动态需求下的多目标配送中心选址研究

为弥补现有选址模型未考虑需求变化的不足,研究了非确定性需求环境下的配送中心选址问题;运用随机机会约束规划为基本建模工具,建立了配送中心动态选址模型;模型不仅考虑最小化物流成本,而且考虑了最大满意度;运用主要目标法将多目标选址模型转化为单目标选址模型,并构造了相应的贪婪启发式求解算法,算例结果表明了模型和算法的有效性。     

基于低碳排放的多车型车辆路径优化问题研究

针对物流配送过程中,如何合理安排配送路线,提高配送效率、降低配送成本和碳排放量的问题,分析了车辆载重量、行驶速度、行车距离、交通状态等因素对车辆油耗的影响,建立了以最小化配送成本和碳排放量为优化目标的多车型车辆配送路径模型。同时,结合蚁群算法对该优化问题进行求解。仿真结果验证了算法能够有效的降低配送成本和碳排放量。     

动态需求下的多目标配送中心选址研究

为弥补现有选址模型未考虑需求变化的不足,研究了非确定性需求环境下的配送中心选址问题;运用随机机会约束规划为基本建模工具,建立了配送中心动态选址模型;模型不仅考虑最小化物流成本,而且考虑了最大满意度:运用主要目标法将多目标选址模型转化为单目标选址模型,并构造了相应的贪婪启发式求解算法,算例结果表明了模型和算法的有效性.     

决策分析中最小成本的算法实现

本文以现实中经常遇到的运输成本最小化或路径选择的决策问题为实例，利用Dijkstra算法原理，给出了决策分析中成本最小化情况下的最佳实现方法。     

循环取料下的多道口分配问题及算法研究

针对循环取料下的多道口分配问题,研究无时间窗约束的车辆优化调度问题.决策变量是每辆车停靠道口的先后顺序和每个道口停靠的车辆的先后顺序,优化目标是最小化卸货所需的总时间.首先,建立该类问题的混合整数规划模型.其次,提出求解该类问题的贪婪算法.最后,数值实验表明该类算法的有效性.     

基于蚁群算法的车间生产调度模型的研究与应用

针对面向订单的车间生产调度问题的局限性,结合实际生产情况,建立了订单车间生产调度管理系统,并对调度算法模型进行了深入研究,提出了一种综合运用理想点求模与蚁群算法的订单多目标优化调度方法。以最小化设备资源利用总时间、最小化产品延迟交货总时间为目标,利用蚁群算法对企业生产能力范围内的订单进行多目标优化调度,调度报表为企业实际生产提供指导。该系统和方法在某重型机械集团公司进行应用,体现了减少劳动力投入、缩短生产周期的效果。     

基于GIS和粒子群算法的物流配送多中心选址优化方法及应用

文章根据总运费最小化原则,以用户空间数据库为背景建立了针对多个配送中心的选址优化模型。为了对选址优化模型求解,提出了一种变异粒子群算法。以地理信息系统（GIS）为平台,对山东省区域物流配送中心的选址优化进行了实证研究,所得结果符合山东省实际情况,表明文章提出的选址优化方法具有较大的应用价值。     

基于Floyd算法的供应链网络路径研究

21世纪的竞争不是企业与企业之间的竞争，而是供应链之间的竞争。运输系统是供应链中一个重要的子系统，运输路径的选择是否合理直接影响供应链的运作成本、速度和效益。文中考虑在拉动式生产的背景下，当销售商提出需求订单的时候，最快的选择相应的制造商和配送中心，使得供应链的总运输成本最小化的问题，利用floyd算法研究三级供应链的运作模式，理论证明其可行性，并通过算例分析验证了此优化算法使得供应链运输成本最小化。     

一种INSS动态反馈负载均衡算法

负载均衡策略是智能网络存储系统(INSS)的关键性技术之一。本文介绍了智能网络存储系统的存储结构,提出了一种新的负载均衡算法。该算法采用周期动态反馈原理,以节点的最小化负载方差为目标,动态调整节点分配权值,最后引入随机概率的转发模式。在实验室搭建的系统平台上,对该算法以及WRR和WLC两种负载均衡算法进行了对比测试,试验结果表明该算法性能更优。     

考虑外包车辆和加班条件的车辆调度问题研究

针对现实生活中配送企业车辆资源有限和配送工作人员加班工作的特征,在同时考虑外包车辆和配送人员加班情况下,建立以最小化车辆配送总成本为目标函数的车辆调度模型,并将免疫算法与蚁群算法相结合对模型进行求解。最后结合车辆调度具体算例,将免疫蚁群算法与蚁群算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法。