现代物流课程论文.doc

现代物流的配送与管理摘要：在现代物流配送路径优化的基础上，形成了优化配送路径的遗传算法，并进行了实验计算。结果表明，用遗传算法进行物流配送路径优化，可以方便有效地求得问题的最优解或近似最优解。并形成了对物流配送中心的规划与管理。关键词：物流配送；遗传算法；规划；管理In the modern logistics distribution path optimization, and on the basis of the formation of the path optimization distribution genetic algorithm, and the calculation. The results show that the genetic algorithm to optimize logistics distribution path and is effectively get the optimal solution of the problem or approximate optimal solution. And formed the logistics distribution center for the planning and management一、现代物流配送的定义配送的概念既不同于运输，也不同于旧式送货，而有着物流大系统所赋有的特点。我国GB定义为：配送指在经济合理区域范围内，根据客户要求，对物品进行挑选，加工，包装，分割，组配等作业，并按时送达指定地点的物流活动。二、提出的问题 随着市场经济的发展和物流技术专业化水平的提高，物流配送业得到了迅猛发展。物流配送是指按用户的订货要求，在配送中心进行分货、配货，并将配好的货物及时送交收货人。在物流配送业务中，存在许多优化决策问题，本文讨论其中的物流配送路径优化问题，即通过制定合理的配送路径，快速而经济地将货物送达用户手中。配送路径的选择是否合理，对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。 研究表明，配送路径优化问题是一个NP难题，只有在需求点和路段较少时，才能求得精确解。因此，用启发式算法求解该问题就成为人们研究的一个重要方向，并出现了多种启发式算法，如Clarke和Wright提出的节约法，Gillett和Miller提出的扫描法等，虽然这些算法为求解配送路径优化问题提供了有效的方法，但也存在一定的问题，如节约法虽然具有运算速度快的优点，但也有组合点零乱、边缘点难以组合的问题，扫描法为非渐进优化等。如何针对物流配送路径优化问题的特点，构造运算简单、寻优性能优良的启发式算法，是一个值得深入研究的课题。遗传算法的出现为求解物流配送路径优化问题提供了新的工具，该算法是由美国的J.Holland教授于1975年提出的，它是一种借鉴生物界自然选择和自然遗传机制的随机化搜索方法。由于遗传算法采用随机选择，对搜索空间无特殊要求，无需求导，具有运算简单、收敛速度快等优点，尤其适用于处理传统搜索方法难于解决的复杂和非线性的问题，目前已广泛应用于组合优化、机器学习、自适应控制等领域。本文针对物流配送路径优化问题的特点，构造了求解该问题的遗传算法，通过实验计算，得到了较好的结果。三、物流配送路径优化问题的数学模型物流配送路径优化问题可以描述为：从配送中心（或称物流据点）用多辆汽车向多个需求点（或称顾客）送货，每个需求点的位置和需求量一定，每辆汽车的载重量一定，要求合理安排汽车路线，使总运距最短，并满足以下条件：（1）每条配送路径上各需求点的需求量之和不超过汽车载重量；（2）每条配送路径的长度不超过汽车一次配送的最大行驶距离；（3）每个需求点的需求必须满足，且只能由一辆汽车送货。本文借鉴文献3建立的车辆路径问题的数学模型，并通过考虑上述物流配路径优化问题的约束条件和优化目标，建立了物流配送路径优化问题的数学模型。 设配送中心有K辆汽车，每辆汽车的载重量为Qk（k=1，2，K），其一次配送的最大行驶距离为Dk，需要向L个需求点送货，每个需求点的需求量为qi（i=1，2，L），需求点i到j的运距为dij，配送中心到各需求点的距离为d0j（i、j=1，2，L），再设nk为第k辆汽车配送的需求点数（nk=0表示未使用第k辆汽车），用集合Rk表示第k条路径，其中的元素rki表示需求点rki在路径k中的顺序为i（不包括配送中心），令rk0=0表示配送中心，则可建立如下物流配送路径优化问题的数学模型： （1） s.t. （2） （3） （4） （5） （6） （7） （8）上述模型中，（1）式为目标函数；（2）式保证每条路径上各需求点的需求量之和不超过汽车的载重量；（3）式保证每条配送路径的长度不超过汽车一次配送的最大行驶距离；（4）式表明每条路径上的需求点数不超过总需求点数；（5）式表明每个需求点都得到配送服务；（6）式表示每条路径的需求点的组成；（7）式限制每个需求点仅能由一辆汽车送货；（8）式表示当第k辆汽车服务的客户数1时，说明该辆汽车参加了配送，则取sign(nk)=1，当第k辆汽车服务的客户数1时，表示未使用该辆汽车，因此取sign(nk)=0。