電子商務(wù)供應(yīng)鏈管理的案例分析18(編輯修改稿)
2025-05-14 06:52 本頁面
【文章內(nèi)容簡介】 不同，把LRP分成假設(shè)型和實際型兩類。4 LRP的解決方法國外許多學(xué)者對LRP的解決方法進行了有益的探討，所采用的方法可以分為兩種：精確算法和啟發(fā)式算法。 解決LRP的精確算法 基于運籌學(xué)的優(yōu)化算法，解決LRP的精確算法可以分為以下四種：(1) 直接樹狀搜索[1]；(2) 動態(tài)規(guī)劃[1][17]；(3) 整數(shù)規(guī)劃[18][19]；(4) 非線性規(guī)劃[20]。在以上算法中，最為常用的是整數(shù)規(guī)劃（包括混合整數(shù)規(guī)劃）,而具體解決時效率最高的方法是分支—定界法。它可以在不很長的計算時間內(nèi)解決多至80個節(jié)點的LRP，但是采用分支—定界法的LRP必須在其模型中限制設(shè)施的數(shù)量。一旦所涉及的LRP的規(guī)模擴大，精確算法就不實用了。由于LRP結(jié)合了LA問題和VRP，而后兩者都是NPHard (Non – deterministic Polynomial hard)問題，所以，在大多數(shù)情況下，要用精確算法來解決LRP是十分困難的。例如，在一個物流系統(tǒng)中，有3個潛在的中心點，8個分布的客戶點，3條行車路線，如果用整數(shù)規(guī)劃來解決，要涉及的變量會達到333個[16]。實際上，以上的物流系統(tǒng)是十分小的，在實踐中遇到的系統(tǒng)規(guī)模往往會遠超過它。很多情況下要引入啟發(fā)式算法。LRP往往是十分復(fù)雜的，需要采用多級分解方法對其簡化。目前解決LRP的啟發(fā)式算法多采用以下四種方法或是它們的組合：（1） 先解決定位一配給問題，然后解決運輸路線安排問題[15, 21]；（2） 先解決運輸路線安排問題，然后解決定位一配給問題[22]；（3） 費用降低/插入算法[23, 24]；（4） 路線擴展交換算法。很多情況下精確的優(yōu)化算法僅僅是作為一種參照的基準，在研究LRP時比較各種啟發(fā)式算法的優(yōu)劣。而在解決實際規(guī)模問題時一般要采用啟發(fā)式算法。5 LRP的未來研究方向?qū)嶋H物流系統(tǒng)集成的程度越來越高，物流決策者面臨的問題也就越來越復(fù)雜。用目前LRP的研究成果來解決特別復(fù)雜的物流系統(tǒng)優(yōu)化問題還存在許多局限。未來對LRP的研究將會集中于以下難點： 動態(tài)性許多LRP的參數(shù)是隨時間變化的，如庫存費用會隨員工的人數(shù)、員工的工資水平等因素的變化而變化；運輸費用也會因車輛裝載情況、油料費用等的改變而改變。所以LRP具有動態(tài)性，對動態(tài)LRP的研究是有現(xiàn)實意義的。運籌學(xué)理論被認為是解決優(yōu)化問題十分有效的工具。但是如果實際問題發(fā)生變化，就會引起數(shù)學(xué)模型改變和模型求解程序的改變。對于動態(tài)問題，這種連鎖反應(yīng)是時時刻刻都在發(fā)生的。因而用傳統(tǒng)的運籌學(xué)理論解決動態(tài)的優(yōu)化問題會力不從心。其原因是傳統(tǒng)的運籌學(xué)理論缺乏基于知識的推理機制和處理動態(tài)問題的自適應(yīng)能力。為了克服這一缺陷，八十年代以來國內(nèi)外學(xué)者將人工智能和知識工程理論引入運籌學(xué),開辟了智能運籌學(xué)[25, 26]這一新的研究方向。使運籌學(xué)由過去的僅能解決靜態(tài)問題變?yōu)榭梢越鉀Q動態(tài)問題，它必將有助于動態(tài)LRP的求解 實時調(diào)控在實際情況下，特別是在如今被廣泛重視的電子商務(wù)物流的實施過程中，商品供貨點、運輸工具、運輸路徑和送貨時間等需要實時作出決擇。這就涉及到實時調(diào)控的問題。近年來，Agent技術(shù)發(fā)展迅速，Agent具有的自主性、主動性、反應(yīng)性和智能性為改進基于運籌學(xué)知識表示理論的動態(tài)問題的實時優(yōu)化控制系統(tǒng)創(chuàng)造了條件。將Agent技術(shù)與運籌學(xué)理論有機結(jié)合和交叉滲透，必將對最終解決實際規(guī)模LRP有決定性的意義。 隨機性在實踐中，物品的供應(yīng)/需求量、客戶點位置、車輛行駛時間等等在很多情況下是不能事先確定的，這些參數(shù)就帶有隨機性。把隨機性引入LRP，更有利于解決實際問題。已經(jīng)有許多學(xué)者對隨機性LRP進行了研究，如Laporte等人[29]對供應(yīng)/需求量不確定的LRP作了探討。他們提出了一種兩階段算法：第一階段，在供應(yīng)/需求量未知的情況下，確定中心位置、運輸路線、車隊數(shù)量；第二階段，由于一條路線上的供應(yīng)/需求量有可能超出車輛的裝載能力，車輛在某點裝滿時要返回中心點裝貨/卸貨，然后回到返回點恢復(fù)運輸，以上的車輛操作產(chǎn)生了懲罰項。為了解決這類問題，引入兩種方法：（1）在保證出現(xiàn)車輛返回的概率不小于某一預(yù)定值的情況下，確定第一階段值。（2）在保證由于車輛返回而產(chǎn)生的費用不超過某一預(yù)定費用的情況下，確定第一階段值。這類問題就可以采用整數(shù)規(guī)劃來解決了。 時間限制實際的物流系統(tǒng)中，許多情況下，客戶對車輛的到達時間是有限制的。這種時間的限制又可以分為硬限制和軟限制兩種，硬限制要求時間的一點，軟限制指定一段時間。但是，到目前為止，對LRP的研究很少考慮對時間的限制。這方面的研究將會是有益的。 多目標性物流系統(tǒng)中的各個目標之間會產(chǎn)生沖突，如按照總費用最小目標確定的方案，在滿足客戶對時間要求的目標時，可能會不合要求。然而，實際物流系統(tǒng)均有多目標的特征。所以以后對LRP的研究中會注重多目標之間優(yōu)化。6 結(jié)論本文對物流系統(tǒng)中的LRP的由來、分類、解決方法作了簡要的評述，并對LRP的未來研究方向作了分析。對LRP的研究還存在許多沒有很好解決的方面。對LRP的研究將會越來越向符合實際情況的方向發(fā)展。參考文獻1 Gilbert Laporte. The v
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1