基于协PSO算法的物流配送中心选址研究

针对多目标物流配送中心选址问题,建立选址模型,并设计离散协粒子群算法,最后利用该算法进行了实例研究,结果表明该算法是有效、可行的。     

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。     

基于改进PSO算法的物流配送中心选址

首先对物流配送中心选址进行分析,在考虑固定建设费用及运输成本等的基础上建立数学模型。针对模型的特点,采用流行的群智能算法—粒子群优化算法进行求解。在对基本粒子群算法的分析基础上,提出了改进的粒子群算法,克服了基本粒子群算法早熟以及易于陷入局部最优的缺点。利用典型的基准测试函数Shaffer对算法进行验证,最后给出仿真实例,证明了算法的合理性。     

基于GIS和粒子群算法的两级物流配送中心选址优化方法及应用

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两级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,表明本文提出的选址优化方法具有较大的应用价值。     

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。     

基于云自适应遗传算法的物流配送中心选址问题研究

物流配送中心是整个物流系统的关键环节,对于降低物流成本、提高物流效率具有重大意义。现有求解物流配送中心选址问题的传统遗传算法,存在种群多样性较差、个体退化等缺点,算法性能有待进一步改善。针对该问题,在云模型理论的基础上,本文提出了求解物流配送中心选址问题的云自适应遗传算法。算法的核心思想在于利用云模型理论生成交叉和变异概率。最后的仿真实例表明,本文所提算法具有更好的求解性能。     

物流配送中心选址问题研究

物流配送中心选址问题在物流网络规划中占有非常重要的地位,选址的合理与否直接关系到配送中心未来的发展。文章针对第三方物流企业选址的一般要求,以配送中心收益最大化为目标,构造了一种新的物流配送中心选址模型,该模型较接近现实情况,同时,文中也给出了求解该模型的算法。     

基于树型动态规划的物流配送中心选址算法

物流配送中心选址问题在物流网络规划中占有十分重要的地位,选址的合理与否直接影响配送企业的效益.文章基于树型动态规划,提出了物流配送中心的最佳选址算法.该算法利用树型结构简化配送网络,降低了选址的复杂性,具有较高的稳定性.实验表明,相较于目前较为普遍的算法,如传统动态规划、层次分析法等,文章所提出的算法在时间上具有明显的优势.     

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.     

物流配送中心选址数学模型和算法问题研究

在对物流配送中心选址问题进行理论综述和分析的基础上,以综合运输成本最低为基本约束条件构建了选址的数学模型,并通过启发式算法求得了模型的最优解,得出了各工厂对各物流配送中心以及物流配送中心到各货物配送需求点的最佳配送数量,并通过一个实例对模型进行验证和分析,结果证明该模型和算法可以有效优化物流系统的运作和提高运行效益.     

城市蔬菜批发市场配送中心选址模型及算法

针对城市蔬菜物流配送中心选址特点及要求,以实现配送中心配送费用最小为目标,建立混合整数选址优化模型,同时结合滨州市六街蔬菜批发市场配送中心选址实例,运用所构建的混合整数规划模型确定该蔬菜物流配送中心选址最佳方案.设计了基于Lingo软件的算法程序,成功求解了模型.     

基于重心法与共轭梯度法的配送中心选址研究

配送中心是物流系统的枢纽．而配送中心地址的确定是物流系统分析的核心内容。对单一配送中心选址问题．论文给出了一种基于重心法和共轭梯度法相结合的优化算法,并通过和微分法比较试验,证明该算法具有良好的性能。     

微粒群算法在现代物流系统优化中的应用

根据物流系统优化问题和微粒群优化算法的各自特点，提出了采用微粒群优化算法求解物流系统优化问题的相关策略，对微粒群优化算法在旅行商问题、车辆路径问题、配送中心选址问题、布局优化问题上的应用进行了研究。     

基于Lingo语言求解物流配送中心选址模型

首先针对物流配送中心选址的一般要求,以配送中心最小配送费用为目标,构造了混合整数规划选址模型。其次,结合物流配送中心选址实例,运用所建立的混合整数规划模型确定物流配送中心选址最佳方案。最后,借助优化建模软件LINGO,通过对实际问题的抽象建模,编写求解程序,成功求解了该模型。     

我军战术物流配送中心选址问题研究

针对物流配送中心选址问题.阐述了综合考虑战术物流配送中心选址的原则,运输配送成本等因素,结合实际,运用重心法、启发式算法确定出配送中心的地址。     

基于混合微粒群优化算法的配送中心选址问题求解

将微粒群优化算法和模拟退火算法结合．针对配送中心选址问题．构造了微粒表达方法。提出了此问题的一种混合微粒群优化算法。通过整数规范化。微粒群能在整数空间内对问题进行优化求解。该算法能克服基本微粒群优化算法精度较低，易发散的缺点，有较高的搜索效率。经过实验仿真，与基本微粒群优化算法、遗传算法进行比较．证明了该算法的有效性。     

基于改进离散粒子群优化算法的逆向物流选址模型研究

针对逆向物流中存在的问题,为了降低逆向物流总成本,提高逆向物流的运转效率,对逆向物流的选址问题进行了重点研究。以离散粒子群优化算法为基础,对粒子进行重新编码,使得算法的收敛速度加快,挖掘精度提高,选择一个合适的回收中心。     

基于改进离散粒子群优化算法的逆向物流选址模型研究

针对逆向物流中存在的问题,为了降低逆向物流总成本,提高逆向物流的运转效率,对逆向物流的选址问题进行了重点研究.以离散粒子群优化算法为基础,对粒子进行重新编码,使得算法的收敛速度加快,挖掘精度提高,选择一个合适的回收中心.     

基于禁忌搜索的物流配送中心选址方法研究

物流配送中心选址问题在物流网络规划中占有非常重要的地位,选址的合理与否直接关系到配送中心未来的发展。针对企业选址的一般要求,以配送中心总成本最小为目标,构造了一种物流配送中心选址模型。该模型较接近现实情况,同时,给出了求解该模型的禁忌搜索算法和简单算例。     

体育用品企业物流配送中心选址评估分析

本文通过对我国体育用品企业物流配送中心概念着手,分析物流配送中心构建对体育产业发展的意义,提出体育用品企业物流配送中心选址的流程、影响因素以及选址评估方法,为体育用品企业物流配送中心选址提供定量决策分析方法,降低成本,提高体育用品企业物流运作效率。