简述物流配送的特点(收集5篇)
时间：2025-12-09
时间：2025-12-09
关键词：连锁便利店；配送中心；选址
物流中心选址是现代物流业发展中的一个重要问题。由于不同层次、不同类型、不同地区的物流中心具有各自不同的特点，而且物流中心选址本身也具有动态、复杂、不确定等特征，所以国内外学者研究出了众多的物流中心选址方法。
一、基于指标体系构建和评价的物流中心选址研究
（一）层次分析法及其与模糊综合评价相结合的方法
梁非坤建立了层次分析法的模型，研究了配送中心位置的选择问题，指出不同的物流中心选址评价因素以及各因素权重赋值都要结合具体情况进行分析，以便更有利于物流中心选址的科学化、合理化。张健对影响物流配送中心选址因素进行了分析，提出了物流配送中心选址的流程及评价方法，并进行了实例分析。李胜馨分析了配送中心选址应遵循的原则及现有比较常用的一些选址方法，在此基础上提出采用综合建立总成本最低的数学模型和层次分析法进行配送中心的选址优化决策。
（二）指标评价体系分析方法
其中有采用专家打分来设定指标体系的，如周海英、关冬梅应用因素分析法，聘请专家对经济、社会、环境、基本条件4方面（12个指标）进行评分和赋予权重，进而加权计算出物流园区选址的最终方案；易玉枚、廖可兵、张佐钊、彭辉冰主要针对危险化学品配送中心选址，聘请专家对建设运行费用、运输费用、选址风险、运输风险和敏感目标人数进行打分形成评价指标体系等。
也有用客观方法赋予权重的，如李亚茹、张庆年采用逐对比较法确定指标权重系数；刘伯超针对冷链物流的特点，探讨了冷链配送中心选址的评价指标体系，建立了适合度评价模型等。甘泉、姜萱从企业物流成本的功能层面着手，详细分析了连锁企业配送中心选址的成本构成和影响因素，并以此为依据提出连锁企业配送中心选址成本控制的应对策略。李婷婷、黄晓东、李珍萍在综合考虑存储费用运输费用固定建设成本的前提下，建立了使总费用最低的配送中心选址问题的数学模型，分别给出了精确算法和近似算法，并通过具体的案例进行了求解及分析。肖岳峰、张昭采用两阶段选址法，先利用专家的知识和经验，选择可行的备选地址，然后以候选地的地价、运输成本、配送时间、建设费用、物流服务质量、车辆满载率为指标进行定量分析，构建具有实用性的选择模型，从中选出最优的地址。于斌列举了影响配送中心选址的运输成本、营运成本、配送中心数量、货物种类以及备选地址等五个因素，从使成本最小的角度构建了选址模型。
二、以经济空间元素为核心的物流中心选址研究
（一）重心法
重心法（重心模型）也是物流中心选址中较为常用的一种方法，有的研究直接应用该方法进行计算，有的以此方法为基础进行适度拓展进行相关分析。毛太田、陈英武建立了以吸引力指数最大化作为目标函数的配送中心选址理论模型，究其本质来说，也是一种重心法。任永昌、邢涛、赵国强先构造初始重心模型，再运用迭代法优化模型求解，对物流中心单点选址提出了很好的思路。王海松、孙领弟提出了基于多种货物最佳物流中心选址进行移动平均的方法，来最终计算出物流中心的最佳选址。谭阳波、杨怀珍、卢广玲依据迭代重心法求解出配送中心的新地址，从自然环境经济环境基础设施等方面对配送中心的新选址进行了论证。魏军、皮安涛、张加华针对粮食储运成本高、效率低、损耗大的问题，提出解决这一问题的关键在于粮食配送中心的合理选址，并用实例证明了重心法应用于粮食配送中心选址的可行性。柳长青构建重心法模型，代入数据验证所构建的重心法模型，利用SPSS软件和Excel对快递配送中心的坐标进行优化，得出比较合理的地址坐标。苏于群、王利、丛迎雪结合影响零售超市配送中心选址的主要因素，基于重心法并采用规划求解的方法求得配送中心初选址，然后通过定性优化分析从而得到最佳选址地点。佘晶晶通过建立重心模型论证建立配送中心的可行性以及配送中心最优选址的方案。
（二）运输规划法
运输规划法不同于重心法，但是它也是一种基于空间元素的物流中心选址方法，只是它关注的是运输线路的空间优化，而不像重心法那样围绕经济上的“重心”来开展研究。ANDREASKLOSE和HOKEYMIN都基于物流中心到需求点的线路呈放射状的假设，研究了运输线路的规划，将物流中心选址和运输规划结合起来进行分析。HOLMBERGK对非线性运输费用下的物流中心选址问题做了探讨。周根贵、沈雁飞以系统科学和管理理论榛础，强调基于时间满意度来考虑配送中心的选址与配送运输网络等问题。宾厚、单圣涤以运输成本的最低化作为目标（约束条件），构造出选址模型并通过启发式算法求出最优解。
三、同时考虑多个不同目标的物流中心选址研究
（一）多目标规划方法
张华、何波、杨超采用定性与定量相结合的思路，利用粗糙集和多目标规划方法进行物流选址。林浩、赵洁、陈蔚研究了经纬型网络环境中的多目标、多物流中心选址。石秋霞创新的采用了定性和定量相结合的方法，并以配送成本、仓库管理成本、仓库建设成本的总和最小的原则，最终确定了该公司的配送中心选址方案。王瑞、胡洁琼对已存在多个配送中心的情况下，在随机分配模型的基础上，构造了一个无约束的非线性规划问题，提出用Lingo解无约束的非线性规划，最后用实例进行了计算。陈成栋、周宝刚建立以成本、交货期、质量为准则的多目标混合整数规划模型，并进一步将模型转变为模糊多目标规划模型，然后用模糊层次分析法确定各个目标的权数，最后应用模糊集理论的最大（小）值法，将加权模糊多目标混合整数规划模型转化为清晰化的单目标混合整数规划，求出问题的最优解。
（二）p层规划法