四、物流配送路径优化问题的遗传算法仿真实验本文用matlab编制了多物流配送中心路径优化问题的遗传算法计算程序。算例：有两个配送中心各两辆配送车向9个需求点配送，配送车的载重量均是10吨。配送中心（编号为-1和-2）与需求点之间以及需求点相互之间的距离dk(1)dk(2)、9个客户的需求量qk均见下表1。要求安排合理的配送路线，使得总的配送路径最短。根据算例的特点，在用遗传算法对其求解时采用了一下参数：种群规模取25，进化代数取100，交叉概率取0.9，变异概率取0.01，对不可行路径的惩罚权重取100km。对算例求解10次，所得的计算结果见表2。表1 算例的已知条件表dk(1)k(2)（km） k(2) -1 -2 1 2 3 4 5 6 7 8 9k(1) -1 0 10 6 12 4 10 4 6 10 13 3-2 0 12 8 12 4 6 8 4 9 91 0 13 5 11 8 9 13 10 62 0 15 10 10 8 10 5 113 0 10 6.5 10 11 14 64 0 3 7 3 10 85 0 5 7 12 76 0 8 8 47 0 12 108 0 109 0 qk（t） - - 3 4 4 2 3 2 3 2 1表2 算例的遗传算法计算结果计算次序 1 2 3 4 5 6 7 8 9 10 平均配送总距离（km） 67 64 68 70 64 68 64 67 68 64首次搜索到最终解的代数 43 38 36 42 53 57 49 51 48 52由表2可以看出：用遗传算法对算例的10次求解中，有4次得到了问题的最优解64km（其对应的配送路径方案为：路径1:-1,1,3,-1;路径2：-1，5，6，9，-1；路径3：-2，4，7，-2；路径4：-2，2，8，-2），6次得到了问题的近似最优解，这种方法求解多物流配送中心路径优化问题明显的优于把多个配送中心问题通过任务分派转化为单物流配送中心问题求解。五、物流配送中心的规划配送中心是基于物流合理化和发展市场两个需要而发展起来的，是以组织配送式销售和供应，执行实物配送为主要功能的流通性物流结点。它很好地解决了用户多样化和厂商大批量专业化生产的矛盾，因此逐渐受到企业的重视，而配送中心在我国的发展明显的滞后，并存在诸多问题。一、道路交通建设仍不能满足现代物流配送的需要。二、配送中心设施不健全。三、配送管理落后。四、配送中心系统缺乏总体设计。五、配送成本过高。六、配送中心的功能难以发挥出来。六、物流配送中心的管理配送中心是现代物流的一个发展方向，具有广阔的市场前景。但由于我国配送中心起步的时间较晚，基础比较薄弱，很多优势没能体现出来。随着配送中心在我国的进一步发展，人们开始探讨解决其存在的问题，从而实现其在我国现代物流中的作用。一、加大政府的投资力度，完善相关辅助设施。二、加大培养配送管理方面的人才。三、开发配送中心管理信息系统。四、结合实际，开发科学有效的配送管理方法。五、仓储与配送成本的控制。六、对配送中心系统进行总体规划。随着我国现代物流的进一步发展，人们越来越认识到配送中心的优势所在。然而上文提到的问题是许多配送企业在发展过程中必然会面临的。也许它们经过分析探寻到了同样的应对策略。但不管怎么说，它们成熟了许多，从而必将推动我国配送中心的又好又快发展。七、参考文献1 李军, 郭耀煌. 物流配送车辆优化调度理论与方法M . 北京:中国物资出版社,2001.2 李军,谢秉磊,郭强. 非满载车辆调度问题的遗传算法J . 系统工程理论方法应用,2000 ,.3 张涛,王梦光,杨建夏. 不确定计划数的轧制批量计划的模型和算法J . 系统工程学报,2000 ,15 (1) .4 郎茂祥. 物流配送车辆调度问题的模型和算法研究D . 北京:北方交通大学,2002.5 郎茂祥,胡思继 用混合遗传算法求解物流配送路径优化问题的研究 中国管理科学 2002 6 Filipec M , Skrlec D , Krajcar S. Genet