运筹学在物流领域中地应用

运筹学在物流中的应用摘要：物流在现代社会当中扮演着非常重要的角色。本文通过运筹学方面的知识来解决物流中出现的问题。最后通过运筹学来解决几个例题的最优解问题。1引言物流(Logistics)是指物品从供给地向承受地的实体流动过程.在现代物流中，物流管理〔LogisticsManagement丨是指在社会在生产过程中，根据物质资料实体流动的规律，应用管理的根本原理和方法，对物流活动进展计划、组织、指挥、协调、控制和监视，使各项物流活动实现最优的协调与配合，以降低物流本钱，提高物流效率和经济效益。随着我国社会经济的快速开展，国民经济和贸易呈现迅猛开展的态势。现代综合物流管理中，对采购、包装、流通加工、储存保管、配送、装卸和运输等物流活动诸要素的管理，对人、财、物、设备、方法和信息等物流系统诸要素的管理 ，对物流经济管理、物流质量管理和物流工程经济管理等物流活动中具体职能的管理都要用到数学知识。运筹学在现代物流企业的实际应用是一个非常具有意义的课题，借助运筹学的主要研究内容和方法，建立了大致的知识框架体系，它不是枯燥乏味的理论，而是非常实用的学科，生活中几乎处处都有运筹学，特别是对物流工作更是意义深远，能帮助物流企业解决许多实际的问题。运筹学是运用系统化的方法，经由建立数学模型与其测试，协助达成最优决策的一门科学。它主要研究经济活动和军事活动中能用数量来表达的有关运用、筹划与管理等方面的问题，它根据问题的要求，通过数学的分析与运算，做出综合的合理安排，以达到较经济、有效地使用人力、物力、财力等资源。运筹学与物流学作为正式的学科都始于二战时期，从一开始，两者就密切的联系在一起，相互渗透和交叉开展，运筹学应用的案例大都是物流作业和管理。运筹学作为物流学科体系的理论根底之一，其作用是提供实现物流系统优化的技术与工具，是系统理论在物流应用的具体方法。二战后，各国都转向快速恢复工业和开展经济，而运筹学此时正转向经济活动的研究，因此极大地引起了人们的注意，并由此进入了各行业和部门，获得了长足开展和广泛应用，形成了一套比拟完整的理论，如规划论、存储论、决策论、和排队论等.而战后的物流并没有像运筹学那样引起人们与时的关注，直到20世纪60年代，随着科学技术的开展、管理科学的进步、生产方式和组织方式等的改变，物流才为管理界和企业界所重视，因此，相比运筹学，物流的开展滞后了一些。不过，运筹学在物流领域中的应用却随着物流学科的不断成熟而日益广泛。随着科学技术的不断进步和普与，运筹学所能解决的问题越来越多，广泛应用于军事、工业、农业、自然科学、社会科学等各个领域，已成为人们为合理利用有限资源制定最优决策的有力工具，它的研究X围正在不断扩大。2运筹学与物流运筹学运筹学也称作业研究，是运用系统化的方法，经由建立数学模型与其测试，协助达成最优决策的一门学科。他主要研究经济活动和军事活动中能用数量来表达的有关运用、筹划与管理等方面的问题。它根据问题的要求，通过数学的分析与运算，作出综合的合理安排，以达到较经济地、有效地使用人力、物力、财力等资源。运筹学的主要分支有规划论、对策论、排队论、网络计划〔即统筹方法〕和质量控制等，许多著作把也测技术也作为运筹学的一个分支。物流学物流译自英文PhysicalDistribution〔实体分配〕“物的流通〃，简称PD简单的说，早期的物流概念就是指商品的实体存储与运输，即商品实体的空间位移。此概念最早源于没过，20世纪60年代中期为日本所引用，在我国曾一度叫做“商品储运"。而现代物流如此使用Logistics“后勤"这个词。