第四章_物配送中心的选址.ppt

物流配送中心的选址与布局 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） 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。 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： 又有 求解方法，令 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 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 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 把这些小型中心看成需求点，应用重心法求出中央配送中心的最佳地址。 改进模型的优缺点 比较适合客户众多且较分散，配送的业务量较大，配送频繁，小批量、多批次，单个配送中心无法按时高效执行配送业务的情况 中央配送中心可有较大库存量，便于统一进货和管理。 得到的结果是满意解而可能不是最优解 遗传算法 遗传算法的概念 对某一代群体进行作用，这个作用过程叫遗传操作，遗传操作的结果便是得到下一代群体。是一种很强的有哪些信誉好的足球投注网站和优化技术，由美国Mihcigna大学的J.Hollnad教授于1975年首先提出。 遗传算法的基本操作 选择：选择体现了适者生存的自然法则，是通过把适应值高的个体复制到下一代来改善群体的平均适应值。 交叉：保证遗传算法的寻优过程能收敛到全局最优点，以及提高对优化过程的收敛速度起着重要的作用。 变异：将个体染色体编码串中的某些基因座上的基因值用该基因的其它等位基因来替换，形成一个新的个体。 基本处理流程 流程图 遗传算法的实现思想 利用某种编码技术作用于称为染色体(chormosome）的二进制数串，其基本思想是模拟由这些串所组成的群体的进化过程。 遗传算法对求解问题的本身一无所知，它所需要的仅是对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应性好的染色体比适应性差的染色体有更多的繁殖机会。 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