收藏本站
收藏 | 论文排版

物流系统模型和算法研究

戴树贵  
【摘要】: 物流是企业的“第三利润源”,是国民经济发展的动脉和基础产业。加强信息技术在物流系统中的应用,可以有效地降低物流费用。物流系统的模型和算法是计算机科学和物流科学当前研究的热点。 物流费用主要包括物流中心的选址费用、物流配送费用和库存费用。本文以降低物流费用为目标,对物流系统的选址、配送和库存三个环节进行了研究。 本文的主要工作和主要创新点包括以下几个部分: 1.研究了一类特殊的物流中心选址问题——基于交通网络的单应急中心选址问题。应急中心选址不仅要考虑选址费用(建设费用和运输费用),更重要的是要考虑中心的覆盖范围和由中心到各需求点的应急时间限制。研究者通常使用重心法、层次分析法或者求解选址模型来解决应急中心选址问题。重心法无法评估应急中心到需求点的应急时间限制以及其它影响应急中心建设的因素;单纯使用层次分析法,需要考查所有候选点,且必须考查候选点到需求点的费用和时间等因素,因此工作量很大;通过建立选址模型并求解的方法,不是对影响选址的因素缺乏全面的考虑,就是模型复杂难以求解。 本文以降低应急中心选址费用为目标,结合重心法、层次分析法和本文提出的求解K短路径算法,提出了一个求解单应急中心选址问题的三阶段算法TSA,并通过实例阐述了TSA算法的求解过程。TSA算法中,第一阶段使用重心法来缩小选址范围。第二阶段中,本文提出了一个时间复杂度小,且易于编程实现的求解K短路径算法KSP,并使用KSP算法,排除不满足时间紧迫性限制的候选地点。第三阶段使用层次分析法,根据选址费用和其它影响选址的因素,对剩下的少数候选地点进行分析,确定最终的选址地点。 TSA算法过程简单,计算量小,既考虑了影响选址的诸多因素,又考虑了选址费用、覆盖范围和应急时间限制。是一个解决单一应急中心选址问题的有效算法。 2.研究了物流配送方面的三个问题: (1)基于顶点坐标的车辆有容量限制的单配送中心车辆路径安排问题:该问题以最小化车辆行驶距离为目标。通常采用的研究方法包括精确算法、启发式算法和元启发式算法。由于精确算法计算量大,而一般启发式算法结果通常不够精确,因此,目前大多使用元启发式算法研究该问题,其中遗传算法的研究成果占了相当大的比重。但是,遗传算法存在的“早熟”问题没有得到很好的解决。 本文设计了一个求解该问题的混合遗传算法SHGA。SHGA算法针对简单遗传算法因随机选择交叉个体而易于“早熟”的问题,提出了远亲交叉策略,从而很好地解决了这一问题。为了使算法有较快的收敛速度,SHGA算法采用了优良个体保留策略,设计了优良个体数函数;利用顶点间的位置关系,设计了个体优化优化策略,对个体进行优化。 SHGA既很好地解决了遗传算法的“早熟”问题,又具有较快的收敛速度。 (2)基于交通网络的车辆有容量限制的单配送中心车辆路径安排问题:物流配送通常总是在交通网络中进行的,且配送费用并不能完全由车辆行驶距离来衡量。目前基于交通网络的车辆路径安排的研究成果并不多,并且都是以车辆行驶距离来评价配送费用。 本文建立了基于网络的单配送中心车辆路径安排问题的最小配送费用模型,模型考虑了物流配送的固定费用、空载费用和增加费用,设计了一个求解模型的混合单亲遗传算法HPGA。该算法中提出了基于最短路径的优化策略,通过在两个顶点之间插入基于配送费用的最短路径上的顶点,并在其它位置删除这些顶点,对个体进行优化,从而提高了算法的收敛速度。 (3)车辆有容量限制的多配送中心车辆路径安排问题:目前这方面的研究成果并不多,并且通常是把多配送中心车辆路径安排问题转化为单配送中心车辆路径安排问题来解决,求解结果不够精确。蚁群算法具有较强的鲁棒性、易于与其它方法结合等优点,已成功应用于求解单配送中心车辆路径安排问题。但是,目前未见有使用蚁群算法求解多配送中心车辆路径安排问题的研究成果报导。 本文提出了一个求解多配送中心车辆路径安排问题的混合蚁群算法HACA。HACA算法中,设计了蚂蚁转移策略和可行解构造算法,从而成功地将蚁群算法应用于多配送中心车辆路径安排问题的求解。此外,为了提高算法的求解性能,引入K邻域结构来限制蚂蚁的转移目标,使用2_Opt优化策略来优化蚂蚁路径和可行解,并设计了信息素更新策略。