20世纪80年代物流的概念普遍用Logistics取代PD.1985年没过物流管理协会正式从名称NationalCouncilofPhysicalDistributionManagement改为NationalCouncilofLogisticsManagement,从而标志现代物流观念确实立,以与对物流战略管理的统一化。Logistics本来是作为军事用语，指的是战时物资补给等后方支持业务。日本的林周二对物流的定义是这样描述的：“物流是包括物料的废弃与复原，联结供给主体与需要主体，克制空间与时间距离，并创造一局部形质效果的物理性经济活动。具体包括运输、保管、包装、装卸、物流加工等活动以与有关的信息活动。"德国的R?尤尼曼对物流所下的定义为：“物流是研究对系统的物料流〔materialflow〕与有关的信息流〔informationflow丨所进展的规划与管理的科学理论。〃在现阶段，“物流〃作为最有代表性的定义，是全美物流管理协会的定义，即“物流是以适应顾客需要为目的的，对从产地到消费地的原材料、半成品、成品和与之相关信息的专业保管进展有效率的计划、执行、管理等一系列过程〃。与原有的物流概念相比，“后勤〃的概念有所扩大，包括从原材料供给到消费的整个过程的管理。随着顾客需求的多样性、多品种、少量、多频度的商品供给以与经济的全球化现象，使后勤在企业的活动中相对重要性逐步提高，随着信息技术的开展，尤其是网络技术的开展，物流的X围已经超过了一个企业的界限，扩大到了多个企业。我国在 2001年8月1日开始实施的国家标准《物流术语》中对物流作了如下规定：物流即物品从供给地向接收地的实体流动过程，根据实际需要，将运输、存储、装卸、搬运、包装、物流加工、配送、信息处理等根本功能实施有机的结合。运筹学与物流的关系物流与运筹学具有严密的联系，它们作为科学概念都是起源于 20世纪40年代的第二次世界大战，从开始起，两者就是互相渗透，交叉开展。然而，运筹学开展较快，已经形成了比拟完备的理论体系和多种专业学科，而物流科学开展比拟缓慢，理论体系尚不完备，包含的专业学科也很少。在第二次世界大战期间，运筹学家们在解决后勤保障、潜艇战术等一系列军事问题上做出了巨大的成就，战后运筹学受到美国一些大公司的重视，他们把运筹学应用到企业管理之中，在局部企业取得成功以后，运筹学的应用得到了迅速的开展。随后,几乎在所有兴旺国家中都掀起了一股研究和应用运筹学和科学管理的热潮，运筹学是一门实用性很强的科学，他的方法应用于各个领域，包括物流领域。如果查阅运筹学方面的著作，就会发现运筹学应用的典型案例大都是物流作业与其管理，这也说明物流与运筹学之间的密切关系。3物流领域中的运筹学应用3.1存储论存储论又称库存论，主要是研究物资库存策略的理论，即确定物资存储量、捕获频率和一次补货量。合理的库存是生产和生活顺利进展的必要保障，可以减少资金的占用，减少费用支出和不必要的周转环节，缩短物资流通周期，加速再生产的过程等。在物流领域的各节点：工厂、港口、配送中心、物流中心、仓库、零售店等都或多或少地保有库存，为了实现物流活动总本钱最小或利益最大化，大多数人们都运用了存储理论的相关知识，以辅助决策。并且在各种情况下都能灵活套用相应的模型求解，如常见的库存控制模型分确定型存储模型和随机型存储模型，其中确定型存储模型又可分为几种情况：不允许缺货，一次性补货；不允许缺货，连续补货；允许缺货，一次性补货；允许缺货，连续补货。随机型存储模型也可分为：一次性订货的离散型随机型存储模型和一次性订货的连续型随机存储模型。常见的库存补货策略也可分为以下四种根本情况：连续检查，固定订货量，固定订货点的〔 Q,R丨策略周期性检查的〔T,S〕策略以与综合库存的〔T,R,S〕策略。