考虑顾客选择行为的逆向物流网络设计要点讲解.ppt

考虑顾客选择行为的逆向物流网络设计问题研究 摘 要: 逆向物流网络设计是企业获得经济利益和提高竞争力的战略决策之一。本文在进行逆向物流网络设计时, 考虑了企业和顾客有不同的利益, 通过双层规划建模来描述物流网络设计问题。上层模型为双目标模型, 描述企业同时优化物流总成本和服务水平, 下层模型描述顾客选择回收点的行为。设计了求解算法, 得到一组Pareto解构成的效率边界, 通过分析效率边界, 确定企业的物流网络结构。最后用算例验证了模型和算法的有效性。 目录 引言 Pareto 最优前沿的分析 数学模型 算法设计 算例分析 引言 美国物流管理协会对于逆向物流的定义为: 为了资源回收或处理废弃物, 在有效及适当成本下, 对原料、在制品、成品和相关信息, 从消费点到原始产出点的流动和存储, 进行规划、执行与管制的过程, 从而达到回收价值和适当处置的目的 现实中, 顾客通常将产品返回到最近的回收点, 而在离顾客区最近位置设立回收点, 从成本上考虑, 不一定是企业最佳的选择位置。企业和顾客有着不同的目标, 顾客对于回收点的选择将影响企业的物流成本, 企业可以通过设立回收点影响顾客的选择行为, 进而决定对于顾客的服务水平 我们面临的问题是: 顾客将需要维修的产品就近送到回收点。回收点再将产品送往维修中心。维修中心是企业已经建立好的。回收点有一个覆盖半径, 衡量对于顾客的服务水平。 企业需要做的决策是: 在哪里设立回收点以及回收点的数量, 从而同时优化物流总成本和服务水平。顾客需要做的决策是选择哪个回收点将产品返回。企业需要考虑到顾客的选择行为来进行自己的决策; 同时企业的决策也将影响到顾客的选择行为。 Pareto 最优前沿的分析 关于Pareto最优解的文献解释： 若x*∈C,且在C中不存在比x*更优越的解x,则称x*是多目标最优化模型式的Pareto最优解,又称为有效解. 一般来说,多目标优化问题并不存在一个最优解,所有可能的解都称为非劣解,也称为Pareto解.传统优化技术一般每次能得到Pareto解集中的一个,而用遗传算法来求解,可以得到更多的Pareto解,甚至是整个的解都成为Pareto解 这些解构成了一个最优解集(如图1虚线所示),称为Pareto最优解.它是由那些任一个目标函数值的提高都必须以牺牲其他目标函数值为代价的解组成的集合,称为Pareto最优域,简称Pareto集 Pareto 最优前沿的分析 数学模型 ( 1) 由于客户区返回的产品数量相对回收点的处理能力较小, 因此不考虑回收点的能力约束。维修中心不接受客户区直接送来的产品, 只接收经过回收点送来的产品。 ( 2) 由于回收点返回的产品数量相对维修中心的处理能力较小, 因此不考虑维修中心的能力约束。 ( 3) 即使客户区和离它最近的回收点之间的距离超过了最大覆盖距离, 客户仍将产品送到离它最近的回收点。 ( 4) 单位产品的运输成本与运输距离成正比。 双层规划系统按如下过程进行决策: 上层给下层一定的信息, 下层在这些信息下, 按自己的利益或偏好做出反应( 决策) , 上层再根据这些反应, 做出符合全局利益的决策。 i∈I客户区的下标; j∈J备选回收点的下标 ai客户区i返回的产品数; cij单位产品在客户区i和回收点j之间的运输成本; cj单位产品在回收点j和维修中心之间的运输成本; fj在j 处设立回收点的运营成本; L回收点的覆盖半径; 下层模型L 为: 算法设计 求解思路如下: 当上层模型确定回收点Xj 后(可能的决策),代入下层模型,这时每个客户区的顾客将选择离他最近的回收点,得到Zij,并可计算出每个回收点的Dj,返回到上层模型,可计算出目标(1)和(2)的值。通过上下层之间的反复迭代, 直到满足一定的收敛准则, 算法就结束。 算例分析 某企业要构建其售后服务逆向物流网络, 将客户划分成10 个区域。有8 个候选回收点, 已建有1个维修中心。客户区的位置和预测返回的产品如表1 所示。备选回收点位置如表2 所示。回收点的最大覆盖距离为15。设立回收点的成本为100/ 个。单位产品在回收点和维修中心之间的运输成本与两者间的欧式距离成正比cjk = 0.1djk 。至少设立3 个回收点。 * * Pareto 前沿构成的效率边界 一个Pareto 解代表了一种物流网络结构。 第1 个和第2 个Pareto 解代表的物流网络 对比可知, 第2 个解没有设立5 号回收点, 因此无法覆盖客户区3, 所以比起第一个解, 覆盖下降了客户区的32 个单位, 同时物流成本也减少了。3 号客户区虽然不在回收点的覆盖范围内, 但是顾客还是将回收的产品送往离它最近的8 号回收点。 *