周月波[1]2014年在《遗传算法在物流系统中的应用研究》文中研究表明本文从物流的发展出发,论述了物流系统效率与经济社会发展的关系,引出了物流系统建模的重要意义。接下来对物流系统建模的概念、必要性、组成要素、方法加以论述,并对常用的算法加以简要分析。随后选取了遗传算法作为研究对象,对其发展背景、概念模型、算法流程、联合应用、未来研究热点及展望等进行详细介绍。接下来分别从配送中心选址、配送路径优化、运输问题等叁个方面着重研究了遗传算法在物流系统中的应用,建立了对应的模型,并应用遗传算法予以求解。最后,以重庆市的B物流企业为例,针对其实际案例及数据对上文提出的应用遗传算法的模型加以实例分析,最后证明了本文提出的结论,对现实生产生活具有一定的指导意义。
钟晓燕[2]2008年在《生鲜农产品配送系统优化与动态仿真》文中提出随着信息技术的发展,现代物流作为“第叁个利润源泉”正受到日益广泛的重视,并面临前所未有的发展机遇。我国农产品物流发展相对落后,如何在满足消费者日益多变的需求的同时,为企业带来利润,引起了广大决策者和研究者的兴趣。在现代物流中,配送是一个与消费者直接相连的重要环节,其体现了企业的核心竞争力。而配送中心选址、配送路径优化和库存优化是配送系统优化中的重要内容,通过对各个环节的优化,有利于提高农产品物流管理水平和运作效率,降低配送成本,增强农产品物流的综合竞争力,为生产实践提供决策理论依据。研究了我国传统的生鲜农产品物流配送模式及国外的主要配送模式,在现有流通模式的基础上,提出了适合我国国情的生鲜农产品配送模式;根据配送中心选址的原则和主要影响因素等,以节省企业各项运营成本和最小投资费用为目标,建立多个配送中心选址问题的数学模型;以生鲜农产品配送过程中的时间和车辆载重量为约束条件,建立了运输成本最小为目标的生鲜农产品配送路径优化模型;分析了合理库存的重要性,从满足消费的需求出发,对配送中心的库存进行设计计算,以保证库存的合理性、经济性和最优性为目标,建立了库存控制优化模型。从系统化思想出发,将配送系统中心选址、运输与库存叁大问题进行整合,同时考虑中心选址固定投资费用、运输费用和库存费用的综合成本最低为目标函数,建立了生鲜农产品配送系统选址-库存联合优化模型。对配送中心选址模型和配送路径优化模型的求解,采用蚁群算法,运用VC和Java编写相应的求解程序;对库存控制优化模型的求解,采用遗传算法,运用VB编写相应的求解程序。对配送系统的动态仿真进行了理论分析、系统设计,开发了生鲜农产品配送系统的动态仿真系统。最后,以福建冷藏物流企业为例,对配送系统进行了初步应用分析,表明动态仿真系统有助于提高生鲜农产品物流配送系统管理决策水平,提高系统运作效率,降低配送成本。
谢苏苏[3]2007年在《一类智能算法在物流运输—库存联合优化问题中的应用研究》文中研究指明物流系统是由运输、存储、配送等多个环节相互依赖、相互制约而构成的有机整体，其发展程度已成为衡量一个国家现代化程度和综合国力的重要标志之一。作为物流系统中最重要的两个部分，运输和库存环节的执行情况不仅关系到客户服务水平，还直接影响到整个物流系统的成本控制。现有的数学方法在求解此问题时还很不完善，因此对其优化控制的研究具有重要理论意义和实际应用价值。本文以物流系统为基础，运用蚁群算法和遗传算法的基本理论，针对运输车辆优化调度、库存补充计划安排及运输—库存成本联合优化问题，进行了较深入的研究工作。在运输优化环节中，首先在改进蚁群算法求解TSP问题基础上，设计基本VRP蚁群算法，并针对基本VRP蚁群算法在求解较大规模VRP问题时存在收敛慢，容易陷入局部最优的缺陷，设计了结合去交叉法的自适应调整Q值VRP蚁群算法，仿真结果显示改进VRP蚁群算法在收敛性和搜索全局最优解等算法性能方面都较基本VRP蚁群算法有了很大提高。