随机需求下的物流配送中心动态选址研究.pptx

随机需求下的物流配送中心动态选址研究; 物流配送中心选址的重要性;关于物流配送选址的方法： 目前在物流配送中心选址方面有一些 比较成熟的方法，例如重心法、最优化规划方法、启发式方法、仿真方法以及综合因素评价法。但这些选址方法建立的主要是确定型需求下的静态选址模型，很少体现在特定阶段内需求的随机性以及各阶段之间需求变化。本文以需求的随机性、多阶段决策问题与动态选址相结合为研究方向，探讨随机需求下物流配送中心动态选址过程。;随机需求下的物流配送中心动态选址研究步骤：;多阶段决策涵义：;1;多阶段决策问题转化为最短路问题; C11 C21 C31 C41 P1 C12 C22 C32 C43 P2 C13 C23 C33 C43 P3 C14 C24 C34 C44 P4 阶段一 阶段二 阶段三 阶段四;步骤二：相邻阶段之间决策改变时，将会付出一定的代价，本文对该代价进行量化。 C11 C21 C31 C41 P1 C12 C22 C32 C43 P2 C13 C23 C33 C43 P3 C14 C24 C34 C44 P4 阶段一 阶段二 阶段三 阶段四; 步骤三将各阶段抽象成点，各阶段顶点的数目为该阶段可能会采取的决策。相邻两点之间的权值为步骤一和步骤二的量化指标之和。 上图中红线就代表由阶段一的策略P1改变到阶段二的策略P2所付出的一个量化。; P1 P2 P3 P4 阶段一 阶段二 阶段三 阶段四;经过以上步骤，就可以将多阶段决策问题转化为最短路问题进行求解，使复杂的多阶段决策问题演变成简单的最短路问题，简化了问题的复杂性.这里使用Dijkstra算法分析最短路径。Dijkstra方法的基本思想是从起点出发至终点，逐步地探寻最短路。求出整个过程的选址策略。;动态选址的涵义：;需求数量 40 30 20 10 时间 第一周期 第二周期 第三周期;混合遗传算法;配送中心的配送区域； (3)计算每个个体的适应值： (4)在每个配送中心的配送区域内，选择任意一个备选配送中心代替原来的配送中心，以运输费用最小化原则使其为该区域的其它需求点配货； (5)计算重新分配后的适应值，如果重新分配后的优于重新分配前的则返回(4)， 否则转(6）； (6)对重新分配后的群体进行遗传操作； (7)判断停止准则。是，输出当前全局最优；否，返回到(2）;随机需求下的物流配送中心动态选址模型的建立： ;最后：实例分析;需求点D1在不同阶段的需求范围及需求概率;需求点D2在不同阶段的需求范围及需求概率;需求点D3在不同阶段的需求范围及需求概率;需求点D4在不同阶段的需求范围及需求概率;供应点的生产量;物流配送中心的相关信息;供应点到物流配送中心的运输费率（元/吨）;配送中心到需求点的运输费率（元/吨）;随机优化求解最佳选址点;配送中心在不同阶段在不同选址点下的总费用;阶段二的选址点变动成本;阶段三的选址点变动成本;阶段四的选址点变动成本;第一阶段各节点之间的权值矩阵;第二阶段各节点之间的权值矩阵;第三阶段各节点之间的权值矩阵;第四阶段各节点之间的权值矩阵; P1 P2 vo V0 P3 P4 阶段一 阶段二 阶段三 阶段四;结论：