随机需求下的选址-库存配送系统集成规划模型及算法

研究了随机需求条件下由单供应商、候选分拨中心和分销点构成的选址－库存问题, 分销点、分拨中心分别基于周期检查(R, s,Q)和连续检查(s, S)库存控制策略. 综合考虑库存成本、运输成本和设施成本之间的均衡关系, 建立了二级库存与无能力约束选址集成规划模型. 给出了适合求解实际规模问题的拉格朗日松弛算法, 提出了求解子问题的有效启发式方法, 改进了次梯度优化方法. 通过仿真试验验证了模型的正确性和算法的有效性. 最后讨论了相对于传统规划方法, 需求方差、服务水平、持有成本、提前期等关键库存控制参数对系统运营成本节约的影响规律.     

基于逐渐覆盖的自提点选址模型与算法研究

实践表明自提点类型和自提点覆盖距离影响消费者自提服务的满意度。为解决消费者满意度选址问题,基于逐渐覆盖理论,用凹凸函数刻画消费者的满意度,构建了基于逐渐覆盖的自提点选址模型。根据模型的特点,设计了相应的拉格朗日松弛算法。最后,运用大量的随机算例进行计算,并与传统覆盖模型的选址结果进行了比较。算例分析结果揭示了所构建的模型和算法在自提点选址决策中的有效性。     

考虑售后服务和配送成本的选址问题系统的建模仿真

加强售后服务与降低流通费用是现代企业经营管理的两大目标。采用分步寻优法建立了服务配送系统选址数学模型，给出了考虑售后服务的配送系统选址问题程序设计算法描述。仿真结果验证了系统模型与算法的有效性。     

即时配送下无人机全自动机场分区选址模型

随着城市即时配送及餐饮业迅猛发展带来的高时效性配送热潮,配送员自身安全及配送效率的矛盾急剧突出,一种兼具安全与效率的无人机即时配送新模式应运而生.无人机全自动机场正是实现零接触式配送的落脚点.基于无人机及无人机全自动机场自身特性的约束,构建以取货时间最短为目标的选址模型,确定无人机全自动机场的选址位置及根据排队论确定机...     

不确定条件下配送回收中心选址配送问题研究

针对制造商、零售商、一个废弃处理中心和多个配送回收中心构成的闭环供应链,解决模糊随机环境下的配送回收中心选址配送问题。引用模糊随机理论处理产品回收率和可再利用率随机变量,以成本最低和碳排放最小为双重目标,以设施能力,设施间流量以及设施数量为约束,建立多目标闭环供应链配送回收中心选址配送模型。改进了全局-局部-邻域粒子群算法,设计了基于优先级的全局-局部-邻域粒子群算法方案,并用案例验证了模型及算法的有效性和先进性。     

模糊随机环境下考虑残次品处理的库存配送问题研究

针对考虑残次品的多生产商选择多商品多阶段库存配送问题,建立了一个基于动态规划的双层库存配送模型。高端物流服务集成商以整个供应链网络成本最小为目标制定采购决策;库存配送服务商以运营成本最小为目标,在集成商决策下制定库存和配送决策。设计了模糊随机环境下基于动态规划的双层全局-局部-邻域粒子群算法（Bi-DPGLNPSO）对模型进行求解。并通过算例验证模型和算法的有效性和合理性。通过参数测试和算法对比检验算法的优越性。     

粒子群算法求解需求随机的分批配送VRP

对需求随机的分批配送车辆路径问题进行研究,建立带修正的随机规划模型。设计与局部搜索算法相结合的粒子群算法进行求解,算法使用整数编码和基于Bellman方程的允许分割需求的解码方法。并针对允许分批配送时导致的粒子速度、粒子自身最优位置、局部最优位置及全局最优位置等向量非零元素个数不同的问题,设计可行的统一向量长度的方法。算法在调整的Solomon算例测试集和调整的Christiansen和Lysgaard算例测试集上进行测算,测试有效参数、速度长度及速度更新方程。同时与现有结果进行对比,虽然计算效率较低,但在测试的26个算例中,有14个算例的最优解得到更新,剩余的算例最优解与现有最优解相差小于1%。     

多元个性化需求驱动的最后一公里配送选址-路径研究

为提升最后一公里配送服务水平,基于现实场景中存在的自提、带时间窗的送货上门和柔性服务需求,提出多元个性化需求驱动的选址-路径问题.为了有效求解该问题,设计融合初始解构造算法、差异化邻域使用策略和自适应抖动机制的变邻域搜索算法.不同规模算例实验结果表明,改进的变邻域搜索算法具有较好的求解效率和鲁棒性.通过关键参数的敏感性分析发现,个性化需求比例与自提成本对运营成本影响显著,综合考虑这些因素开展配送系统设计具有较强的现实意义.     

