BtoC模式下物流中心的动态选址模型

电子商务是随着计算机网络和通讯技术的迅速发展,特别是互联网的普遍应用而产生的一种全新的运作模式,在电子商务的BtoC模式下,由于顾客需求的不确定性和逆向物流的高频率性,客观上要求建立良好的物流网络。其中选址决定了整个物流网络的结构和规模,影响到物流系统中物流费用和客户服务水平的高低。针对现有的选址模型没有考虑时间变化对选址决策的影响和现实中用户需求的随机性,构建一个双向物流共享物流网络的动态选址模型,并把设施选址和库存决策结合在一起来讨究物流中心选址的最佳决策。     

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.     

城市地下物流系统网络布局优化

为充分考虑物流系统规划布局和城市地下物流系统空间规划,避免网络布局不合理导致后续运营成本过高、配送能力不足等问题,根据城市地下物流系统的特点,将其抽象为二级节点选址和三级节点分配问题,设计了由三级节点构成的地下物流系统。考虑地下物流系统的建设成本和建成后的使用率,构建了基于成本和设施效用率的多目标、多约束的选址-分配模型,并采用遗传算法对构建的模型进行求解验证,得到城市地下物流系统网络布局优化和分配决策方案,解决了二级节点的选址和分配问题,对地下物流系统网络构建与优化问题有一定的参考价值。     

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.     

计量经济模型在物流需求预测中的应用

在城市物流规划中，物流需求量预测对物流节点的选址、物流节点的规模等一些较为重要的决策，起着非常重要的作用。根据城市人口、消费水平、GDP的变化．利用计量经济学模型可以做到科学的预测城市的物流量增长变化。从而对城市合理的物流规划提供可靠的佐证。     

基于GIS的物流网点选址研究——以天津PJ物流公司河东区选址为例

以天津PJ物流公司河东区网点的选址研究为例。综合考虑影响物流网点选址的各种因素,应用GIS空间分析叠加功能选出候选网点,运用GIS网络分析功能得到各网点选址方案,再运用TODIM模型法选出最优方案。提出一套完整的物流网点选址方法,为各物流企业提供借鉴。     

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。     

废旧汽车回收物流网络中选址-路径优化问题模型构建

本文以第三方回收模式为背景,考虑废旧汽车回收物流网络中成本最优,提出了废旧汽车回收物流网络选址-路径问题优化模型,有效实现废旧汽车回收物流网络两级物流节点选址和线路安排协同优化。     

基于多元节点法的物流节点选址研究

本文首先阐述多元节点法——CFLP的方法与原理,然后通过实际案例,应用CFLP法对物流节点选址问题进行规划,得出该物流节点选址的最佳方案。     

需求随时间变化的配送中心选址模型研究

文章针对已有选址模型没有考虑时间变化对最后选址问题的影响问题，提出一种需求基于时间变化的动态选址模型．并对其在实际中进行了应用。     

融合灰色理论与马尔科夫链的青岛市物流需求量预测

物流需求预测的准确性对物流基础设施投入和物流政策制定是至关重要的。根据物流需求受经济、社会发展和环境政策等不确定因素影响的特点,融合灰色理论与马尔科夫链,用灰色预测揭示系统时序变化的总体趋势,马尔科夫方法预测序列的随机波动的范围,能够优化灰色预测结果,提高预测的精度。以货运量为物流需求度量指标,建立灰色状态马尔科夫组合预测模型,对十二五期间青岛市物流需求量进行预测,预测结果可为青岛市十二五期间物流发展战略制定、物流服务体系构建和物流园区建设等工作提供理论参考和数据支撑。     

基于时间序列模型在物流需求预测中的应用

本文采用时间序列模型进行物流需求预测，用实例从数据平稳性的判断，平稳化、标准化，建模，经模型的识别、定价、参数估计和检验，到预测及误差和置信区间的计算，详细地说明了时间序列模型在物流需求预测中是如何应用的。结果表明该ARMA模型能够较好地拟合并可获得较高的中短期预测精度。     

物流网络优化问题的研究——以山东省为例

分析了山东省物流网络发展现状,提出了山东省物流网络节点选址模型和配送路径优化模型,并用数理规划软件进行求解,得到山东省物流网络供应商的最佳网点与数量、物流中心的最佳位置与数量以及从物流中心到最终用户的最优配送路径,最终实现了山东省物流网络的优化问题。从结果分析来看,该模型对山东省物流的发展具有较高的实用性。     