TANIGUCHIE.建立了在多条高速公路交叉处进行物流运输站点选址的双层规划模型，并应用遗传算法进行了求解，其上层目标函数为总成本最小，下层规划是用户弹性需求下的物流模型。孙会君、高自友同时考虑了物流规划部门与客户双方利益，以及物流中心选址对路线安排的影响（进而对配送成本的影响），采用双层规划模型求解得到物流中心选址。
四、物流中心选址的其他研究
除上述方法外的其他分析方法。TANIGUCHIE.不但采用了双层规划法，而且本身也是用遗传算法来求解的；孟祥海、苗鑫以物流服务需求产生的净效益最大化为目标函数，给出了遗传算法求解的方法，并确定出新的物流中心的选址。王国华、陈运娟、周保梅在考虑运输成本、配送中心可变成本和固定成本的基础上，建立了一个有关多个配送中心选址的模型。李五四、李砚对离散点物流中心选址问题中的覆盖模型进行讨论，从成本与收益的角度建立符合市场机制的约束条件进行选址确定。郭美娜、李波提出了一种解决配送中心选址的机会约束目标规划模型。刘璇、杨敏华、胡兵提出了一种基于GIS的物流配送中心选址模型，该模型采用多因素参与决策的方法，结合GIS技术与空间分析方法确定最佳选址地点。计会凤、徐爱功、陈旭应用GIS网络分析方法建立配送中心选址优化模型，由几何网络来确定配送中心与需求点之间的距离，并在模型中引入租金、坡度、库存量等各种因素，使模型的设定更加符合实际情况。
王坤提出了一种改进的蚁群优化物流配送选址方法，算法把求得的解首先分解为解对，然后通过改进的蚁群优化算法将解对从不确定性转变成确定性问题，可以大大地降低求解过程。蒋美仙、徐畅、禹美凤、鲁洪祥、赵晏林从定性与定量两个方面分析了影响物流配送中心选址的各种因素并构建物流配送中心选址的模型，针对物流配送中心的选址问题分别采用AHP法、基于AHP和目标规划的集成方法求解并通过案例分析对两种方法进行比较，证明基于AHP和目标规划的物流配送中心的集成模型的优越性。林珊、段复建在模型求解算法上采用优化方法中的0-1规划割平面法，结果表明模型具有可靠性且计算复杂度得到降低。张雷、常敏慧建立了问题的数学模型，将和谐搜索算法进行改进并对问题进行求解，最后将此算法与最优保存算法（EGA）和遗传算法（GA）进行比较，验证了算法在计算结果方面的精确性和计算时间上的高效性。刘晓惠对各种选址方法进行了比较和分析，确定了适合物流配送中心选址的方法，采用过滤法求解整数规划数学模型，确定了物流配送中心的最佳地址。
物流中心选址的综合研究。井颖提出物流中心选址应该既考虑宏观又兼顾微观。杨洁分析了影响配送中心选址的因素与技术方法，探讨了我国一些配送中心存在的问题。魏光兴、张艳霞、李智桦等对国内外有关配送中心选址的方法及相关问题进行了综述。郭丽娜认为配送中心的选址和布局必须在充分调查分析各种影响因素的基础上，综合考虑自身经营的特点，商品特性以及交通状况等因素，在详细分析现状及对未来相当长时间经济运行的预测基础上对配送中心进行选址。
五、中心选址现有研究方法的不足
第一，不同的物流配送中心选址方法具有不同的适用条件，并没有哪一种方法是普遍适用、放之四海皆准的。但不少研究中对方法创新的适用范围和前提没有做深入研究，只是笼统地提出一种分析方法，并没有告诉读者这个方法适合于分析什么类型的问题，或者是适合在什么样的条件下才能使用。另一些研究则是选择某种现有的方法研究了某个具体的物流配送中心选址案例，却没有交代清楚为什么是选择这种方法，该方法是否适合既定的条件和满足该案例的实际需要。
第二，部分分析方法（模型）的假设不完全符合实际，如关于运输费用与运输距离成正比、物流网络节点之间的路径为直线等等。在研究中为了简化分析，通过一些假设消除过多无关紧要的细节，对于研究开展是必要的，否则事无巨细都纳入分析，则可能现有分析工具难以处理如此复杂的因素，也可能即使能够解决，却也花费了不必要的过多精力和社会资源，性价比不高。但是部分研究并没有分析这些不完全符合实际的假设是否会对分析结果造成扭曲，这也需要改进。
第三，部分方法（模型）偏复杂和烦琐，通过非常复杂的方法来得出了一个简单的结论，或者是模型中涉及的各种变量异常繁多，这样的研究虽具有理论价值，但在现实的物流配送中心选址中，要么是并不必要（有更简便易行的方法可以替代且对结果影响不大），要么是难以找到与之对应的完整基础数据来做实证分析，影响了现实应用效果。因此，在加强细致的理论和内在机理研究的同时，也应该多考虑一些在基础数据不完善情况下的具有更强现实可操作性的方法。
结语
配送中心选址是一个复杂的问题，其中涉及的影响因素很多，既包括企业自身的经营理念和经营特点，也包括市场总体需求及其区域空间分布情况，还包括政府政策以及其他各种外部环境因素的影响。正因为配送中心选址的问题非常复杂，所以现有的很多研究从不同的角度出发，提出了很多不同的研究方法，但是没有哪种方法是放之四海皆准的整理方法，都必须结合具体情况、具体问题来进行具体分析。
参考文献：
[1]梁非坤.基于层次分析法的物流中心选址问题研究[J].财会通讯，2011（05）
[2]张健.物流配送中心选址问题研究[J].中国西部科技，2012（03）
[3]李胜馨.基于配送中心优化选址问题的研究[J].物流工程与管理，2012（08）
本文从钢材流通角度，简要阐述了钢材配送中心的功能和价值，国内钢铁企业钢材配送中心的建设现状、建设内容等，并对钢材配送中心物流系统的建设及管理进行了粗浅的分析。
钢材配送中心的功能和价值
