随机需求下的机动车零部件库存运输整合优化

以机动车供应链为背景,从供应链协同的角度研究机动车零部件库存运输整合优化问题.在需求随机情景下,建立了基于循环取货(Milk-Run)的机动车零部件库存运输双层迭代优化模型,即分别对上层的库存模型和下层的运输模型进行建模优化.通过混合规划模型方法和改进的遗传算法,反复迭代来平衡库存与运输之间的效益悖反关系,优化系统总成本,找出集成情形下的最优解.最后通过实际算例验证了模型和算法的有效性.     

一种多周期易腐品库存路径问题模型及其求解算法

通过分析一个供应商用多个相同车辆向多个客户配送一种易腐品,在随机需求下,满足多个周期中客户的服务水平、决策计划期内的配送路线和配送量,以库存持有成本、货损成本、运输成本最小化为目标,建立随机需求的多周期易腐品库存路径问题模型,将库存控制和运输问题整合优化。还针对该模型设计了一种改进的遗传算法,能够保证初始种群以及变异、交叉后的种群的多样性和优越性,有足够搜索全局最优解的能力。     

基于JMI的单周期离散随机需求下的库存与运输集成问题研究

针对一个配送中心,多个零售商的JMI物流系统,建立了该系统在单周期离散随机需求下基于两级库存成本的运输-库存集成优化模型,并针对该模型的特征设计了相应的遗传算法.最后通过算例分析验证了该算法的有效性.     

基于JMI的单周期离散随机需求下的库存与运输集成问题研究

针对一个配送中心，多个零售商的JMI物流系统，建立了该系统在单周期离散随机需求下基于两级库存成本的运输一库存集成优化模型，并针对该模型的特征设计了相应的遗传算法。最后通过算例分析验证了该算法的有效性。     

基于遗传算法的高速公路网络规划模型优化

结合选址及路径优化模型对高速公路物流网络的优化问题展开研究,构建了高速公路物流网络规划模型并应用遗传算法进行求解分析,通过算法的改进设计提高了算法求解的效率和最优解的精度,以期对以高速公路路网为载体的社会物流服务改进提供参考。     

生产与销售的周期库存模型

对工厂生产所需原材料的库存和生产产品的库存问题进行了研究，给出了生产和销售速度一般意义下的多周期存模型和计算最佳生周期的算法，并对两种生产和销售速率的特殊情况进行了讨论。     

RFID技术在服装库存管理模型中的研究

针对易逝品供应链节点企业库存数据不准确的问题,将RFID技术引入到传统的库存管理模型,用于国内服装企业库存管理。在传统的库存模型基础上建立了基于RFID的复合Q,誗R誗库存模型,研究掌握实时库存数据。以重庆A服装公司为例,使用遗传算法仿真优化求解,证明了复合模型更能帮助企业降低库存,节约成本,从而提高企业的竞争力。     

随机需求下连锁零售企业的LIRP问题集成优化

在一个二级物流配送系统中，针对多个备选点、多个需求点的LIRP问题，以连锁零售企业H公司为例，考虑到门店分散和需求随机性的影响，建立随机需求下以总成本最小为目标的双层规划模型，通过上层规划（F）和下层规划（U）之间的关联和约束，将选址、库存和车辆路径三者进行了有效集成。通过MATLAB软件编程，第Ⅰ阶段运用免疫遗传算法和蚁群算法实现对双层规划模型的求解，第Ⅱ阶段对第Ⅰ阶段产生的初始解进行优化，以得出全局最优解，并对优化效果进行了分析。     

基于公交车开展物流配送的车辆路径优化问题

本文主要研究基于公交车开展物流配送的车辆路径优化问题，通过一种新型的城市物流配送模式来缓解城市拥堵、减少物流配送总成本。该配送模式分为公交车配送和配送车辆配送两层，利用公交车的剩余容量来减少运输成本。同时建立了总成本最小为目标的优化模型，并使用改进的遗传算法对模型进行求解。本文在遗传算法生成种群的过程中，采用模拟退火算法进行优化拓展解的空间，提高改进算法的全局和局部空间搜索能力。最后经实例验证，改进的遗传算法能够找到更短的行驶路线，验证了算法的有效性。     

面向B2C及C2C业务的快递服务网点选址优化模型与算法

在分析各小区域潜在顾客群的特点及其构成的基础上,为了以最小的费用、最短的时间服务尽可能多的顾客,结合快递物流的特点,建立了混合0—1整数规划的快递服务网点的选址优化模型。该模型是一个高维、非线性、非凸性的复杂函数优化问题。为求解此模型,开发了一种改进遗传算法,实例表明,该算法能高效求得模型的最优解,是求解快递物流服务网点选址这类复杂优化问题的一个较好方法。     

