固定分区下随机需求IRP问题最优策略及算法

随机需求库存-路径问题(stochastic demand inventory routing problem,SDIRP)是典型的NP难题,考虑随机需求环境下供应链中库存与配送问题的协调优化,是实施供应商管理库存策略的关键所在.文章的研究基于固定分区策略(fixed partition policy,FPP),在FPP下客户被分为若干个服务区域,在同一区域中的所有客户均被同时配送.根据分区策略对配送以及库存成本的影响提出了基于修正C-W节约算法的客户分区算法,证明了各区域的最优库存策略为(s,S)形式,分区内各客户的库存策略为order-up-to形式,进而设计了求解FPP下SDIRP最优策略的算法.最后,通过数值算例验证了该算法的有效性以及FPP的适用性.     

基于备件需求优先级的随机库存控制模型研究

根据所安装设备发生故障时对生产过程的影响,备件的需求可划分为关键需求和非关键需求。基于此,研究了需求服从泊松分布、提前期等于常数、基于(S-1,S)订货策略的随机库存模型,提出当库存降低到预定水平,则预留存货以满足关键需求的控制策略,并给出了不同优先级备件服务水平的计算方法。最后结合某核电站库存管理中的一个实例,验证了本文所设计模型的优点和准确性。     

随机需求下基于“自营+外包”模式的配送中心选址-配送问题研究

针对顾客需求量不确定情况下末端配送中心选址及提前备货问题,提出了基于“自营+外包”配送模式的配送中心选址-配送问题。以自营配送中心的固定运行成本、提前备货成本和各种场景下的自营配送成本、外包配送成本以及缺货损失成本的期望值之和最小化为目标,建立了两阶段连续型随机规划模型。第一阶段确定自营配送中心的选址位置和各个配送中心的提前备货量;第二阶段确定各种场景下的自营配送货运量、外包配送货运量和客户点的缺货量等,使总成本期望值达到最小。基于Monte Carlo抽样理论设计了求解模型的样本均值近似方法;以及求解大规模问题L-shaped分解算法。通过模拟算例验证了两阶段随机规划模型的优越性和样本均值近似方法的有效性;并对自营配送中心固定运行成本、单位商品的自营配送成本和外包配送成本等进行灵敏度分析,得到了不同参数对应的最优配送策略,结果表明,正常情况下“自营+外包”配送模式是企业的最佳选择。本文同时将配送中心选址和提前备货量作为随机规划模型的第一阶段决策变量,可以帮助企业降低物流成本、提高顾客的满意度。     

随机需求直接发运的运输与库存整合优化研究

分销系统的运输与库存整合优化是供应链管理的重要研究课题.本文分析了随机需求两级分销系统的三种配送策略,并具体给出了基于整车直接发运策略的运输决策与库存控制整合优化数学模型,可得到最优的两级最优库存水平和最优的运输频率.最后对给出的算例,利用MATLAB7的规划求解功能容易获得了问题的最优解.     

震后应急物资配送的模糊定位-路径问题研究

从系统集成优化的角度研究震后应急物资配送的一种新模糊定位-路径问题(LRP),综合考虑救灾点所在地理位置和地形导致的应急车辆行驶时间的随机性、救灾点应急物资需求量的不确定性与应急物资配送的时间紧迫性,以应急物资总运达时间最短与总配送成本最小为目标,构建一个基于机会约束规划的多目标模糊LRP优化模型,并根据模型的特点设计了一种混合免疫遗传算法予以求解。最后,通过算例验证了本文方法能有效解决震后应急物资配送的模糊多目标LRP,实现了震后应急物流中心定位和应急车辆路径规划的联合决策。     

整合逆向物流协同配送动态路径优化问题研究

整合逆向物流的协同配送面临着客户需求随机并发、行驶路径开环多变等不确定性挑战,这给配送路径动态规划和方案柔性制定带来了更严苛的要求.为此,使用"时间片"划分方式,将动态配送问题转化为一系列静态优化问题,提出了整合逆向物流的协同配送动态路径优化两阶段求解策略.首先,通过考虑车载量以及时间窗等软硬约束条件,构建以总物流成本最小和客户满意度最大的多配送中心协同配送初始-实时动态路径规划模型.其次,设计带有非支配排序与精英策略的多目标免疫遗传算法MOIGA对模型进行求解.最后,研究结果表明客户满意度与物流运营成本之间呈现悖反关系,高配送成本会带来高客户满意度,在相同成本支出情况下,MOIGA算法产生的规划方案客户满意度优于NSGA-Ⅱ、MOIA,这也验证了模型的有效性以及方法优越性.     

