城市物流配送中心选址方法研究Word文档下载推荐.doc
《城市物流配送中心选址方法研究Word文档下载推荐.doc》由会员分享,可在线阅读,更多相关《城市物流配送中心选址方法研究Word文档下载推荐.doc(10页珍藏版)》请在冰豆网上搜索。
,"
heuristic"
distributioncenterlocationmethodtofurtherstudythelocationrequirement,andexpoundsthedevelopmenttrendofthelocationofdistributioncenter,aswellastothefutureofcitylogisticsdistributioncenterlocationtodothetest.
Keywords:
distributioncenter;
locationfactors;
methodofgravitymodel;
methodoflogistic
一、引言
进入二十一世纪,世界的范围的物流理论研究日渐成熟,以美国和日本为代表的发达国家有着先进的物流理论基础,尤其是关于城市物流配送中心的理论已经研究出一系列选址模型。
中国引进物流的时间较短,但也取得了突飞猛进的成果。
2013年,美国物流费用占GDP份额只有10%,日本保持在12%左右,而中国已经达到了18%,因而中国物流市场被国外物流企业看作一块大蛋糕,众多国外知名物流企业纷纷进驻中国市场,抢占市场份额。
随着经济体制改革和生产力的飞速发展,我国物流产业理论,包括物流配送中心选址方法难以满足快速发展的物流产业。
与此同时,我国物流产业还处于起步阶段,更需要理论指导。
目前我国一些大企业有自己的物流配送中心而且配备先进,中小型企业靠第三方物流企业和自己建立配送部门来完成货物的配送,但都存在着盲目建立配送中心的弊端,导致设施很不完善,运营效率不高。
为解决这一问题寻找更为高性能的方法,得到配送中心的合理位置,本文从选址影响角度分析,运用以重心法为代表的选址模型,解决城市物流配送中心的选址问题。
二、城市物流配送中心选址的研究概述
进入二十一世纪,中国经济有了翻天覆地的变化,国内年生产总值已跃居世界第二。
在经济快速发展的时代和全球经济一体的时代背景下,我国也着手从事物流配送中心选址理论的研究。
物流配送中心在中国的首次提出是20世纪90年代,相比较其他国家发展很晚,同时存在着很多问题。
进入二十一世纪,随着世界范围的物流热的兴起,我国学者开始广泛关注物流配送中心选址,同时国家也加大了对物流配送中心规划研究的人力、财力投入,逐渐取得了研究成果。
2001年,王战权、杨东援和汪超对配送中心选址的遗传算法进行了研究。
[1]与此同时,陆华和杨家其提出模糊排序及启发式算法应用在物流中心选址中。
[2]在此基础上,我国研究人员发展完善了改进层次分析法、Floyd短路径算法、模糊评价矩阵等方法。
张培林和魏巧云在考虑了产品运输成本和配送中心运营可变成本的基础上,运用“表上作业法”和“启发式”建立了一个有关多个配送中心的选址模型,对多个选址方案的优劣进行评价。
[3]虽然我国研究的配送中心选址理论从定性的还是定量的角度出发,都有效的解决了选址问题,但由于模型的建立比较简单,很少有考虑环境因素,难以满足快速发展物流理论要求。
三、城市物流配送中心选址的方法
(一)城市物流配送中心选址的方法
随着物流产业的快速发展,物流配送中心选址理论迅速发展,出现了各种各样的选址方法,进入二十一世纪,计算机的广泛应用,进一步促进了物流系统选址理论的发展,为物流配送中心选址的不同方案的可行性分析提供了强有力的工具。
目前物流中心选址的方法大致有以下几种:
1.重心法
重心法首先要求在坐标系中标出各个地点的位置,以确定各点之间的相对距离。
坐标系可以随便建立。
在国际选址中,经常采用经度和纬度建立坐标。
然后,根据各点在坐标系中的横纵坐标值求出成本运输最低的位置坐标x和y。
[4]
重心法的基本原理如图1所示,有n个用户(C1―Cn)的系统需要设置一个配送中心(B0),每个用户的需求量和所在位置的坐标已知,求配送中心的规模和设置位置。