在库存补货优化环节中，结合经济订货批量模型，给出求解基于个体最优的库存补货方案算法，针对某几天配送量过分集中情况，设计优化算法调整配送周期，在满足客户需求和配送中心运能限制的条件下，实现了运输与库存成本联合优化，仿真结果证实了算法的有效性。在运输库存联合优化环节，采用两阶段求解方法。第一阶段以同时优化运输和库存成本为目标，在制定个体最优的补货方案基础上，设计基于遗传算法的径—环分割法对众多客户点进行分组，减小问题规模，同时进一步明确基于整体最优的客户点配送量；第二阶段运用改进VRP蚁群算法对运输路线优化。实例仿真验证了算法的可行性，实现了对物流系统运输与库存成本的联合优化。
安立军[4]2007年在《遗传算法在物流配送车辆优化调度中的研究及应用》文中研究表明随着市场经济的发展和物流专业化水平的提高,物流配送业得到了迅速发展。在物流配送业务中,配送车辆调度问题涉及面较广,需要考虑的因素较多,对企业提高服务质量、降低物流成本、增加经济效益的影响也较大,是物流系统优化中关键的一环,也是电子商务活动不可缺少的内容,可以说对物流配送车辆优化调度进行系统研究是物流集约化发展、构建综合物流系统、建立现代调度指挥系统、发展智能交通运输系统基础。在现实生产和生活中,邮政投递问题、公共汽车调度问题、电力调度问题、管道铺设问题、计算机网络拓扑设计问题等可以抽象为物流配送车辆调度问题。因此,本文将物流配送车辆调度问题作为研究对象,具有一定的理论和现实意义。物流配送车辆调度问题作为一个有约束的组合优化问题,属于NP难题(Nondeterministic Polynomial Problem)。随着问题输入规模的扩大,求解时间呈几何级数上升。本文中讨论用智能算法中的遗传算法来求解车辆调度问题。本文首先分析了物流配送中车辆调度优化问题的概述,以及该问题提出的基础上,对该问题常用的两类VSP进行了描述、数学模型分析以及相应的求解算法的分析;然后在对遗传算法详细介绍的基础上,对配送路径优化问题应用MATLAB7.0实现了对遗传算法效果的仿真和比较分析,验证了遗传算法解决配送路径优化问题的可行性;在接下来的第四章分析了非满载车辆优化调度遗传算法中的旅行商问题、一般车辆优化调度问题以及时间窗车辆优化调度问题分别进行了遗传算法设计,以及实验模拟分析;在第五章分析了考虑到物流配送的日常调度作业工作量很大,运输车辆较多的情况下,单纯采用人工方法在规定时间内连续确定配送车辆整体调度的每日最优方案更是不可能的的情况下,提出建立物流配送车辆优化调度系统,就需对物流配送车辆优化调度算法计算机实现,并在该章节讨论了与之相关的数据处理及算法的实现过程。
方志斌[5]2006年在《基于数据挖掘技术的物流决策支持系统的研究与实现》文中提出物流作为集现代运输、仓储管理、产品流通、加工、配送、客户服务以及信息网络于一体的综合服务业务，在国民经济和社会发展中发挥着重要作用。物流管理的关键在于决策，决策正确与否直接决定着物流企业能否生存、发展。目前我国的大多数物流企业在物流中心选址、仓储库存等方面的决策还处于初级阶段，仅依赖于传统的经验分析方法，物流管理效率低下，急需科学的物流决策支持系统对领导者进行决策支持。本课题在充分研究现代物流业的背景知识和目前先进的计算机技术后，设计和开发了基于Visual Studio.Net平台和数据挖掘技术的物流决策支持系统LDSS。LDSS针对整个物流行业的需求进行开发，采用稳定的多层结构实现，因此可以为大多数物流企业所用。LDSS为物流企业提供日常信息管理和决策支持两重功能。针对物流行业的特点，LDSS的信息管理功能分为客户信息管理、供货点信息管理、配送中心信息和仓储库存管理四大模块，各模块分别维护企业各部门的信息并为决策支持系统搜集数据。