基于直觉模糊数的物流配送中心选址的评价方法

文章利用模糊数连续有序加权算子对直觉模糊数中的三角模糊数集结,给出一种直觉模糊数的简便比较规则;采用文献综述法和问卷调查法构建了物流配送中心选址评价指标体系,采用一种组合赋权法确定指标权重;针对物流选址评价过程中存在的不确定性和信息获取不完备性,构建了基于直觉模糊数的物流选址评价方法;最后实证分析了某企业物流配送中心选址的过程.     

连锁经营企业区域物流配送中心选址的两阶段模型

本文在提出配送中心吸引力指数的概念、建立以吸引力指数最大为目标函数的选址理论模型的基础上,求解出理论上的最优选址点;然后为了使模型解决具体问题时具有实用性,引入交通区位和地价两个权重因素,在理论最优选址点附近区域内有选择地挑选若干个点一起作为候选地址,对不同候选地址的吸引力指数用交通区位因素和地价因素两个权重进行加权,从而实现连锁经营企业区域物流配送中心的选址优化。     

基于多属性决策的物流中心选址问题研究

配送中心选址在整个物流系统中占有十分重要的地位,物流节点的数量、分布将直接影响到该物流系统的物流服务成本以及其服务范围。文章从对物流配送中心建立到配送各过程进行研究,构建了基于OWA算子与TOPSIS法的选址模型,最后通过实例表明决策系统在多拟建地点的选址排序中的科学性和有效性。     

物流配送中心选址方法

在实际物流系统中,配送中心并不是单一的,可能有不同的种类和层次,并且不同种类的配送中心提供的服务也存在很大的差异性。比如在很多大型配送中心具有强大的综合功能,包括仓储、加工装配、运输和配送等;同时也还有一些只具有转储、运输功能的小型配送中心。在多个不同层次配送中心同时存在的情况下,顾客就会依据对服务种类的需求就近选择适合自己的配送中心;同样当顾客距离这两类配送中心的位置几乎一致时,他们会选择服务功能多一些的大型物流配送中心,因为这种配送中心提供的服务范围会更完善一些。由于不同种类配送中心的建设代价不同,实际中需要同时考虑两层配送中心的定位选址问题,当然这样选址定位模型会变得复杂得多。     

物流配送中心选址的设计及评价模型

文章研究物流配送中心选址问题,运用运筹学原理建立方案设计模型,并结合不确定性多属性决策模型进行方案评估,优化整个选址过程,为物流中心的选址问题提供参考方案,寻求最佳经济效益。     

指定与不指定备选点的配送中心选址-库存模型研究

针对物流企业经常遇到的配送中心只能在指定的备选点中选择的限制,将固定建设成本风险共担选址-库存问题扩展为不指定与指定备选点的可变建设成本配送中心选址-库存模型,构建了二次非线性0-1整数规划模型.结合粒子群算法的特点,分别设计J×J矩阵与I×J矩阵为不指定备选点和指定备选点的可变建设成本配送中心选址-库存模型的初始粒子.在粒子群算法思路、流程指导下,用C++编程,通过C++builder运算.采用Hakimi文章中算例计算,并对运输成本系数β、库存成本系数θ进行敏感性分析.     

考虑决策主体风险偏好的连锁企业物流系统优化研究

连锁企业在面对各种不确定性因素时会表现不同的风险偏好.文章主要考虑连锁物流系统中供应商的供应风险、城市配送中心的运营风险和连锁门店的需求风险.将风险事件的可信性置信水平转换为风险偏好系数,研究决策主体的风险偏好对连锁企业物流系统的各项指标和整体性能的影响.结果表明,随着决策主体风险偏好程度的增大物流系统的总成本目标值逐渐减小,并最终影响采购与配送决策.     

基于蚁群算法与RBF神经网络模型的突发应急配送决策

文章根据大型突发事件的突发性和不确定性,以及食品在物流过程中极易腐损等特点,确立一个用于食品物流应急配送中心选址决策的评价指标体系,并在这基础上,将蚁群算法(ACA)和径向基神经网络(RBFNN)结合起来,建立一个选址决策模型.该模型既具有神经网络的广泛映射能力,又具有蚁群算法所带来的高效率、全局收敛、分布式计算等特点,能够在安全、可靠、高效的原则下,较好地解决大型突发事件中食品应急配送中心的选址决策问题,以便确保和加快灾区的食品供应.最后,通过模拟算例表明该模型的适用性.     

基于生态位适宜度和主成分-TOPSIS法的配送中心选址模型研究

配送中心选址作为物流系统规划中的重要组成部分,已成为企业建立竞争优势的关键.文章在总结目前国内外配莲中心选址方面的研究成果和理论经验的基础上对配送中心选址相关问题采用生态位适宜度和主成分-TOPSIS法进行研究,先用生态适宜度对备选方案进行第一次基本前提条件的筛选,再采用主成分-TOPSIS法选出最优的备选方案.可以避免"差中选好"的现象,有一定的现实意义.     

