物流系統(tǒng)優(yōu)化中的定位-資料下載頁
2025-06-23 18:33本頁面
【正文】 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(biāo)性物流系統(tǒng)中的各個目標(biāo)之間會產(chǎn)生沖突，如按照總費用最小目標(biāo)確定的方案，在滿足客戶對時間要求的目標(biāo)時，可能會不合要求。然而，實際物流系統(tǒng)均有多目標(biāo)的特征。所以以后對LRP的研究中會注重多目標(biāo)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。
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1