基于价格折扣的生命周期产品库存模型

在产品的生命周期内,供应商提供价格折扣条件下,研究了一类需求率是销售价格与时间的一般函数的易变质物品最优库存策略问题,建立了优化补货周期的库存模型。目的是极大化总利润,讨论了模型最优解的存在性并给出了求解最优解的算法,最后给出数值例子。     

基于蚁群算法的改进神经网络备件库存分类模型研究

针对基于BP神经网络的备件库存预测模型的不足,提出基于蚁群算法的改进神经网络算法应用于备件预测模型。首先建立了基于蚁群算法的改进神经网络备件库存分类模型：其次进行了实验分析及对比。验证了模型的可行性。对装备备件预测具有一定的参考价值。     

基于改进遗传算法的无功优化方法的研究

电力系统的无功优化是降低网损、保障电压质量的有效手段,遗传算法是解决这种多约束非线性组合优化问题的很好方法。简单遗传算法（SGA）中的交叉率和变异率分别是一个过大或者过小的固定值,造成了高适应度基因遭到破坏和算法陷入迟钝,本文中改进遗传算法（IGA）使用变化的交叉率和变异率避免了此类现象。文献中以IEEE33节点系统为例,分别用两种算法进行了无功优化的计算,通过比较得到结论,IGA具有最优解更加准确、收敛速度更加迅速的优点。     

基于客户满意度的城市物流车辆路径优化

本文主要研究城市物流配送的路径优化问题,建立了总成本最小为目标的优化模型。应用了改进遗传算法对模型进行求解。经实例验证,改进遗传算法找到的路线更短,验证了算法的有效性。     

基于演化蚁群算法的多目标物流网络优化

物流网络优化中普遍存在着多目标优化的问题.传统的多目标优化算法容易陷入局部最优,采用了多种群相关的蚁群算法求解多目标物流网络优化问题,两个种群分别针对总运费最小和最大单程距离最小两个优化目标,考虑蚁群算法的收敛速度,采用遗传算法对蚁群算法的多个初始参数进行优化选择.实验结果证明,该模型算法可以有效迅速地求得最佳路径,为决策者提供多个可选择的优化方案,避免局部最优解.     

基于混合遗传算法对应急条件下蔬菜配送问题的研究

建立了一种应急蔬菜配送问题的模型,考虑到在对该类问题规划线路时种群规模对遗传算法选择最优解的影响,将改进扫描法的思想融合到遗传算法中,形成一种新型的混合遗传算法。结合改进的扫描法后的遗传算法在种群选择上加以有效控制,减少了遗传算法陷入局部最优解的概率,同时提高了算法的时效性。     

基于低碳排放的应急物流车辆路径优化

针对应急物流的车辆路径优化问题,基于低碳绿色物流思想,以车辆固定成本、运输过程中产生的成本、未满足需求量的惩罚成本以及碳排放成本之和最低为优化目标,建立了基于低碳排放的应急物流车辆路径优化模型。由于受灾点的需求具有不确定性,模型运用三角模糊数来估计需求量。为了求解模型,采用混合遗传算法,利用节约算法获得初始解,并利用大规模邻域搜索算法“破坏”与“修复”的思想改进遗传算法的局部搜索操作。最后通过算例仿真,验证了模型的实用性与算法的有效性。     

服装陷高库存危机

面对目前的库存危机,服装企业更多的应该是有步骤地在设计、采购、生产、物流、品牌包装、终端销售等各个环节上布局以整合整个服装供应链的资源。为西班牙排名第一、全球排名第三的服装零售商Inditex贡献了70%销售额的Zara品牌,以服装快消的消费理念在全世界掀起了一场属于服装的时尚消费理念。Zara自2006年     

基于改进遗传算法的成品油配送车辆调度问题研究

为有效解决成品油配送中的油罐车车辆调度问题,构造了多车型-多油品-多加油站的成品油配送车辆调度优化的数学模型,设计了改进遗传算法对所提出模型进行求解,并用具体算例验证了模型和算法的有效性.     

VMI环境下基于需求预测的多点库存控制模型

建立了一个基于需求预测的多点库存控制模型,并提出一个改进的遗传算法来进行求解,结果显示与单点最优库存控制策略相比,该方法有效.