浅谈物流配送中心选址几种常用方法.docVIP

浅谈物流配送中心选址几种常用方法 物流配送中心的选址决策在物流运作中有着 重要的地位。本文对近年来国内外有关配送中心选址的几种 常用方法进行研究，以便能够给实践提供一定的借鉴意义。 关键词：物流配送中心；选址；方法 在物流系统的运作中，配送中心的选址决策发挥着重要 的影响。配送中心是连接工厂与客户的中间桥梁，其选址方 式往往决定着物流的配送距离和配送模式，进而影响着物流 系统的运作效率。因此，研究物流配送中心的选址具有重要 的理论和现实应用意义。 本文对近年来国内外有关配送中心选址的几种常用方 法进行了研究，选址方法主要有定性和定量的两种方法。定 性方法有专家打分法、Delphi法等，定量方法有重心法、P 中值法、数学规划方法、多准则决策方法、解决NPhard问 题（多项式复杂程度的非确定性问题）的各种启发式算法、 仿真法以及这几种方法相结合的方法等。由于定性研究方法 及重心法、P中值法相对比较成熟，因此，本文将主要分析 定量方法中的数学规划、多准则决策、解决NPhard问题的 各种启发式算法、仿真方法。 一、数学规划方法 数学规划算法包括线性规划、非线性规划、整数规划、 混合整数规划和动态规划、网络规划算法等。在近年来的 研究中，规划论中常常引入了不确定性的概念，由此进一步 产生了模糊规划、随机规划、模糊随机规划、随机模糊规划 等等。不确定性规划主要是在规划中的C （价值向量）、A （资 源消耗向量）、b （资源约束向量）和决策变量中引入不确定 性，从而使得不确定规划更加贴近于实际情况，得到广泛地 实际应用。各种规划的方法在具体的现实使用中，常常出现 NP hard问题。因此，目前的进一步研究趋势是各种规划方 法和启发式算法的结合，对配送中心的选址进行一个综合的 u j y j znr o 二、多准则决策方法 在物流系统的研究中，人们常常会遇到大量多准则决策 问题，如配送中心的选址、运输方式及路线选择、供应商选 择等等。这些问题的典型特征是涉及到多个选择方案（对 象），每个方案都有若干个不同的准则，要通过多个准则对 于方案（对象）做出综合性的选择。对于物流配送中心的选 址问题，人们常常以运输成本及配送中心建设、运作成本的 总成本最小化，满足顾客需求，以及满足社会、环境要求等 为准则进行决策。 多准则决策提供了一套良好的决策方法体系，对于配送 中心的选址不管在实务界还是理论方面的研究均有广泛的 应用与研究。有关多准则决策方法，特别是层次分析法和模 糊综合评判的方法，在配送中心的选址研究中有着广泛的应 用。但是，这两种方法都是基于线性的决策思想，在当今复 杂多变的环境下，线性的决策思想逐渐地暴露出其固有的局 限性，非线性的决策方法是今后进一步的研究的重点和趋 势。 三、启发式算法 启发式算法是寻求解决问题的一种方法和策略，是建立 在经验和判断的基础上，体现人的主观能动作用和创造力。 启发式算法常常能够比较有效地处理NP hard问题，因此， 启发式算法经常与其它优化算法结合在一起使用，使两者的 优点进一步得到发挥。目前，比较常用的启发式算法包括： 遗传算法；神经网络算法；模拟退火算法。 遗传算法 遗传算法是在20世纪60年代提出来的，是受遗传学中 自然选择和遗传机制启发而发展起来的一种搜索算法。它的 基本思想是使用模拟生物和人类进化的方法求解复杂的优 化问题，因而也称为模拟进化优化算法。 遗传算法作为一种随机搜索的、启发式的算法，具有较 强的全局搜索能力，但是，往往比较容易陷入局部最优情况。 因此，在研究和应用中，为避免这一缺点，遗传算法常常和 其它算法结合应用，使得这一算法更具有应用价值。 人工神经网络 人工神经网络(ANN)是由大量处理单元(神经元)广 泛互连而成的网络，是对人脑的抽象、简化和模拟，反应人 脑的基本特征。可以通过对样本训练数据的学习，形成一定 的网络参数结构，从而可以对复杂的系统进行有效的模型识 别。经过大量样本学习和训练的神经网络在分类和评价中， 往往要比一般的分类评价方法有效。 这一研究的不足是神经网络的训练需要大量的数据，在 对数据的获取有一定的困难的情况下，用神经网络来研究是 不恰当的。在应用ANN时，我们应当注意网络的学习速度、 是否陷入局部最优解、数据的前期准备、网络的结构解释等 问题，这样才能有效及可靠地应用ANN解决实际存在的问题。 模拟退火算法 模拟遐火算法(Simulated Annealing, SA)又称模拟 冷却法、概率爬山法等，于1982年由Kirpatrick提出的另 一种启发式的、随机优化算法。模拟退火算法的基本思想由 一个初始的解出发，不断重复产生迭代解，逐步判定、舍弃， 最终取得满意解的过程。 该方法确保总体中个体多样性以及防止遗传算法的提 前收敛，运用层次分析法确定物流