HACA算法有效地解决了蚁群算法在多配送中心车辆路径安排问题中的应用问题,并且具有很好的求解性能。 本文还分别通过数据实验验证了以上三个算法的有效性,并讨论了参数设置对这些算法性能的影响。 3.研究了有保质期商品随机性的库存问题。该问题一般通过建立优化模型和计算机仿真两种方法来研究。目前用建立优化模型来研究该问题的成果通常假定订货提前期为确定值和/或需求量与需求时间间隔为常数或特定函数,而在实际的库存系统中,这些量都是随机的;而用计算机仿真方法来研究该问题的成果一般没有考虑销售商为消化库存而采取的促销行为。 本文以最大化销售商的利润为指标,基于离散事件仿真原理,建立了有保质期商品的订货-库存-销售仿真模型。模型同时考虑了生产商的订货批量价格折扣和随机的订货提前期、销售商的降低促销、顾客的随机的需求量和随机的需求间隔时间及顾客对降价商品的增加需求量等诸多因素。此外,通过对该模型的扩展,还建立了多种相关商品的库存系统仿真模型。通过数据实验,分析了两个模型的有效性。 本文的仿真模型很好地解决了有保质期商品的库存问题,为销售商选择最佳的订货-库存-销售策略提供了有效的工具。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李芬;徐国虎;;基于遗传算法的配送中心选址问题求解[J];商品储运与养护;2007年03期
2 何晋强;黎夏;刘小平;陶嘉;;蚁群智能及其在大区域基础设施选址中的应用[J];遥感学报;2009年02期
3 张秋闻;甄彤;;基于混合蚁群算法的粮食配送中心选址优化[J];粮食与食品工业;2008年05期
4 王素云;李军;;基于遗传算法的物流配送车辆优化调度[J];商场现代化;2006年28期
5 王林;叶小侠;;基于Lingo语言求解物流配送中心选址模型[J];物流技术;2008年10期
6 王智;张自力;;一种新的混合蚁群聚类算法[J];西南师范大学学报(自然科学版);2009年03期
7 王春燕;张华;;遗传算法在配送中心选址中的应用[J];物流科技;2007年04期
8 张玉芬;齐红然;刘世普;;一类应急服务设施选址问题的模型及算法[J];数学的实践与认识;2009年14期
9 陈文俊;尤高升;席泽东;;遗传算法在中央储备库选址问题中的应用[J];科技信息;2010年32期
10 张宏杰;宗军;励庆孚;;遗传-蚁群混合算法在高温超导匀场磁体优化设计中的应用[J];低温物理学报;2006年03期
11 段春青;陈晓楠;韩黎明;;遗传程序在水位流量关系拟合中的应用[J];中国农村水利水电;2009年06期
12 林雄;;基于蚁群算法考虑路线安排的单配送中心选址[J];物流科技;2009年10期
13 陈江义;宋雪枫;张明伟;;融合蚁群算法和遗传算法的矩形件排样问题研究[J];郑州大学学报(理学版);2011年02期
14 陈煜敏;;移动机器人在障碍空间中路径规划的研究[J];科技信息;2011年15期
15 李澄非;朱群雄;;基于蚁群算法的混合优化算法在TSP中的应用[J];青岛大学学报(自然科学版);2007年01期
16 廖继红;;基于旅行商问题的优化算法设计[J];科技信息;2008年29期
17 田宝勇;周应强;;一种新的决策树组合优化算法[J];辽宁大学学报(自然科学版);2010年01期
18 李果;;几种计算机自动排课方法综述[J];科技广场;2009年11期
19 康岚兰;曹文梁;;混合遗传蚁群算法的改进及在TSP问题中的应用研究[J];科技广场;2010年07期
20 温莹莹;荣晓飞;乔孟丽;;基于智能优化算法的运输优化问题研究[J];科技资讯;2006年09期
中国重要会议论文全文数据库 前10条
1 李彦苍;索娟娟;;基于熵和信息素的自适应GA及其在组合优化中的应用[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年
2 杨丽丽;韩宁;张健;阚江明;;基于图像处理技术的强化木地板表面瑕疵检测算法研究[A];第七届全国信息获取与处理学术会议论文集[C];2009年
3 曹明;;基于遗传蚁群算法的S盒的构造[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