针对我国大多数物流企业在决策管理方面的落后状况，LDSS提供物流中心选址和仓储库存两个决策支持子系统。物流中心选址决策支持子系统采用了目前先进的数据挖掘技术——遗传算法实现。课题在对物流业进行深入研究后，结合物流业的特点，在编码、交叉率和适应度叁个方面对基本的遗传算法进行了改进。在编码时，算法根据决策变量的性质采用混合并行编码方法；交叉时，算法采用的交叉率为相对遗传代数余弦下降的自适应交叉率；对适应度函数，算法利用改进罚函数法解除了配送中心选址模型的约束条件。基于C++语言，课题实现了改进后的遗传算法和基本的遗传算法，并进行了一系列的对比实验。实验证明，改进后的遗传算法在效率和精度上，都优于基本的遗传算法，因此能更有效地解决物流企业的配送中心选址问题。仓储库存决策支持子系统采用数据挖掘技术中的C4.5决策树算法实现，该算法原理简单、易于理解、计算量不大、速度快，结果容易转换成可理解性强的分类规则，并能最终给出适合高层管理人员理解的决策知识。一系列数据集上的测试结果表明，C4.5决策树算法确实能够很好的解决库存仓储决策问题。科学的物流决策支持系统在物流管理中有着极为重要的作用，它有利于提高物流决策的有效性，促进物流决策的科学化；有利于提高物流企业的管理水平，加速物流管理工作的现代化。
姚娟[6]2006年在《基于GIS的城市物流配送路径规划研究》文中指出随着计算机和网络技术的进一步发展和应用，现代物流配送正步入一个信息化、自动化、网络化、智能化的发展阶段。特别是近年来GIS在理论和应用中的发展为解决现代化物流配送提供了有利的条件。本文结合电子商务环境下的第叁方物流企业的需要，对物流配送中的配送车辆的路径优化问题进行了研究。在借鉴前人研究成果的基础上，将GIS应用于物流配送路径分析中，利用GIS强大的空间分析功能来完善物流分析技术，通过一系列物流配送优化算法模型，开发了基于GIS的城市物流配送路径分析系统，从而为物流配送管理者提供科学的决策依据。在解决城市物流配送路径规划问题时，本文采用分解的思路把整个路径规划问题分解成为配送区域划分子问题和单车辆路线优化子问题。在配送区域划分的求解过程中，本文首次提出了利用Voronoi图对配送区域进行区划的方法，避免了其他区划方法出现的区域半径确定的随意性以及配送区重迭或配送盲区的问题。在单车辆路线优化的求解过程中，本文采用启发式的方法--遗传算法来实现，并在遗传算法框架中加入局部搜索能力很强的贪婪算法，利用贪婪算法邻域搜索原则建立了一种新的遗传交叉算子--贪婪交叉算子，从而改善了遗传算法的局部搜索能力，达到了快速收敛的效果。最后本文提出了基于GIS的城市物流配送路径分析系统的总体设计思路和详细的功能设计，并利用ARC／INFOR的MapObjects控件和VB为开发平台，开发了基于GIS的城市物流配送路径分析系统。
翦象慧[7]2011年在《基于GIS的现代物流配送系统研究与实现》文中研究指明物流配送是构成物流系统的基础,是物流系统的核心功能。物流配送优化是在配送的诸多环节中,从物流系统总体目标出发,运用系统理论和系统工程原理和方法,通过数学建模构建合理的配送路线和配送工具,以最短的路径、最少的环节、最快的速度和最少的费用,组织好物品的配送与管理。基于GIS的现代物流配送系统可实现通过对空间信息与属性信息的一体化管理与综合分析,借助GIS的空间分析能力,大大提高物流配送系统的决策科学性、可视性和信息化程度。本文以GIS的现代物流配送系统的研究和实现为中心,针对物流配送车辆优化调度模型、基于GIS技术的配送调度决策分析和基于GIS的现代物流配送管理系统的设计等叁个问题进行了研究和设计。