随机物流ppt课件

1、随机需求下的物流配送中心动态选址研讨 物流配送中心选址的重要性 物流配送中心建立工程规划中一个非常重要的问题就是物流配送中心的选址决策。一方面，选址决策直接关系到日后物流配送中心本身的运营本钱和效力程度；另一方面，由于选址决策属于物流系统的长期规划工程，在进展物流配送中心选址决策时通常要思索众多影响要素，这使得物流配送中心选址问题普通都很复杂。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、仿真方法以及综合要素评价法。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，很少表达在特定阶段内需求的随机性以及各阶段之间需求变化。

2、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讨方向，讨论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讨步骤：首先根据需求特点划分整个规划期为假设干阶段，对物流配送中心进展动态选址；其次，在特定的阶段内，从需求点的需求随机性出发，采用确定性目的函数引入随机需求，建立随机需求下的物流配送中心选址的期望值模型，利用混合遗传算法进展模拟，求解在特定阶段下以及在相应阶段的需求分布下的单配送中心选址点；最后，在确定了各阶段的单配送中心选址点的前提下，将该多阶段决策的动态选址问题转化成最 短路问题，运用Dijkstra算法进展求解。多阶段决策涵义：有一类这样的活动的过程，

3、它的整个过程可分为假设干个相互联络的阶段(stages)，在它的每一个阶段都需求做出决策，且对整个过程的效果产生影响。因此，各个阶段决策的选取不是恣意确定的，它不仅依赖于当前面临的形状，且影响以后的开展。将各个阶段决策组合，就组成了一个决策序列。各阶段采取的决策普通来说与该阶段的相关信息有关。把一个问题可看作一个前后关联的、具有链状构造的多阶段过程(如图3-1)就称为多阶段决策过程，12n形状形状形状形状多阶段决策过程：多阶段决策问题转化为最短路问题本文假设阶段数为4，其中P1,P2,P3,P4分别代表阶段1，阶段2，阶段3和阶段4的最优决策。 P1 P2 P3 P4 阶段一 阶段二 阶段三

4、阶段四步骤一：求解出各阶段的最优战略方案在不同阶段的量化目的。 C11 C21 C31 C41P1 C12 C22 C32 C43P2 C13 C23 C33 C43P3 C14 C24 C34 C44P4 阶段一 阶段二 阶段三 阶段四步骤二：相邻阶段之间决策改动时，将会付出一定的代价，本文对该代价进展量化。 C11 C21 C31 C41P1 C12 C22 C32 C43P2 C13 C23 C33 C43P3 C14 C24 C34 C44P4 阶段一 阶段二 阶段三 阶段四步骤三将各阶段笼统成点，各阶段顶点的数目为该阶段能够会采取的决策。相邻两点之间的权值为步骤一和步骤二的量化目的之

5、和。上图中红线就代表由阶段一的战略P1改动到阶段二的战略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展求解，使复杂的多阶段决策问题演化成简单的最短路问题，简化了问题的复杂性.这里运用Dijkstra算法分析最短途径。Dijkstra方法的根本思想是从起点出发至终点，逐渐地探寻最短路。求出整个过程的选址战略。动态选址的涵义：物流配送中心动态选址是指在物流配送中心规划期的根底上上，根据市场需求的特点，参照经济开展的近期、远期的期限划分，将物流配送中心的规划期分为假设干个“阶段。那么，在延续开展的各阶段所对应的需

6、求分布下就可对各阶段做出最优决策，并分别求出各阶段的最优战略在不同阶段量化目的以及相邻节点改动时所付出代价的量化目的。在物流配送中心选址的多阶段决策问题中，随着时间的开展而产生各个阶段的决策，从而构成决策序列。这就是动态选址的意义。需求数量40302010 时间 第一周期 第二周期 第三周期混合遗传算法混合遗传算法基于邻域搜索算法经过邻域搜索对初始位置有较强的依赖性的缺陷，和遗传算法的个体多样性，全局搜索才干强的优点，在遗传算法中参与邻域搜索思想。其步骤如下：(1)初始化群体，规模为M；(2)以运输费用最低把每个需求点交由被选中的配送中心配货，从而确定每个配送中心的配送区域；(3)计算每个个体

