供应链库存与多式联运联合优化研究

发布时间：2020-08-28 13:12

　　供应链库存控制与运输管理是现代企业物流管理中的两大关键环节,在其发展历程中发挥着重要作用。在国际市场竞争日趋激烈,供应链理念得到迅速的发展以及广泛应用的基础上,现代管理物流也不断意识到物流系统中各个方面的协调对企业发展有着至关重要的作用。同时,与之对应的理论研究也应用新的方式去认识和理解如何协调库存控制和运输决策这两个核心环节在系统供应链中的运作,从而使得存在“效益背反”关系的两个核心部分相互协调,提高供应链系统的整体性能。本文以考虑供应链系统整体性能为起点,将供应链系统中库存控制和运输决策这两个最核心的环节结合在一起进行研究,从而得出供应链系统整体的最优决策方案。所以,对多级供应链系统库存和运输成本问题进行研究,对于提高企业的市场竞争地位和获取更多利润具有重要的现实意义。本文先是阐述了多级供应链系统库存与多式联运联合优化研究的背景和意义,基于研究背景和意义的基础上对供应链系统库存、多式联运运输以及库存与运输整合优化问题的国内外研究现状进行文献综述,并对涉及到的物流领域有关的理论进行了简要概述,包括供应链库存控制理论基础、多式联运理论基础以及供应链系统库存与多式联运联合优化问题相关理论基础。其次,基于多级供应链库存成本和不同运输方式的成本,构建多级供应链库存与多式联运联合优化模型;之后,根据构建的优化模型,提出求解流程与算法,在对几种常用启发式算法对比分析的基础上,本文在基本遗传算法的基础上对编码进行改进,同时利用爬山算法的局部搜索能力来提高遗传算法的收敛速度,并将其运用于求解供应链库存与多式联运联合优化的模型中,从而获得商品的最佳定货批量和最小总成本;最后以H省多级供应链系统为例,对多级供应链库存与多式联运联合优化模型进行实例分析,应用结果显示多级供应链库存与多式联运联合优化模型能够有效的降低供应链系统整体成本,获得最优决策方案。
【学位单位】：华北电力大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F274
【部分图文】：

供应链库存,运输成本,成本

图 3-1 多级供应链库存成本与运输成本构成以CA 表示供应链系统库存成本与运输成本，则CA可表示为:()()()zz12CACHCSCHCSCTCYCHCTCYsszxx （3-5）其中，第一部分表示商品生产企业库存成本，由供应方的库存持有成本sCH 和缺货损失成本sCS 构成；第二部分表示配送中心库存成本与运输成本，由配送中心持有库存的成本zCH 、配送中心向供应商购买商品发生的交易成本zCT 、配送中心发生的缺货损失成本zCS 以及配送中心向供应商购买商品承担的第一次运输成本1CY 构成；第三部分是零售企业的库存成本和运输成本，由零售企业持有库存的成本xCH 、向配送中心进行订货发生的交易成本xCT 以及所承担的运输成本2CY 构成。3.3 供应链库存与多式联运联合优化模型构建3.3.1 模型假设

流程图,遗传算法,流程图

图 4-2 遗传算法流程图4.3 遗传算法的改进和求解由于遗传算法中存在大量的遗传算子需要对其进行批量处理，使得遗传运算过程复杂，对其运行效率有很大影响。这就使得国内外学者试图采用不同方法对遗传算法进行优化改进，期望提高其运行效率和对最优解的搜索结果。主要优化改进的方式有[45、62]：（1）改变遗传算法的参数。自适应遗传算法在基本遗传算法的基础上，对自适应参数进行调整，从而提高算法的收敛速度及准确性。（2）混合遗传算法。如在遗传算法中加入局部搜索能力较强的模拟退火算法（SA）、禁忌搜索算法（TS），虽然能够提升搜索能力，寻求最优解，但其是以牺牲运行效率为代价的；（3）并行遗传算法。将计算机的高速并行性和遗传算法自身的并行性结合，能够有效避免基本遗传算法中的“早熟”问题，提升全局搜索能力。（4）遗传算法流程的改进。在遗传算法的流程中引入符合进化规律的技术，如免疫遗传算法中提取的免疫遗传算子，以及小生境（niche）技术等。

网络图,网络图,遗传算法,运行效率

将其代入目标函数，即求得函数的目标结果。其基本操作流程如图 4-2 所示：图 4-2 遗传算法流程图4.3 遗传算法的改进和求解由于遗传算法中存在大量的遗传算子需要对其进行批量处理，使得遗传运算过程复杂，对其运行效率有很大影响。这就使得国内外学者试图采用不同方法对遗传算法进行优化改进，期望提高其运行效率和对最优解的搜索结果。主要优化改进的方式有[45、62]：（1）改变遗传算法的参数。自适应遗传算法在基本遗传算法的基础上，对自适应参数进行调整，从而提高算法的收敛速度及准确性。（2）混合遗传算法。如在遗传算法中加入局部搜索能力较强的模拟退火算法（SA）、禁忌搜索算法（TS），虽然能够提升搜索能力，寻求最优解，但其是以牺牲运行效率为代价的；（3）并行遗传算法。将计算机的高速并行性和遗传算法自身的并行性结合，能够有效避免基本遗传算法中的“早熟”问题，提升全局搜索能力。（4）遗传算法流程的改进。在遗传算法的流程中引入符合进化规律的技术，如免疫遗传算法中提取的免疫遗传算子，以及小生境（niche）技术等。

【参考文献】