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。     

运输商选择与配送中心选址联合优化研究——基于供应链系统观念

系统观念是供应链管理的一个重要思想,它要求将供应链做为一个各环节相互联系的有机整体,而不是孤立的阶段.本文基于供应链管理的系统观念,将传统上孤立研究的运输商选择问题与配送中心选址问题结合起来,考虑供应链核心企业管理多个运输商的成本（文中称为C成本）,建立运输商--配送中心联合优化模型[TDJOM],以实现供应链中这两个问题领域的联合优化,实现整体最优,同时设计了一种启发式算法,将非线性规划转为线性规划求解,避免了现有的各种非线性规划求解算法往往只能求得近似最优解的缺陷.本文用算例证明了模型和算法的有效性.     

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。     

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。     

基于二层规划的选址库存路径问题研究

针对一个生产基地,多个配送中心和多个零售商的供应链二级分销网络,根据物流配送决策的实际过程,利用二层规划方法建立了一个选址库存路径问题模型,其中上层规划为配送中心选址模型,下层规划表示客户选择最佳配送中心、库存及路径问题,设计了双层模拟退火算法求解该模型,最后利用不同问题规模的算例将该算法与标准的模拟退火算法进行对比,结果证实改进算法的有效性。     

基于蚁群算法考虑路线安排的单配送中心选址

对一类要求考虑路线安排的单配送中心选址问题建立基于蚁群算法的选址模型,模型目标以配送中心建设费用与运输费用之和最小;同时构造模型的蚁群算法求解结构;最后初步应用证明了该模型解决此类问题的有效性,为单配送选址提供又一种方法。     

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。     

多点配送中心选址及求解蚁群算法

将多点配送中心选址问题(multi-distribution center location problem,MDLP)映射为扩展K-TSP过程并设计了改进的蚁群算法。为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式。仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP。     

基于遗传算法的配送中心选址问题求解

配送中心是物流系统的枢纽,配送中心地址的确定是物流系统分析的核心内容。文中试对包括RDC(区域配送中心)选址和RDC到各下属仓库的配送关系进行研究;建立了一个模拟随机需求下的相关机会优化模型,并提出了基于遗传算法的解决方法,最后利用MATLAB软件进行算例分析。     

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。     

基于重心模型和层次分析法的配送中心选址研究

运用重心模型确定物流配送中心的位置,由于选址因素只包括货运量和货运价值,在实际应用中受到很大限制。为此在用重心法得到备选地点的基础上,引用层次分析法模型解决配送中心的最佳地点问题。结合朝阳柴油机厂选址分析,说明基于重心法与层次分析模型的配送中心选址方法的实际应用。     

配送中心选址的遗传算法研究

针对配送中心的选址问题,将遗传算法这一全局搜索优化技术运用其中,通过建立选址的遗传算法模型,研究了算法设计,分析了其特点,并与传统的混合整数规划解法进行了分析比较。     

基于AHP-整数规划法的油料配送中心选址模型

油料配送中心选址对油料的保障效率有着重要的影响。影响油料配送中心选址的因素众多,文中首先选用层次分析法(AHP)法对这些影响因素进行处理,得到各个候选地址的权值。然后针对AHP方法无法解决条件约束问题,将AHP与整数规划方法相结合,提出了一种基于AHP-整数规划的油料配送中心选址模型。最后通过实例说明该模型能够有效解决油料配送中心选址问题。     

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。     

物流实时配送系统优化模型的构建与求解分析研究

为了解决物流实时配送系统过程的具体实施问题,以满足人们不断增长的物流需求,本文主要研究物流实时配送系统问题中,最优的配送中心个数,配送中心的选址,配送运输车辆行程路线安排,探讨寻求解决问题的有效方法,从而构建适当的运筹学数学模型,并对模型的求解进行深入透彻的分析研究,以实现整个集成物流系统的最小成本,从而实现最优化目标。为物流配送企业解决此类问题提供了思路和方法,并在部分企业进行了实证运用。     

电子商务环境下物流配送中心选址及其启发式算法

电子商务环境下的物流配送中心选址是很复杂的问题，涉及许多因素。考虑电子商务环境下的物流配送特点，将物流配送中心选址模型从变动费用和时间约束的条件上进行修改，建立适用于电子商务环境下的物流配送中心选址模型。与原有模型相比，这些特点使得物流配送中心选址模型在模型的合理性上和实际应用上有了很大的改进。由于选址模型是NP问题，采用启发式算法进行求解。     

蚁群算法在物流配送路径优化问题上的应用

物流配送路径优化是现代物流配送服务的关键环节之一,需要一个快速而有效的求解算法,构建了物流配送路径优化问题的数学模型,并应用蚁群算法加以求解。在模拟试验基础上,得出了蚁群算法对物流配送路径优化问题十分有效的结论,探索出了一条高效求解物流配送路径优化问题的新途径。