钢材配送中心作为钢铁企业重要的营销和服务手段之一，其基本功能以流通加工、配送和仓储为主。流通加工是钢材配送中心最基本的功能，涵盖钢材的剪切、落料、激光拼焊、冲压及表面预处理等加工类型。配送中心需根据其目标客户及目标市场的实际需求来确定相应的加工类型。配送是按照客户订单的品种、规格、重量、包装方式、交货时间等要求，通过钢材配送中心合理的组织和规划，以最有利或成本最低的方式，将合格的钢材产品送到客户期望的交货地点。仓储则是钢材配送中心为钢铁企业或客户提供的“蓄水池”功能，主要负责钢材的存放、保管及其它相关业务。除上述基本功能之外，目前国内部分钢材配送中心还为客户提供选材、融资、技术咨询及培训等服务功能。
钢材配送中心的价值集中体现在通过规模化、专业化的加工配送，降低用户采购成本，提高物流服务水平。一方面，钢材配送中心面向数量较大的客户群体，可归并采购活动，实现集中采购。降低采购和库存成本；另一方面，钢材配送中心具有较为成熟、稳定的质量控制手段和生产加工工艺。可降低加工过程中钢材的废品率，提高成材率。
国内钢铁企业钢材配送中心的建设现状
国内钢铁企业钢材配送中心的建设以板材特别是冷轧卷板的加工配送为主。据不完全统计，截至2007年底，国内大型钢铁企业已投入运营的钢材配送中心超过50家，且建设速度仍有进一步加快的趋势，建设钢材配送中心的国内钢铁企业主要有宝钢、鞍钢、武钢、马钢、首钢等。
宝钢是国内钢材配送中心建设的先行者，从90年代初起，就开始尝试钢材配送中心的建设和运营，到目前为止，宝钢已投入运营的钢材配送中心接近26家。鞍钢已有7家钢材配送中心建成并投入生产运营，并且鞍钢准备把钢材配送作为其开拓市场的硬措施。武钢也加快了其钢材配送中心建设的步伐，目前，武钢已在国内建立了6家钢材配送中心。马钢2004年开始建设冷轧板配送中心，到目前为止，马钢在全国建设的加工中心已接近6家。2006年，首钢自第一家钢材配送中心投入运营后，也在积极进行推进钢材配送中心的建设。
钢材配送中心的建设内容
钢材配送中心主要为终端客户提供个性化钢材消费服务，其建设应该以目标客户及目标市场的需求为出发点。一般来说，建设钢材配送中心，包括配送中心的区域选址、设备选型、厂房及相关工程的建设等多个方面内容。
区域选址是钢材配送中心建设中具有战略意义的投资决策问题，通常综合考虑目标市场的分布、物流成本等多方面因素。从目前国内配送中心的布局来看，钢材配送中心的区域选址大多是靠近终端消费用户，同时拥有较为便利的原料及成品配送运输等物流条件。如在长三角地区，冷轧板卷板消费客户主要集中在上海、苏州及无锡等地区，因此，位于上海、苏州及无锡三城市地理位置几何中心、拥有天然深水岸线、紧临长江及海运航道、高速公路较为发达的太仓市，已成为国内部分钢铁企业在该区域建设钢材配送中心进行选址的重点地区。
设备选型是建设钢材配送中心的重要决策内容之一，涉及到设备类型和设备档次的选择。同样需根据目标市场的定位和需求确定。下面以中高档轿车生产企业为目标客户定位，简要说明钢材配送中心设备选型情况：
中高档轿车对冷轧汽车板的质量和工艺要求相对较高：首先，冷轧汽车板必须具有良好的板型、表面质量及表面清洁度，特别是汽车外板(05级别)，不能有任何表面质量缺陷、油污、灰尘等；其次，为降低汽车车身的重量，提高安全性，中高档轿车大量采用激光拼焊板；第三，中高档轿车生产企业的物流管理水平较高，一般要求采取准时(JIT)供货方式。因此，要满足中高档轿车制造企业的配送需求，钢材配送中心在设备选择上需考虑剪切、落料及激光拼焊等设备类型，在设备档次上需重点考虑稳定性和生产效率都相对较高的中高端设备。
钢材配送中心的物流系统建设
钢材配送中心的物流系统建设内容包括信息管理、仓库管理、运输管理、采购管理、销售管理及现场管理等多个物流子系统，其中信息系统是钢材配送中心物流体系的神经系统，指挥和协调配送中心其它各物流子系统的运行。为提高物流系统的运行效率，更好的为客户提供配送服务，国内钢材配送中心也在不断尝试应用新的物流技术，如在仓库管理中引入条形码技术、在销售管理中应用客户管理系统、在现场管理过程中采取5s管理和推行精益生产技术等。
库存控制是钢材配送中心物流管理的重点。客户对钢材加工配送的需求特征可概括为“三多一少”，即多品种、多规格、多批次、少批量供货，要及时满足客户的这些需求特征，配送中心必须有一定规模的库存钢卷作为支撑，但库存钢卷过多，会导致资金大量占用，库存成本上升。例如，一个月库存量维持在1万吨左右的普通冷轧板配送中心，若库存上升10％，即库存量增加1000吨，则每月的库存资金占用量将增加600~650万元(按2008年初普通冷轧板的市场价格测算)。因此，合理控制钢材配送中心的库存，确保以较低的库存成本满足客户的配送需求，是钢材配送中心物流管理的重要课题。
钢材配送中心物流管理的难点是如何确保各物流子系统协调一致运行。计划变更、设备故障、原料质量缺陷等问题的出现，均可能影响整个物流配送系统的正常运行。建立有效的沟通、互动机制，应对配送中心物流系统随时可能出现的突发事件，协调各物流子系统及时进行调整，以满足客户对配送服务的需求，是钢材配送中心需长期重视的问题。
钢材配送中心物流系统建设的趋势
关键词：车辆路径问题；启发式算法；多配送中心；带时间窗；集送货一体化
中图分类号：TP181文献标识码：A文章编号：1009-3044（2016）26-0079-02
DevelopmentandApplicationofVehicleRoutingProblem
BIANChen，ZHAOJian-dong