.物流配送中心动态选址模型及算法研究*

针对传统物流配送中心动态选址模型没有充分考虑配送中心的可能状态和库存持有成本的问题,建立了一种新的模型。首先,利用两步骤近似法构建了在有库存和运输双重能力约束下,每一个周期配送中心的库存成本计算方法;然后,分别给出了配送中心在整个规划期内的打开、运营、关闭和再次打开的成本表达式;最后,分别用遗传算法、克隆选择算法、粒子群算法求解所建立的模型,并从算法的寻优能力、稳定性、运算速度和收敛性方面比较了三种算法的性能。算例测试结果表明,所建立的模型是有效的;从总体上看,遗传算法的适应性要强于克隆选择算法和粒子群算     

需求点随机的分批配送VRP模型与算法研究

针对城市配送中需求点不确定的现象, 在分批配送车辆路径问题中引入随机需求点进行研究.建立带修正的随机规划模型, 采用先验优化策略, 根据分批配送的特点, 在自适应大邻域搜索算法中引入改进的分割插入算子进行求解.在调整的Solomon算例上进行的测试表明, 允许分批配送在大部分算例中的费用低于不允许分批配送的情形.通过分析计算过程中各个算子权重变化, 确定性最差删除算子和随机删除算子在求解此类问题时表现较好; 贪婪插入算子、后悔插入算子表现较好; 而分割插入算子虽然权重较低, 但能对解产生质的影响.     

Reclaimed water distribution network design under temporal and spatial growth and demand uncertainties

A significant—but underutilized—water resource is reclaimed water, i.e., treated wastewater that is reintroduced for various purposes. Especially in water scarce regions, reclaimed water is often the only remaining source of water to meet increasing population and water demands. In this paper, we develop a new model formulation for the cost-effective branched reclaimed water network design and solve it with an exact optimization method. We consider both construction and energy costs expended over a twenty-year period. Unlike other formulations, uncertain reclaimed water demands, temporal and spatial population changes are explicitly considered in our two-staged construction and expansion model. In order for the system to meet higher demands during the peak times and to evaluate energy use, we consider two pumping conditions: one with average demands, which is used to compute the average energy consumption, and the other with peak demands, which dominates pipe size and pump station capacity selection. By introducing binary variables that indicate discrete pipe and pump sizes, we linearize the nonlinear hydraulic equations and objective function terms. We develop methods to significantly reduce the problem dimension by exploiting the problem characteristics and network structure. Our computational results indicate that these methods are very effective. Finally, we apply our model to design a reclaimed water network for a realistic municipal system under estimated demand and population scenarios, and analyze the sensitivity of the system to model parameters.     

分布式OA系统中数据分布算法

在分布式OA系统中,数据资源的分布会影响整个OA系统的效率。为了能够合理进行数据资源分布,提高OA系统的效率,提出了一种基于分布式数据资源的分布模型及算法,该算法给出了可减少网络流量、降低整个分布式系统开销的数据分布方案,由此提高OA系统的整体性能,使之更能适应OA应用需要。     

三级物流网络选址-路径问题建模与求解算法研究

鉴于固定费用选址问题的一个重要局限是在运输成本的计算中,假设采用整车运输方式,其运输成本与考虑运输路径时的成本不同会影响选址决策.针对一个钢材销售企业的三级物流网络中的两级设施进行选址,采用多站式运输方式计算运输成本,问题为三级物流网络选址-路径问题.采用嵌入拉格朗日启发式算法的分枝定界方法来求解,并对该方法进行了实验测试,测试结果表明该方法是有效的.     

