基于GIS和遗传算法的物流配送中心选址研究

物流配送中心的选址是物流系统优化的一个具有战略意义的问题。在分析传统物流配送中心选址算法不足的基础上,建立了一个基于GIS和遗传算法的物流配送中心选址模型。首先确定配送中心选址的目标及影响选址的因素,接着利用GIS的空间分析技术,定量分析可在电子地图上表现的物流配送中心选址的影响因素,得出一系列候选地点,最后利用遗传算法,求解得出最佳选址地点,并通过实例研究表明该算法的可行性。     

基于遗传算法的西安邮政配送中心选址研究

从配送中心选址问题的实际需求出发,在综合考虑配送中心的建设经济性、交通便利性和功能布局合理性的基础上,构造了基于实际交通距离和实际地价的选址模型,并把遗传算法引入模型求解中,通过构造恰当的编码方式和遗传算子,对西安邮政物流配送中心的选址问题分别按照不考虑土地地价、需求点类型差异和考虑土地地价、需求点类型差异两种情况求解.得到了最优选址方案.研究结果证明了模型的正确性和有效性,对于解决大规模物流系统配送中心的选址问题具有重要的现实意义.     

GIS环境下的物流配送中心选址模型与算法研究

物流配送中心是现代物流的重要组成部分。在规划配送中心时,合理的配送中心选址可以大大降低配送中心的运营成本和建造成本。本文提出了一种物流配送中心选址模型,并设计了遗传算法与线性规划相结合的计算方法。     

B2C电子商务中配送中心选址优化的模型与算法

在考虑商品供应成本因素的基础上，结合B2C电子商务企业物流配送网络的特点，建立了混合0-1整数规划的配送中心选址优化模型．该模型是一种特殊形式的选址-分配模型，具有NP难性质．为求解上述模型，开发了嵌入表上作业法的遗传算法．实例研究表明，该算法能高效求得模型的优化解，是求解物流配送中心选址这类复杂优化问题的一个较好方法．     

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。     

基于情景分析的军事物流配送中心选址模型

研究不确定战时情景下的军事物流配送中心选址问题。兼顾军事物流系统性能优化和成本节约建立了两个随机规划模型,模型中引入情景分析,考虑了设施损毁、库容和配送时间约束。讨论了模型求解方法,通过求解模型得到配送中心选址、选型和预置量决策。模型一在情景出现前为每个用户指派了首选与后备供应点,模型二给出了每个情景下的配送方案。仿真算例表明了模型的合理性和解法的有效性,也验证了模型一优于模型二。     

单亲进化遗传算法在配送中心选址中的应用

为更好地实现配送中心优化选址，在分析物流配送中心的作用及现存的用传统遗传算法进行选址的基础上，提出应用单亲进化遗传算法求解选址模型。首先，利用父体所提供的有效边的信息，使用保留最小边的方法对个体进行进化，求得费用最低的优化路径；然后以优化路径作为父体，求解从各基因为始点的基因片段值之和，选择最佳基因片段组合，得到问题的解，该算法可以有效、快速地求得配送中心选址问题的全局最优解。     

双种群灰狼优化算法的物流配送中心选址策略

针对物流配送中心选址模型具有多约束和非线性的特点,导致难以求解的问题.提出一种改进灰狼优化算法的求解策略.文章通过引入交叉变异策略,改进了传统灰狼算法在迭代后期易早熟收敛的问题;通过加入双种群寻优策略,丰富了灰狼算法的种群多样性,提高了算法的收敛速度.将改进后的灰狼算法针对物流配送中心选址模型进行求解,实验结果表明,该改进灰狼优化算法具有较高的全局搜索能力,针对物流配送中心选址模型具有较高的搜索精度,很大程度的提高了物流配送效率.     

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.     

改进神经网络在粮油配送中心选址中的应用

在建立以控制成本为核心的粮油配送中心选址模型的基础上,分析了选址过程中的影响因素;结合人工神经网络与选址影响因素之间的特点,引入了经遗传算法优化的神经网络模型。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表的方法。实例求解表明,与专家评审的选址决策相比,该算法能够有效解决粮油配送中心的选址问题。     

考虑逆向物流第三方配送的选址路径问题研究

针对电子商务退货的大量产生,提出一种送取一体化的配送方式,第三方物流和自建物流结合的逆向物流配送策略。选址和路径问题LRP（Location Routing Problem）成为了很多物流配送企业正在面对和急需解决的难题。为了降低配送方式成本以及提高客户满意度,利用改进的遗传算法,首先在自建物流成本中加入时间窗惩罚函数,偏远地区的配送采用第三方物流配送方式,建立送取货为一体的逆向物流选址路径模型;然后针对问题的复杂性设计一种改进的遗传算法对模型进行求解,采用时间分布思想初始化种群,引入局部搜索算法,设计自适应的改进遗传算法;最后采用实验进行数据分析,通过物流成本的降低、运行时间的减少、运行效率的提高等数据验证了模型的可行性以及算法的有效性。     

水上石油物流分拨中心选址模型及其遗传算法

给出了我国水上石油物流分拨的网络架构,建立了相应的石油物流分拨中心选址的数学模型,针对模型的特点提出了遗传算法的解决策略,验证了该模型和方法的正确性,该方法也适用于其他种类大规模物流分拨中心的优化问题。     

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。     

合作博弈下医药物流联盟节点决策模型及算法

以合作博弈为基础,分析医药物流网络需求特征,描述了一个包含药品生产企业、第三方物流企业、物流中心、销售终端在内的“三方四层”医药物流联盟结构体系,建立了合作博弈模式下的医药物流网络节点决策的双层规划模型,上层规划以联盟效益最大化为目标,下层规划考虑不同的情景状态,建立了合作博弈下的Shapley值为分配模式,并设计了问题求解的混合遗传算法。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。     

电商配送中的车辆调度问题优化研究

电子商务环境下的物流配送产生了新的特点,在传统方式下建立的物流配送系统已不能完全满足电子商务的需要。针对电商配送终端客户具有配送需求量小、品种多、位置较分散的新特点,研究电子商务环境下的车辆调度问题,用聚类分析法划分配送区域,建立VRPTW模型,采用遗传算法对模型加以求解。通过仿真实验,与传统的VRP模型求解进行比较,发现优化后的成本比未优化的成本低,验证了关于VRPTW优化模型求解方法的有效性。     

带有横向调度的维修备件选址库存路径问题研究

存储点的合理选址、库存的合理控制及运输配送的有效决策是支撑维修备件物流系统的重要内容。通过分析基于横向调度的维修备件物流系统,建立了基于横向调度的维修备件库存选址问题的数学模型,设计了隐枚举法和遗传算法相结合的启发式算法,通过仿真算例验证了方法的可行性和模型的先进性。通过分析得出,在考虑横向调度的情况下,物流系统内总体安全库存和最大虚拟库存总体水平会降低,同时实现对客户的服务承诺也会降低。     

基于聚类的城市共同配送海量订单调度问题研究

针对云物流环境下城市共同配送海量订单调度难的问题,本文提出基于订单聚类的调度算法.首先针对单中心多车辆调度问题,提出基于单亲遗传的优化调度算法;在此基础上综合考虑城市配送中心的地理位置、车辆及配送点的地理位置、货物的种类、需求量,提出采用蚁群算法构建基于配送中心的海量订单聚类、优化调度算法.