关于物流配送中心的选址研究毕业设计大理古城沃尔玛超市配送中心选址文档格式.docx

关于物流配送中心的选址研究毕业设计大理古城沃尔玛超市配送中心选址文档格式.docx

《关于物流配送中心的选址研究毕业设计大理古城沃尔玛超市配送中心选址文档格式.docx》由会员分享，可在线阅读，更多相关《关于物流配送中心的选址研究毕业设计大理古城沃尔玛超市配送中心选址文档格式.docx（15页珍藏版）》请在冰豆网上搜索。

重心法选址模型在配送中心选址中用得最普遍，但是这种方法具有自由度过大、求得结果与现实选址存在一定偏差等不足，因此许多学者希望对其进行改进。

如鲁晓春和詹荷生主张对原来的重心法的总运输费用式求偏导,得到微分方程,再进行迭代计算,得到最佳配送中心地址值[3]。

李茂盛和李霞用重心法和线性方程相结合的方法来改造传统的重心法模型，能够有效克服重心法的自由度过大问题。

王家聚系统地分析了重心法选址的假设条件、优缺点及适用范围,为配送中心选址问题提供了一定的理论依据。

翟庆,蔡启明,万志良,刘毅庭,武晓林将微分法和共轭梯度法进行比较，认为共轭梯度法具有良好的收敛性质,在求解时可以采用较少次的迭代运算就可以达到最优解。

孙焰，郑文家在对配送中心进行选址时，先采用重心法得到备选地址，然后再采用层次分析法模型来求得配送中心的最佳地点。

宋世强主张用按起讫点法对现有网络进行划分成不同群落,形成个数等于待选址仓库数量的许多起讫点群落，对各个分群组合的总运输成本进行比较,选取总运输成本最小的组合为最佳组合,这个组合下的各群落重心即为待建仓库的理想地址。

在这里我选择试用重心法的简化公式来进行计算，确定配送中心坐标。

1.2整数规划模型研究的综述

在求解整数规划时,不少学者又把整数规划与遗传算法相结合.由于结合的方式不一样,具有的求解优势也不一样。

如姜大立,杜文,张拥军（2003）对易腐物品的物流中心选址问题进行了分析与讨论,建立了一种整数规划模型,基于此模型求解NP的完全性，应用遗传算法构造了AGA法,该法结合了遗传算法的全局收敛特性和ALA法的局部搜索特性,大大增加了获得全局优化解的机会。

[4]赵冬玲,孔志周,官东（2008）建立了一个配送中心选址的0-1整数规划模型,提出了采用单点PMX交叉方法及有针对性变异的思想,认为对于大规模的物流配送优化问题可以采用传统精英个体保留策略对遗传算法进行改进然后用于求解。

还有些学者采用混合整数规划与遗传算法相结合来建立选址模型,如王战权和杨东援（2001）运用全局搜索优化技术，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。

[5]蒋忠中和汪定伟（2005）认为混合0-1规划模型是一种特殊形式的选址-分配模型,具有NP性质。

他采用了一种嵌入表上作业法的遗传算法来对模型求解。

[6]戴更新,于龙振,陈常菊（2006）采用整数规划模型与混合遗传算法相结合来建立选址模型。

混合整数规划就是只有一部分的决策变量要求取非负整数，另一部分可以取非负实数的整数规划。

[7]吴兵,罗荣桂,彭伟华（2006）认为物流配送中心选址是一个混合整数非线性规划问题,并设计了基于优先权编码的遗传算法来降低问题求解的难度,给出了一个小规模算例。

[8]

还有些学者采用混合整数规划来建立选址模型,如程继红，马颖亮，李高鹏（2007）在多元网点布局情况下，应用了一个混合整数规划模型，并对模型用穷举法求解。

[9]张方，刘丙午（2007）利用混合整数规划方法，对物流配送中心的选址进行优化。

[10]

总而言之，由于物流配送中心选址问题是一项复杂的系统工程，考虑的因素众多，在实际研究或应用中，考虑的侧重点不同，因而各种研究成果的条件和方法都有较大差别，但是对于科学合理地规划我国各种类型的物流中心而言，都有许多值得借鉴之处。

3.物流配送中心选址的理论模型研究

本节是在大量前人的研究成果的基础上对配送中心的选址（主要是重心法和整数规划模型选址法）的理论模型进行研究。

3.1重心法选址模型

前人对建立的配送中心选址模型已有一些的定性和定量的方法，但是由于选址因素的模糊性、抽象性及选址过程的复杂性和创造性，使得现有的选址模型具有一定的局限性。

主要表现在:

人们在考虑各种选址因素时，总是带有主观性的成分。

许多企业在确定配送中心的位置时,大部分是采用专家意见，获得的是经验值，很难客观地评价选址方案。

本部分就是在这种局限性的基础上，利用多元线性回归对改进的重心法模型进行新的探索。

3.1.1假设条件

重心法的应用对象是OD（Origin-Destination）流量的交通网络问题,即起点到终点的运输流量构成的物流网络规划问题。

重心法进行决策的依据是产品运输成本的最小化,这样就涉及到如下几个假设前提条件:

