现代物流配送系统的运输优化调度方案

现代物流配送系统需要利用多种物流配送技术和方法来提高物流配送效率，降低配送费用，最大限度的降低车辆空驶率，提高配送作业的柔性和灵活度。尤其是将定量分析方法和计算机算法相结合的方法，颇受业界关注。本文通过对物流配送中运输车辆调度问题的研究，提出了一种定量运输优化解决方案。现代化配送中心所进行的集货、送货作业，最大的特点就是多品种、小批量、多批次，所以多为非满载运输问题。问题可以描述为：某配送中心的车辆容量为q，现有m项货物运输任务需要完成，以１，…，m表示，已知任务i的货运量为gi，且gi＜q，求满足货运…     

基于最短路的配送中心选址决策与应用

物流作为“第三利润源泉”,对现代的经济活动影响日益明显,越来越引起人们的重视。配送是物流的核心问题,研究如何选择合理的配送中心和配送路线来降低配送运输成本,对物流总成本的节约具有十分重要的意义。论文从配送运输成本最小化目标出发,对单一配送中心选址以及一对一配送路线优化问题进行分析,并分别建立重心法选址模型和最短路算法模型,进行实例分析。     

戴尔2.0中国行背后

“我才刚刚获得这份工作!如果我理解不错的话,按照中国的传统算法,我已经43岁了,但是,按照美国人的算法,我才刚刚42岁。我计划在未来几年继续担任CEO。”迈克尔·戴尔预测,几年以后的戴尔将成为一家与现在不同的公司     

基于启发式算法的成品油配送计划研究

通过对成品油配送计划特点的研究与分析，建立了成品油配送计划编制的数学模型；并设计了模型求解方案；通过对实验结果的分析，证明本文设计的算法快速、有效、稳定。     

越库作业调度问题及其启发式算法研究

主要研究两台机器环境下的以加权完工时间和为目标函数的越库调度问题。首先针对两机器越库调度问题进行研究与分析,给出该问题最优解的若干性质;其次,基于最优解的性质,提出求解该问题的启发式算法,并在此基础上对所给算法进行改进;最后,通过数值实验与动态规划算法比较,证明所给算法及其改进算法的有效性。     

基于互惠合作的供应链合作关系稳定机制研究

首先应用强化学习算法对供应链合作关系的稳定机制进行研究;其次从生物学的角度研究了供应链合作关系中的互惠利他合作行为;最后利用计算机进行了系统仿真.研究得出：只要供应链合作关系中存在互惠利他型的企业,不管其所占的比重有多大,该企业都会通过强化学习使得互惠利他行为在供应链中扩散开来,最终达到企业间合作的一种稳定状态.     

遗传模拟退火算法在配送中心选址中的应用

物流配送中心是现代物流系统的枢纽,而配送中心地址的确定是物流系统分析的核心内容.合理的配送中心选址可以降低企业的运营成本,本文根据配送中心地址问题的特点和要求,提出用遗传模拟退火算法解决选址模型.最后通过一个实例求得了模型的最优解,验证了该算法的有效性.     

建立物流技术中最优递送路线模型

随着网络的技术日渐成熟,电子商务交易也愈见频繁,选择网络购货方式的客户也日渐增多。在物流系统中,要如何避免在送货的途径中造成不必要的人力、物力的浪费而引发的高成本,以及选择更优化、更精确化的送货路径,是目前电子商务物流技术致力解决的主要课题。在电子商务的现有交易架构下,电子地图的处理与展图技术的核心就在于递送路线路由模型的建立。文章将结合电子商务的交易机制,通过对物流技术中的递送路线的分析,阐述电子商务中递送路线模型的建立原理,及算法的实现。     

基于微粒群优化算法的物流配送中心选址问题研究

结合物流配送中心选址的特点，建立数学模型．在此基础上研究了基于微粒群算法的物流多配送中心选址问题，得到一种新的多配送中心选址方法。仿真结果证明此方法比传统选址方法更适合多配送中心选址和非线性问题的优化，并且具有传统算法所不具备的灵活性，适用多样的物流配送模型。     

蚁群遗传混合算法在求解旅行商问题上的应用

针对在求解旅行商问题时,蚁群算法易陷入局部最优,而遗传算法收敛速度慢等问题,将蚁群与遗传算法相结合:把蚁群算法每次迭代的结果作为遗传算法的初始种群,并且用遗传算法寻优结果更新蚁群算法的信息素。在用遗传算法处理问题的阶段,引入了两种新的交叉算子,并且提出混合交叉算子的新思想,算法的后期使用贪心搜索和2-opt局部优化算法,成功的避免了算法过早陷入局部最优解的问题,加快了算法的收敛速度。通过仿真,本算法与其他算法进行对比,寻优路径长度明显降低,在求解效率和求解质量上都有更好的效果。