基于混合启发式解法的物流配送路径优化问题研究.docxVIP

基于混合启发式解法的物流配送路径优化问题研究 0 运输配送优化问题 物流网络优化包括从原材料供应商到制造商、中间仓库和配送中心到最终客户的整个过程中的物流环境、物流路径、产量、运输量和负荷的确定。目标是在满足客户需求的基础上，最大限度地降低安装、生产、运输、销售和存储成本。但是由于这些决策项目涉及到多个阶段和多个层次,利用数理手段解决此类问题变得异常复杂和困难,为此,许多研究者将问题分为若干个子问题,将子问题作为独立的问题进行研究,取得了可喜的成果,如车辆路径问题(VRP)、设施选址问题(FLP)等。但这些问题只能解决物流网络中的局部优化,无法解决物流网络的整体优化,为此,许多研究者将局部优化问题加以整合与扩展,进行了大量的更贴近现实的研究。Dhaenens-Flipo提出了多个设施的生产与配送问题(Multi-Facility Production and Distribution Problem),将生产与配送问题组合在一起进行整体优化,并采用分枝定界法求得了最优解;Melkote与Daskin将设施选址与运输网络问题加以整合,提出了选址与网络同时优化问题,并利用混合整数规划软件求得了最优解;Goetschalckx提出了将国际运输问题与生产、配送问题整合在一起进行同时优化的数学模型,并采用主分割法(Primal Decomposition)等启发式算法开发了近似解法;Hwang提出了在保证既定的服务水平的前提下,将工厂、仓库与配送中心的选址及配送路径进行同时优化的问题,并利用集合覆盖问题(Set-Covering Problem)的方法、0-1规划法(0-1 Programming Method)及改良的遗传算法(Improved Genetic Algorithm)进行了求解;Wu利用模拟退火法(Simulated Annealing:SA)和禁忌搜索法(Tabu-Search:TS)开发了多物流中心条件下的LRP(Multi-Depot Location-Routing Problem :MDLRP)的近似解法;Syam将古典FLP加以扩展,提出了将原材料库存成本、生产成本、成品库存成本、订货成本、运输成本及工厂与仓库固定成本进行同时优化的问题,并利用模拟退火法与拉格朗日松弛法分别求得最优解;Amiri提出了供应链系统中的运输与配送网络优化问题,将工厂、仓库与配送中心的位置、数量与容量及货物的运输配送路径进行同时优化,并用拉格朗日松弛法导出了下界值;Gena提出了将生产、配送与库存问题组合起来,对生产设施的选址、配送路径及库存调整进行同时优化的问题,并利用基于Spanning Tree法的遗传算法开发了近似解法。 本文以商品从供应商,经过物流中心(或配送中心),配送到最终用户的整个过程中产生的费用最小化为目的,求得供应商的最佳位置与数量、配送中心的最佳位置与数量以及从配送中心到最终用户的最佳配送路径优化问题,即MSDLRP,提出了数学模型和基于启发式算法与智能算法的混合近似解法。 1 问题描述 1.1 物流中心配送中心 多个客户分散在各个不同的地区,每天的需求量是随机的;多个物流中心(配送中心)分散在各个不同的地区,可以为任意的客户提供配送服务;多个商品供应商分散在各个不同的地区,可以为任意的物流中心供货;物流中心(配送中心)每天的货流量有容量限制;从物流中心(配送中心)到客户的配送车辆为同一种类型的车辆,有载质量限制;一条配送路径上至少有2个(含2个)以上的客户。 不考虑库存问题。 1.2 配送中心评估的费用kk 最小目标函数为 ∑g∈G∑i∈TLgipgi+∑i∈THiwi+∑i∈T∪C∑J∈T∪C∑k∈KCijxijk+∑i∈Iα∑j∈Jdjzij+∑k∈KFk∑i∈I∑j∈Jxijk(1)∑g∈G∑i∈ΤLgipgi+∑i∈ΤΗiwi+∑i∈Τ∪C∑J∈Τ∪C∑k∈ΚCijxijk+∑i∈Ια∑j∈Jdjzij+∑k∈ΚFk∑i∈Ι∑j∈Jxijk(1) 约束条件为 ∑k∈K∑i∈T∪Cxijk=1(j∈C)(2)xiik=0(i∈T∪C,k∈K)(3)∑i∈T∑j∈Txijk=0(k∈K)(4)∑i∈T∪Cxijk=yjk(j∈C,k∈K)(5)∑k∈Kyjk=1(j∈C)(6)∑i∈CDjyjk≤Qk(k∈K)(7)∑j∈T∪Cxijk=∑j∈T∪Cxjik(i∈T∪C,k∈K)(8)∑i∈T∑j∈Cxijk≤1(k∈K)(9)∑j∈Cdjzij≤Viwi(i∈T)(10)∑h∈T∪C(xihk+xhjk)?zij≤1(i∈T,j∈C,k∈K)(11)∑i∈Tzij=1(j∈C)(12)∑i∈S∑j∈Sxijk≤|S|?1(S?C,|S|≥2,|S|=∑j∈Syjk,k∈K)(13)Uik?Ujk+Nx