（SchoolofComputerScienceandEngineering，AnhuiUniversityofScience&Technology，Huainan232001，China）
Abstract：Asahotspotinthefieldofoperationalresearchandcombinatorialoptimization，vehicleroutingproblemiscloselyrelatedtoreallife.Aslongasthedeepeningstudyofvehicleroutingproblem，variouskindsofnewtypesofheuristicalgorithmisappliedtosolvesuchproblems.Thevehicleroutingproblemwithvariousconstraintwereinvestigated，analysisandsummaryinthispaper，andtherelateddomesticandforeignresearchresultswerereviewedandrefined，onthisbasis，thispapersummarizestheresearchofvehicleroutingproblem.Basedonthecurrentvariousstandardofclassification，thispaperdiscussesandanalyzestheclassicalvehicleroutingproblemfirstly，andsummarizedthebasicmethodsandmodernheuristicalgorithmonthisbasis.
Keywords：vehicleroutingproblem；heuristicalgorithm；hybrid；multi-depots；timewindow；pickupanddelivery
1背景
车辆路径问题（VehicleRoutingProblem，VRP）是由Dantzig等人在1959年提出的一个经典的NP-hard问题[1]。是指对于一系列的装货点及卸货点，规划合理的配送路径，在满足了约束条件之下，载货车辆按照规划的路线依次访问，能够满足一定的需求或达到某些目标。其研究成果已广泛地应用于各个学科之中。VRP已经不止是单纯的理论研究，现实世界中，国内外学者的研究经历了其从最早期无车辆约束的TSP问题发展为对车辆运载能力、车辆行驶里程、客户服务数量进行限制的经典VRP，而后依据客户需求的改变和客户对配送要求的提高，从服务无时限向有时限（也称为时间窗问题）以及从纯送货问题或者纯取货问题向混合取送问题（也称为集货送货一体化）的变化的VRP问题。为了不断满足现实要求，当前针对VRP的大部分研究，集中在对其动态性的讨论上，即从配送过程中信息的确定性向动态接受客户需求（也称为不确定性）的变化。
随着现代物流行业的崛起，企业为了降低运输成本，越来越重视对VRP问题的探究，新型的VRP不断地涌现，使得其更有研究价值和现实意义。
2车辆路径问题研究现状及评述
本文根据现有对VRP问题研究的成果，从综合的角度分析车辆路径路径问题，目前国内外针对车辆路径问题的研究主要集中在其扩展问题上。
2.1多配送中心的车辆路径问题
根据配送中心数目的多少，配送车辆调度问题可以分为单配送中心车辆调度问题和多中心车辆调度问题，在整个物流管理的体系中，配送地一般都存在多个中心，因此对多配送中心车辆调度问题的研究更加具有现实意义。目前国内对于多配送中心车辆调度问题的研究还是处于一个有限的阶段。
在多配中心车辆路径问题中，车辆路径的安排需要满足以下四点条件：
1）每一辆车都从一个配送中心驶出，并在服务了一定数量的客户后返回初始的配送中心；
2）每一个客户每次只能被一辆车服务；
3）车辆不能够在两个配送中心之间进行运输，并且行驶路径不能够出现回路；
4）车辆的运载量不能够超出容量限制，并且每一个配送中心提供的客户服务数量是有限的。
对配送中心的车辆路径问题一般可以如下的描述：在整个物流配送系统中，存在着多个服务中心为多个客户进行服务，需要制定一条配送行车路径使得所有客户的需求被满足的前提之下，配送成本降至最低。多配送中心的VRP是一个NP难度组合优化问题，因此一般求解是很难得到最优解的。当前，国内外学者普遍采用多阶段的办法来解决此类问题，一般先将多配送中心问题转化为单配送中心问题，再利用启发式算法进行求解。崔文[2]通过多阶段的启发式算法，将此类问题通过聚合―求解―优化的步骤逐步求解出最优路径，提出了通过启发式算法在短时间生成最初的有效路径来代替Lin-Kemighan算法中采用的随机路径作为初始路径。
2.2开放式车辆路径问题
开放式车辆路径问题（OVRP）是现代运输运筹学中的一个新型研究课题，与经典VRP问题相比较，他的一个显著特点是车辆在完成运输服务后可以将其他的配送中心点选为终点。OVRP一般可以简化为忽视了回程约束的带容量约束车辆路径问题（CVRP），其求解目标是构建一个哈密顿通路以满足所有顾客的需求。在现实中，物流公司可能通过雇佣车辆来完成配送任务，那么车辆是否回到出发点并不受到关注，这段路程的费用也将不计。