7、的顺应值：(4)在每个配送中心的配送区域内，选择恣意一个备选配送中心替代原来的配送中心，以运输费用最小化原那么使其为该区域的其它需求点配货；(5)计算重新分配后的顺应值，假设重新分配后的优于重新分配前的那么前往(4)，否那么转(6；(6)对重新分配后的群体进展遗传操作；(7)判别停顿准那么。是，输出当前全局最优；否，前往到(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 现有某公司预备建立物流配送中心，以便有效降低物流本钱，提高客户效力质量，加强市场竞争力。一下是各需求点在每年的需求量以及供应点的供应情况。需求点D1在不同阶段的需求范围及需求概率 需求量 需求概率 需求量 需求概

8、率 需求量 需求概率 需求量 需求概率 阶段一 150 0.3 250 0.4 300 0.2 500 0.1 阶段二 180 0.1 300 0.2 380 0.4 500 0.3 阶段三 200 0.4 300 0.1 330 0.1 500 0.4 阶段四 200 0.3 320 0.1 350 0.3 500 0.3需求点D2在不同阶段的需求范围及需求概率 需求量 需求概率 需求量 需求概率 需求量 需求概率 需求量 需求概率阶段一 0 0.2 80 0.2 250 0.5 300 0.1阶段二 20 0.3 100 0.3 300 0.2 330 0.2阶段三 60 0.1 150

9、0.4 350 0.3 360 0.2阶段四 100 0.4 150 0.4 350 0.2 400 0需求点D3在不同阶段的需求范围及需求概率 需求量 需求概率 需求量 需求概率 需求量 需求概率 需求量 需求概率阶段一 0 0.4 40 0.2 200 0.2 250 0.2阶段二 60 0.2 100 0.4 220 0.3 270 0.1阶段三 100 0.2 150 0.3 250 0.4 300 0.1阶段四 150 0.1 180 0.1 300 0.2 350 0.6需求点D4在不同阶段的需求范围及需求概率 需求量 需求概率 需求量 需求概率 需求量 需求概率 需求量 需求概率

10、阶段一 30 0.1 90 0.3 150 0.4 200 0.2阶段二 50 0.2 100 0.2 130 0.4 150 0.2阶段三 0 0.4 20 0.4 50 0.2 80 0阶段四 0 0.5 30 0.4 40 0.1 60 0.1 供应点的消费量 PLANT1 PLANT2 PLANT3供应量 300 500 400注：每一阶段供应点的供应量是相等的。物流配送中心的相关信息 固定投资 单位产品处理费用 容量上限 （单位：万元） （单位：元） DC1 65 194 110 DC2 80 161 165 DC3 75 149 140DC4 50 180 100供应点到物流配送中

11、心的运输费率元/吨 DC1 DC2 DC3 DC4 PLANT 1 100 500 150 330PLANT2 300 400 380 220PLANT3 300 450 200 320配送中心到需求点的运输费率元/吨 D1 D2 D3 D4DC1 500 510 350 100DC2 300 500 490 480DC3 180 170 330 220DC4 490 400 200 259随机优化求解最正确选址点 利用混合遗传算法对随即需求下的物流配送中心选址进展模拟，求解在不同阶段以及该阶段所对应的需求分不下的物流配送中心最正确选指点；同时求解在该阶段的最正确选址点时不同阶段一级该阶段所对

12、应的需求分布下的期望最小总费用， DC4 DC1 DC3 DC2阶段一 阶段二 阶段三 阶段四配送中心在不同阶段在不同选址点下的总费用阶段一阶段二阶段三阶段四P1137.52417.57558.24425.55P2406.42138.04436.65439.26P3272.64551.96139.32424.71P4544.04274.16140.03142.76阶段二的选址点变动本钱P1P2P3P4P1020.58430.8P266.9074.434P358.562.2045P449.517.4560阶段三的选址点变动本钱P1P2P3P4P1069.217.713P275.2015.714.

13、4P36650.8013.9P455.659.211.80阶段四的选址点变动本钱P1P2P3P4P1087.64511P247.7039.912.2P341.732.1011.7P435.137.5300第一阶段各节点之间的权值矩阵.52406.42272.64544.04第二阶段各节点之间的权值矩阵417.47 158.54 635.96 304.96484.47 .04 626.36 308.16476.07 153.50 551.96 307.16467.07 155.44 552.52 274.16第三阶段各节点之间的权值矩阵558.24 505.85 157.02 153.03633.40 436.65 155.02 154.43624.24 487.45 .32 153.93613.84 495.70 151.12 140.0