物流配送中心的选址.PPTVIP

* 遗传算法是从代表问题可能潜在解集的一个种群(population)开始的，每一个种群则由经过基因编码(coding)的一定数目的个体(individual)组成，每个个体实际上是染色体上带有特征的实体。 * 实现步骤 第一步：选择编码策略，即编码基因串，如编码为A一a1a2…an。表示A为一个n维实向量; 第二步：群体初始化，产生一个由确定长度特征字符串组成的初始群体，确定群体规模N，然后从可能的特征串空间中随机选取N个n维向量Ai，‘i=1，2，…，N，组成初始群体H0={A01,A02,….,A0n} * 物流配送中心的选址 * 4.1配送中心选址 选址包括两个层次的问题： 第一：选位，即选择什么地区（区域）设置设施，沿海还是内地，南方还是北方，等等。在当前全球经济一体化的大趋势之下，或许还要考虑是国内还是国外； 第二：定址。地区选定以后，具体选择在该地区的什么位置设置设施，也就是说，在已选定的地区内选定一片土地作为设施的具体位置。 * 4.2配送中心选址的原则 适应性原则 协调性原则 经济性原则 战略性原则 * 4.3配送中心选址的影响因素 自然环境因素 （气候条件 地质条件 水文条件 地形条件） 经营环境因素 （经营环境 商品特性 物流费用 服务水平） 基础设施因素 （交通条件 公共设施状况） 其它因素 （国土资源利用 环境保护要求 周边状况） * 配送中心选址的程序和步骤 * 4.4配送中心选址常用的方法 解析方法（重心法、微分法） 建立数学模型 模拟方法 数学方程和逻辑关系 启发式方法（鲍尔曼—沃尔夫法） 针对求解，逐次逼近最优解 实际选址中，经常采用定性分析的方法，在几块可选地中进行选择。 * 如何选择配送中心地址 配送中心 * 重心法 假设条件： 运输费用只与配送中心和客户的直线距离有关，不考虑城市交通状况 不考虑配送中心所在的地价 * 拟定配送重新的坐标 ，其客户的坐标为 ，其中i=1,2,3—n ai-表示配送中心到客户的运费 Wi-表示配送中心到客户的运量 则： * 4.4.1微分法-单一个配送中心选址法 1微分法模型 如右图所示，设有N个零售店，它们各自的坐标是 （i=1，2，3…n）配送重心的坐标是 有： 其中， * 又有 其中有 4-3 * 4-4 * 求解方法，令 4-7 4-8 * 迭代法的计算步骤 1）以所有零售店的重心坐标为配送中心的初始地点（ ） 2）计算与（ ）相应的总发送费用 3） 4） 5） * 微分法的优缺点 1)是连续性模型，不加特点的限制，有自由选择的长处。 2）迭代的算法求的最佳点很难，且迭代计算过程复杂。 * 2 鲍摩-瓦尔夫模型-多个配送中心的选址 如图 各个工厂向哪些配送中心运输多少商品? 各个配送中心向哪些用户发送多少商品? * 规划的总费用包括一下内容： * 总费用函数为： * 鲍摩-瓦尔夫模型计算方法 首先，给出费用的初姑值，求初始解；然后，进行迭代计算，使其逐步接近费用最小的运输规划。 初始解 要求最初的工厂到用户间(k, j)的运费相对最小也就是说，要求工厂到配送中心间的运费率Ckj和配送中心到用户间的发送费率Hij之和为最小，即 * 二次解 从通过量反过来计算配送中心的可变费用 * 的配送中心序列号为 再次已这个为基础，求解运输问题， 求得使用费用函数 为最小， 就是二次解 n 次解 以 为基础，求解运输问题，可得出使用费用函数 为最小时 是n次解，因而得到配送中心新的通过量。 * 最优解 把n-1次解的配送中心的通过量 和n次解的配送中心通过量 进行比较，如果完全相等就停止计算，如果不相等就反复计算至到相等 也就说， 时， 为最优解 * 鲍摩-瓦尔夫模型的优缺点 优点： 计算简单，能评价流通过程的总费用 能求解配送过中心的通过量（决定配送中心的规模依据） 根据配送中心可变费用的特点，可采用大批量进货的方式 缺点 不能保证能求得最优解 配送中心固定费用在解中没有反映出来 * 配送中心选址方法的改进模型 两级配送中心的选址模型 在配送中心选址的实际过程中，在一定区域内，针对客户众多比较分散、配送距离过远、直接配送成本较高等情况。 综合考虑重心法和鲍摩—瓦尔夫法，分两个步骤建立模型 * 步骤 离分布在外围客户较近的地方设置几个侯选点 利用鲍摩-瓦尔夫法求出应在那几个点建立小型配送中心