4 高海昌;冯博琴;侯芸;;测试数据自动生成的研究进展[A];2006中国控制与决策学术年会论文集[C];2006年
5 周宏斌;李文元;胡勇;;智能算法在多用户检测中的应用[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(下册)[C];2008年
6 张宁;徐晓静;;蚁群遗传算法设计与实现[A];第九届中国青年信息与管理学者大会论文集[C];2007年
7 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
8 谢娜;朱宏亮;;蚁群算法在工程项目投资方案优选中的应用[A];第六届全国土木工程研究生学术论坛论文集[C];2008年
9 曹振宇;周根贵;徐超;;集中式回收中心的选址问题研究[A];第八届中国青年运筹信息管理学者大会论文集[C];2006年
10 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 戴树贵;物流系统模型和算法研究[D];华东师范大学;2007年
2 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
3 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
4 彭扬;物流配送网络设计模型与算法研究[D];中国科学技术大学;2007年
5 邢立宁;演化学习型智能优化方法及其应用研究[D];国防科学技术大学;2009年
6 袁东辉;蚁群算法在飞行模拟器平台中若干应用问题的研究[D];吉林大学;2011年
7 张旭;具有拓扑结构布局优化的理论及算法[D];大连理工大学;2004年
8 廖平;基于遗传算法的形状误差计算研究[D];中南大学;2002年
9 周明;高新技术产业投资环境系统研究[D];西北工业大学;2006年
10 张需溥;小型化微带天线的设计与数值分析[D];上海大学;2004年
中国硕士学位论文全文数据库 前10条
1 王丹;物流配送中心选址问题研究[D];大连海事大学;2007年
2 夏益敏;基于GIS的多配送中心车辆路径问题的研究[D];汕头大学;2008年
3 周勇;“遗传—蚁群”混合算法及其在水量调度中的应用[D];中南大学;2006年
4 程波;蚁群算法在工业过程控制中的应用[D];华北电力大学(北京);2006年
5 王雅芳;结合蚁群算法的遗传算法配电网故障诊断分析[D];厦门大学;2008年
6 吴桂芳;物流配送中心选址优化模型及算法研究[D];武汉理工大学;2009年
7 刘闯;遗传蚁群算法在Ad Hoc网络中的应用[D];华东师范大学;2009年
8 刘立东;改进蚁群优化算法的研究[D];西南交通大学;2007年
9 侯传晶;蚁群算法在PID控制和动态矩阵控制中的应用[D];中国石油大学;2007年
10 刘文亮;基于遗传蚁群混合算法的水库优化调度研究[D];太原理工大学;2008年
中国重要报纸全文数据库 前10条
1 汪沁;武汉中百物流配送中心启用[N];国际商报;2003年
2 记者 徐光胜;东北最大药品物流配送中心在哈投用[N];哈尔滨日报;2010年
3 曾晔;国药新疆医药物流配送中心在乌鲁木齐高新区落户[N];中国包装报;2010年
4 孙保森;积极推进物流配送中心的发展[N];中国商报;2005年
5 宁文心 司路伟;新星集团荣登“2009年中国连锁百强”第38位[N];淄博日报;2010年
6 记者 刘晓华;台湾水果东北批发物流配送中心将落户大连[N];大连日报;2011年
7 刘跃 周勤;长安民生联手建设西部最大物流配送中心[N];中国交通报;2002年
8 肖倩 记者 张斌峰;宝鸡依托邮政平台搭建物流配送中心[N];陕西日报;2004年
9 记者 罗芸 实习生 罗羿;苏宁西南总部落子重庆[N];重庆日报;2008年
10 记者 王珍珍;北药股份物流配送中心将增容[N];中国交通报;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978