【《物流配送中心选址与路径规划研究的国内外文献综述》3700字】

1物流配送中心选址与路径规划研究的国内外文献综述1.1国外研究现状（1）配送中心选址方法研究现状在早期是由德国社会经济管理学家雷德·韦伯提出，由于当时众多国家与公司存在运送货物里程太大，太耗时又耗费人力。因此为解决这个问题，雷德通过研究发现，合理地选择一个固定的数据仓库，通过数学计算使他们总里程数最小在实际运用中能节省不少力气。这一思想的提出核心是建立单一的物流配送地点，此观点被专家学者所认可。Caroline对解决路径总距离最短有独特的研究方式，通过路径重链接技术解决广义无容量p-中值定位问题，其中运用到了平衡大小簇的创建方法。此方法以总距离最小为目标构建了单一配送地与各地之间的总距离函数模型，并从中控制变量求解寻求一个解的范围，在实例中，数据表明西班牙歌声之间距离符合此参数模型的构建核心[1]。Mauricio对多商品的随机需求性和不同周期中战略问题有相应的研究。在整个研究过程中运用到了复杂的理论知识，通过非线性、混合整数规划模型以及非凸度，在雷德的基础上使得单一的仓库位置更加优化并合理安排需求区域和制造的设置问题。在降低成本这方面有显著的作用，主要表现在固定成本、运输以及库存成本。改理论也成功应用到了实际中去，哥伦比亚的一家轧钢公司运用到了此方法，成功的降低了公司各方面的成本[2]。MijatKustudic提出一种新算法，此算法是新型和声搜索算法，通过协调新的和声来证明算法的改进对物流选址问题具有更好效果和收敛。通过对比两种经典算法如协调搜索算法以及遗传算法，这种新型算法更能很好的解决问题[3]。MarioSchmidt则提出了改进线索球碰撞体积来对路径问题进行说明和探索，其提出的算法能够准确有效的进行搜索任务，合理地解决了两级路径问题给人们带来的困扰[4]。(2）配送路径规划方法研究现状LukaszZmudzinski对移动代理路线有着不一样的看法，并创造除了粗糙算法。在研究过程中，其充分考虑了填充数据和cfill两种算法，并且测试了潜在的发展路径可能在其他不同的场景中的可能性，给出了一个大概的算法时间，并对路径规划做了一个完整的统计[5]。HipolitoHernandez-Pérez为了能够使解更加有效使用了一种分开来切割的算法，同时构建松散混合整数规划模型，此模型可用于解决特定的路径规划问题，如对客户的有容量车辆路径进行多次访问，并使用割平面法对其模型进行有效排除无效解[6]。LuisaBrandao得出结论ahts路由问题明显难于vrp问题，由于石油天然气需要汽车运输的问题，导致物流运输出现明显的效率不足问题，从时间窗和同步约束车辆路径问题入手，运用贪婪算法构建数学模型并求解[7]。Cordeau得出结论使用优化的遗传算法能够提高我国企业管理水平并对物流成本有一定的控制作用，其研究是由于观察某个汽车制造商的配送过程及整个运用效率，发现效率过低，因此想通过理论研究使汽车制造商的配送更加有效且迅速[8]。ChristophHertrich研究给定容量约束的车辆在指定时间窗内向客户发送货物的最优路径。使用进行局部改进的启发式教学方法，进一步降低了企业目标函数的成本。模拟分析证明了该算法的有效性[9]。AndresPalma-Blanco则认为更应该从客户时间窗、产品入手，认为他们存在不相容性，以此来思考汽车路径的问题，同时以异构车队为主体进行实验研究。一般来说，为了得出最优化的解决方案，需要解决np难，尤其为了得到一个有两个信息素的蚁群系统，因此解决配送费用最小化以及车队规模问题进行构建模型并求其可行解，验证其有效性[10]。Abdallah解决局部最优解问题，使得配送路径结果不用过早收敛，在构建中采用不同以往的遗传算法，使用加强遗传算法，并对在时间问题上存在的偏执问题的模型上运用了特殊的评价方法进行求解[11]。1.2国内研究现状(1)物流配送中心选址研究现状刘辉运用遗传算法分析物流公司选址问题，此研究过程中运用到了遗传算法的鲁棒性和容易更改的特性，同时以广州KT物流公司为主要的调查目标，通过构建相应的模型进行多次求解，并检验选址是否具有优势[12]。袁群在研究冷链物流配送问题中，综合了时间窗、物流管理等因素纳入到模型中，其目的是为了减少在实际理论研究中早早收敛或者是仅仅只能得到局部最优解的情景[13]。齐隽运用关联地带分析法和层次相关性分析法，研究了生鲜冷链的货物运送的选址问题，通过合理的综合混合型算法，研究了整个生鲜冷链的货物运送选址、路径规划问题，对其进行优化和改善[14]。徐小平求解物流配送问题研究出了一种新算法-伪反向蜘蛛优化算法，运用了独特的分布方式使得蜘蛛种群初始化，在进一步改进步长因子，同时通过多次实验与模拟验证了此算法的合理性[15]。赵浩认为新型的配送方式是需要去进行仿真实验的，在此实验中，确立配送中心是关键，采取层次分析法，以M连锁零售企业物流配送为背景，得出结论准确确立7个具体的物流配送中心，此配送模式运用到了线性规划来构建相应模型。从单一配送基地变成7个配送区域，使得物流配送管理更加具有有效性[16]。戴卓运用混合设计算法中的里程数节约法和贪婪搜索，构建多层的物流选址问题模型，基于这种算法的有效性，对此问题进行求解[17]。刘建仁在解决冷链物流开放式车辆路径规划问题为优化目标时，将管理者利益最大化为目标及消费者舒适度最大为目标纳入参考因素，实际结果表明此两种因素若能够合理解决则会对使路径规划成本降低且可行性变高[18]。(2)配送路径规划研究现状王美琼对遗传算法有深入的研究，蚁群算法是比较常见的算法，因此对其改进，由于车辆在运输过程中市场存在载不满的现象，因此引入软时间窗概念，对此问题进行相应的分析和完善[19]。邓烨将时间和配送速度两种因素相结合，从分考虑到军事物流配送中所存在的时效性问题，将此模型运用遗传算法进行求解，基于此模型分析，解决了使服务时间缩短的目的[20]。杨湘燕为了降低物流规划的成本，对物流路径规划问题进行了数次优化并以配送的车辆GPS数据为研究的核心内容进行了构建模型[21]。孙阳通过对物流网点大范围的物流资源和信息需求进行整理设计，采用以延迟为核心并不断进行物流配送的理论方案，利用实例仿真结果发现，运用此种方法可以有效提高物流配送的综合质量问题，并在人工成本和物流公司提高效益方面有重要帮助[22]。