配送中心选址方案设计

《配送中心选址方案设计》由会员分享，可在线阅读，更多相关《配送中心选址方案设计（8页珍藏版）》请在金锄头文库上搜索。

1、配送中心选址方案设计在物流系统的运作中配送中心的选址决策发挥着重要的影响我们看看下面的配送中心选址方案设计配送中心是连接工厂与客户的中间桥梁其选址方式往往决定着物流的配送距离和配送模式进而影响着物流系统的运作效率因此研究物流配送中心的选址具有重要的理论和现实应用意义本文对近年来国内外有关物流配送中心选址方法的文献进行了梳理和研究并对各种方法进行了比较选址方法主要有定性和定量的两种方法定性方法有专家打分法、 Delphi 法等定量方法有重心法、 P 中值法、数学规划方法、多准则决策方法、解决 NPhard问题（多项式复杂程度的非确定性问题） 的各种启发式算法、 仿真法以及这几种方法相结合的方法等

2、由于定性研究方法及重心法、 P 中值法相对比较成熟因此本文将主要分析定量方法中的数学规划、 多准则决策、解决NPhard问题的各种启发式算法、仿真在配送中心选址中应用的研究状况数学规划方法数学规划算法包括线性规划、非线性规划、整数规划、混合整数规划和动态规划、 网络规划算法等在近年来的研究中规划论中常常引入了不确定性的概念由此进一步产生了模糊规划、 随机规划、模糊随机规划、随机模糊规划等等不确定性规划主要是在规划中的 C(价值向量 ) 、A(资源消耗向量 ) 、b( 资源约束向量 ) 和决策变量中引入不确定性从而使得不确定规划更加贴近于实际情况得到广泛地实际应用国内外学者对于数学规划方法应用于

3、配送中心的选址问题进行了比较深入的研究姜大元(XX) 应用 Baumolwolf 模型对多物流节点的选址问题进行研究并通过举例对模型的应用进行了说明该模型属于整数规划和非参数规划结合的模型各种规划的方法在具体的现实使用中常常出现 NPhard问题因此目前的进一步研究趋势是各种规划方法和启发式算法的结合对配送中心的选址进行一个综合的规划与计算多准则决策方法在物流系统的研究中人们常常会遇到大量多准则决策问题如配送中心的选址、 运输方式及路线选择、 供应商选择等等这些问题的典型特征是涉及到多个选择方案 ( 对象 ) 每个方案都有若干个不同的准则要通过多个准则对于方案 ( 对象 ) 做出综合性的选择对

4、于物流配送中心的选址问题人们常常以运输成本及配送中心建设、 运作成本的总成本最小化满足顾客需求以及满足社会、 环境要求等为准则进行决策多准则决策的方法包括多指标决策方法与多属性决策方法两种比较常用的有层次分析法 (AHP)、模糊综合评判、数据包络分析(DEA),TOPSIS、优序法等等多准则决策提供了一套良好的决策方法体系对于配送中心的选址不管在实务界还是理论方面的研究均有广泛的应用与研究关志民等(XX) 提出了基于模糊多指标评价方法的配送中心选址优化决策从供应链管理的实际需要分析了影响配送中心选址的主要因素并建立相应的评价指标体系由此给出了一种使定性和定量的方法有机结合的模糊多指标评价方法C

5、henTungChen(XX)运用了基于三角模糊数的模糊多准则决策对物流配送中心的选址问题进行了研究文章以投资成本、扩展的可能性、获取原材料的便利性、人力资源、顾客市场的接近性为决策准则并对各个准则采用语义模糊判定的方式进行了权重上的集结有关多准则决策方法特别是层次分析法和模糊综合评判的方法在配送中心的选址研究中有着广泛的应用但是这两种方法都是基于线性的决策思想在当今复杂多变的环境下线性的决策思想逐渐地暴露出其固有的局限性非线性的决策方法是今后进一步的研究的重点和趋势启发式算法启发式算法是寻求解决问题的一种方法和策略是建立在经验和判断的基础上体现人的主观能动作用和创造力启发式算法常常能够比较有

6、效地处理 NPhard问题因此启发式算法经常与其它优化算法结合在一起使用使两者的优点进一步得到发挥目前比较常用的启发式算法包括：遗传算法；神经网络算法；模拟退火算法（一）遗传算法遗传算法（geneticalgorithm,GA ）是在 20 世纪 60 年代提出来的是受遗传学中自然选择和遗传机制启发而发展起来的一种搜索算法它的基本思想是使用模拟生物和人类进化的方法求解复杂的优化问题因而也称为模拟进化优化算法遗传算法主要有三个算子：选择；交叉；变异通过这三个算子问题得到了逐步的优化最终达到满意的优化解对于物流配送中心的选址研究国内外有不少学者将遗传算法同一般的规划方法结合起来对其进行了研究蒋忠中

7、等（XX）在考虑各种成本 ( 包括运输成本等 ) 的基础上结合具体的应用背景建立的数学规划模型 ( 混合整数规划或是一般的线性规划) 由于该模型是一个组合优化问题具有 NPhard问题因此结合了遗传算法对模型进行求解通过选择恰当的编码方法和遗传算子求得了模型的最优解遗传算法作为一种随机搜索的、启发式的算法具有较强的全局搜索能力但是往往比较容易陷入局部最优情况因此在研究和应用中为避免这一缺点遗传算法常常和其它算法结合应用使得这一算法更具有应用价值（二）人工神经网络人工神经网络 (artificialneuralnetwork,ANN) 是由大量处理单元 ( 神经元 ) 广泛互连而成的网络是对人脑

