基于拉格朗日松弛算法的库存路径问题研究
发布时间：2024-11-02 03:31
在经济全球化的背景下,降低成本成为企业提高竞争力的有效手段,为此,企业开始从整体化的角度考虑物流供应链的运行,以系统化思想为主题的供应商管理库存模式应运而生。库存管理和路径规划作为供应商管理库存模式中两个重要环节,在物流总费用中占据较大比例,且两环节之间存在着较严重的“效益悖反”现象。通过组合库存管理和路径规划是降低企业成本的有效手段,因此,研究库存路径组合优化问题在理论发展和实际应用中都具有较大意义。本文在大量的国内外相关文献阅读与研究的基础上,着重研究了两种典型的库存路径问题—确定需求的库存路径问题和带有时间窗的随机需求库存路径问题。两种问题的配送系统均是由一个配送中心和多个客户组成,针对两种不同情形的问题建立了各自的数学模型,分别设计了拉格朗日松弛算法和基于拉格朗日分解的混合算法进行求解。具体工作内容如下:(1)研究了经典的无限配送期的库存路径问题,其中客户的需求是确定已知的,针对此问题建立的对应模型以配送成本、库存成本和缺货损失成本最小为目标,考虑了运输、车辆以及库存等相关约束条件。并针对此模型设计了一种随机次梯度拉格朗日松弛算法,在算法求解过程中,每次迭代采用随机因子调节次梯度...
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究发展现状
1.2.1 确定需求的IRP研究现状
1.2.2 随机需求的IRP研究现状
1.2.3 带有时间窗的IRP研究现状
1.2.4 研究现状总结
1.3 本文研究框架
1.3.1 研究目标
1.3.2 研究内容
1.3.3 研究思路
1.4 本章小结
第二章 相关理论与方法
2.1 库存路径问题概述
2.2 库存管理策略和车辆路径策略
2.2.1 库存管理理论
2.2.2 车辆路径理论
2.3 库存路径问题的求解方法
2.4 本文相关算法
2.4.1 拉格朗日松弛算法原理概述
2.4.2 次梯度算法原理概述
2.4.3 遗传算法原理概述
2.5 本章小结
第三章 无限计划期下的库存路径联合优化问题
3.1 引言
3.2 问题描述
3.3 假设与符号
3.4 模型建立
3.4.1 库存成本分析
3.4.2 运输成本分析
3.4.3 目标函数与约束
3.5 基于拉格朗日松弛算法的求解
3.5.1 模型算法求解框架
3.5.2 松弛决策约束
3.5.3 基于CPLEX求解子问题
3.5.4 随机次梯度算法求解对偶问题
3.5.5 随机次梯度算法的收敛性
3.5.6 构造可行解
3.5.7 随机次梯度拉格朗日松弛算法步骤
3.6 数值实验与结果分析
3.6.1 实验数据介绍
3.6.2 算法有效性
3.6.3 总成本收敛性对比
3.6.4 配送路径和配送量
3.7 本章小结
第四章 带有时间窗的随机需求库存路径联合优化问题
4.1 引言
4.2 问题描述
4.3 假设与符号
4.4 模型建立
4.4.1 惩罚成本分析
4.4.2 库存成本分析
4.4.3 运输成本分析
4.4.4 目标函数与约束
4.5 基于拉格朗日分解和遗传算法结合的算法求解
4.5.1 模型算法求解框架
4.5.2 拉格朗日分解
4.5.3 对偶问题的求解
4.5.4 拉格朗日分解和遗传算法结合的算法步骤
4.6 数值实验与结果分析
4.6.1 实验数据介绍
4.6.2 算法有效性验证
4.6.3 实际需求量和配送量
4.6.4 实际配送时间
4.6.5 配送路径图
4.7 本章小结
第五章 总结与展望
5.1 主要研究内容总结
5.2 主要研究成果总结
5.3 工作展望
参考文献
攻读硕士学位期间发表的学术论文及取得的相关科研成果
致谢
本文编号：4008960
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究发展现状
1.2.1 确定需求的IRP研究现状
1.2.2 随机需求的IRP研究现状
1.2.3 带有时间窗的IRP研究现状
1.2.4 研究现状总结
1.3 本文研究框架
1.3.1 研究目标
1.3.2 研究内容
1.3.3 研究思路
1.4 本章小结
第二章 相关理论与方法
2.1 库存路径问题概述
2.2 库存管理策略和车辆路径策略
2.2.1 库存管理理论
2.2.2 车辆路径理论
2.3 库存路径问题的求解方法
2.4 本文相关算法
2.4.1 拉格朗日松弛算法原理概述
2.4.2 次梯度算法原理概述
2.4.3 遗传算法原理概述
2.5 本章小结
第三章 无限计划期下的库存路径联合优化问题
3.1 引言
3.2 问题描述
3.3 假设与符号
3.4 模型建立
3.4.1 库存成本分析
3.4.2 运输成本分析
3.4.3 目标函数与约束
3.5 基于拉格朗日松弛算法的求解
3.5.1 模型算法求解框架
3.5.2 松弛决策约束
3.5.3 基于CPLEX求解子问题
3.5.4 随机次梯度算法求解对偶问题
3.5.5 随机次梯度算法的收敛性
3.5.6 构造可行解
3.5.7 随机次梯度拉格朗日松弛算法步骤
3.6 数值实验与结果分析
3.6.1 实验数据介绍
3.6.2 算法有效性
3.6.3 总成本收敛性对比
3.6.4 配送路径和配送量
3.7 本章小结
第四章 带有时间窗的随机需求库存路径联合优化问题
4.1 引言
4.2 问题描述
4.3 假设与符号
4.4 模型建立
4.4.1 惩罚成本分析
4.4.2 库存成本分析
4.4.3 运输成本分析
4.4.4 目标函数与约束
4.5 基于拉格朗日分解和遗传算法结合的算法求解
4.5.1 模型算法求解框架
4.5.2 拉格朗日分解
4.5.3 对偶问题的求解
4.5.4 拉格朗日分解和遗传算法结合的算法步骤
4.6 数值实验与结果分析
4.6.1 实验数据介绍
4.6.2 算法有效性验证
4.6.3 实际需求量和配送量
4.6.4 实际配送时间
4.6.5 配送路径图
4.7 本章小结
第五章 总结与展望
5.1 主要研究内容总结
5.2 主要研究成果总结
5.3 工作展望
参考文献
攻读硕士学位期间发表的学术论文及取得的相关科研成果
致谢
本文编号：4008960
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/4008960.html
