回收不确定条件下逆向物流网络优化模型及算法.docVIP

回收不确定条件下逆向物流网络优化模型及算法 为在备选点k处设立回收中心的建设费用和年运营费 用 ； 为单位产 品在 回收点j处 的 日存储成本 ； 为回收点J的存储周期； 为回收点对单位产品的简单处理成本； 为从客户区到回收点的距离： d 为从回收点到回收中心的距离； 为回收中心k的最大处理能力； r为回收点的覆盖半径； 为当客户区位于回收点覆盖范围之外时单位产品的惩 罚成本 。 x_：f 在售选点j处设立回收点 ～0 else ： f1在备选点k处设立回收中心 else z驻=瑟 的产品经回收 运往回收 = 乏三： CT= 为单位产品从回收点j到回收中心k的运输成本： 其中，e为标准运输费用， ，=∑ 为回收点j的产品数量。 f i s pt = { 2 pilt;I王j p0( ， ， 表示在不同批量运输下产生的规模效益因子。 rpi qi B={p3 q1lt; L 。 q=‘lt;d，I 届， ，屈表示在不同运输距离下产生的规模效益因子。 2．3模型建立 回收点的设立成本 Ft 乞 回收中心的建设及运营成本 F： 上Y,CB~ 回收点对产 品的简单 处理成本 Fj= 上(AR 回收点的存储成本 t 从回收点到回收 中心 的运输成本 ∑{cr鲁∑zlk觚 ： k i、 t 客户区位于回收点覆盖半径之外的惩罚成本 F。=cP∑ ∑pi；ARiz蛐 k j i 所以，该逆向物流网络模型的目标函数为： rainF=珂十 + +曩+ + ，，、 S．t． l J ∑∑ =l，Vie I (2) I科技刨新论坛 】 ■● ∑∑衄 ，Vke K (3) ∑∑ E ，Vke K (4 ∑∑ ，rye J (5) ∈{o，1，2，3，4，5，6，7)，Vje J (6) 7 ， ∈ J (7) ， ， ∈10，1)，Vie I,Vje J,Vke K (8) 其中，E=max(1l~， I ) 条件 (2)保证每个客户区的返回产品都能回收； 条件 (3)表示回收中心的容量约束 ； 条件 (4)保证只有建立了回收中心才能接收回收点的产 品； 条件 (5)保证只有建立了回收点才能接收客户区的产 品； 条件 (6)一(8)表明了条件变量的取值范围。 3算法设计 该模型是一个混合整数非线性规划模型，属于NP—hard问 题。目前，国内外许多专家学者已经对这类问题进行了大量的 研究 ，提 出 了一些适用于 实际案例 的现代 启发式算法，如禁忌 搜索算法、遗传算法、模拟退火算法和蚁群算法。其中，遗传 算法及其各种改进算法尤其被大量应用于混合整数非线性规划 模型求解中。本文在深入了解各个算法的基础上，设计了一种 基于模拟退火算法 (参考文献[20卜[22])的混合智能算法。 算法步骤如下： r 步骤1：设置稹拟退火计划表，令初始温蠼为t，升温系数 =1，降 系数 =O．9，定义禁忌表s．= ，n+-nU Sn成问题 (So)=n ，同时令当前记忆最优解 ，且令 ， K=I，i=O Sl 步骤2：采用遗儡。，：法思想，解 经过选择、交叉、变异 运算之后得到邻S?? E建 ； n—nU +。， 【^sI” 3：若 ，则重复步骤2，否则，令 嗡 ￡n )一 si)一螅 表ql )= 禁忌Q Q／ 于 执行 c +，)lt;c(s ) si= 1 ； 步骤4：若 口，则令 P《 卜(c( +j)一c(s0#039;／ ’t)|随机 ：s讳 数值 ，若有 ， 则令 K=K十1否 则不接 受该解 ； 步骤5： ，若未满足同 t÷一t．E的抽样稳定准则， 返回步骤2；否则执行降温操作，即令 ，同时，令K=O； 步骤6：j}【+．T十△c／脎 件，则返回步骤2；否则，执行升 温操作 ，即令 ； 步骤7：收敛性检验。若．jIS．靖足算法终止条件，返回步骤 2；否则算法终止，输 出最优解 。 该算法在 改进模拟 退火算法 的基础上 ，结合 了禁 忌搜 索算 法中的禁忌表思想和遗传算法收敛快的优点，同时增加了升温 操作，防止算法陷入局部最优，以提高算法执行的效率。 4算例分析 以某生产制造企业的逆向物流网络设计为例。该网络包含 10个客户区、3个备选回收点和2个备选回收中心。备选回收点 由第三方物流企业提供，年运营费用为2万元。回收中心的建设 费用和年运营费用总额为3O万元。年工作日为250d。回收点的 单位产品日存储费用为10元，覆盖半径为12．5km，单位产品的 惩罚成本为500元。回收点对单位产品的简单处理成本为0．1 元 。回收中心的最大容量为i000个。运输的规模效应因