基于时空聚类求解带容积约束的选址-路径问题

选址-路径问题是供应链管理和物流系统规划中的一个重要问题,对总成本具有十分重要的影响.对考虑配送中心容积约束的带时间窗的选址-路径问题进行研究,建立以总成本最小和客户满意度最大为目标的多目标规划模型,提出两阶段算法对其进行求解.首先,利用k-means聚类算法确定配送中心选址;然后,提出一种基于时间-空间双因素的客户划分方法以确定配送中心所服务客户;最后,利用粒子群算法对各配送中心的配送路径进行规划.数值算例表明,所提出的算法较其他已有算法,均能有效地降低物流运作总成本及总配送路径长度,为解决带容积约束及时间窗的选址-路径问题提供了一种新的解决思路.     

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。     

改进麻雀搜索算法求解物流配送中心选址问题

为提升物流配送效率,降低配送成本,提出一种改进麻雀搜索算法M-SSA求解物流配送中心选址问题。在基本麻雀搜索算法SSA中,设计均匀化Logistic映射机制提升初始种群的均匀性和随机性;利用正余弦优化和惯性权重机制改进发现者位置更新,提升全局搜索能力;引入柯西混沌变异机制增强种群多样性,避免局部最优解。利用M-SSA算法求解物流配送中心选址问题。实验结果表明,在解决配送中心选址问题上,M-SSA算法可以降低物流配送成本,提升配送效率。     

单亲进化遗传算法在多个配送中心选址中的应用

为更好地实现多个配送中心优化选址,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,将所有的需求点按空间地理位置的关系自然划分为若干个配送区域范围;其次,在每一个配送区域,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;再以优化路径作为父体,求解从各基因为始点的基因片段之和,选择最佳基因片段组合,得到问题的解。该算法可以有效、快速地求得多个配送中心选址问题的全局最优解。     

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。     

基于两级配送的易腐乳品配送中心选址研究

乳品配送中心的合理选址是实现低成本、高效率、高质量乳品配送的有力保障,对于提高乳业物流系统综合效益,优化资源配置,带动相关产业发展具有重要意义。重点构建了基于两级配送的乳品配送中心选址模型,目标函数除包含系统总配送成本外,特别针对易腐乳品时效性强的特点,将货损成本列入其中做重点考虑;通过算法比较,选择遗传算法求解模型,使用C语言编程得以实现,并以蒙牛乳业北京地区的配送中心选址问题作为调研对象进行算例分析,验证了模型及算法的有效性。该研究对于乳品企业配送中心选址和配送网络优化提供了重要理论基础和实践思路。     

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。     

供应链环境下带越库配送的多配送中心车辆路径问题

从零售业纵向供应链管理入手,考虑由供应商、零售商和多个配送中心构成的城市物流协同配送网络,研究带有越库配送的多配送中心车辆路径问题.分析越库配送的实施要求和操作准则,将配送过程分为集货、送货阶段.应对产品种类多样化需求,设置集货过程车辆协同作业返回配送中心,送货过程需求可拆分的运作机制.以最小化车辆运输成本和操作成本为目标,建立多配送中心车辆路径问题优化模型.针对模型特性设计改进遗传算法进行求解.最后通过仿真实例验证模型的可行性和算法的有效性, 结果表明,越库配送模式能有效服务城市区域零售门店的及时供货,在配送时间和运输成本方面具有显著优势.     

基于改进的K-means聚类的多区域物流中心选址算法

针对当前多区域物流中心选址需建立配送中心个数不定、位置、覆盖范围不明的问题,本文提出了一种改进的k-means聚类算法,以城市经济引力模型为基础,将城市运输距离与居民消费能力的指标相结合,重新定义对象之间相似性度量的距离因子.并将密度思想引入k-means算法,提出类内差分均值的概念确定最优聚类数.实现分区后,分别在这些区域中利用重心法对配送中心进行最终的确定.最后实例分析了在西部地区37个城市创建物流配送中心的选址过程,并通过和传统的k-means聚类的选址结果对比,说明改进后的算法不仅可以节省配送时间,而且大大降低了运输成本,有很好的经济利用价值.     