针对库存物资的特性，选用相应库存控制模型和补货策略，制定一个包含合理存储量、合理存储时间、合理存储结构和合理存储网络的存储系统。3.2图〔网络〕论自从上世纪50年代以后，图论就广泛应用于解决工程系统和管理问题， 将复杂的问题用图与网络进展描述简化后再求解。图与网络理论有很强的构模能力，描述问题直观，模型易于计算实现，很方便地将一些复杂的问题分解或转化为可能求解的子问题。图与网络在物流中的应用也很显著，其中最明显的应用是运输问题、物流网点间的物资调运和车辆调度时运输路线的选择、配送中心的送货、逆向物流中心产品的回收等，运用了图论中的最小生成树、最短路、最大流、最小费用等知识，求得运输所学时间最少或路线最短或费用最省的路线。另外，工厂、仓库、配送中心等物流设施的选址问题，物流网点内部工种、任务、人员的指派问题，设备更新问题，也可以运用图论的知识辅助决策者进展最优的安排。3.3排队论排队论也称随机服务理论，主要研究各种系统的排队队长、等待时间和服务等参数，解决系统服务设施和服务水平之间的平衡问题，以较低的投入求得更好的服务。排队现象现实生活中普遍存在，物流领域中也多见，如工厂生产线上的产品等待加工，在制品、产成品排队等待出入库作业，运输场站车辆进出站的排队，客服务中心顾客排队的服务设施数量、系统容量、顾客到达时间间隔的分布、服务时间的分布特征，可分为〔M/M/1/〕,〔M/M/1/k〕,〔M/M/1/m〕,(M/M/s/k), 〔M/M/s/m丨几种不同情况，不同情形套用相应的模型可以求解。3.4对策论、决策论对策论也称博弈论，对策即是在竞争环境中做出的决策，决策论即研究决策的问题，对策论可归属为决策论，它们最终都是要做出决策。决策普遍存在于人类的各种活动之中，物流中的决策就是在占有充分资料的根底上，根据物流系统的客观环境，借助于科学的数学分析，实验仿真或经验判断，在己提出的假如干物流系统方案中，选择一个合理、满意方案的决断行为。如制定投资计划、生产计划、物资调运计划、选择自建仓库或租赁公共仓库、自购车辆或租赁车辆等等。物流决策多种多样，有复杂有简单，按照不同的标准可化分为很多种类型，其中按决策问题目标的多少可分为单目标决策和多目标决策。单目标决策目标单一，相对简单，求解方法也很多，如线性规划、非线性规划、动态规划等。多目标决策相对而言复杂得多。如要开发一块土地建设物流中心，既要考虑设施的配套性、先进性，还要考虑投资大小问题等，这些目标有时相互冲突，这时就要综合考虑。解决这类复杂的多目标决策问题现行用的较多的，行之有效的方法之一是层次分析法，一种将定性和定量相结合的方法。4运筹学软件与其应用运筹学是应用分析、实验、量化的方法，对物流工程管理系统中人力、物力、财力等资源进展系统安排，为决策者提供有依据的最优方案，以实现最有效的管理.通过运筹学的与物流的联系，我们能轻易的看到运筹学对于现代物流的重要性，我们在掌握运筹学的根本分析方法之后，可以利用LINGO的软件分析实际问题。Lingo软件主要用于求解和分析线性规划、非线性规划、二次规划和整数规划等问题，提供了建立最有问题的一种语言。容易建立起约束或目标函数组，能使输入大规模问题的过程得到简化.Lingo软件包含了Lingo建模语言和许多常用的内部数学函数，可以供使用者建立数学规划模型时调用。运筹学中的线性规划问题可以用于解决有限的物流工程资源的最优分配问题，即如何有限的物流工程资源做出最优方式的调配和最有利的使用，一遍充分地发挥资源的效能去获取最优经济效益。利用线性规划的方法解决实际问题，首先建立数学模型，可以用单纯形法或用表上作业法进展求解，得到结果，并且对结果进展灵敏度分析，对有限资源做出最优的调配和使用。