8、的抽象、 简化和模拟反应人脑的基本特征可以通过对样本训练数据的学习形成一定的网络参数结构从而可以对复杂的系统进行有效的模型识别经过大量样本学习和训练的神经网络在分类和评价中往往要比一般的分类评价方法有效对于神经网络如何应用于物流配送中心的选址国内外不少学者进行了各种有益的尝试韩庆兰等（xx）用 BP网络对物流配送中心的选址问题进行了尝试性地研究显示出神经网络对于解决配送中心选址问题具有一定的可行性和可操作性这一研究的不足是神经网络的训练需要大量的数据在对数据的获取有一定的困难的情况下用神经网络来研究是不恰当的在应用 ANN 时我们应当注意网络的学习速度、 是否陷入局部最优解、 数据的前期准备、

9、网络的结构解释等问题这样才能有效及可靠地应用 ANN解决实际存在的问题（三）模拟退火算法模拟退火算法 (SimulatedAnnealing,SA) 又称模拟冷却法、概率爬山法等于 1982 年由 Kirpatrick 提出的另一种启发式的、 随机优化算法模拟退火算法的基本思想由一个初始的解出发不断重复产生迭代解逐步判定、舍弃最终取得满意解的过程模拟退火算法不但可以往好的方向发展 , 也可以往差的方向发展 , 从而使算法跳出局部最优解 , 达到全局最优解对于模拟退火算法应用于物流配送中心选址的研究大量的文献结合其它方法（如多准则决策、数学规划等）进行了研究任春玉 (XX) 提出了定量化的模拟退

10、火遗传算法与层次分析法相结合来确定配送中心地址的方法该方法确保总体中个体多样性以及防止遗传算法的提前收敛运用层次分析法确定物流配送中心选址评价指标权重并与专家评分相结合进行了综合评价该算法对于解决物流配送中心的选址具有较好的有效性和可靠性除以上三种比较常用的方法之外启发式算法还包括蚁群算法、禁忌搜索算法、进化算法等各种算法在全局搜索能力、 优缺点、参数、解情况存在着一定的差异各种启发式算法基本上带有随机搜索的特点已广泛地应用于解决 NPhard问题同时也为物流配送中心选址的智能化处理提供了可能用解析的方法 ( 包括线性规划等 ) 建立数学模型然后运用启发式算法进行求解是目前以及未来研究物流配送

11、中心选址的一种较为可行和可操作的研究方法仿真方法仿真是利用计算机来运行仿真模型模拟时间系统的运行状态及其随时间变化的过程并通过对仿真运行过程的观察和统计得到被仿真系统的仿真输出参数和基本特征以此来估计和推断实际系统的参数和性能国内外已经不少文献将仿真的方法运用于物流配送中心选址或是一般的设施选址的研究研究结果相对解析方法更接近于实际的情况张云凤等 (XX) 对汽车集团企业的配送中心选址运用了仿真的方法进行了研究先确定了配送中心选址的几种方案应用了 Flexim 软件对各方案建立了仿真模型根据仿真结果进行了分析和方案的选择该方法为集团企业配送中心选址问题提供了一种较为理想的解决方法薛永吉等 (X

12、X) 通过建立数学模型对物流中心的最优站台数问题进行研究在一定假设和一系列限制条件下求解最优站台数量并针对数学模型的复杂性和求解的种种不足以 ARENA仿真软件为平台建立仿真模型确定了最优化方案 KazuyoshiHidaka 等(97) 运用仿真对大规模的仓库选址进行了研究该研究对仓库的固定成本、运输成本和同时满足 6800 名顾客进行了仿真以求得临近的最优解(nearoptimalsolution)在求解的过程中结合了贪婪互换启发式算法(GreedyInterchangeheuristics)和气球搜索算法 (BalloonSearch)两种启发式算法进行求解该算法能比较有效地避免陷入局部

13、最优解和得到比较满意的选址方案但是研究的结果容易受到运输车辆的平均速度变化的影响仿真方法相对解析的方法在实际应用中具有一定的优点但是也存在一定的局限性如仿真需要进行相对比较严格的模型的可信性和有效性的检验有些仿真系统对初始偏差比较敏感往往使得仿真结果与实际结果有较大的偏差同时仿真对人和机器要求往往比较高要求设计人员必须具备丰富的经验和较高的分析能力而相对复杂的仿真系统对计算机硬件的相应要求是比较高的关于未来的研究各种解析方法、启发式算法、 多准则决策方法与仿真方法的结合是一种必然的趋势各种方法的结合可以弥补各自的不足而充分发挥各自的优点从而提高选址的准确性和可靠性物流配送中心的选址决策对于整个物流系统运作和客户满意情况有着重要的影响本文在对国内外有关物流配送中心选址方法文献研究的基础上对比分析了数学规划方法、多准则决策、启发式算法、仿真方法在配送中心选址中的应用研究发现数学规划方法、 多属性决策方法、启发式算法、 仿真方法各自有自己的优缺点和一定的适用范围各种方法的组合研究是未来研究的一种趋势同时由于选址问题本身具有的动态性、 复杂性、不确定性等特性因此开发和研究新的模型与方法也是进一步解决配送中心选址问题的必需途径