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。     

基于遗传算法的物流配送中心选址研究

物流配送中心的布局对其中心功能的发挥影响极大。物流配送中心选址是一个混合整数非线性规划问题,如果待选择和拟选择的配送中心数目较多,计算将十分复杂。针对这个问题,设计了基于优先权编码的遗传算法来降低问题求解的难度,并给出了一个小规模算例。     

一类带配送中心运输问题的容量扩张模型研究

运输问题一般采用表上作业法来解决，考虑一类带配送中心的运输问题，若仍采用表上作业法，会使问题复杂化，文中采用一种构造辅助网络的方法：在运输网络中将每个配送中心均拆分成2个点，连接两点形成新弧，构造出新的网络，并给每条弧赋予参数，将此类运输问题转换为最小费用流模型来解决，可以使问题模型和运算简单化．在此基础上，考虑运输网络中配送中心和边的容量扩张问题．     

关于连锁企业配送中心建设的思考

针对国内连锁企业配送中心的发展现状,提出诸如树立正确的配送中心观、政府引导、软件和硬件建设等方面的建议,以构建现代化的连锁企业配送中心,促进我国连锁企业的健康发展。     

浅谈组建西南兵工物资配送中心的必要性

从剖析国内外开展物资配送的成功经验着手，详细阐述了组建西南兵工物资配送中心的必要性     

基于模糊聚类的RDC选址的研究

随着物流产业的发展,RDC选址问题已经成为物流产业中一个重要的研究问题.有一些解决方法,但是都有不足的地方.为了更好地解决这个问题,文中用模糊聚类的方法来研究RDC选址的问题.先用模糊聚类把要分类的点按照一定的标准进行分类,然后在每个类中用线性规划进行具体的选址,这样可以大大降低计算量,而且在聚类的时候可以得到不同的方案的聚类大小,可以给决策者一个选择的空间.     

基于遗传算法的快递物流配送中心选址

以快递物流配送中心选址问题为研究对象,结合其选址特点构建了含有固定投资成本、管理成本、运输成本等诸多成本要素的目标函数,建立了基于遗传算法的选址模型,并利用改进后的求解策略或方法对算法模型进行求解,有效提高了算法模型的求解效率和求解质量.实例研究中,将Matlab2017a数学仿真编程软件与算法模型相结合,对算例进行求...     

多种群免疫协同进化算法在物流配送中心选址中的研究

为提高免疫算法在物流配送中心选址问题的效率,文章引入了多种群协同进化的框架模型,在此模型上提出了一种多种群免疫协同进化算法(Multiple Population Immune Co-evolution Algorithm,MPICA).MPICA通过对若干个抗体子群进行多样性评价,获得各自的记忆库和父代种群;记忆库之间通过移民算子进行联系,增大优秀抗体亲和度成熟的概率;各父代种群通过期望繁殖率进行选择、动态交叉和变异来提高抗体分布的多样性.针对物流配送中心选址实验数据表明,MPICA具有可靠地收敛性和全局寻优能力,能够高效的进行物流配送中心的选址.     

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.     

物流配送中心综合决策支持系统的设计

近年来，随着物流配送中心自身的不断发展，配送技术的日益改进，配送中心业务量的不断增大，仅仅靠以业务处理为主的MIS难以胜任管理者日益增长的辅助决策需要。因此，建立物流配送中心的决策支持支持系统成为必然要求。以某物流配送中心决策支持系统建设为背景，设计了物流配送中心综合决策支持系统的总体功能模块和系统的集成架构并详细介绍了数据库数据仓库、知识库、模型库的设计。