联合采购与配送协同成本分摊方法

针对企业联盟进行联合采购时的配送成本分摊不合理问题,提出采用Shapley值法同时分摊物品的购买成本和配送成本,对配送成本占比较大的物品具有重要的应用意义.将n个企业协同总成本分为联合购买成本C1 (N)和配送成本C2 (N)两部分,并采用Shapley值法分别对C1 (N),C2 (N),C1 (N)+C2(N)进行了分摊.根据实际联合采购问题,在考虑"企业位置分布"与"配送成本占比"因素的基础上设计了大量算例.通过算例实验得出以下结论:采用Shapley值法同时分摊联合购买成本与配送成本,与仅按货物购买数量作为权重的分摊方法相比,两者协同总成本分摊结果的平均偏差可高达11.75％,并且配送成本占总成本比率越大,协同企业位置分布越不均匀,越需要采用更合理的方法同时对配送成本进行公平分摊.     

考虑边位置信息的求解ETSP问题改进贪婪算法

分析了贪婪算法(Greedy algorithm,GRA)求解欧几里德旅行商问题(Euclidean Traveling SalesmanProblem,ETSP)的求解质量和求解耗时的特点,发现边位置信息是影响GRA的求解质量和求解耗时的主要因素,在Michael模型基础上提出了一种考虑添加边所在位置信息的改进贪婪算法(Improved Greedy algorithm,IMGRA),并阐述了IMGRA的设计思想和相应的构造方法.分别采用IMGRA和GRA求解了90个算例,结果表明:固定参数下的IMGRA平均求解质量较GRA提高55%,求解耗时降低20%.为此,对IMGRA比GRA求解质量更高和求解耗时更短的原因进行了分析.     

物流中心作业资源配置的线性规划逆优化模型

针对物流中心出库作业资源配置问题,考虑资源可共享及可替代条件下,可能出现的资源作业效率难以测量的情况,构建了资源配置线性规划逆优化模型。该模型通过最小化地调整资源作业效率求解符合实际操作要求的作业资源配置优化方案。实例表明:该方法通过调整资源效率矩阵使得实际配置方案成为问题的最优解,为制定满足实际作业要求的资源配置计划提出了新思路。     

云制造环境下客户协作的成本分摊问题

为进一步提高云制造中资源的利用率,提出云制造环境下客户间协作形成联盟的成本分摊方法.联盟内客户相互协作,共享其匹配到的资源,对订单生产方案进行优化,充分利用联盟内闲置的资源,实现成本的节约.基于协作优化后的方案,构建客户合作成本分摊模型,并采用Shapley值分摊协作联盟的成本.通过数值实验分析表明,当客户订单中存在闲置资源,且当紧急需求的订单因资源的占用需要支付延迟成本时,客户间通过协作共享制造资源,能为联盟内客户带来成本的节约,同时闲置的资源得到利用,提高资源的利用效率.