集成化物流管理中库存路径问题研究综述

综合国内外多种参考文献,介绍了IRP的基本概念及其主要特征,从常见模型、求解策略及算法2个维度综述了当前国内外关于IRP的主要研究进展,最后指出了该研究领域在未来研究中应予以重视的几个研究方向,为进一步的研究奠定了基础.     

考虑多种安全库存策略的选址-库存问题研究

考虑多种安全设置策略的物流网络的选址-库存问题,不仅是选址、订货、运输和库存的集成优化,还需要考虑多种不同的安全库存设置和转运策略。因此,本文深入讨论了二级物流网络中的六种安全库存设置策略,构建了六种考虑不同安全库存设置的选址-库存模型。在考虑集中设置安全库存时,集中安全库存需要通过转载运输实现,因此需要将转载运输成本引入选址-库存模型之中,使新的选址-库存模型更加科学合理。另外,针对六种新的选址-库存模型,提出了基于个体成本差异分配的遗传算法,迭代搜索选址、分配、库存设置策略的优化组合。最后,通过数据实验验证了模型的有效性：（1）安全库存与转载运输之间存在此消彼长的背反关系;（2）安全库存设置和转载运输策略对总成本的影响取决于两种费率权重情况。本文的研究可以为二级物流网络的选址、订货和安全库存策略集成优化决策提供参考依据。     

整合逆向物流协同配送动态路径优化问题研究北大核心CSCDCSSCI

整合逆向物流的协同配送面临着客户需求随机并发、行驶路径开环多变等不确定性挑战,这给配送路径动态规划和方案柔性制定带来了更严苛的要求.为此,使用“时间片”划分方式,将动态配送问题转化为一系列静态优化问题,提出了整合逆向物流的协同配送动态路径优化两阶段求解策略.首先,通过考虑车栽量以及时间窗等软硬约束条件,构建以总物流成本最小和客户满意度最大的多配送中心协同配送初始-实时动态路後规划模型.其次,设计带有非支配排序与精英策略的多目标免疫遗传算法M0IGA对模型进行求解.最后,研究结果表明客户满意度与物流运营成本之间呈现悖反关系,高配送成本会带来高客户满意度,在相同成本支出情况下,M0IGA算法产生的规划方案客户满意度优于NSGA-Ⅱ、M0IA,这也验证了模型的有效性以及方法优越性.     

求解带时间窗的客户需求可分条件下的车辆路径问题

物流运输中的车辆路径问题历来是一个重要的理论和实际问题,在同时考虑客户需求可分以及客户方和配送中心时间窗限制的前提下,重新构造了问题模型,并结合蚂蚁算法中转移概率的改进和最大-最小蚂蚁系统,设计了问题求解过程和分割点选取规则,计算结果显示出算法的可行性。另外还与客户需求不可分的情况进行了对比,从而说明在大规模物流运输需求下,可分能带来更好的效果。     

同时集散货物的开放式车辆路径问题研究

本文研究了车辆工作时间限制下同时集散货物的多配送中心开放式车辆路径问题,以车辆数和运输里程最小为目标,建立了多目标规划模型,提出了基于拉格朗日松弛技术和禁忌搜索算法的混合求解算法。 该算法首先求出最优解的最大下界,然后采用客户点的分配和调整策略实现解的可行化,其中禁忌搜索引入了4种领域搜索方法,采用了随机变领域搜索方法和重起策略。算例分析表明,该算法能有效地找到满意解,且采用开放式安排路线比闭合式安排路线更加经济合理。     