讨论了物流配送的概念、配送原则、相关业务以及影响配送的主要因素；研究了遗传算法和模拟退火算法的原理和特点；分析了GIS技术的特点和功能,以及在物流配送系统中的应用价值。根据配送调度的特点,分析了车辆优化调度叁种不同过程类型,给出了优化调度模型约束条件、目标函数等要素。通过对物流配送车辆调度中的运输距离、车辆载重率、配送时间等问题的分析,确定了模型的结构,建立了优化调度模型。本章采用模拟退火遗传算法对问题的求解方法进行了分析,给出了该算法求解优化调度问题的具体步骤。通过模拟实验,验证了该算法的可行性和有效性。提出了物流配送车辆优化调度模型与GIS的集成方法,并通过基于GIs的多条件复杂网络分析功能的设计和实现,扩展了GIS的网络分析功能,实现对配送点的路径优化。论文给出了基于GIS的现代物流配送系统的设计目标、系统构建、系统的功能需求和数据需求等,完成了对系统的总体功能、各模块功能、数据库的设计。本文以SuperMap IS.NET为GIS开发平台,选用C#为系统开发语言,根据提出的设计方案,进行了基于GIS的现代物流配送系统的实施。本系统不仅可以提供普通的业务处理功能,还可以实现调度过程的智能化决策,并以列表和电子地图双效果进行展示,更有利于使用者应用系统处理业务。
向永生[8]2006年在《基于AHP与GA的配送中心选址问题研究》文中研究指明配送中心是物流配送系统的重要组成部分，同样，它的地址的确定是配送中心规划的一个核心问题。配送中心选址是一个复杂的、非线性规划问题，它与许多因素有关，比如：配送中心的规模、配送商品的性质、候选地的经营环境、交通便利性、气候等等。如何选取影响因素并确定其相互关系以建立恰当的评价体系，如何高效地获取该非线性问题的最优解等，这些都是国内外专家学者研究的热点问题。本文的研究目标是通过恰当的方法建立一个良好的、全面的评价体系以构造选址模型，并寻求一种高效率的搜索、优化算法求解该问题。为此，本文通过应用层次分析法(AHP，Analytic Hierarchy Process)与专家意见相结合建立评价体系，刻画物流配送中心选址模型；并在对标准遗传算法(SGA)研究和分析的基础上，提出了一种基于优良个体特征方向变异的变异算子来改进标准遗传算法的一些缺陷，使其能够自适应地、有方向地进行变异，以此增加种群的多样性并提高其收敛速度，该变异算子的引进还有效的避免了“早熟”现象的发生；最后将改进遗传算法(DMGA)应用于物流配送中心选址问题的求解，取得良好的效果。本文方法的优点在于能够尽可能多的考虑影响选址的因素，同时，改进的遗传算法的应用保证了算法的收敛速度提高了运算效率，因此，也保证了本文算法求出的最优配送中心地址是有效地、符合实际情况的。
林广智[9]2009年在《基于遗传算法的物流配送管理系统的应用研究》文中研究表明在物流配送领域,如何快速、准确的获得用户信息并及时开展业务,高效、合理的完成配送服务,成为决定物流企业市场竞争力的重要因素。其中优化的车辆路径选择方案是改善物流配送现状的一个重要突破口。因此本文将基于遗传算法的优化路径选择策略应用于物流配送管理系统中,研究如何选取合适的运输路线,以加快对客户需求的响应速度,提高服务质量,降低运营成本。首先,本文简要介绍了物流配送的基本概念,然后对目前可用于路径优化问题的多种优化算法进行了对比,分析了各种算法在用于物流配送路径选择问题中的优缺点,最终确定遗传算法作为本文的研究算法,并对其进行了详细的研究。然后,详细介绍了物流配送管理系统的设计与实现。论文针对基于B/S模式的物流管理系统作了需求分析,给出了系统设计功能模型和数据库的逻辑设计及物理设计。在系统总体设计之后,重点介绍了系统关键功能的实现。