物流系统规划与设计3-选址模型.pptVIP

* * * * 第四步，确定合适的组合解。很显然，问题得到简化之后，在有限的候选点上选择一个组合解是可行的。（3，4，8）本身就是一个组合解，但是为了满足经济性要求，尽可能少地建立诊所，还需要从中剔除可以被合并的候选点。（3，8）则是可以覆盖所有村的一个数量最少的组合解：3村的诊所可以覆盖村1村到5村，而8村的诊所覆盖6村到9村。 如果放宽一些问题的限制条件，例如一个诊所的服务半径增加到40km，也可能会出现多解的情况。（3，8），（3，9），（4，7），（4，8）和（4，9）都是可以覆盖所有的村而且数量最少的组合解。 * * （2）最大覆盖模型 最大覆盖模型的目标是对有限的服务网点进行选址，为尽可能多的对象提供服务。它的相应目标函数是： 约束条件为： ——是满足最大可能的对需求提供服务 ——是需求的限制，服务不可能大于当前需求的总和 ——是设施的服务能力的限制 ——是问题本身的限制，也就是说最多可能投建设设施的数目 ——保证一个地方最多只能投建一个设施 ——允许一个设施只提供部分的需求 * * * * 前面提到的医疗站问题，如果仍旧不考虑其服务能力的限制，最多的诊所数目为2，用最大覆盖模型对其进行分析，贪婪算法可以进行求解。该算法是一个空集合作为原始的解集合，然后在剩下的所有的其他候选点中，选择一个具有最大满足能力的候选点加入到原来的候选集合中，如此往复，直到到了设施数目的限制或者全部的需求都得到满足为止。 在医疗站的问题中，我们已经分析得到候选集合为（3，4，8）。初步确定解的集合 。然后比较A（3）、A（4）和A（8）的数目，4村可以提供服务的对象最多，将4村加入到解集合S中， 。接着比较3、8两个村，除去4提供服务的村1、3、4、5、6、7外，剩下只有 ，3村对2村提供服务。8村将作为第二个投建点加入到解集合中去， 。这就是我们通过最大覆盖法得到的解集合，显然是最优解，这也是启发式算法的特点。 * * 2、P—中值模型 P—中值模型是指在一个给定数量和位置的需求集合和一个候选设施位置的集合下，分别为p个设施找到合适的位置并指派每个需求点到一个特定的设施，使之达到在工厂和需求点之间的运输费用最低。 * * P—中值模型也可以通过精确的数学语言进行描述。在用数学语言进行描述时，需要准确地表达问题的约束条件、目标、还有合理的变量定义。一般P—中值问题的目标函数是： 约束条件为： ——是P—中值模型的目标函数 ——保证每个客户（需求点）只有一个设施来提供相应的服务 ——限制了总的设施数目为p个 ——有效地保证没有设施的地点不会有客户对应 * * * * 可以看出，求解一个P—中值模型需要解决两方面问题： （1）选择合适设施位置（数学表达的变量）； （2）指派客户到相应的设施中去（表达式中的变量）。 例子： 某饮料公司在某新地区经过一段时间的宣传广告后，得到了8个超市的定单，由于该新地区离总部较远，该公司拟在该地区新建2个仓库，用最低的运输成本来满足该地区的需求。经过一段时间的实地考查之后，已有4个候选地址。从候选地址到不同的仓库运输成本、各个超市的需求量都已经确定，如图所示。 * * * * 用启发式求解P—中值模型的算法——贪婪取走启发式算法（Greedy Dropping Heuristic Algorithm）。这种算法的基本步骤如下： （1）第一步，初始化，令循环参数k=m，将所有的m个候选位置都选中，然后将每个客户指派给离其距离最近的一个候选位置 ； （2）第二步，选择并取走一个位置点，满足以下条件：假如将它取走并将它的客户重新指派后，总费用增加量最小，然后令 k=k-1； （3）第三步，重复第二步，直到 k=p； * * * * * * * * * * * * 这样就得到了k=3时的临时解。重复上面步骤，对图2-15分别移走候选位置1、3、4进行计算，可以发现移走候选位置4的增量最小，所以第二次移走走第4个候选位置。最后的结果就是在候选位置1、3投建新的仓库，总的运输成本为：3740。 值得注意的是，不是只有贪婪取走算法一种启发式算法，相应的还有贪婪加入算法（Greedy Adding Heuristic）、模拟退火算法（Simulated Annealing）、Tabu搜索（TS）等。 实例分析：TransAlta Utilities的服务网络重构规划 1、服务网络的现状与问题 2、服务网络的分析与重构 （1）服务网点的数量 （2）服务网点分布 （3）专用交通工具选址 问题： 案例中的选址属于哪种选址类型？连续选址、网格选址、离散选址 服务网点采用的是哪种选址模型？ 服务网点选址采用的是哪种距离？ 专用交通工具采用的