“互联网+”时代物流配送中心选址优化模型构建

“互联网+”环境下,只有选对配送中心地址,才能保证生鲜产品快捷、保质送达至消费领域.文章立足生鲜农产品特质,通过线性规划理论,对“互联网+”时代农产品物流配送中心进行优化选址模型构建,并应用启发式算法持续逼近得以生成最优解,在此基础上选择若干主要物流配送中心地址展开算例分析.研究结果显示,该模型能够实现对配送中心选址优化,提高生鲜农产品物流配送效率,有效满足消费者对生鲜农产品新鲜度、品质度及配送时间窗的需求,降低了物流企业的配送成本.     

区域物流与经济协调性的评价方法

文章基于层次分析法、因子分析方法和SPSS统计分析软件为基础,构建了区域物流与区域经济发展综合实力评价指标体系,创建了区域物流与区域经济发展实力层次因子分析评价模型;以区域物流与经济发展实力为研究视角,建立了二元回归模型并深入研究了区域物流与经济的协调性;以吉林省物流与经济协调发展为例,对模型具体的构造方法与实用性进行了说明.     

基于协同库存和模糊需求的离散选址模型研究

供应链环境下配送中心的运作是竞争和协作并存的。在满足供应链整体利益的前提下,各配送中心仍然追求个体利益的最大化。因而我们引入协同库存机制来解决这个问题。我们构建了供应链总成本最低和配送中心覆盖率最大的多目标的离散随机选址模型。模型中需求点对配送中心贡献的效益和需求点的需求量是两个重要的参数,对于前者我们采用网络层次法求解,而后者我们采用模糊三角函数来模拟,使其更贴近于现实情况。该模型考虑了随需求量产生非线性变化的配送中心的固定投资以及在配送中心和需求点之间产生的运输费用和仓储费用,对传统的最大覆盖模型进行了优化,提出了覆盖率的概念。     

厂内配送中心管理信息系统应用研究与实践

文章通过对再生纺化纤行业某龙头企业厂内物流配送中心的需求研究,提出了一个基于量子遗传算法和约束线性规划原理的厂内配送中心系统的解决方案.探讨了基于Intranet模式的企业信息系统的软硬件总体结构和实现方法.并着重研究了运用量子遗传算法和约束线性规划原理来解决配送中心管理系统中成本问题.系统应用至今,取得了很好效果.     

带道路容量限制的多配送中心选址问题的数学模型与算法

文章研究了带道路容量限制的多配送中心选址问题,在综合考虑货物周转费用、运输费用、配送中心年固定费用的前提下,根据实际情况引入了运输道路容量限制,以总费用最低为目标建立了该问题的整数线性规划模型。然后给出了求解该模型的精确算法,又根据贪婪思想设计了求解该问题的启发式算法,并利用具体的实例进行了模拟计算,结果显示,其模型及算法具有很好的效果。     

供应链环境下的区域物流网络库存需求预测模型

文章研究了区域物流网络中由x个零售商、y个配送中心、z个供应商组成的供应链的库存需求预测问题.将供应链的各个节点分为上下游两级,结合供应链以及库存需求的特点,运用Dijkstra算法求解了最短路径;构建了整条供应链的需求预测模型,用以求得各个节点企业的精确需求量;最后通过具体实例给予了论证.     

废弃品联合回收物流网络优化设计

合适的逆向物流管理模式和优良的逆向物流网络结构是废弃产品和返修产品成功回收的关键。本文分析了多生产商联合回收的优势,建立了基于成本限制和双容量约束的多生产商联合回收的逆向物流网络模型,旨在确定逆向物流中心和废弃品处理站的选址和分配,使联合企业的回收成本降到最小。     

基于改进遗传算法的物流配送中心选址研究

物流配送优化研究是一个既有理论和实践意义又富有挑战性的课题。对配送中心选址问题,文章提出了单点PMX交叉方法及有针对性变异的思想,并对传统精英个体保留策略进行了改进。通过性能比较可以看出,改进遗传算法的优势明显。     

区域物流系统发展的负熵机理及状态模型

文章首先界定了区域物流系统,把区域物流系统的组成要素分为物流基础、经济基础、基础环境。接着,运用协同学知识,分析了区域物流系统的负熵机理,并认为:要使区域物流系统驱向协同发展方向,必须使系统流出的熵大于流入的熵,即使系统获得负熵流,从而使系统的总熵下降,避免系统熵增加,导致系统出现无序状态。在此基础上,构建了区域物流协同状态模型,并介绍了模型的作用。     

区域物流与区域经济发展互动关系研究——以浙江省为例

区域经济是区域物流发展的基础,区域物流是区域经济发展的支撑,二者相互依存、相互促进.以货运周转量、旅客周转量为区域物流能力指标,GDP为区域经济发展水平指标,选取浙江省1978～2008年有关统计数据进行分析,结果表明浙江区域物流与区域经济具有显著的相关性.建立了数学模型,采用该模型对浙江区域物流与区域经济关系发展趋势做出预测,并对浙江物流业发展提出了相应的建议.     

区域物流需求预测模型研究

为了提高区域物流需求预测的能力,文章从区域经济等影响因素指标与区域物流需求之间的内在关系的角度,利用主成分分析对各影响因素指标进行处理,构造了基于主成分分析-SVR的"影响因素-区域物流需求"预测模型.在选择适当的参数和核函数的基础上,对上海市物流需求量进行仿真,通过与标准的-SVR方法和线性回归方法进行了对比,发现该方法能获得较小的训练相对误差和测试相对误差.