两阶段组合优化算法的农产品物流配送中心选址研究

提出两阶段组合优化算法的农产品物流配送中心选址算法。以农产品物流配送中心选址假设为基础,采用基于聚集度的启发式算法划分客户类别,确定备选配送中心的配送界限;以配送服务的可靠性最大化为目标,以配送总成本为约束条件,建立农产品物流配送中心选址的优化模型,使用免疫算法求解优化模型。实验结果表明,算法可有效获取最佳农产品物流配送中心选址,所选取配送中心到各配送点的运输费用较低,到达各个配送点的运输距离均未超过600元/吨;所选取配送中心到各个配送点的距离最小。     

基于服务半径的盐业物流配送网络优化研究

研究物流配送网络优化问题,由于配送网络分布不均,有的过于密集,导致资源浪费.传统的盐业物流配送是根据最小运输费用选取配送中转中心,不能解决配送中心修建过于密集的缺陷,导致资源的浪费和服务效率不高的问题.为了满足较低物流成本和较高服务质量的双赢,提出一种服务半径的物流配送网络优化方法,根据服务半径的概念,利用蚁群聚类算法建立物流网络的服务半径模型,然后根据模型选取最优配送中心,完成对配送网络的优化.实验证明,基于服务半径的网络优化方法能够选择合理的配送中心,降低物流成本,提高物流服务质量.     

改进的蚁群算法在优化物流配送管理系统中的应用

基于企业物流配送管理系统的优化研究,文章改进了蚁群算法,并根据改进的蚁群算法,建立蚁群算法模型,提出配送算法,应用到物流配送管理系统中,以提高企业物流配送中心的配送能力,降低成本,最大化地合理利用现有资源。试验计算结果表明,改进的算法具有较好的寻优能力,收敛速度快,是解决物流配送管理路径优化问题的有效算法之一。     

有配送能力限制的易腐农产品配送中心选址方法

为提高物流管理绩效,考虑到农产品的易腐败特征和配送中心的配送能力限制,建立了易腐农产品配送中心选址问题的0-1整数非线性规划模型。利用该模型可以确定配送中心的开设位置、各配送中心与用户之间的配送关系,以及配送途中的农产品损耗量。为求解该模型,提出了嵌入改进表上作业法的混合遗传算法,给出了算法的实现步骤。最后通过算例,验证了模型和算法的有效性。     

基于粒子群优化的军事物流配送中心选址

针对当前军事物流配送改革中配送中心选址问题,在成本最小的基础上,构建了一个混合整数规划模型,并将粒子群优化算法(PSO)引入到模型的求解中,采用离散PSO解决物流配送中心选择问题,用基本PSO解决货物运输分配问题,通过嵌套调用离散PSO和基本PSO,得到模型最优解.该方法降低了计算复杂度,有效选择了物流配送中心,优化了军事物流网络.实例表明了方法的可行性和有效性.     

一个多物流中心配送模型及其遗传算法

物流配送费用是物流系统的核心费用.以节约物流配送费用为出发点,建立了一个多物流中心配送模型,并构造了一个双重混合遗传算法.算法采用扩大的集合覆盖方法,将需求点预分配给配送中心,一个需求点可以依附于多个配送中心,然后在第一重遗传算法中将需求点精确分配给每个配送中心,在第二重遗传算法中规划各配送中心的车辆行驶路线.为第一重遗传算法设计了编码方案和交叉规则.在第二重算法中设计了交叉个体的选择方案,较好地解决了简单遗传算法早熟问题.数据实验表明,该算法是有效的.     