前台管理功能主要包括各类信息发布、及信息查看、修改、删除等功能;后台管理功能主要包括对车辆、物流、货物及会员信息管理等功能。本文采用JSP技术作为开发工具,使用SQL Server数据库作为存储数据库,来实现物流配送管理系统的功能。最后,本文阐述了车辆路径问题(VRP)的一种改进遗传算法的设计与实现,并将该算法成功应用到物流配送管理系统模块中,实现物流配送路径选择的自动化。通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“选择算子”和“变异算子”进行了改进。并和一般的遗传算法进行了比较,通过计算结果证明:(1)在算法性能方面:改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;(2)在车辆配送路径方面:改进算法的得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到5条配送路线,最低装载量仅为3.1,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法。最后开发了一个配送决策子系统,该系统封装了改进的遗传算法,同过界面的形式为决策者提供合理的配送路径,是现了物流配送系统的自动化。
郝红艳[10]2007年在《基于遗传算法的物流园区功能区布局方法研究》文中研究表明近年来,我国物流事业在各地蓬勃发展,对当地的经济发展的贡献越来越大,各地纷纷兴建物流园区,以期通过资源的整合和园区的规模效应进一步发展现代物流产业,而现在国内物流园区规划处于起步阶段,尚没有形成统一的方法。这就需要我们进一步研究和探索。物流园区功能的有效实现取决于合理规划和设计物流园区的内部布局,而各功能区的布局是首要解决的问题。运用恰当的方法来实现各功能区的最优布局是物流园区规划建设的基础,也是进一步进行各功能区内部布局设计的前提。本论文借鉴德国物流园区规划总结出的MSFLB规划方法,并研究其中的功能设计和布局设计部分。将广泛应用于车间设备布局的系统化布局方法(SLP)应用在功能区布局中,考虑因素更加客观、可量化,在系统化布局方法(SLP)中尝试加入遗传算法,形成一套完整的从功能划分到功能区布局的方法,最后将该方法应用于连云港港口后方的某物流园区。并运用加权因素分析法证明该方法得出布局结果的优越性,为下一步物流园区设施规划打下良好的基础。
参考文献：
[1]. 遗传算法在物流系统中的应用研究[D]. 周月波. 重庆交通大学. 2014
[2]. 生鲜农产品配送系统优化与动态仿真[D]. 钟晓燕. 福建农林大学. 2008
[3]. 一类智能算法在物流运输—库存联合优化问题中的应用研究[D]. 谢苏苏. 南京理工大学. 2007
[4]. 遗传算法在物流配送车辆优化调度中的研究及应用[D]. 安立军. 上海海事大学. 2007
[5]. 基于数据挖掘技术的物流决策支持系统的研究与实现[D]. 方志斌. 国防科学技术大学. 2006
[6]. 基于GIS的城市物流配送路径规划研究[D]. 姚娟. 华中师范大学. 2006
[7]. 基于GIS的现代物流配送系统研究与实现[D]. 翦象慧. 湖南大学. 2011
[8]. 基于AHP与GA的配送中心选址问题研究[D]. 向永生. 长沙理工大学. 2006
[9]. 基于遗传算法的物流配送管理系统的应用研究[D]. 林广智. 大连交通大学. 2009
[10]. 基于遗传算法的物流园区功能区布局方法研究[D]. 郝红艳. 北京交通大学. 2007
标签：数学论文; 宏观经济管理与可持续发展论文; 遗传算法论文; 物流配送模式论文; 路径分析论文; 功能分析论文; 蚁群算法论文; 物流配送论文; 算法论文;