基于随机需求的物流配送中心选址离散模型研究

针对物流需求不确定情况下的物流配送中心选址问题,对传统模型进行改进,将随机需求变量引入离散型选址模型,利用随机规划理论和遗传算法对实例模型进行求解。结果显示物流需求不确定情况下的随机规划模型的求解结果比假设已知需求情况下的结果真实可信,所需物流费用较少。     

基于GM（1，1）模型的营口港物流需求预测

港口物流规划是港口城市发展现代物流的一项重要内容,其中至关重要的一项就是对港口物流需求进行分析和预测。文中根据营口港物流发展现状,建立了基于GM（1,1）模型的港口物流需求灰色预测模型,并对预测结果进行了检验,通过检验可知GM（1,1）模型有很好的预测精度;同时预测了2012—2015年未来4年的物流需求,为政府进行港口物流规划以及制定相关的港口物流产业政策,促进区域经济与港口物流的整体协调和健康发展提供必要的决策数据。     

基于IOWA算子的组合预测模型在物流需求预测中的应用

根据2000~2009年宁波市物流需求的数据,采用灰色GM 1,,1,模型和一元线性回归模型进行组合优化,建立了基于诱导有序加权平均(IOWA)算子的物流需求量组合预测模型。结果表明基于IOWA算子的组合预测模型能有效提高预测精度,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010~2013年宁波市物流需求作出预测。     

基于消费者环保意识的闭环物流网络优化研究

通过引入消费者的环保意识来反映其对不同回收率产品的需求函数,并考虑了回收产品质量的不确定性,建立了闭环物流网络优化模型,其目标是计划期内利润最大化,以此来确定该网络中各设施的数量、位置、设施间的物流量以及最佳回收率。最后通过一个算例验证了模型的有效性并分析了公众的环保意识对最佳回收率的影响。     

Planning horizon results for the dynamic warehouse location problem

In the last decade, a number of models for the dynamic facility location problem have been proposed. The various models contain differing assumptions regarding the revenues and costs realized in the opening, operation, and closure of a facility as well as considering which of the facility sites are candidates for acquisition or disposal at the beginning of a time period. Since the problem becomes extremely large for practical applications, much of the research has been directed toward developing efficient solution techniques. Most of the models and solutions assume that the facilities will be disposed of at the end of the time horizon since distant future conditions usually can't be forecasted with any reasonable degree of accuracy. The problem with this approach is that the “optimal” solution is optimal for only one hypothesized post horizon facility configuration and may become nonoptimal under a different configuration. Post-optimality analysis is needed to assure management that the “optimal” decision to open or close a facility at a given point in time won't prove to be “nonoptimal” when the planning horizon is extended or when design parameters in subsequent time periods change. If management has some guarantee that the decision to open or close a facility in a given time period won't change, it can safely direct attention to the accuracy of the design parameters within that time period.This paper proposes a mixed integer linear programming model to determine which of a finite set of warehouse sites will be operating in each time period of a finite planning horizon. The model is general in the sense that it can reflect a number of acquisition alternatives—purchase, lease or rent. The principal assumptions of the model are: a) Warehouses are assumed to have infinite capacity in meeting customer demand, b) In each time period, any non-operating warehouse is a candidate for becoming operational, and likewise any operating warehouse is a candidate for disposal, c) During a given time period, the fixed costs of becoming operational at a site are greater than the disposal value at that site to reflect the nonrecoverable costs involved in operating a warehouse. These costs are separate from the acquisition and liquidation values of the site. d) During a time period the operation of a warehouse incurs overhead and maintenance costs as well as a depreciation in the disposal value.To solve the model, it is first simplified and a partial optimal solution is obtained by the iterative examination by both lower and upper bounds on the savings realized if a site is opened in a given time period. An attempt is made to fix each warehouse open or closed in each time period. The bounds are based on the delta and omega tests proposed by Efroymson and Ray (1966) and Khumawala (1972) with adjustment for changes in the value of the warehouse between the beginning and end of a time period. A complete optimal solution is obtained by solving the reduced model with Benders' decomposition procedure. The optimal solution is then tested to determine which time periods contain “tentative” decisions that may be affected by post horizon data by analyzing the relationship between the lower (or upper) bounds used in the model simplification time period. If the warehouse decisions made in a time period satisfy these relationships and are thus unaffected by data changes in subsequent time periods, then the decisions made in earlier time periods will also be unaffected by future changes.     

基于灰色GM(1,1)模型的河北沿海地区物流需求预测研究

以灰色预测理论为基础,通过不同的原始数据序列构建不同维度的GM(1,1)模型,对其预测精度进行比较;并选取精度最高的模型建立起新陈代谢模型,采用等维灰数递补的动态预测方法,对河北沿海地区"十二五"期间的物流需求进行预测。