物流公司物流網(wǎng)絡(luò)系統(tǒng)設(shè)計(jì)教材-資料下載頁(yè)
2025-01-16 22:06本頁(yè)面
【正文】 址初始位置（Xd（0）,Yd（0））。（2） 計(jì)算出與（Xd（0）,Yd（0））相應(yīng)的總運(yùn)輸費(fèi)用CT(0)。（3） 將（Xd（0）,Yd（0））代入公式中，計(jì)算出倉(cāng)庫(kù)地址的改進(jìn)位置（Xd（1）Yd（1））。（4） 計(jì)算出與（Xd（1）Yd（1））。對(duì)應(yīng)的總運(yùn)輸費(fèi)用CT(1)。（5） 將CT(1)與CT(0)進(jìn)行比較，若CT(1) CT(0),則返回步驟3，將（Xd（1）Yd（1））代入公式中，計(jì)算出倉(cāng)庫(kù)地址第二次改進(jìn)位置（Xd（2），Yd（2））。若CT(1) CT(0),說(shuō)明初始位置（Xd（0）,Yd（0））便是最優(yōu)解。如此反復(fù)迭代計(jì)算，直至CT（k+1）CT(k),求出（Xd（k），Yd（k））這一最優(yōu)解為止。按照上述過(guò)程進(jìn)行迭代計(jì)算：第一次迭代計(jì)算： 第一次迭代計(jì)算圖A 第一次迭代計(jì)算 圖B解得 X1= Y1= C1= 因?yàn)镃1 C0所以要進(jìn)行二次迭代第二次迭代計(jì)算： 第二次迭代計(jì)算圖 A 第二次迭代計(jì)算圖 B解得 X2= Y2= C2= C2 C1 故需進(jìn)行第三次迭代。第三次迭代計(jì)算： 第三次迭代計(jì)算圖 A A 第三次迭代計(jì)算圖 B解得 X3= Y3= C3= 第三次迭代成本 C3 C2=，即選址位置為P（X=、Y=）。 配送中心選址標(biāo)注圖配送中心針對(duì)圖51重慶市永輝超市分布圖，物流配送中心配置3輛配送汽車(chē)，對(duì)圖中10個(gè)需求點(diǎn)進(jìn)行配送。現(xiàn)使用遺產(chǎn)退火算法對(duì)其配送路徑進(jìn)行優(yōu)化分析，以使路徑最短，最大限度的降低運(yùn)輸成本。每輛運(yùn)輸車(chē)輛限載8噸，即，單次配送距離范圍在50千米以?xún)?nèi)。表55是配送中心與各需求點(diǎn)之間的距離。表55配送中心與各需求點(diǎn)間距離及各需求點(diǎn)之間的相互距離（單位：km）ij01234567891000210192020304190506200708090102.0基于案例數(shù)據(jù)，對(duì)仿真參數(shù)設(shè)定如下：退溫系數(shù)，算法終止判斷條件，交叉概率，變異概率，，。表56是各需求量和時(shí)間窗參數(shù)設(shè)定。表56 個(gè)需求點(diǎn)的需求量（）及時(shí)間窗（時(shí)刻）需求點(diǎn)1234567891033424433 4 3615153 1 5(4,6)(1,2)(3,5)(1,4)(3,5)(4,6)(2,4)(2,4)(1,4)(3,5) 表57是經(jīng)過(guò)遺傳退火混合算法分析后得到的最優(yōu)路徑的結(jié)果。 是配送優(yōu)化示意圖 表57遺傳退火混合算法分析后得到的最優(yōu)路徑貨車(chē)路徑運(yùn)輸成本運(yùn)輸距離裝載量1 82 267 3 7合計(jì)22總成本 配送優(yōu)化示意圖 ，可以看出在物流配送過(guò)程中，規(guī)劃設(shè)置合理的配送路徑能夠有效的降低配送費(fèi)用成本、提高配送服務(wù)質(zhì)量；，結(jié)合遺傳退火混合算法對(duì)鄭明物流公司的該配送中心的配送路徑進(jìn)行優(yōu)化，得到最優(yōu)配送路徑； 3. 該實(shí)例證明遺傳退火算法是一種很好的全局和局部搜索方法，結(jié)合了退火算法和遺傳算法的優(yōu)點(diǎn)，又很好的彌補(bǔ)了各自的不足，可以方便有效的得到滿(mǎn)意的配送路徑方案。34第六章 結(jié)論與展望本文圍繞鄭明物流公司的物流配送流程，從系統(tǒng)工程的角度分析了其在配送系統(tǒng)的優(yōu)化問(wèn)題上的獨(dú)到之處。一是對(duì)戰(zhàn)略性決策的配送中心選址模型與評(píng)價(jià)方法的研究，二是對(duì)策略性決策的運(yùn)輸路徑優(yōu)化安排的研究。這兩個(gè)層面可以滿(mǎn)足現(xiàn)代配送物流向系統(tǒng)化、集成化、網(wǎng)絡(luò)化發(fā)展的需求。本文通過(guò)對(duì)物流配送數(shù)學(xué)模型的描述，使相應(yīng)的決策分析更科學(xué)、更準(zhǔn)確，在現(xiàn)實(shí)性方面，通過(guò)對(duì)比現(xiàn)有的實(shí)例，檢驗(yàn)?zāi)Ｐ偷目尚行耘c算法的優(yōu)越性。本文總結(jié)如下：，這種方法是將物流系統(tǒng)中的需求點(diǎn)和資源點(diǎn)看成是分布在某一平面范圍內(nèi)的物流系統(tǒng)，各點(diǎn)的需求量和資源量分別看成是物體的重量，物體系統(tǒng)的重心作為物流網(wǎng)點(diǎn)的最佳設(shè)置點(diǎn)，利用求物體系統(tǒng)重心的方法來(lái)確定物流網(wǎng)點(diǎn)的位置。分析結(jié)果表明重心法選擇的正確性和有效性。、多需求點(diǎn)、有行駛距離限制的一體化配送路徑優(yōu)化模型，并介紹了在路徑優(yōu)化方面的退火遺傳混合算法。