OVRP是配送运输管理中广泛存在的问题，在现实生活中有很多应用，特别是在具有外包业务特点的配送服务中具有较大的应用价值，例如校园班车问题、牛奶配送、报纸配送等，在这类问题中，由于企业没有自己的车辆，所以将其配送业务外包给其他的车辆或车队，而且企业并不要求车辆在服务完客户后回到车场点。OVRP问题的首要优化目标一般都是最少车辆数，在此基础上优化行驶距离。在过去的十几年里，尽管学者们通过禁忌搜索，确定性退火技术，大规模领域搜索方法，分枝切面法等多种方法为OVRP问题提供了基本的解决办法，但面对大规模的数据处理，OVRP问题仍然存在着一定的求解难度。Sariklis[6]等人通过两阶段启发式算法来进行求解，第一阶段是先生成客户群，然后在每一个客户群中安排路线，进行局部优化，第二阶段将OVRP问题转化为最小生成树问题并求解。Brandao[7]在求解时，通过最近邻居法和最小K度生成树来划分客户群，并最终用禁忌搜索法优化路径。
2.3时间窗口约束的车辆路径问题
带时间窗车辆路径问题（VehicleRoutingProblemwithTimeWindows，VRPTW）作为物流管理问题中一个重要的分支，他基于以下假设：1.需要必不可少的通信设备，使得顾客和服务中心之间，服务中心和货运车辆之间的信息能够快速便捷的传递；2.配送的计划中，存在预约服务的客户。服务车辆必须在客户规定的时间窗[[Ai，Bi]]对其进行服务，其中[Ai]是客户[i]的允许最早开始时间，[Bi]是其所允许的最迟开始时间。如果车辆到达客户的时间早于[Ai]，那么车辆只得等待直至到达服务的最早时间点，其系统优化目标是最小化客户的平均等待时间。
近年来，对于求解带时间窗车辆路径问题取得较好效果的是启发式算法。Gold等人最早综述了VRPTW的研究状况。上世纪80-90年代，对VRPTW的研究开展综述的是Solomon等人[10]。随后Braysy等人[11]综述了经典启发式、智能启发式算法并提出了展望。最近，RaúlBa?os[12]等人提出了一种针对多目标VRPTW问题的混合现代启发式算法，得到优化解决方案。
2.4带集货送货需求的车辆路径问题
车辆调度领域之内的问题一般可以按如下区分为两大类：一种是纯装货或者纯卸货问题，另一种是带装货卸货一体化的车辆调度问题（VRPSPD），而后者更是包括了先送货后取货的车辆路径问题，同时集货送货的车辆路径问题以及混合集货送货的车辆路径问题。
VRPSPD的提出最早可以追溯到1989年，由Min提出的在解决了车辆数量一定并且车辆运载能力有限的情况下，一个中心配送点和22个地方图书馆之间的书籍配送问题。VRPSPD问题可描述为：某一个仓库为其用户群体进行货运服务，任意用户可能同时需要送货和集货服务，并且某一客户的送取货的需求之和不能大于车辆总运载能力Q。
VRPSDP的难点在于服务车辆的装载量难以控制易发生溢出。当每一个客户的送货需求是已知的时候，依据车辆的剩余装载能力来定义插入准则，。
2.5动态车辆路径问题
依据物流信息在配送之前是否完全可知，VRP按新的分类方式分为静态VRP和动态VRP。动态车辆路径问题的首次完全提出要归功于Wilson和Colvin[13]，当时他们研究的单一车辆问题描述了客户旅程的需求，从始发地到目的地的旅程是动态变化，并通过启发式算法来提升计算效率。车辆路径问题中动态信息最常见的来源就是客户需求的在线到达。具体来说，需求可以是针对货物的调整也可以是是服务需求的变化。
一般认为动态车辆路径问题和静态车辆路径问题的区别在于信息的确定性与未知性，而前者在配送服务过程中，会出现不同类型的动态信息。
动态车辆路径问题一般具有的特征如下：
1）安排配送路径和车辆执行计划的过程中新客户信息能够实时的传达。
2）任何新传达的信息都允许是不精确的。
3）新信息需要被快速的响应。
4）与静态VRP问题相比求解的目标函数更为繁杂。
任何动态车辆路径问题仍是基于静态车辆路径问题提出的，目前针对动态车辆路径问题的求解办法，仍然需要借鉴处理静态车辆路径问题的各类算法，其中大部分算法为元启发算法。
动态车辆路径问题首先要明确需要响应哪些动态信息，并以客户需求变化为依据，选择需要优化的目标函数，例如将配送车辆的总行程作为目标函数进行优化，然后再设置额外的约束条件，例如设定单车最大行程为约束条件。借助各类启发式算法如蚁群优化算法等进行优化，在整个配送过程中，不再是单一直接地插入顾客需求，通过最大熵法分布估计算法计算出具有发展潜力的客户群体和区域。在=当需求发生冲突时衡量各个客户需求的利益，通过惩罚措施来降低费用。
3结束语
车辆路径问题因其不可预估的经济效益和其在现代物流中的所占据的重要地位已经引起了国内外学者的高度关注，并依据实际需求不断引入新的约束。在理论与应用上，各类精确算法、启发式算法被广泛地应用于解决车辆路径问题，并已经取得了长足的进步。然而，同样被关注的是，从现有的各类研究成果看来，虽然新型约束条件下的VRP模型更加完善也更符合现代物流实际需求，但实际求解算法却很难在精度和效率上做到两全，简化算法测率需要得到更多的重视，特别是，各类启发式算法在求解时的弊端也愈加明显，需要取长补短发挥其他算法的优势。
参考文献：
[1]DantzingG，RamserJ.Thetruckdispatchingproblem[J].ManagementScience，1959，10（6）：80-91.
[2]崔西.大规模多配送中心车辆路径问题研究[D].济南：山东大学，2009.
[3]SariklisD，PowellS.Aheuristicmethodfortheopenvehicleroutingproblem[J].JournaloftheOperationalResearchSociety，2000，51：564-573.
