基于非线性库存和软时间窗的物流网络优化研究

发布时间：2020-07-11 05:42

【摘要】：国内经济迅猛发展，对物流的运行效率提出了更高的要求。而物流运行效率的直接决定者，即是物流网络的合理化。因此本文将物流网络的优化问题作为本课题的研究主题。通过学习和总结前人的研究成果，发现其中的不足，再加上物流网络自身，复杂多变，众多因素综合影响等特点，将以往研究中假设或欠考虑的因素模型化、实际化，贴近现实，以便获得更加合理、有效的物流网络方案。设施的选址问题一直是物流网络优化的关键问题，但多数学者对此问题的研究均给予这样一个假设，即中间节点的库存设定为常量或者是关于吞吐量的线性函数关系，这点显然是不符合现实中库存成本的构成。即使极少数的学者考虑到这点，也会顾此失彼，忽视了节点的固定投资成本。因此，笔者在本文的研究中，将库存与吞吐量的关系设定为二次函数关系并将固定投资成本纳入考虑范围，对鲍姆尔-沃尔夫进行改进，更加有利于合理选址方案的获得。此外，本文又对路径优化问题做了详细的研究和发展，因为各个节点是要通过路径的链接才能形成完整的物流网络，因此本文旨在获得最佳的车辆路径方案来建立相关模型并求解。再阅读大量国内外文献之后发现，对于软时间窗下的多目标路径优化研究，很少有人涉猎，而软时间窗又是多数企业所愿意接受的约束条件，另外，现有的研究中以单目标居多，多目标使得研究结果更加满足企业和顾客的双重需求，但是多目标计算具有相当的复杂性，因此，本文引入权数因子，以综合目标建立模型，设计遗传算法，在MATLAB7.0软件平台上编制程序进行求解。通过提出问题设想，建立模型，设计算法，并最后通过案例分析，这一整套的流程下来，发现本文的非线性库存和软时间窗下的物流网络优化构想，更加符合实际的要求，能够获得更加行之有效的物流网络方案。文章的主要架构如下。第一章首先阐述了本文写作的背景，介绍了整个课题的实际意义和研究价值，起到开篇点题，定立研究基调的作用。第二章对于本课题的理论基础进行详细介绍，为接下来行文打下基础。第三章针对设施选址问题而展开，将非线性库存的概念引入到选址模型当中，并运用改进的鲍姆尔——沃尔夫法来求解这一选址问题，最后通过实例验证这一方法的可靠性。第四章针对路径优化问题展开，建立软时间窗下的的模型，设计算法，最后，通过实例来验证该模型和算法的有效性。第五章总结和展望，希望通过本文的研究可以为企业物流网络优化一点借鉴,同时也希望通过本文的构想能够给以后研究一点启示，最后，指出不足之处并给予未来研究展望。
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F253.9;TP301.6
【图文】：

最优值,目标函数,线路优化,英特尔

本文是 3 辆车，一个配送中心，8 个需求点的线路优化问题，计算量很大，因此，本文借助 MATLAB7.0 软件平台，编制相应的程序代码，来实现路径优化问题的求解。遗传算法设计方面，初始种群为 100，迭代次数为 200，交叉概率为 0.2，变异概率设定为 0.1.并在 Microsoft Windows XP 操作系统上，英特尔奔腾处理器 T2390（1.86GHz）,1G 内存的计算机上求解的。求出适应值结果如下：最优适应值为 0.0082。由于本文的的适应度函数是根据目标函数求倒后得来的，因此数值较小，反之，进行在求倒就可以得到目标函数加权后的和了。具体运算结果如图 4.2。

配送方案

图 4.3 配送方案结果输出图，最优路径为 167810429115312。由前文介绍的编码转化规径优化方案实则为（0，5，6，7，0，3，1，8，0，4，2，0配送中心出发经过需求点 5，6，7 再回到配送中心，第二辆经过需求点 3，1，8 后回到配送中心，第三辆车由配送中心2 后回到配送中心。的运行时间为 35.735 秒，结果如图 4.4。图 4.4 程序运行时间，算得总路径长度为 104，行驶总时间为 355，由于各个车辆的时间均未超过规定时间窗，因此总惩罚度为 0。这一结果是

【参考文献】