5.1问题的提出运输问题有产销平衡和产销不平衡两种，产销不平衡问题在实际生产中占绝大局部，但是考虑其处理方法和产销问题类似，这里只就产销平衡问题的解决方法加以说明，探讨出其中所蕴含的数学方法。表上作业法是求解产销平衡问题的一种简便方法，其根本思路是：〔1〕找出初始根本可行解；〔2〕在表上计算非基变量的检验数，判别是否达到最优解〔非基变量是和基变量相对的，基变量可简单理解为能用一样的变量线性表示的那些变量，或者进一步可理解为其系数向量性无关的那些变量〕；〔3〕确定换入变量和换出变量，找出新的根本可行解，在表上用闭回路法进展调整； 〔4〕重复〔2〕和〔3〕，直到得到最优解为止。为便于理解和简单起见，下面用具体的例子解进展说明。例：某公司有三个加工厂Ai,A2,A3生产某产品，每日的产量分别为7t,4t,9t,该公司把这些产品分别运往四个销售点 Bi,B2,B3,B4,各销售点每日销量分别为3t，6t，5t，6t。从各工厂到各销售点的单位运价如 5-1表所示。问该公司应如何调运产品，在满足各销售点需要量的前提下，使总运费最少？表5-1公司调运产品前提B1B2BaB4A110101010A28888A35555问题的分析因为是产销平衡问题，所以假如记冷表示从产地A到销地Bj的运量〔i=1，2;j=1，2，3,4〕，如此可建立下面数学模型：minZ3x11 11x12 10x14x21 9x22minZ3x11 11x12 10x14x21 9x222x238X247X314X3210X335x34XiiX12X13X14乙X21X22X23X244,X31X32X33X349,丄 X11X21X313,s.t.〔1〕X12X22X326,X13X23X335,X14X24X346,Xii0.表5-2解题表格B1B2B3B4//X曰发量AX11X12X13X147311310AX21X22X23X2441928AX31X32X33X34974105收量3656表5-2左下角数字表示从工厂A到销地Bj的单位运价问题的解决考虑到约束方程组〔1〕的增广矩阵的秩为6〔后面给出推导〕，因此在下面寻找初始可行解时所选的基变量个数为6。因为目标函数是求最小运费，故初始可行解可从q中最小的数字开始逐次确定，且使单位运费小的数值所对应的运量尽可能的大〔该运量用加括号的方法表示〕，同时规定对同样小的数值，任取其中一个，当某一行或列对应的发量或收量已经满足时，该行或列其余位置处的运量划“X〃。最后得到一个调运方案，如表5-3所示：

表5-3调运方案B1B2B3B4//X曰发量AXX〔4〕〔3〕7311310A〔3〕X〔1〕X41928AX〔6〕X〔3〕974105收量3656由上表可知，初始基变量为：X13,X14,X21,X23,X32,X34；非基变量为：Xu,X12,X22,X24,X31,X33•该方案的总费用：13463421 10353 86然后确定打“X〃处变量即非基变量所对应的检验数， 判断上面解是否最优解。此时的判断方法是用闭回路法或位势法等简单方法， 但实际上只是单纯形法的变式而已，最终只要判断所有的检验数是否全部大于等于 0即可〔后面给出解释〕，假如是，如此说明已经是最优解，否如此要重新换基。利用闭回路法求得非基变量的检验数如表5-4所示〔在闭回路法中，检验数由回路上的变量对应的单位运价按“ +〃，“-〃相间求和得到〕：表5-4检验数表格非基变量闭回路检验数X11X11X13X23X21X111X12X12X14X34X32X122X22X22X23X13X14X34X32X221X24X24X23X33X14X24-1X31X31X34X14X13X23X2