[4]Branda～oJ.Atabusearchalgorithmfortheopenvehicleroutingproblem[J].EuropeanJournalofOperationalResearch，2004，157：552-564.
[5]DesrochersM，LenstraJK，SavelsberghMW，etal.VehicleRoutingWithTimeWindows：OptimizationandApproximation[M].Amsterdam，TheNetherlands：ElsevierSciencePublishers，1988.
[6]Braysy，Gendreau.VehicleRoutingProblemWithTimeWindows，PartI：RouteConstructionandLocalSearchAlgorithms[J].TransportationScience，2005（39）：104-118.
关键词:模糊聚类;神经网络;选址决策
中图分类号:TP18文献标识码:A文章编号:1009-3044(2009)33-9328-04
MultipleLogisticDistributionCenterAllocationStrategyBasedonFuzzyClusteringNeuralNetwork
CAOXue-hua
(JiangyinPolytechnicCollege,Jiangyin214405,China)
Abstract:Inthispaperanovelmultiplelogisticdistributioncenterallocationstrategyisproposed.Viaconstructinganeffectivefuzzyclusteringneuralnetworkalgorithm,thenewstrategycouldachievemultiplecandidatedistributioncenter'sestimatedfitnessvalue,aswellasthestandarddistributioncenter'sreferenceguidelinesystem,andmultiplecandidatedistributioncenter'ssubjectiondegreetothestandardcenter.Theapplicationofthealgorithmshowsthatthenewalgorithmhasbetterperformanceinstableconvergencerate,convergencespeed,andthresholdsensitivity.Theresultilluminatesthattheproposedalgorithmprovidesmoreefficientandmorestableapplicationworthiness.
Keywords:fuzzyclustering;neuralnetwork;allocationstrategy
1概述
随着我国经济的快速增长和市场经济体系的建立,各类经济实体之间的经济交往日益频繁,消费需求特性发生了很大的变化,多品种、多批次、小批量的个性化需求成为主流,对相应的物流活动提出很高的要求。为了满足消费者的多样化需求,降低成本、提高效率和敏捷化程度,产品的物流过程已逐步从传统的资源供应点直接到需求点,演变为资源供应点到公共物流中心再到需求点。物流配送中心在物流网络中处于重要的枢纽地位,是实现物流活动集约化、现代化和低成本化的战略据点。由于物流配送中心建设投资大、涉及因素多、服务周期长、效应长且风险大,中心选址是否合理直接影响到物流系统的顺畅性、运营效率。
长期以来,科研人员对此问题从不同的角度进行了研究,建立了许多的模型和算法。如模糊综合评判法、层次分析法以及结合层次法的模糊排序方法等。但这些方法也有一些缺点。利用模糊综合评判法,其指标权重难以确定;专家打分法确定权重,人为因素又过重;利用层次分析法确定权重可以弱化人为因素,但是层次分析法要求指标的层次结构系统中的要素互相独立,但这些指标之间却往往存在依赖关系,如地价和运输条件、政府政策和经营环境等。而且以上方法只能对单一的配送中心进行辅助选址决策,对于多个物流中心同时进行选址规划的情况,是无能为力的。
本文利用模糊聚类神经网络的方法,既可以同时得到现有侯选中心的优劣评价值,标准物流配送中心的参考指标体系,和现有多个侯选配送中心相对于标准中心的权重。从而对多物流配送中心选址决策进行有效辅助决策。
后绪章节是这样组织的,第2部分讲述了模糊聚类的原理,第3部分讲述了利用模糊聚类神经网络实现配送中心选址决策的算法,然后是物流配送中心选址决策的设计和结果,最后是总结。
2模糊聚类
模糊聚类能确定样本属于各个类别的不确定性程度,表达了样本类别的概率偏向,更客观地反映现实世界的聚类规则,因而目前广泛应用于辅助决策、模式识别、图象处理、系统建模等领域。
目前,针对不同的应用领域,根据不同的理论已经提出了许多模糊聚类算法和实现途径。基于无监督学习的模糊聚类算法被广泛应用于对未知样本进行自适应的学习,其中最著名的是FCM算法[1],算法的实现是采用基于目标函数的方法,该方法设计简单、解决问题的范围广,最终可以转化为优化问题求解,易于计算机实现。
基于目标函数的模糊聚类主要是利用模式集O的观测值X={x1,x2,…,xN}与聚类原型特征值V={vi,1≤i≤c}之间的距离构造一个目标函数,然后通过优化这一带约束的非线性规划问题获得最佳的模糊c-划分。算法的实现途径主要有基于交替优化(AO)、神经网络(NN)和进化计算(EC)等方法。
模糊聚类问题用数学语言描述:把一组给定的模式X={x1,x2,…,xN}划分为c个模糊子集(聚类)S1,S2,…,Sc。如果用μik(1≤i≤C,1≤k≤N)表示模式xk隶属于模糊子集Si的程度,那么就得到了这组模式的模糊c-划分U={μik|1≤i≤c,1≤k≤n}。假定每个模糊子集Si(1≤i≤c)都有一个典型模式vi,又称聚类原型或聚类中心,这样任一模式xk与模糊子集Si的相似性可以通过模式ok与聚类原型vi间的失真度dik=D(xk,vi)来度量。