图1配送中心与客户的坐标
y
○C2
(w2,x2,y2)
x
○C4
(w4,x4,y4)
○C1
(w1,x1,y1)
○C3
(w3,x3,y3)
○B0
(x0,y0)
○Cn
(wn,xn,yn)
图中C1―Cn括号内的变量分别表示需求量、横坐标、纵坐标,B0括号内的变量分别表示横坐标、纵坐标。
设配送中心到各用户的运输费用率为ci,费用为Fi,则
(1-1)
式中hi为配送中心到用户的距离,可写成以下形式:
(1-2)
设配送中心到各用户的运输费用之和为F,则
(1-3)
为使F最小,分别对x0,y0求偏导数,并令其等于零,得:
(1-4)
(1-5)
整理以上两式得:
(1-6)
(1-7)
解以上两式可得配送中心最佳位置得坐标为:
(1-8)
(1-9)
但是上两等式得右边还含有hj,即还含有未知数x0和y0。
要从两式中完全消除x0和y0,计算工作很复杂,因此采取迭代方法求解。
迭代方法计算步骤如下:
a.给出配送中心的初始地址(x0,y0);
b.利用式(1-3),计算(x0,y0)相对应的总发货费用F0;
c.把(x0,y0)分别代入式(1-2)、(1-8)和(1-9),计算配送中心的改善地址(x1,y1)。
d.利用式(1-3),计算与(x1,y1)相对应的总发送费用F1;
e.将F1与F0进行比较,如果F1<F0,则返回步骤(3),将分别代入式(1-2)、(1-8)和(1-9),如此反复进行(3)~(5)的计算步骤,直至Fk≥Fk-1时停止,即得到(xk-1,yk-1)为最优解。
2.启发式
启发式算法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。
该算法不是精确式算法,而是一种逐次逼近最优解的方法,不能保证最优,但只要处理得当,获得的可行解与最优解非常接近,且计算简单、求解速度快。
目前启发式算法大致分为两大类:
一般启发式算法(如:
Savings算法,邻接算法,Sweep算法,插入法,构造算法与两阶段法等和)和能启发式算法(如:
遗传算法,禁忌搜索算法,模拟退火算法,神经网络算法,贪婪算法,蚁群算法,进化算法,气球搜索算法等)。
近些年,智能计算成为研究热点,这些方法呈现出相互融合的趋势,它们优势互补大大增强了解决实际问题的能力。
各种智能启发式算法在全局搜索能力、优缺点、参数、解情况等方而存在一定的差异,但基本上都带有随机搜索的特点,常常能较有效地处理NP-hard问题)CFLP(CapacitatedFacilityLocationProblem)方法是一种方法。
启发式方法与最优化方法的最大不同是它不是精确式算法,不能保证给出的解决方案是最优的,但只要处理得当,获得的可行解与最优解是非常接近的。
而且启发式算法相对最优化方法,计算简单、求解速度快。
所以在实际应用中,启发式方法是仅次于最优化规划技术的选址方法。
3.基于AHP和模糊综合评价法
AHP将定性分析和定量分析有效结合在一起,是解决多规则决策问题的一个强有力工具。
但在多方案评价问题中,由于判断矩阵的一致性检验难以通过,AHP不适应于求各方案的权重值,因此提出了一种基于AHP和模糊理论的多方案综合评价方法。
该方法采用AHP求出各层次指标的权重,采用模糊方法确定各方案的属性值,最后归并确定评价结果。
并结合具体实例,在Maltab环境下在供应链的选择和评价展开了应用研究。
该方法不仅可以公平合理的获得评价结果,而且在实际应用中切实可行。
4.遗传算法
MaxF(X)(2--1)
x∈R(2--2)
R∈U(2--3)
图2遗传算法函数
遗传算法对于一个求函数最大值的优化问题(求函数最小值也类同),一般可以描述为下列数学规划模型:
式中x为决策变量,式2-1为目标函数式,式2-2、2-3为约束条件,U是基本空间,R是U的子集。
满足约束条件的解X称为可行解,集合R表示所有满足约束条件的解所组成的集合,称为可行解集合。
遗传算法的基本运算过程如下:
a.初始化:
设置进化代数计数器t=0,设置最大进化代数T,随机生成M个个体作为初始群体P(0)。
b.个体评价:
计算群体P(t