通過(guò)對(duì)現(xiàn)有的鄭明物流的實(shí)例的計(jì)算分析，表明退火遺傳算法在物流配送路徑方面無(wú)論是尋優(yōu)結(jié)果上還是計(jì)算效率上都有很好的效果。在未來(lái)的物流建設(shè)方面做以下展望：。在現(xiàn)代物流配送過(guò)程中，運(yùn)輸車(chē)輛、運(yùn)輸時(shí)間和配送路線(xiàn)有時(shí)會(huì)發(fā)生變動(dòng)，需要實(shí)時(shí)的做出抉擇。如何將現(xiàn)有的信息技術(shù)和智能優(yōu)化理論有機(jī)的結(jié)合，實(shí)現(xiàn)實(shí)時(shí)的調(diào)整安排，對(duì)現(xiàn)代物流配送的研究是很有益的。，實(shí)際中的送貨量、行駛時(shí)間等在很多情況下是不確定的，這些參數(shù)帶有隨機(jī)性。把這些隨機(jī)性因素引入配送系統(tǒng)優(yōu)化，以便能更好的解決實(shí)際問(wèn)題。參考文獻(xiàn)[1] 姜大立，杜文. 基于遺傳算法的物流配送中心選址模型[J]. 物流技術(shù)，1997（5）：36.[2] 吳文娟,岳朝龍. 冷鏈物流配送中心建設(shè)方式選擇評(píng)價(jià)研究[J]. 安徽農(nóng)業(yè)科學(xué)，2013(18).[3] 劉桓．基于遺傳算法的冷鏈物流路徑選擇研究[J]. 技術(shù)與方法，2013(10)：116—119.[4] 任立停. 多溫共配冷鏈物流配送優(yōu)化研究[D]. 煙臺(tái)：煙臺(tái)大學(xué)，2011.[5] 劉宏志，李慧蘭 ,趙啟蘭. 多目標(biāo)配送路線(xiàn)的合理選擇[J]. 物流技術(shù)，1998（6）：2224.[6] [J]. 中國(guó)公路學(xué)報(bào), 2002(3):76 79.[7] 趙瑛琪 .一種求解車(chē)輛路徑問(wèn)題的雙目標(biāo)遺傳算法 [J]. 湖南工程學(xué)院學(xué)報(bào), 2006,16(2):49 51.[8] 劉懷春, 劉懷亮, 李秀煥, [J]. 現(xiàn)代計(jì)算機(jī), 2004(1):14 16,41.[9] 王素云, 李軍 . 基于遺傳算法的物流配送車(chē)輛優(yōu)化調(diào)度 [J]. 商場(chǎng)現(xiàn)代化, 2006(28):119 120.[10] Solomon MM. Algorithms for Vehicle Routing and Scheduling Problem with Time Window constraints[J]. Oper Res, 1987,35(2):54 66.[11] SPOHRER G A，KMAK T R. Qualitative analysis used in evaluating alternative plant location scenarios[J]. Indust. Eng，1984(8)：5256.[12] KLOSE A，DREXL A. Facility location models for distribution system design[J]. European Journal of Operational Research，2005，162（1）：429.[13] AWASTHI A，CHAUHAN S S，GOYAL S K. A multicriteria decision making approach for location planning for urban distribution centers under uncertainty[J]. Mathematical and Computer Modelling，2011，53（12）：98109.[14] Oliver IM, Smith DJ, Holland JRC. A study of permutation crossover operations on the traveling salesman problem[C] // In:Proceedings of the fourth International Conference on Genetic Algorithm, 1991.[15] GOVINDAN K，JAFARIAN A，KHODAVERDI R，et al. Twoechelon multiplevehicle locationrouting problem with time windows for optimization of sustainable supply chain network of perishable food[J]. International Journal of Production Economics，2014，152：928.[16] Byung Duk Song , Young Dae Ko. A vehicle routing problem of both refrigerated and generaltype vehicles for perishable food products delivery[J]. Journal of Food Engineering，2016，169：6171.編號(hào)：時(shí)間：2021年x月x日書(shū)山有路勤為徑，學(xué)海無(wú)涯苦作舟頁(yè)碼：第1頁(yè) 共1頁(yè)第 1 頁(yè) 共 1 頁(yè)
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1