会员注册 | 登录 | 微信快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

企业研究论文-物流配送中心选址方法研究综述.doc企业研究论文-物流配送中心选址方法研究综述.doc -- 2 元

宽屏显示 收藏 分享

资源预览需要最新版本的Flash Player支持。
您尚未安装或版本过低,建议您

企业研究论文物流配送中心选址方法研究综述内容摘要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方法的文献进行梳理和研究。研究结果发现各种选址方法有着各自的优缺点和一定的适用范围,各种方法的组合是未来该领域研究的趋势。关键词物流配送中心选址文献综述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物流配送中心选址方法的文献进行了梳理和研究,并对各种方法进行了比较。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、仿真在配送中心选址中应用的研究状况。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。国内外学者对于数学规划方法应用于配送中心的选址问题进行了比较深入的研究。姜大元2005应用Baumolwolf模型,对多物流节点的选址问题进行研究,并通过举例对模型的应用进行了说明,该模型属于整数规划和非参数规划结合的模型。各种规划的方法在具体的现实使用中,常常出现NPhard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规划与计算。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。多准则决策的方法包括多指标决策方法与多属性决策方法两种,比较常用的有层次分析法AHP、模糊综合评判、数据包络分析DEA,TOPSIS、优序法等等。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。关志民等2005提出了基于模糊多指标评价方法的配送中心选址优化决策。从供应链管理的实际需要分析了影响配送中心选址的主要因素,并建立相应的评价指标体系,由此给出了一种使定性和定量的方法有机结合的模糊多指标评价方法。ChenTungChen2001运用了基于三角模糊数的模糊多准则决策对物流配送中心的选址问题进行了研究。文章以投资成本、扩展的可能性、获取原材料的便利性、人力资源、顾客市场的接近性为决策准则,并对各个准则采用语义模糊判定的方式进行了权重上的集结。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。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NPhard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。(一)遗传算法遗传算法(geneticalgorithm,GA)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。遗传算法主要有三个算子选择交叉变异。通过这三个算子,问题得到了逐步的优化,最终达到满意的优化解。对于物流配送中心的选址研究,国内外有不少学者将遗传算法同一般的规划方法结合起来对其进行了研究。蒋忠中等(2005)在考虑各种成本包括运输成本等的基础上,结合具体的应用背景,建立的数学规划模型混合整数规划或是一般的线性规划。由于该模型是一个组合优化问题,具有NPhard问题,因此,结合了遗传算法对模型进行求解。通过选择恰当的编码方法和遗传算子,求得了模型的最优解。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。(二)人工神经网络人工神经网络artificialneuralnetwork,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。对于神经网络如何应用于物流配送中心的选址,国内外不少学者进行了各种有益的尝试。韩庆兰等(2004)用BP网络对物流配送中心的选址问题进行了尝试性地研究,显示出神经网络对于解决配送中心选址问题具有一定的可行性和可操作性。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。(三)模拟退火算法模拟退火算法SimulatedAnnealing,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。模拟退火算法不但可以往好的方向发展,也可以往差的方向发展,从而使算法跳出局部最优解,达到全局最优解。对于模拟退火算法应用于物流配送中心选址的研究,大量的文献结合其它方法(如多准则决策、数学规划等)进行了研究。任春玉2006提出了定量化的模拟退火遗传算法与层次分析法相结合来确定配送中心地址的方法。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配送中心选址评价指标权重,并与专家评分相结合进行了综合评价。该算法对于解决物流配送中心的选址具有较好的有效性和可靠性。除以上三种比较常用的方法之外,启发式算法还包括蚁群算法、禁忌搜索算法、进化算法等。各种算法在全局搜索能力、优缺点、参数、解情况存在着一定
编号:201312121940143302    大小:13.44KB    格式:DOC    上传时间:2013-12-12
  【编辑】
2
关 键 词:
生活休闲 科普知识 精品文档 企业研究
温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
  人人文库网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

当前资源信息

4.0
 
(2人评价)
浏览:15次
doc88上传于2013-12-12

官方联系方式

客服手机:17625900360   
2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   

相关资源

相关资源

相关搜索

生活休闲   科普知识   精品文档   企业研究  
关于我们 - 网站声明 - 网站地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5