基于简化的节约算法和重力法的RDC选址模型构建

配送是物流的职能之一，配送中心是物流过程的重要设施，在物流迅猛发展的同时，物流服务网络日趋扩大与复杂，物流企业都尽可能地加大服务网络的覆盖范围，从而赢得客户。区域配送中心在其中扮演了越来越重要的角色。本文以从仓库到区域配送中心的运输成本最小为目标，基于简化的节约算法将某企业的仓库分为若干区域，再将重力法进行简化来构建解决区域配送中心选址问题的模型。     

考虑设施失效的军事物流配送中心选址模型

为了提高军事配送系统的经济性,针对物资配送中后勤设施失效时进行支援保障和越级保障的情况,将军事物流配送中心的属性分为“首选”与“备选”两种,并把设施失效时的应急配送成本作为决策目标的一部分,建立了最小化设施固定成本、正常配送成本、应急配送成本之和的军事物流配送中心选址模型,采用贪婪取走的启发式算法进行了模型求解,比较了考虑设施失效情况的选址方案与未考虑设施失效情况的选址方案之间的差别。仿真算例结果表明,虽然由模型所得选址方案的设施固定成本与正常配送成本之和高于未考虑设施失效情况的选址方案,但平均期望成本增加值低于后者。     

一个多物流中心配送模型及其遗传算法

物流配送费用是物流系统的核心费用。以节约物流配送费用为出发点,建立了一个多物流中心配送模型,并构造了一个双重混合遗传算法。算法采用扩大的集合覆盖方法,将需求点预分配给配送中心,一个需求点可以依附于多个配送中心,然后在第一重遗传算法中将需求点精确分配给每个配送中心,在第二重遗传算法中规划各配送中心的车辆行驶路线。为第一重遗传算法设计了编码方案和交叉规则。在第二重算法中设计了交叉个体的选择方案,较好地解决了简单遗传算法早熟问题。数据实验表明,该算法是有效的。     

军事物流配送中心选址模型的构建

研究了军事物流配送中心优化选址建模问题。针对当前军事物流配送因为涉及变量多,关联程度强难以进行选址的难题,为加强选址的科学决策,对军事物流配送中心概念进行了界定,在明确军事物流选址的流程、步骤和一定数目的备选配送中心的基础上,采用离散二进制PSO解决配送中心的选择问题,建立了根据粒子群优化算法的军事物流配送中心选址优化模型。通过实例验证,模型构建科学合理,降低了计算的复杂度,优化了选址模型,为解决军事物流选址问题提供了科学的途径和手段。     

基于头脑风暴算法的电动货车路径优化问题

针对电动货车路径优化问题,应用物流网络以及电动货车电量消耗等方面的知识,研究了电动货车的智能调度方法,构建了带时间窗的电动货车路径优化模型(electric vehicle routing problem with time window,EVRPTW)。该模型考虑了耗电量与电动货车行驶速度、载重量之间的关系,客户满意度与软时间窗之间的关系。同时,引入了计算机智能算法,充分利用了遗传算法、头脑风暴算法等优化算法的智能化特征,有效提高了电动货车的配送效率。仿真结果表明:该模型运用头脑风暴算法的最优值精确度和收敛速度都优于遗传算法,可以有效解决EVRPTW问题。所提出的模型和算法能明显提高配送中心的配送效率,节省充电成本,提高顾客满意度。针对配送中心电动货车运营调度管理的特点,借助计算机技术以及自动控制技术,进一步提高了电动货车的配送效率,为物流网络系统的智能化调度提供技术准备。     

基于改进神经网络的粮食配送中心选址决策研究*

粮食配送中心选址问题是构建现代化粮食物流系统的重要研究方向。从粮食配送中心选址的影响因素出发,建立了以控制成本为核心的数学模型,引入了经遗传算法改进的人工神经网络模型进行求解,并且给出了详细的设计步骤。为解决遗传算法易陷入局部最优的问题,提出了一种在变异算子中增加禁忌搜索的方法。实验证明,该方法在解决粮食配送中心的选址决策时,效果较好。     

Development and evaluation of the many-to-many supplier negotiation strategy

Supply chain is a complex logistics network, consists of suppliers, manufacturers, warehouses, distribution centers, retailers and customers. In general, the number of firms in each supply chain tier is more than one. Thus, the supply–demand relationship of two adjacent tiers in supply chain is the many-to-many type. Most of supplier selection processes are based on bidding and negotiation mechanism. Due to the diversity of intellectual backgrounds of the negotiating parties, competitive nature, many variables involved in supply–demand relationship, complex interactions and inadequate negotiation knowledge of project participants, the supplier negotiation process is sophisticated. This paper intends to develop the many-to-many supplier negotiation process, design the interactive and competitive bidding strategies of both-side parties, and conduct experimental simulations to investigate how the negotiation efficiency influenced by the varying bidding strategies of a considered demander. The purpose of this paper is to explore the relationships between a demander’s bidding strategies and negotiation efficiency under different order and competitive conditions. The explorative results will be the decision support for assisting a demander to determine the proper bidding strategy in many-to-many supplier negotiation process.     