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J2EE的仓储配送系统的设计和实现

物流系统中,配送中心作为物流中心的一种主要形式,以其专业的服务、规范的操作、及时、准确的配送以及费用低廉、规模优化、库存调节等优势而显得日益重要.因此,开发仓储配送系统对于建立整个物流信息系统,解决物流企业当前急需解决的问题具有非常重要的现实意义.本文就如何建设企业配送中心信息系统进行了讨论,提出了一种适合一般企业配送中心信息系统的构建思路.并在此基础上设计实现了一个基于J2EE的从事货物运输、仓储、配送等业务操作的企业配送中心信息系统.本文所做的探讨以及设计和实现的思路对物流企业、第三方物流企业等具有较好的参考价值.     

基于模糊神经网络模型的配送中心选址综合评价

物流配送中心的选址在整个物流系统规划中占有十分重要的地位.建立了配送中心选址的模糊神经网络模型,并以专家评价值作为期望的输出,对网络进行训练,对多个配送中心选址方案进行评价, 结果与实际吻合.     

多物流配送中心优化选址决策模型研究

坚持物流配送中心选址与企业长期发展相结合,综合考虑选址方案带来的建设运营成本和长期配送费用,运用粗糙集方法和群决策特征根法对所有定性因素进行综合评判,并把定性要素综合评判值与定量要素相结合构建决策模型。利用遗传算法进行最优决策方案选择,实现了对企业物流配送中心选址过程中所有定性和定量影响因素的综合考虑,同时增加了配送费用考虑年限参数[λ],使得模型具有了更强的实用性。通过仿真实验,模型的有效性和实用性得到了充分的验证。     

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。     

考虑碳排放的物流网络优化模型研究

考虑碳排放的物流网络优化问题, 分两阶段建立考虑碳排放的配送中心选择与需求匹配模型和碳排放成本最小的配送路径优化模型, 通过两阶段模型的配合使用, 解决了物流网络中配送中心选址、不同物流节点间的需求匹配以及配送车辆路径优化等多种决策问题。对“考虑碳排放”与“不考虑碳排放”情况进行Lingo软件的数值分析, 结果表明：考虑碳排放的物流网络综合物流成本明显降低, 比不考虑碳排放的传统方法更具现实意义。     

多配送中心下生鲜农产品同步取送选址-路径优化

多配送中心下生鲜农产品配送工作中配送中心选址和车辆取送是两项最为重要的工作，故本文研究带同步取送的生鲜农产品选址?路径问题。首先，建立考虑车辆容量、货物作业时间、取送作业时间窗等约束条件的非线性规划模型，模型以各配送区域内产生的运输成本、惩罚费用、货损费用总和最小为目标函数。然后，根据模型特点设计融合中心评估指数和改进遗传算法的启发式算法，算法先利用中心评估指数确定配送中心和车辆的配送区域，将区域划分的信息传递给改进遗传算法进行各区域内的路径优化。最后，通过对比取送分离和同步取送两种配送方式验证本文提出的配送模式及模型是合理有效的，可为企业的生鲜农产品配送提供决策依据。     

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.     

配送选址-多车型运输路径优化问题及求解算法

考虑到不同车型、车辆容量、时间窗等约束,研究了配送选址-多车型运输路径优化问题,采用分解法进行问题分析,建立数学模型.首先应用改进聚类分析模型确定配送中心的最佳位置与服务客户群,然后设计遗传算法进行求解.算法比较及算例测试表明它是求解选址-多车型运输路径优化问题的一种有效方法.     

基于层次遗传算法的物流配送中心选址策略*

在考虑物流规划部门和客户双方利益的基础上,采用双层规划模型描述物流配送中心的选址问题。基于进化博弈与多目标优化的思想设计了层次遗传算法来求解该模型,通过两个遗传算法的交互迭代求解物流配送中心选址问题。最后通过算例验证了模型与算法的可行性。     

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。