考虑库存成本的配送中心动态选址研究

发布时间：2021-09-22 19:14

　　整体优化的物流系统是供应链分销管理成功的基础。根据在物流系统中功能的差异,分销阶段的物流决策可分为配送中心的选址决策、分销网络的运输决策和配送中心的库存决策。在进行这些问题的决策时,很多影响因素是随时间而发生变化的。尤其是对于规划期限较长的配送中心选址决策,其中的关键影响因素,如顾客需求、运输成本等表现出明显的动态变化特征。传统上,由于数学建模和求解的复杂性,很多配送中心选址决策模型忽视了影响因素的动态变化,进而可能造成次优的“短视”决策。为了避免这一问题的产生,有必要在配送中心选址模型中考虑决策环境的动态变化。上述分销阶段的三个物流决策问题在内容、范围、规划期限等方面各不相同,因此传统上都是采用按时间先后的顺序决策方式,如先进行配送中心的选址决策,再进行库存决策。然而,这三种决策在内容上相互影响,存在广泛的效益背反关系。因此,这种顺序决策的方式并不能保证物流系统的整体最优。为了追求物流系统各环节的协调和整体效能的提高,需要对这三个决策问题进行部分同时决策或全面同时决策,如选址、库存联合决策,库存、运输联合决策,选址、库存、路径联合决策等。本文以配送中心动态选址问题为研究对象,重点考虑... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：121 页

【学位级别】：博士

【部分图文】：

四种算法10次运算中的取得最小值的代数2.算例求解结果

图3一4到图3一7是四种算法在10次运算中获取得最小解的该次迭代过程。从图中可以看出，遗传算法、克隆选择算法、粒子群优化算法、基木蚁群算法的群体均值和最小值趋于稳定代数分别约为300、350、300、120，这说明从迭代的次数角度来看，基木蚁群算法的效率最高、其次是遗传算法和粒子群优化算法，最差的是克隆选择算法。

图3一4到图3一7是四种算法在10次运算中获取得最小解的该次迭代过程。从图中可以看出，遗传算法、克隆选择算法、粒子群优化算法、基木蚁群算法的群体均值和最小值趋于稳定代数分别约为300、350、300、120，这说明从迭代的次数角度来看，基木蚁群算法的效率最高、其次是遗传算法和粒子群优化算法，最差的是克隆选择算法。

【参考文献】：
期刊论文
[1]蚁群算法研究评述[J]. 胡祥培,丁秋雷,李永先.  管理工程学报. 2008(02)
[2]考虑库存控制的物流网络设计优化模型与算法[J]. 秦进,史峰,裴军.  系统工程. 2007(12)
[3]销售商多产品联合订货研究[J]. 黄朔,陈剑.  系统工程理论与实践. 2007(12)
[4]带市场选择的联合库存选址模型[J]. 唐凯,杨超,杨珺.  工业工程与管理. 2007(05)
[5]随机需求下的选址一库存配送系统集成规划模型及算法[J]. 秦绪伟,范玉顺,尹朝万.  控制理论与应用. 2006(06)
[6]非线性整数规划的蚁群算法[J]. 高尚,杨静宇.  南京理工大学学报(自然科学版). 2005(S1)
[7]粒子群优化算法综述[J]. 杨维,李歧强.  中国工程科学. 2004(05)
[8]基于库存成本优化的配送中心选址问题研究[J]. 谭凌,高峻峻,王迎军.  系统工程学报. 2004(01)
[9]连续优化问题的蚁群算法研究[J]. 高尚,钟娟,莫述军.  微机发展. 2003(01)

博士论文
[1]群智能优化算法及其应用[D]. 冯春时.中国科学技术大学 2009

硕士论文
[1]基于BLP和DP的物流中心动态选址问题研究[D]. 董祥俊.北京交通大学 2007
[2]采用多级库存管理的城市配送中心选址研究[D]. 陈兴.长沙理工大学 2007
[3]随机需求下的物流配送中心动态选址研究[D]. 郭莉.西南交通大学 2006



本文编号：3404247