（1）运输费用只与配送中心和配送点的直线距离有关，不考虑城市交通状况；

（2）选择配送中心时，不考虑配送中心所处地理位置的地产价格；

（3）运输费率与运输距离和运输量呈线性关系；

（4）决策各点的需求量不是地理位置上所实际发生的需求量,而是一个汇总量,这个量聚集了分散在一定区域内众多的需求量；

（5）各配送点的需求量已知；

（6）可以估计各个备选配送中心的固定费用（包括基本建设费和固定经营费）；

（7）可以估计经营管理产生的可变费用，并在总费用中加以考虑。

3.1.2模型结构

设有n个配送点，他们各自的坐标是（xi，yi）（i=1,2,3,…,n）配送中心的坐标是（x0，y0）。

运输费用为E；

总费用为C则有：

E=aiwidi（2.1）

minC（x）=1EIi+2VIi+3CIi（2.2）

式中:

ai表示从配送中心到配送点i每单位运量、单位运距的运输费用；

wi表示配送中心到配送点i的运输量，也表示第i个配送点的需求量；

di表示从配送中心到配送点i的直线距离；

Ii表示由重心法得到的各个备选地址；

Wi表示各个配送点的需求量之和；

EIi表示备选地址Ii总的运输费用；

VIi表示各备选地址Ii总的可变费用；

CIi表示各备选地址Ii的固定费用；

表示权系数（可以根据决策者的需求来定）且，其中∈（0，1）

3.1.3求解思路

本文借助迭代法和多元线性回归的混合算法来对模型进行求解，迭代法从宏观进行求解，多元线性回归则在局部进行优化。

把多元线性回归与迭代法相结合对求解过程进行调整，首先用迭代法计算出12个重心点和重心点的运输成本，其次采用多元线性回归对总成本目标函数的系数进行优化，最后采用迭代法对优化好的模型进行求解。

⏹采用迭代法计算出12个重心点和重心点的运输成本

上式中：

di=[（x0-xi）2+（y0-yi）2]1/2（2.3）

采用微分法，将式（2.3）代入（2.1）中，为了求出使E最小的x0,y0值，对得到的公式求偏导，令

=aiwi（x0-xi）/di=0,=aiwi（y0-yi）/di=0（2.4）

由式（2.4）可以分别求得最为合适的x0和y0，即

X0=,=（2.5）

方程式（2.5）的右边还含有未知数（x0,y0），如果从两个方程式的右边完全消除x0和y0,计算将变得很复杂，计算量也很大。

因此，可以采用迭代的方法进行计算，通过迭代，得到各个备选的配送中心Ii。

用迭代方法计算的方法如下：

（1）以所有需求点的重心坐标作为配送中心的初始位置坐标（,）；

（2）利用方程式（2.1）和（2.3）计算与（,）相应的总的运输费用E0；

（3）把（,）分别代入方程式（2.3）和（2.5）中，计算配送中心的改善地点（,）；

这样反复计算下去，直到计算出12个重心点。

（4）利用方程式（2.1）和（2.3）计算各个地点相对应的总的运输费用E；

⏹采用多元线性回归对总成本目标函数的系数进行求解

设y为因变量，,为自变量，并且y=C（x）,=EIi,=VIi,=CIi,则多元线性回归模型为：

=（2.6）

设分别作为参数的估计量，得样本回归方程为：

=（i=1,2…,n）（2.7）

用Excel辅助计算可得到3个待估参数的估计值。

⏹采用迭代法对优化好的模型进行求解

（1）以所有需求点的重心坐标作为配送中心的初始位置坐标（,）；

（2）利用方程式（2.1）和（2.3）计算与（,）相应的总的运输费用E0；

（4）利用方程式（2.1）和（2.3）计算相对应的总的运输费用E1；

（5）把E1和E0进行比较，如果E1＜E0则返回（2.3）的计算，再把代入方程式（2.3）和（2.5）中，计算配送中心的再改善地点。

如果则说明是最优解。

这样反复计算下去，直至求出最优解为止。

根据上面解的情况，把求出的最优解之前的次优解、、以及最优解所对应的位置作为配送中心的备选地址，记为Ii（i=0，1，…，K）。

且EIi=E=aiwidi；

的值为上一节所求的值。

然后，将所需要的数值代入（2.2）式直接计算即可，最小的C（x）所对应的Ii即为最优解。

3.2整数规划模型

本节主要是运用指派问题模型进行物流配送中心选址的优化和给出了相应的求解方法。

从多个候选物流网点中选取费用最小的若干物流配送中心是本模型的目标。

3.2.1假设条件

由于现实环境的复杂性，影响配送中心选址的因素有很多，而且各因素之间的关系错综复杂。

为了模型容易建立以及求解方便，本模型有如下的基本假设：

（1）仅在一定的备选取地点范围内考虑新的配送中心的配置；

（2）每个需求点只由一个配送中心负责供应；

（3）可以估计配送中心与各需求点之间的费用。

3.2.2模型结构

●模型的决策变量和参数

=i，j=1,2,…n;

可以用矩阵

X==（3.1）

为第i个配送中心到第j个需求点所需的费用；

可以用矩阵

C==（3.2）

Z为建立配送中心耗费的总费用。

●目标函数与约束条件

（3.3）

s.t

其中，（3.4）表示每个需求点必有且只有一个配送中心到，（3.5）表示每个配送中心必到且只到一个需求点。

3.2.3求解思路

虽然指派问题是一类特殊的整数规划问题，又是特殊的0-1规划问题和特殊的运输问题，因此，它可以用多种相应的解法来求解。

但是，这些解法都没有充分利用指派问题的特殊性质，有效地减少计算量。

1955年，库恩（W.W.Kuhn）提出了匈牙利法。

匈牙利法求解步骤：

第一步：

变换指派问题的系数矩阵（cij）为（bij），使在（bij）的各行各列中都出现0元素，即

（1）从（cij）的每行元素都减去该行的最小元素；

（2）再从所得新系数矩阵的每列元素中减去该列的最小元素。

第二步：

进行试指派，以寻求最优解。

在（bij）中找尽可能多的独立0元素，若能找出n个独立0元素，就以这n个独立0元素对应解矩阵（xij）中的元素为1，其余为0，这就得到最优解。

找独立0元素，