基于GIS优化Dijkstra算法在物流中心选址中的研究*

基于传统的Dijkstra算法,提出了一种采用二叉堆结构和网络边存储模型的优化Dijkstra算法.实验结果表明:优化后的算法是切实有效的,将其应用到物流中心选址中得到了较满意的选址方案.     

基于联盟效应的医药物流中心选址模型及算法

针对医药供应链物流系统,分析了药品供应链物流的需求特征,阐述了药品供应链中生产企业、批发企业构建共享物流中心的意义,提出了一种三方合作效益最大化的物流联盟结构模式。建立了药品物流联盟物流中心节点选址的双层规划模型,上层规划以联盟效益最大化为目标,下层规划考虑联盟博弈的Shapley分配模式,体现了各参与方的利益分配最大化,并设计了遗传算法的求解模式。算例测试结果表明,该方法与算法具有较强的实践可操作性,可以作为物流节点选址决策的参考方法。     

基于车辆配送线路的区域协同配送方法

针对单物流中心大规模多区域的物流配送中存在的车辆路径规划不合理、装载率不高的问题,提出了一种基于车辆配送线路的区域间协同配送方法。该方法通过配送区域间的拓扑关系生成区域协同配送网络,进而依据一次配送中的有货区域信息生成车辆初始配送线路,并对具有相邻关系的线路进行配送线路间调整,从而形成最终的车辆途径配送区域的配送线路。在此基础上,依据配送区域内订单的分布情况以及单一区域扫描-遗传算法的配送方法,设计了沿配送线路的区域间协同配送方法。最后,通过选取“步步高”商业物流管理系统中的实际配送数据对模型和算法的有效性进行了验证分析。     

贪婪算法在构建物流网络中的应用

分析了目前我国物流产业发展的现状,提出了如何利用Dijkstra算法在一个物流网络的各个节点之中,找出适合作为物流中心的节点。然后根据实际情况的需要,提出了一种经过改进的并行Prim算法。根据这一算法可以在整个物流网络当中找出两条以上的物流送货线路,从而提高物流运输的工作效率并在一定程度上减少物流产生的损耗。     

逆向物流供应链最佳供应商选择及订单量分配*

为解决逆向物流供应链中,供应商选择、订单量分配和提货点位置等不确定问题,建立了一个新的模糊多目标数学模型来确定最佳供应商选择、供应量及提货点位置,为避免在解决多目标模型时人为主观赋权,运用基于模糊目标规划的蒙特卡罗仿真模型来求解帕累托(pareto)理想解,采用遗传算法进行求解,并给出了相应优化方案,在此基础上研究讨论了不同权重分配下结果的优劣性及供应商选择风险,最后,针对不同权重分配,比较了遗传算法和Gurobi求解,实验表明,对于该问题模型遗传算法在解的优劣性上优于Gurobi。     

基于遗传算法的物流配送系统的设计与实现

摘 要 为提高中小型物流企业在市场中的竞争能力,文章提出了基于遗传算法的智能化解决方案。文章论述了基于遗传算法的物流车辆配送系统的设计与实现,详细阐述了基于自然数编码的遗传算法在物流车辆调度中的运用等关键技术。通过模拟测试,效果良好。系统适合于任何中小型物流公司用于调度车辆来实现智能化配送。     

双层规划下考虑环境侵害的垃圾分拣中心选址研究

针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题,提出具有上层奖励机制的双层规划选址方案。首先,将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型,将分拣中心与回收点作为接收方构建下层模型;其次,上下层均引入因有害垃圾存在而带来的环境侵害成本,考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例,通过与单层双目标模型比较,讨论该双层成本模型的设计机制在成本控制上的优势与不足。