物流配送中心选址模型与方法研究

物流配送中心选址模型与方法研究

今天的竞争是国家和国家之间的竞争。落实中间级别的是产业之间的竞争。特别是，可以考虑供应链之间的竞争。物流配送中心的选择,对于整个供应链中供应商,制造商,批发商,还是零售商而言都是至关重要的一环,也是影响供应链竞争力水平之一。因而,对物流配送中心选址的模型与方法的研究,越来越多地被国内外学者所关注和研究,产生了许多的理论成果,有着很大学术价值和实践指导意义。一、物流配送中心选址重心法国外学者最早的研究可以追溯到“穆勒”的著作,首先的提出了商店选址的模型,外国学者在此基础上进行了积极的探索,建立了物流配送中心选址重心法,它的假设条件是需求确定,变量连续,只把距离和重量相结合来确定成本,并且需求点和资源点在一个平面里,来求解单个规模不大的配送中心的确定。近年来主要的关注热点是配送中心运输成本最小化模型的构建,有确定性研究逐步进入到不确定性的研究,形成了概率模型,情景模型和排队模型。(一)无能力限制仓库区位模型可分为需求随机模型与交通运输随机模型两类。(1)需求随机模型Carbone研究需求不确定的公共设施选址问题。该文假设需求为多变量正态分布,利用非线性确定性方程的多变量分析结果,构造了机会约束规划(chance-constrainedprogram)。Mirchandani(1980)用马尔可夫随机过程对无能力限制的仓库区位进行研究,供给与需求及运输时间都是随机的。以Bean(1992)Manne的模型为基础,研究需求随机增长情况下的设施生产能力扩张问题,该文假设需求是非线性的布朗运动或是非马尔可夫生灭过程,用确定性需求替代随机需求,将随机方程转化为确定性方程,同时不允许定单押后的情况出现。(2)交通运输随机模型Mirchandani与Odoni(1979)在Hakimi模型基础上研究各边具有离散概率的随机网络模型,不仅证明Hakimi提出的在随机网络中也存在选址最优解的命题为真(设施被布局在网络结点上),而且证明运输时间的效用方程为“凸”时,在无方向的随机网络上至一个最优集。(二)情景概率的初步计算情景模型是研究在一系列将来可能发生情况概率条件下,设施有效区位的选择问题。有些文献假设所有情景发生的概率是相等的,一些文献中的情景概率需要计算得出。通过比较情景条件下的最优值与可靠值(robust)得出遗憾值(regret)。KouvelisK与Yu研究在树状网络上的一个设施点的区位问题,节点需求与线路长度随着时间线性变化,同时作者假设所有情景概率相等,目标函数求最大遗憾值的最小值。(三)排放系统的基于排放系统的紧急救助组织概率模型中的一些参量引进排队模型理论。Larson最早将排队论应用在选址模型中,主要研究紧急救助组织的车辆区位与服务范围。作者假设区内、区际间呼救时间呈Poisson概率分布、服务时间服从指数分布,构建了一个多服务者排队系统。二、断的延伸。根据具体的假设,分国内学者研究也是对物流配送中心选址重心法求解模型的基础上不断的延伸,它的假设条件是需求确定,变量连续,只把距离和重量相结合来确定成本,并且需求点和资源点在一个平面里,来求解单个规模不大的配送中心的确定。主要包括了以下几个方面:(一)基于需求函数的企业运营优化杨波等人(2002)最早引用了停止“损失”随机函数来确定需求量,并且给出可定义,推导了几个重要的引理。杨波(2003)本人在单品种的基础上有扩展到多品种的方法求解运算。衣方磊等人(2005)对停止“损失”随机函数来确定需求量有效性进行了理论和实证分析得出当需求点n个数不大时,求解费用呈下降的趋势,但随着n的增到很大的时候,费用减小的余地不大,基本保持不变。戎晓霞(2004)讨论了需求环境不确定的情况下的建模的方法,即将其转化为目标函数系数为区间数的区间规划问题,并进行了归类。同时以均匀分布建立隶属度函数为例进行了实证分析。覃运梅(2005)针对物流配送中心选址的需求与成本会随时间的变化而变化的情况。考虑了动态选址模式,把问题转换为网络的最短路问题,并用Dijkstra算法求解。(二)基于遗传算法的选址方案优化方法从定量的方法来看,有连续型向离散型求解逐步的演进,重心法着重解决连续型变量,运输规划法、Cluster法、CFLP法、Baumol-Wolf法、混合0-1整数规划法,启发式算法,遗传算法等主要解决离散型变量。启发式算法主要是解决混合0-1整数规划法中需求点和供应点的个数和大的情况下通■徐军芜湖职业技术学院过设定比较标准,简化变量求解克服线性规划的不足。遗传算法这是从生物学的角度来克服混合0-1整数规划中启发式算法的在解决大规模的变量的时候的缺陷。其思想是1产生初始群体;2计算群体中每一染色体的适应度函数低;3通过旋转赌轮选择染色体;4对染色体进行交叉和变异操作,产生新种群;5重复步骤2至步骤4直到规定的迭代次数;6报告最好的染色体为最优方案。韩庆兰,梅运先(2004)通过建立选址决策的模糊评价矩阵,利用具有学习性质的BP人工神经网络来处理数据,来避免传统算法的不足,比较客观地对多个选址方案的优劣进行评价,并引用实例说明该方法的实现过程。李怡,谢红兵(2006)利用GIS的空间分析技术,在电子地图上分析定性因素得出了一系列选址候选点,在此基础上建立整数规划选址模型,采用聚类的方法对客户分群,用贪婪取走启发算法得出最佳配送中心选址地点。(三)物流配送中心选址模型丁浩,李电生(2004)具体分析了城市物流特点并提出城市物流配送中心选址应该最大综合效益最大化为基本原则,并探讨了参数的确定和计算步骤。任春玉,王晓博(2005)考虑电子商务环境下的物流配送特点,将物流配送中心选址模型从变动费用和时间约束的条件上进行修改,建立适用于电子商务环境下的物流配送中心选址模型。并运用层次分析法考虑定性因素针对NP问题用启发式算法求解。陶莹(2005)建立了一种针对电子商务环境下的物流配送中心选址模型,对于一级配送中心的选址是通过货币尺度来确定;对于二级配送中心是通过费用函数来确定,最后分别对这两个选址模型进行了实证。柳伍生(2004)针对邮政物流网络设计的特点设计了物流配送中心一级、二级的选点,并提出了比较合理的物流配送中心运营模式。三、物学等其他相关学科的应用物流配送中心选址模型与方法的研究深度不断的加强对于理论完善有着十分重要的意义,并随着计算机技术的发展和数学、生物学等其他相关学科的方法广泛运用于物流配送中心