王楠对基于提高算法性能的角度进行求解，通过构建汽车物料配送路线与路径两种时间窗模型并求解，充分运用随机次数的数学基础理论，最后运用改进轮盘算法以此来达到目的[23]。朱伟在一般的蚁群算法上提出有多种文化特点的新算法，首先提出动态与静态为主要状态，通过改进蚁群算法分析全局视角中的物流路径问题，将约束检验因子作为关键，加入实际操作中，使得配送路径问题的解决得到了很好的效果以及优化[24]。李敏建立了一种低成本且能够适用于绝大多数路径规划的混合因素模型，利用有序领域系统进行相应的操作，作用于种群初始化，达到检验该实验的有效性[25]。赵程程基于对物流管理的优化问题进行了一定的分析，并在《仓储配送管理》中构建了全新的知识体系，运用3D使得教学更加直观更加真实，并且在实例中，证实了在实际的生产过程中环境的影响对效率有明显的影响[26]。邹娟通过粒子群算法研究舰船应急物流路径规划，此研究的基础使基于另一种算法-双层蚁群优化算法，其目的主要是提升路径规划的效率问题，在研究中，通过仿真实验对舰船应急物流规划有了一个准确的数据[27]。冯文研究时间窗约束了物流公司车辆路径规划问题，合理引入GIS技术，纳入到物流配送管理中，将空间信息的影响纳入考虑范围，实际考虑空间信息在配送系统中是否具有重要意义，基于不同的分析求解，物流公司配送中存在的信息问题得到了解决[28]。参考文献CarolineN,GustavoBL,GeraldoGP.Astudyontheimpactofbalancingthenumberofelementsoftheclustersontheuncapacitedp-medianslocationproblemusinggraspwithpath-relinking[M].SpringerInternationalPublishing:2018-09-14.MauricioO,VíctorC,PabloA.Multi-commoditymulti-periodinventory-locationproblem:modelingandsolvinganindustrialapplication[M].SpringerInternationalPublishing:2019-09-20.MijatK.Researchoptimizationonlogisticdistributioncenterlocationbasedonimprovedharmonysearchalgorithm[M].SpringerInternationalPublishing:2018-06-21.MarioS.Two-echelonlogisticsdistributionroutingoptimizationproblembasedoncollidingbodiesoptimizationwithcueball[M].SpringerInternationalPublishing:2018-08-09.LukaszZ.Comparisonofroughmereologybasedpathplanningalgorithmsforintelligentrobotics[M].SpringerInternationalPublishing:2019-10-03.HipólitoH,JuanJ.Optimalsolutionsforthevehicleroutingproblemwithsplitdemands[M].SpringerInternationalPublishing:2019-09-20.LuísaBC,AndréBM.Agreedyheuristicforthevehicleroutingproblemwithtimewindows,synchronizationconstraintsandheterogeneousfleet[M].SpringerInternationalPublishing:2019-09-20.CordeauF,GendreauM,LaporteG.Researchonmilk-runroutingproblemofautomotivesupplylogisticsbasedongeneticalgorithm[M].SpringerBerlinHeidelberg:2013-06-15.ChristophH,PhilippH,ChristianT.Sweepalgorithmsforthecapacitatedvehicleroutingproblemwithstructuredtimewindows[M].SpringerInternationalPublishing:2019-08-30.AndresP,EsneyderRG,CarlosD.Atwo-pheromonetrailantcolonysystemapproachfortheheterogeneousvehicleroutingproblemwithtimewindows,multipleproductsandproductincompatibility[M].SpringerInternationalPublishing:2019-09-20.AbdallahA,EssamD,SarkerR.Onsolvingperiodicre-optimizationdynamicvehicleroutingproblems[J].AppliedSoftComputing,2017,55:1-12.刘辉，林松辉．基于遗传算法的配送中心选址——以广州KT物流科技有限公司为例[J]．沿海企业与科技，2019(04)：3-11．袁群，左奕．基于改进混合遗传算法的冷链物流配送中心选址优化[J]．上海交通大学学报，2016．齐隽，司亮，李云娜．基于AHP与灰色综合评价法对冷链物流配送中心进行选址[J]．价值工程，2019．徐小平，张东洁．求解物流中心选址问题的猴群算法[J]．系统仿真学报，2018．赵浩，刘阳阳．M连锁零售企业物流中心选址与配送问题研究[J]．商场现代化，2019．戴卓．三层物流网络选址—路径优化及混合启发式算法研究[J]．计算机应用研究，2017．刘建仁．基于双层规划模型的冷链物流配送开放式车辆路径优化[J]．科技通报，2019．王美琼．遗传算法在物流配送路径规划问题中的应用[D]．南京：南京理工大学，2006．邓烨，朱万红．时变条件下军