模糊C-均值聚类算法的目标函数为原始输入空间类内加权平方误差,公式如下:
(1)
约束条件为:
(2)
m为模糊加权参数,又称为平滑因子,控制着模式在模糊类间的分享程度,目前一般根据应用领域的经验在[1,5]之间取值。
应用拉格朗日乘子法求解min(Jm(U,V)),可得模糊聚类结果公式:
(3)
(4)
可见,利用模糊聚类,可以同时得到聚类中心及输入空间各原始向量对聚类中心的隶属程度。
3多物流配送中心选址决策算法
物流配送中心的选址通常是在一定的原则,如降低成本原则、经济效益原则、提高客户服务水平等原则的指导下,预先选择一些方案,然后再通过各种方法对这些方案进行比较,最终从中选出满意的一个或几个方案作为新的中心的地址。配送中心选址的影响因素很多,一般应根据物流学的原理,结合自身的实际情况,选择其中较重要的一些因素,作为指导决策的指标。这样,一组因素的组合,就是一个待选方案。
本文采用模糊聚类神经网络的方法对方案进行比较,得到理想方案。首先,根据已有配送中心选址方案和专家经验得到一个模糊评价矩阵,然后,用模糊评价矩阵训练神经网络,一旦神经网络的结果达到了专家评价一样的效果,则说明此神经网络经过有指导的机器学习,已具备了对方案优劣进行正确判断的能力,则此神经网络就可用来对侯选的配送中心地址方案进行判断,辅助选址决策。
具体思路是,根据FCM算法,用已有配送中心方案做为原始训练用输入向量,用专家经验设置聚类中心的初始值,用已建立的模糊评价矩阵中的专家评价值和当前系统实际输出评价值之间的误差作为网络误差不断训练直至误差小于特定阈值,可以得到使网络误差最小的若干聚类中心和相应隶属度矩阵和方案评价值。也就是说,此时的神经网络已具备了专家一样的评价能力,不但能对方案进行评价,同时还得到了若干标准配送中心的参考标准指标体系,和现有配送中心相对于标准中心的权重。
由于客观环境的限制,以上标准指标体系只是一种参考,但由于同时得到了方案评价值和方案相对于标准中心的权重,使本文提出的多中心选址决策相对于现有的决策算法有更高效、实用、简便的特性。
神经网络训练好以后,用侯选配送中心方案做为测试用输入向量,用已训练好的聚类中心计算相应隶属度矩阵,就实现了对侯选方案进行评价,同时还得到多个侯选方案相对于标准中心的权重。从而实现了多物流配送中心的选址决策。
3.1建立模糊评价矩阵
设配送中心选址考虑八个因素:地质条件,水文条件.交通运输,候选地地价,候选地面积.经营环境.通讯条件.道路设施。搜集已有的正在运营的配送中心的关于此8个关键指标的详细历史数据资料,根据专家经验对这些已有方案进行优劣打分,就可以得到训练用的模糊评价矩阵,见表1。
3.2建立模糊聚类神经网络
根据神经网络的有教师指导的机器学习原理和模糊聚类的原则,设计了如下模糊聚类神经网络实现之。整个神经网络系统由2部分组成,第1部分是神经网络模糊聚类器,第2部分是系统输出合成。
3.2.1神经网络模糊聚类器
神经网络模糊聚类器是1个3层BP神经网络,其结构如图1。输入层由P个节点组成,表示输入向量的P个分量。隐含层和输出层都由C个节点组成。
输入层到隐含层的传递函数由Dik=xk-vi2实现,表示输入向量与第i个聚类中心的偏差距离,输入层到隐含层1的连接权定义为该隐含节点所代表的vi。
隐含层的输出直接无权连接到输出层,输出层的输出U代表输入向量对某类别的隶属度,传递函数由公式3实现。
3.2.2系统输出合成
由模糊聚类器得到了输入向量对各聚类模式的隶属度矩阵后,系统的整体输出为下式:
(5)
将其代入公式6,用于神经网络训练时的误差控制。
总结模糊聚类神经网络(FCNN)的整体结构如图2。
3.3模糊聚类神经网络训练算法实现模糊评价体系的机器学习
根据以上的构建,算法中需要优化的参数包括聚类中心,结合神经网络训练特点,得到模糊聚类神经网络算法如下:
1)根据专家经验,初始化聚类中心vi。
2)利用带冲量项的神经网络梯度下降训练算法迭代更新vi。
3)根据vi,利用公式3,计算uik。
4)重复2,3直至神经网络误差函数小于特定阈值,误差函数定义如下:
(6)
其中tk即表1中的专家评价值。
4算法在物流中心选址决策中的应用设计及分析
本文采用的数据是物流配送中心选址的一个标准数据集,见表1。数据集包含10组不同的方案,每组方案包含8个决定配送中心选址的关键因素和专家对此方案的打分。根据专家经验将方案归为3个不同的聚类模式。
将此数据集分别作为训练数据集应用在模糊聚类神经网络进行计算,采用上面的神经网络构造和训练算法。
表2对比给出了网络合理收敛时对方案的评价值和表1中专家的评价值。
可见,神经网络通过学习达到了与专家几乎相同的评价能力。
表3给出了模糊聚类神经网络得到的3个聚类中心,作为标准中心的参考指标体系。
图3,4是FCNN算法合理收敛的典型误差变化曲线。
表4总结了算法合理收敛时的性能参数。
表4
可以看出,FCNN算法一般迭代100次就可以达到较好的收敛和逼近,而且适应于较大的初始误差范围,也就是说,算法对不同的初始误差不敏感,算法对初值不敏感。由此可见,FCNN算法在收敛稳定性,收敛速度,初值敏感性方面都有较好的表现。
因此,将表5所示的侯选物流配送地址方案作为神经网络的输入向量,应用已得到的聚类中心vi,利用公式3,计算得输出评价和各侯选方案对标准中心的权重如表6,7。
经过已训练好的神经网络计算,得到评价值如表6。
综合应用表6,7,可以实现对多哥侯选物流配送中心地址的判别,辅助选址决策。
5结束语
本文针对传统选址决策的局限,提出了利用模糊聚类神经网络实现多物流配送中心的选址决策,算法同时得到现有侯选中心的优劣评价值,标准物流配送中心的参考指标体系、现有多个侯选配送中心相对于标准中心的权重。并构造了一种有效的模糊聚类神经网络实现算法。将算法应用在物流配送中心选址决策的结果表明,算法在有效收敛稳定性、收敛速度、初值敏感性等方面都有良好效果。说明本文提出的决策算法高效、实用、简洁的应用特性,具备先进稳定的实用效果。
参考文献:
[1]WitoldPedrycz,GeorgeVukovich.Logic-orientedFuzzyClustering[J].PatternRecognitionLetters,2002,vol,23,pp.1515-1527.