利用条件概率和Gibbs抽样技术为分布估计算法构造通用概率模型

本文针对传统分布估计算法在建立概率模型时面临的各种困难,提出一种基于条件概率和Gibbs抽样的概率模型,能有效改进分布估计算法的通用性.使用该模型的分布估计算法利用进化过程中有前途的优秀个体构造出多个监督学习样本集,并对每个样本集估计出对应分量的条件概率,再使用这一组条件概率进行Gibbs抽样产生新的个体替代种群中的劣等个体.通过仿真实验表明,改进后的算法能够求解出可加性降解函数的全局最优解,表现出较强的全局优化能力.     

随机需求下提前期可控的生产-库存联合优化模型

考虑单供应商和单采购商的生产-库存联合优化问题.假设采购商面临正态需求,供应商的提前期可以控制,并基于此建立供应商与采购商联合期望总成本最小化模型.在所建立的模型中允许采购商缺货,且部分缺货可延期交付,部分缺货发生销售损失;同时考虑运输成本,并假设运输成本依赖于订货量和提前期.给出了求解最优生产批量、最优提前期、最优再订货点和订货量的算法,并通过数值算例进行了说明.     

城市物流配送中的三维装箱算法

针对城市物流多种类物品三维装箱问题,设计了一种新的求解算法。该算法把三维空间分割成小长方体方格并用相应的数据结构来表示。它能处理多种类物品混装的情况,允许一个货物在6个方向上旋转,该算法与车辆路径算法结合就易于得到一个完整的城市智能物流配送算法。     

A multiple server location–allocation model for service system design

Service systems are endemic in a service economy, and effective system design is fundamental to the competitiveness of service organizations such as retailers, distributors, and healthcare providers. This is because system design may significantly facilitate (or hinder) the attainment of important organizational objectives such as minimizing system cost and maximizing service level. This paper develops and solves a comprehensive nonlinear location–allocation model for service system design that incorporates several relevant costs and considerations. These include, for instance, transportation, facility, and waiting costs, queuing considerations, multiple servers, multiple order priority levels, multiple service sites, and service distance limits. The model is first converted to an equivalent linear form and then solved using Lagrangian relaxation. A computational study shows problems with 250 service districts, 60 service sites, and 250 candidate locations are solved in about two and a half minutes. An extensive managerial experiment is conducted that evaluates alternative system designs from a number of important perspectives including centralization versus decentralization, system configuration, and service distance limit. Each scenario is evaluated with respect to two fundamental criteria, namely, total cost and service level. The analysis provides insights into important tradeoffs that must be taken into consideration in designing an effective service system.     

考虑动态需求的外卖配送路径优化模型及算法

外卖业务模式高度复杂,现有文献中缺少针对外卖配送路径优化问题的研究.鉴于此,基于同时送取货VRP问题的求解策略,引入时间惩罚成本衡量外卖配送超出时间窗的情况,定义目标函数为外卖配送成本增量总和,包括新订单的固定配送成本、额外配送成本和时间惩罚成本之和.考虑随机参数对计算复杂程度产生的影响,设定配送区域范围,对新订单进行调度时,已指派但尚未完成的订单仍由原车配送,且将时间惩罚成本作为变动成本修正目标函数,直接去掉时间窗约束,降低算法求解难度.设计“商家-客户”配对策略,引入k-means对“商家-客户”进行聚类,同一类内设计“商家-客户”遗传算法,得到启发式路径优化方案.最后,采用随机模拟算法生成动态订单测试算例,通过R语言测试模型及算法的有效性.     

Graphical model based continuous estimation of distribution algorithm

In this paper, a new estimation of distribution algorithm is introduced. The goal is to propose a method that avoids complex approximations of learning a probabilistic graphical model and considers multivariate dependencies between continuous random variables. A parallel model of some subgraphs with a smaller number of variables is learned as the probabilistic graphical model. In each generation, the joint probability distribution of the selected solutions is estimated using a Gaussian Mixture model. Then, learning the graphical model of dependencies among random variables and sampling are done separately for each Gaussian component. In the learning step, using the selected solutions of each Gaussian mixture component, the structure of a Markov network is learned. This network is decomposed to maximal cliques and a clique graph. Then, complete Bayesian network structures are learned for these subgraphs using an optimization algorithm. The proposed optimization problem is a 0–1 constrained quadratic programming which finds the best permutation of variables. Then, sampling is done from each Bayesian network of each Gaussian component. The introduced method is compared with the other network-based estimation of distribution algorithms for optimization of continuous numerical functions.