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.     

连续需求下整合关税成本的选址-库存模型

针对国际物流网络设计中忽视连续需求下库存成本影响问题,基于梯级库存持有成本和产品的价值增值过程,建立了连续需求下包含关税成本的多层级选址-库存模型.模型考虑了设施打开成本、运输成本、库存成本、采购成本、生产成本和关税成本之间的相互影响关系,同时对网络结构参数、运输量和订货批量进行决策.利用粒子群优化算法对多个不同的算例进行了求解.算例结果表明:在国际物流网络设计中,考虑关税影响能够带来明显的成本节约,而且随着需求、单位运输成本和库存成本的增加,这种节约会增大;建立的模型和设计的粒子群优化算法是有效和可行的,可以用于国际物流网络设计.     

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。     

引入补偿策略的风险共担配送中心选址问题研究

在LMRPVCC问题优化模型基础上,在目标函数与约束条件中引入运输补偿成本项及服务半径Dr,将模型扩展为引入补偿策略的LMRPVCC选址-库存问题的非线性整数规划模型。利用所设计的粒子群算法对Daskin和Shen的文章中的49节点、88节点算例求解,并对补偿系数W、服务半径Dr及运输成本系数β进行敏感性分析,认为服务半径Dr越小,超出服务半径的零售商数量越多,配送中心需额外支出的补偿费用越高;服务半径Dr越大,超出服务半径的零售商数量越少,配送中心需支出的补偿费用越少。补偿成本系数W、运输成本系数β与模型目标函数值正相关。     

配送中心选址-库存问题的粒子群算法应用

在LMRP模型基础上,从优化角度将配送中心建设成本设为配送中心规模的线性函数,构建基于可变建设成本的LMRP模型.依据选址模型与粒子群算法特性,设计了矩阵粒子作为粒子群启发式算法初始可行解.对已有的10节点、49节点、88节点算例进行近百次测试,确定针对LMRPVCC问题的粒子群算法参数.进而利用平均计算时间与平均质量...     

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...     

半开放式燃油车和电动车混合车辆路径优化问题研究

随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。     

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。     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

利用粒子群优化算法进行桥梁维修管理计划的优化

制定桥梁维修管理计划是一项非常繁杂的工程优化难题,使用常用的优化算法很难取得满意的结果。利用耐荷性和耐久性作为桥梁的健康指数,考虑维修方案和维修费用的问题,用费用最小化和品质最大化2种方案建立了桥梁维修管理的优化模型。探讨利用粒子群优化算法(PSO)求最优桥梁维修管理计划的解的可能性,并与作者开发系统中的遗传算法(SGA)和免疫遗传算法(IA)进行了比较,运用多样度的概念说明了粒子群优化算法(PSO)在解决这类问题的先进性。结果表明,粒子群优化算法(PSO)对于桥梁维修管理计划的优化是一种普适高效的算法;而且,考虑维修的管理期间越长,应用粒子群优化算法求解问题收敛性与其他2种方法相比显得更好,得到准最优解的频率也更高。     

液化天然气库存路径问题建模与算法

考虑液化天然气（LNG）的在途挥发、转移挥发与库存挥发对配送成本与风险的影响，根据LNG风险特性采用蒸汽爆炸模型量化库存和运输风险，并针对传统单因素风险评估方法的不足，结合多源数据（兴趣点密度、土地生产总值产出率和人口密度）构建多因素复合风险评估指标反映事故严重程度的空间异质性，建立库存路径问题双目标优化模型，实现多周期LNG库存和配送方案的联合优化。根据问题的特征，设计基于贪婪策略预优化并结合变邻域搜索（VNS）的多目标粒子群（MOPSO）混合优化算法，且通过标准测试函数对改进前后的MOPSO算法和非支配遗传算法（NSGA-Ⅱ）进行比较；与NSGA-Ⅱ相比，MOPSO在结合VNS前后分别具有32%和42%的收敛性优势，结合VNS混合优化相比原始MOPSO有15%的收敛性优势。最后，以广州地区LNG加气站供应体系进行案例分析。研究结果表明：库存与运输成本存在利益背反关系，且在短暂缺货时总成本较低；忽略挥发的影响会导致小批量频繁补货，从而增加不必要的运输成本；LNG挥发成本占总成本的10%~20%，库存挥发率对成本影响较大，但对风险影响很小，当库存挥发率低于2%时投资降低挥发率带来的经济效益较大，当超过2%时，投入产出比迅速降低；风险限值约束对路径选择和成本影响较大，20%风险限值的降低带来了10%总成本的提高，但20%风险限值的提高仅降低5%的总成本，说明总成本在逐步接近不考虑风险时的最低值，存在优化上限。     

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。     

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。     

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。     

多目标物流配送优化问题建模及其遗传算法设计

建立了带有公共交货期的多目标物流配送优化模型,考虑了3层配送网络中物品分配和运输模式选择,并对迟到完成的任务给予惩罚,所优化的目标为总费用最小化和分拣中心负载的平衡。建立了一种遗传算法求解过程,对染色体采用了两部分编码,分别表示对分拣中心和运输模式的选择决策,并采用了可变的交叉和变异概率,以防止求解陷入局部最优。最后通过数值仿真试验表明了多目标问题求解的有效性。     

物流中心选址的动态评价方法研究

针对物流中心的选址问题,在分析传统评价方法的基础上,综合主观评价与客观评价,提出一种主客观评价相结合、模糊技术与决策方法相结合的组合赋权动态评价方法。该方法首先建立评价指标体系。然后,对费用指标通过成本模型的启发式算法进行求解,同时结合专家组的定性评价;而在权重的确定上,以G1法确定主观权重,熵值法确定客观权重,并将主、客观方法得到的权重进行集成。从而,既可避免人为的主观能动性,又能对专家意见给予足够的认识。接着,在此基础上,借助指标满意度对定性和定量指标进行综合得到某一阶段的评价结果,最后对各阶段评价结果进行线性叠加来来解决物流中心选址这类多阶段多指标决策问题。     

库存路径问题的3种策略

在供应商管理客户库存的模式下,从新的角度全面规划长期的库存路径问题,通盘考虑库存与路径的动态整合.以具有随机需求的客户为重点,循序渐进地研究解决库存路径问题的3种策略:固定区域和固定路线、固定区域和变化路线以及变化区域和变化路线.使用报童库存模型、扫描算法、周期随机库存决策以及节约算法等方法对这3种策略下的库存路径问题进行分别求解,找到每种策略下客户的最佳配送数量和总的最短配送距离.从而,把一个长期的、动态的库存路径问题由短期向长期、由静态向动态进行逐渐过渡,实现更贴近于物流配送实践的数学描述与求解研究,为随机库存路径问题的研究提供一个新的思路.     

基于交叉巢式Logit的多用户多模式随机用户均衡模型

为了完善现有城市交通分配模型,建立了一个基于交叉巢式Logit的多用户多模式随机用户网络均衡模型。该网络具有以下特征：网络中存在多类用户,不同类别用户的出行时间价值不同;用户可使用多种交通模式,不同模式相互干扰,且模式间路段阻抗影响满足对称条件。路径的选择采用克服多项式Logit模型的不相关备选方案独立属性的交叉巢式Logit模型来表示,并建立了一个等价数学规划公式来表示这一多用户多模式混合均衡状态,同时使用一个简单算例对基于交叉巢式Logit和基于传统的多项式Logit的模型进行了比较。结果表明：数学规划公式与基于交叉巢式Logit的随机用户均衡条件具有等价性,证明了模型最优解的存在性和唯一性;相比传统的离散选择模型,所提出的模型能更好地在混合状态下进行路径选择。