目标规划的物流配送中心选址模型

论述了物流系统配送中心选址所涉及的众多影响因素,这些因素中既有定性因素,又有定量因素。首先用层次分析法对这些影响因素进行处理,得到了各备选点的权值。针对层次分析法无法解决条件约束问题,提出了用层次分析法和目标规划方法相结合用于物流配送中心选址的模型,建立了6个约束方程,1个系统约束方程,以确保只有在配送中心建立的情况下,才能在该配送中心配送物品,而且配送量不能超过它的建设容量。最后通过示例表明该模型能有效地处理物流配送中心选址问题。     

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...     

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。     

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.     

基于模糊品质机能法的第三方物流配送中心选址方法研究

配送中心选址对第三方物流企业（3PLS）来说至关重要，而当前提出的许多选址模型，主要以成本或利润为目标函数。进行配送中心选址决策时常忽略客户因素．品质机能展开法（QFD）是一种能将客户心声导入决策过程的系统化和结构化方法。文中提出了一个基于品质机能法，并综合应用模糊集理论、群体决策理论的3PLS的配送中心选址模型．模型能从3PLS和客户多角度考虑配送中心选址需求，可反映决策过程中的模糊性和群体性决策的特点。最后，应用案例说明了该方法的有效性。     

汽车再制造逆向物流网络选址规划研究

对汽车再制造逆向物流网络进行选址规划研究。通过分析汽车再制造逆向物流网络中回收中心、拆解中心、再制造中心和配送中心之间的关系,建立了以成本最低为目标的汽车再制造逆向物流网络选址规划模型,然后应用遗传算法对其进行求解优化。最后针对湖南省内废旧汽车的回收需求,经过相关专家对候选回收中心、候选拆解中心和再制造中心进行初步选址,对本文建立的模型可行性进行检验,验证了该模型的可行性和有效性。     

汽车售后备件物流配送中心选址研究

要实现汽车售后服务备件快速、准确、合理的物流配送,科学、合理地建立汽车售后服务备件物流配送中心是首要工作之一。本文重点讨论了汽车售后备件配送中心的组合式选址模型:首先,确定备选地址,主要运用重心法模型确定备选地址;在此基础上,全面分析了影响汽车售后备件物流配送中心选址的重要影响因素,再建立一套综合评价指标体系,然后结合层次分析法、模糊综合评价法构建综合选址模型;最后,运用汽车备件具体实例进行详细分析,证实了该模型的可行性、有效性。希望本文的研究能为汽车售后备件物流配送中心的选址提供参考。     

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。     

混合小生境遗传-模拟退火算法在动态交通分配中的应用

为了解决已有的动态交通分配模型普遍存在的优化计算时间过长,严重影响网络规模扩展的问题,提出了一种新的动态交通分配优化算法。将模拟退火和隔离小生境技术有机地结合起来,融入到遗传训练过程中形成了一种混合小生境遗传-模拟退火算法,不仅可以有效地避免传统遗传算法可能出现的不收敛现象,加快进化速度,具有更强的全局寻优能力,而且计算速度和算法稳定性也得到提高。将其与Papageorgiou M.提出的动态交通分配模型框架相结合,设计了动态交通分配的快速模拟优化算法,并进行了实例研究。仿真结果表明,新的优化算法显著降低了优化计算时间,大大提高了动态交通分配模型的实用价值。     

满足时间约束的物流配送网络设计

提出了对物流配送网络在时间上的需求，将问题抽象为能够描述具体情景的加权网络，结合图论中最短路算怯和问题中结点数目不变的约束条件设计了遗传算法，对问题作出了解答。在此基础上，对一个具体场景进行了算法仿真，得到了配送中心数目与服务质量关系的一般性结论，并且通过对收敛特性进行定性和定量的分析，验证了算法的有效性。     

基于中心分拨模式的多车场集送货一体化车辆优化调度方法

基于中心分拨理论的运输模式被很多大型物流企业所采用。因此研究其优化调度方法以确定各发车城市及车辆行驶路径。针对该优化问题建立数学模型及其求解框架,并利用改进的节约法求解,对得到的结果采用2-opt搜索算法进行修正。通过计算实例,说明了数学模型和求解方案的有效性。     

公路路线智能优化方法研究

公路路线优化属于多目标优化问题。传统优化算法难以解决具有模糊性、不确定性的路线优化问题。建立了基于GIS和遗传算法的公路路线智能优化模型,提出了基于GIS空间数据挖掘技术的选线环境知识获取模型和基于多目标遗传算法NSGA-Ⅱ的路线优化算法,解决了GIS与遗传算法集成、目标函数确定、遗传算法设计等关键问题。最后通过算例,验证了模型的有效性和实用性。     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

基于蚁群算法的军事配送车辆调度问题研究

针对军事配送的特点,以"等待损失"和运输成本最小化为目标,建立了问题的数学模型,并应用蚁群算法求解了这一问题.算法中改进了状态转移规则,设计了局部搜索模块.为测试算法性能,应用改进的蚁群算法求解了文献中的21个基准算例.计算结果表明,这一算法明显优于已有算法.     

基于客户价值和满意度的城市冷链物流时变路径问题

针对车辆保有量日益增加和拥堵情况日趋严重而造成的城市冷链物流时效性不强、客户价值不高、顾客满意度降低等问题，综合考虑客户价值、客户满意度以及成本等因素，提出一种城市冷链物流时变路径优化方法。考虑到冷链配送过程中不同时段的道路拥堵问题，采用分段函数刻画车辆行驶速度，并同时考虑时间窗和车辆载重量等约束，建立了多目标数学模型。使用线性加权法和主要目标法对多目标进行处理，将其转换成单目标数学模型。结合问题NP难特性，设计了单亲遗传算法对小、中、大规模算例进行了求解，结果表明：与未考虑客户价值模型相比，该模型在平均增加3.28%成本的情况下，提高14.96%的客户价值和14.64%的满意度；与未考虑成本模型相比，该模型在减少1.55%的客户价值的前提下，节约17.32%的成本；对比静态路网模型，模型减少0.92%的成本，提高6.27%的客户满意度和16.06%的客户价值。通过对目标函数中成本权重和客户价值权重进行参数分析，表明成本和客户价值之间存在明显的背反关系。