《物流系統模型和算法研究》，本文以降低物流費用為目標，對物流系統的選址、配送和庫存三個環節進行了研究。
基本介紹
- 中文名：物流系統模型和算法研究
- 作者：戴樹貴
- 館藏號：F252
- 導師：潘蔭榮
- 學位級別：博士論文
- 學位授予單位：華東師範大學
- 學位授予時間：2007
- 館藏目錄：2009\F252\17
- 關鍵字：物流 物資管理 經濟規劃 數學模型 遺傳算法
- 學科專業：系統分析與集成
中文摘要
物流是企業的“第三利潤源”，是國民經濟發展的動脈和基礎產業。加強信息技術在物流系統中的套用，可以有效地降低物流費用。物流系統的模型和算法是計算機科學和物流科學當前研究的熱點。 物流費用主要包括物流中心的選址費用、物流配送費用和庫存費用。
本文以降低物流費用為目標，對物流系統的選址、配送和庫存三個環節進行了研究。 本文的主要工作和主要創新點包括以下幾個部分：
1．研究了一類特殊的物流中心選址問題——基於交通網路的單應急中心選址問題。應急中心選址不僅要考慮選址費用(建設費用和運輸費用)，更重要的是要考慮中心的覆蓋範圍和由中心到各需求點的應急時間限制。研究者通常使用重心法、層次分析法或者求解選址模型來解決應急中心選址問題。重心法無法評估應急中心到需求點的應急時間限制以及其它影回響急中心建設的因素；單純使用層次分析法，需要考查所有候選點，且必須考查候選點到需求點的費用和時間等因素，因此工作量很大；通過建立選址模型並求解的方法，不是對影響選址的因素缺乏全面的考慮，就是模型複雜難以求解。 本文以降低應急中心選址費用為目標，結合重心法、層次分析法和本文提出的求解K短路徑算法，提出了一個求解單應急中心選址問題的三階段算法TSA，並通過實例闡述了TSA算法的求解過程。TSA算法中，第一階段使用重心法來縮小選址範圍。第二階段中，本文提出了一個時間複雜度小，且易於編程實現的求解K短路徑算法KSP，並使用KSP算法，排除不滿足時間緊迫性限制的候選地點。第三階段使用層次分析法，根據選址費用和其它影響選址的因素，對剩下的少數候選地點進行分析，確定最終的選址地點。 TSA算法過程簡單，計算量小，既考慮了影響選址的諸多因素，又考慮了選址費用、覆蓋範圍和應急時間限制。是一個解決單一應急中心選址問題的有效算法。
2．研究了物流配送方面的三個問題： (1)基於頂點坐標的車輛有容量限制的單配送中心車輛路徑安排問題：該問題以最小化車輛行駛距離為目標。通常採用的研究方法包括精確算法、啟發式算法和元啟發式算法。由於精確算法計算量大，而一般啟發式算法結果通常不夠精確，因此，目前大多使用元啟發式算法研究該問題，其中遺傳算法的研究成果占了相當大的比重。但是，遺傳算法存在的“早熟”問題沒有得到很好的解決。 本文設計了一個求解該問題的混合遺傳算法SHGA。SHGA算法針對簡單遺傳算法因隨機選擇交叉個體而易於“早熟”的問題，提出了遠親交叉策略，從而很好地解決了這一問題。為了使算法有較快的收斂速度，SHGA算法採用了優良個體保留策略，設計了優良個體數函式；利用頂點間的位置關係，設計了個體最佳化最佳化策略，對個體進行最佳化。 SHGA既很好地解決了遺傳算法的“早熟”問題，又具有較快的收斂速度。 (2)基於交通網路的車輛有容量限制的單配送中心車輛路徑安排問題：物流配送通常總是在交通網路中進行的，且配送費用並不能完全由車輛行駛距離來衡量。目前基於交通網路的車輛路徑安排的研究成果並不多，並且都是以車輛行駛距離來評價配送費用。 本文建立了基於網路的單配送中心車輛路徑安排問題的最小配送費用模型，模型考慮了物流配送的固定費用、空載費用和增加費用。設計了一個求解模型的混合單親遺傳算法HPGA。該算法中提出了基於最短路徑的最佳化策略，通過在兩個頂點之間插入基於配送費用的最短路徑上的頂點，並在其它位置刪除這些頂點，對個體進行最佳化，從而提高了算法的收斂速度。 (3)車輛有容量限制的多配送中心車輛路徑安排問題：目前這方面的研究成果並不多，並且通常是把多配送中心車輛路徑安排問題轉化為單配送中心車輛路徑安排問題來解決，求解結果不夠精確。蟻群算法具有較強的魯棒性、易於與其它方法結合等優點，已成功套用於求解單配送中心車輛路徑安捧問題。但是，目前未見有使用蟻群算法求解多配送中心車輛路徑安排問題的研究成果報導。 本文提出了一個求解多配送中心車輛路徑安排問題的混合蟻群算法HACA。HACA算法中，設計了螞蟻轉移策略和可行解構造算法，從而成功地將蟻群算法套用於多配送中心車輛路徑安排問題的求解。此外，為了提高算法的求解性能，引入K鄰域結構來限制螞蟻的轉移目標。使用2_Opt最佳化策略來最佳化螞蟻路徑和可行解，並設計了信息素更新策略。HACA算法有效地解決了蟻群算法在多配送中心車輛路徑安排問題中的套用問題，並且具有很好的求解性能。 本文還分別通過數據實驗驗證了以上三個算法的有效性，並討論了參數設定對這些算法性能的影響。
3．研究了有保質期商品隨機性的庫存問題。該問題一般通過建立最佳化模型和計算機仿真兩種方法來研究。目前用建立最佳化模型來研究該問題的成果通常假定訂貨提前期為確定值和/或需求量與需求時間間隔為常數或特定函式，而在實際的庫存系統中，這些量都是隨機的；而用計算機仿真方法來研究該問題的成果一般沒有考慮銷售商為消化庫存而採取的促銷行為。 本文以最大化銷售商的利潤為指標，基於離散事件仿真原理，建立了有保質期商品的訂貨-庫存-銷售仿真模型。模型同時考慮了生產商的訂貨批量價格折扣和隨機的訂貨提前期、銷售商的降低促銷、顧客的隨機的需求量和隨機的需求間隔時間及顧客對降價商品的增加需求量等諸多因素。此外，通過對該模型的擴展，還建立了多種相關商品的庫存系統仿真模型。通過數據實驗，分析了兩個模型的有效性。 本文的仿真模型很好地解決了有保質期商品的庫存問題，為銷售商選擇最佳的訂貨-庫存-銷售策略提供了有效的工具。