区分仓库与货架库存需求影响效应的零售商库存决策

既往有关库存水平影响需求条件下的库存问题研究中,通常对终端库存水平是否存在货架与零售商仓库库存水平的区别未作深入探讨。本文的研究认为,现实中许多零售商拥有仓库,其现有库存水平包括仓库库存和货架库存两部分,而影响需求的仅为与货架展示能力相关的库存,因此有必要对二者的需求影响效应进行区分。在明确这一区别的前提下,本文首先建立了供应商管理库存情况下库存水平影响需求问题的一般库存模型,给出零售商的最优订货策略;并考虑货架的容量限制,给出零售商启用仓库的判断条件。由于仓库库存仅在能够影响货架展示能力的条件下才能够影响消费需求,本文还进一步讨论了在零售商拥有仓库时,区分货架与仓库的库存水平影响需求条件下的最优库存与订货决策。这对于经营不同特征商品的零售商在进行是否需要拥有仓库,以及拥有仓库条件下的库存决策具有很好的参考价值。     

Managing stochastic demand in an Inventory Routing Problem with transportation procurement

We study an Inventory Routing Problem in which the supplier has a limited production capacity and the stochastic demand of the retailers is satisfied with procurement of transportation services. The aim is to minimize the total expected cost over a planning horizon, given by the sum of the inventory cost at the supplier, the inventory cost at the retailers, the penalty cost for stock-out at the retailers and the transportation cost. First, we show that a policy based just on the average demand can have a total expected cost infinitely worse than the one obtained by taking into account the overall probability distribution of the demand in the decision process. Therefore, we introduce a stochastic dynamic programming formulation of the problem that allows us to find an optimal policy in small size instances. Finally, we design and implement a matheuristic approach, integrating a rollout algorithm and an optimal solution of mixed-integer linear programming models, which is able to solve realistic size problem instances. Computational results allow us to provide managerial insights concerning the management of stochastic demand.     

随机旅行时间局内车辆路径问题的模型及其算法

人们在生活中会经常遇到随机旅行时间的局内车辆路径问题,如现实物流配送中的交通堵塞现象.文章在Laporte等的研究基础上,提出了一个考虑堵塞点动态产生、一个个遇到,堵塞时间为随机变量的模型,并构造了求解该模型的算法.     

Replenishment Policies for Multi‐Product Stochastic Inventory Systems with Correlated Demand and Joint‐Replenishment Costs

This study analyzes optimal replenishment policies that minimize expected discounted cost of multi‐product stochastic inventory systems. The distinguishing feature of the multi‐product inventory system that we analyze is the existence of correlated demand and joint‐replenishment costs across multiple products. Our objective is to understand the structure of the optimal policy and use this structure to construct a heuristic method that can solve problems set in real‐world sizes/dimensions. Using an MDP formulation we first compute the optimal policy. The optimal policy can only be computed for problems with a small number of product types due to the curse of dimensionality. Hence, using the insight gained from the optimal policy, we propose a class of policies that captures the impact of demand correlation on the structure of the optimal policy. We call this class (s, c, d, S)‐policies, and also develop an algorithm to compute good policies in this class, for large multi‐product problems. Finally using an exhaustive set of computational examples we show that policies in this class very closely approximate the optimal policy and can outperform policies analyzed in prior literature which assume independent demand. We have also included examples that illustrate performance under the average cost objective.     

Inventory Models with Continuous and Poisson Demands and Discounted and Average Costs

We develop a new, unified approach to treating continuous‐time stochastic inventory problems with both the average and discounted cost criteria. The approach involves the development of an adjusted discounted cycle cost formula, which has an appealing intuitive interpretation. We show for the first time that an (s, S) policy is optimal in the case of demand having a compound Poisson component as well as a constant rate component. Our demand structure simultaneously generalizes the classical EOQ model and the inventory models with Poisson demand, and we indicate the reasons why this task has been a difficult one. We do not require the surplus cost function to be convex or quasi‐convex as has been assumed in the literature. Finally, we show that the optimal s is unique, but we do not know if optimal S is unique.