现代物流运输优化技术.pptVIP

现代物流与物流中心规划 第三章 运输优化技术 本章要点 运输的主体和客体 运输线路的选择和优化 3.1.1 单一起迄点的运输线路优化问题 3.1.2 运输问题 3.1.1 单一起迄点的运输线路优化问题 3.1.2 运输问题 3.1.2 运输问题－平衡运输问题 3.1.2 运输问题－平衡运输问题 3.1.2 运输问题－平衡运输问题 3.1.2 运输问题－平衡运输问题 3.1.2 运输问题－平衡运输问题 3.1.2 运输问题－不平衡运输问题 3.1.2 运输问题－不平衡运输问题 3.1.2 运输问题－不平衡运输问题 3.1.2 运输问题－不平衡运输问题 3.1.2 运输问题－不平衡运输问题 3.1.2 运输问题－不平衡运输问题 如果用Lingo求解最短路线问题如何？ 如果用Lingo求解最短路线问题如何？ 运输流量优化 3.2.1 最大运输流量问题 3.2.2 最小费用最大流问题 最大运输流量问题 接下来，再在新的可行流基础上，从发点开始重新标号找增广链并对此调整，直至找不到增广链，即找到最大流为止 第三次寻找增广链－－流量调整 第四次寻找增广链－－寻找过程 Lingo的必须－－构造好明确的数学模型 目标函数：路段上流量最大 约束条件：（可行流的满足条件） 就是这么简单 供大于需 需大于供 表上作业法需要设立虚拟库存，将该问题转化成为一个平衡运输问题求解 Lingo软件法需要修改供需约束的不等号，再进行求解 不平衡 5 3 2 2 销量 6 x34 x33 x32 x31 产地3 4 x24 x23 x22 x21 产地2 6 x14 x13 x12 x11 产地1 产量 销地4 销地3 销地2 销地1 产量为6+4+6=16，销量为2+2+3+5=12。产量比销量多4。从供需平衡看，需要虚拟库存 不平衡运输的例子： 2 1 8 6 产地3 7 5 3 8 产地2 4 3 10 2 产地1 销地4 销地3 销地2 销地1 表上作业法的思路：转化成为一个平衡问题 例如： 平衡 5 3 2 2 销量 4 x34 x33 x32 x31 产地3 3 x24 x23 x22 x21 产地2 5 x14 x13 x12 x11 产地1 产量 销地4 销地3 销地2 销地1 产地1存储1，产地2存储1，产地3存储2，此时平衡 Lingo作业法的思路：修改对应的供需约束条件 例如： 单行线交通网络，求V1到V8的最短路线 为了寻找网络的最短路线距离，我们将使用下面的动态规划递归式： F(i)是从节点i到终点的最短距离，D(i,j)是从节点i到节点j的距离。 具体说：从节点i到终点的最短距离是从节点i到临接点的距离加上邻接点的终点的最小距离之和的最小值 用Lingo求解最短路线问题的计算结果 从V1到V8的最短距离F(1)＝12，对应的路径可以对应找出 如下图所示，连接煤产地V1（发点）到销地V6（收点）的交通网络，V2、V3、V5表示交通网络的中间节点，每条运输线（弧）上的数字表示这条线的单位时间最大通过能力（称弧的容量），现在要制订一个运输方案，使单位时间从发点V1到点V6煤的运输量最多？ 可行流的网络 2：最大流 所谓最大流就是在有容量限制的网络中流量最大的可行流。 最大流问题应用很广泛： 运输系统中的车辆流、物资流； 通讯系统中的信息流； 供水系统中的水流； 供电系统中的电； 金融系统中的资金流； 供销系统中的商品流都有最大流问题的足迹。 涉猎广泛 求最大流的方法 标号法 Lingo软件求解法 还用Lingo？ 标号法思路 第一个初始可行解如何给出？ 最简单的办法是每条弧上的流量都为零优点：简单缺点：可能会增加调整次数 增广链及流的调整法 前向弧、后向弧以及增广链的概念 用标号法找出网络中的最大流 给出初始可行流： 第二次寻找增广链－－寻找过程 第二次寻找增广链－－流量调整 第三次寻找增广链－－寻找过程 Modern Logistics and Logistics centers Planning 运输的主体和客体 运输线路选择与优化 运输流量优化 车辆装载优化 运输的主体（实施运输的组织）： （从事运输的）企业 （从事运输的）部门 （从事运输的）人员 运输的客体（运输的对象）： 为客户运输的产品 在一个交通网络中，寻找由出发点到目的地的最短路线问题。 单行线交通网络，求V1到V8的最短路线 Dijkstra算法－－－轻松搞定 Dijkstra算法－－－轻松搞定 Dijkstra算法－－－轻松搞定 Dijkstra算法－－－轻松搞