[2]何丕廉,侯越先.模糊聚类神经网络的非对称学习[J].计算机应用与发展,2001,38(3):296-301.
[3]邓赵红,王士同.鲁棒性的模糊聚类神经网络[J].软件学报,2005,16(8):1415-1422.
[4]韩庆兰,梅运先.基于BP人工神经网络的物流配送中心选址决策[J].中国软科学,2006,6:140-143.
[5]BartKosko.FuzzyEngineering[M].黄崇福,译.西安:西安交通大学出版社,1996,118-126,60-72.
[6]A.Staiano,R.Tagliaferri,W.Pedrycz.ImprovingRBFnetworksperformanceinregressiontasksbymeansofasupervisedfuzzyclustering[J].Neurocomputing,2006,vol.69,pp.1570-1581.
关键词:网络配送;合理性
1、合理地进行资源整合
目前,油田物资流通网络基本上按行政单位设置,结构不合理:层层设库、层层储备。就一个二级单位而言,有几个
三、四级单位,便有几个储备库,分散储备是物资流失现象普遍存在最主要原因。实施网络配送的前提,必然要实现物资的集中储备,必须对油田现有的物资资源进行有效的整合,针对油田的行业特点,笔者认为在分区设库的原则下要重点突出专业性,按专业特点进行合理储备,只有这样才能提高物资的保证能力,并且在合理储备前提下,才能确保物资网络配送的快捷和及时,实施油田物资资源的有效整合要摆脱行政手法的直接干预,真正借助市场这个经济杠杆来逐步实施压缩二级储备,否则只能形造成帐面储备的压缩,帐外储备的扩大。
2、资源合理筹措
配送是利用较大批量筹措资源,通过筹措资源的规模效益来降低资源筹措成本,使配送资源筹措成本低于用户自己资源筹措成本,从而取得优势。
目前,油田供应体制推行的“集中采购和统一储备”正是顺应配送要求,但要形成配送的最佳经济效益,我们现实所处的“集中”这个层面还需要一个大幅度的提高。
资源筹措中的焦点价格,总的来讲,配送的价格应低于不实行配送时,各单位自己进货时产品购买价格加上自己提货、运输、进货之成本总和,这是配送有利可图核心问题、关键问题、敏感问题。当然有时候,由于配送可以提供较高的服务水平,若是价格稍高,各单位也是可以接受的,但这不是普遍原则,如果配送价格普遍高于各单位自己进货价格,这将会失去配送的优势和价值,损伤了各单位的利益,就是一种不合理表现。当然,价格过低,使实施配送的企业处于无利或亏损状态下运行,这也不合理。
资源筹措不合理还有其他表现形式,资源筹措过多或过少,在资源筹措时不考虑建立与资源供应者之间长期稳定的供需关系等。
3、供应配送中的合理计划
对油田物资实施网络配送不同于简单的电子商务配送,即销售配送,它是一种供应配送,是针对特定的用户,用配送方式满足着特定用户的供应需求的<优麦电子商务论文配送方式。
这种方式配送的对象是确定的,用户的需求是确定的,用户的服务要求也是确定的,所以,这种配送可以形成较强的计划性、较为稳定的渠道、有利于提高配送的科学性和强化管理。并且有了这个前提条件,才可以建立“供应链管理”的管理方式。这一环扣一环的链接,最需要关注的是最底层面。但同时它也需要较高的计划管理水平作为支撑,根据目前的物资管理模式,我们是通过层层上报和汇总计划,因此尽快提高基层物资管理水平是当务之急,否则它会成为制约配送发展的的瓶颈。
4、库存决策的合理性
实施网络配送应充分利用集中库存,一个成功的配送,其库存总量应低于各用户分散库存总量,从而大大节约社会财富。因此,配送企业必须依靠科学管理来实现一个低总量的库存,否则就会出现单是库存转移,而未取得库存总量降低的效果。
此外,配送企业库存决策不合理还表现在储存量不足,不能保证用户的随机需求。
5、配送与直达供应的合理决策
虽然在市场经济条件下,用户所需要的很多种东西都广泛采用配送形式,但是一般认为以多品种、少批量、多批次、多用户的配送物品,能够最有效地通过配送实现末端的资源配置。
笔者认为实施物资网上配送的起步阶段主要是满足用户的主要需求,因此不苛求整个配送网络的覆盖面,但看重重点物资的覆盖质量。可以肯定,有的区域、有些用户的配送需求就不能满足,因为它不值得去满足,作为一种商务模式,这种分散、不成规模的配送就应该合理地舍弃,等到主要物资、主要用户的需求配送得到稳定的满足,再考虑扩大配送的网络。新晨
一般的配送总是增加了环节,但是这个环节的增加,可以降低用户的平均库存水平,以此不但抵消了增加环节的支出,而且还能取得剩余效益。但是如果用户使用批量大,可以直接通过社会物流系统均衡批量进货,较之通过配送中转送货则可能更加节约费用,所以,在这种情况下,不直接进货而通过配送,就属于不合理范畴。
实施物资网络配送是流通过程中协调性很强的工作,按现代化企业的管理要求,供货单位、用料单位、市场、信息、调度、管理等多方面的紧密配合和有机协调才能顺利完成。尽管目前可能困难重重,但要实现油田物流的高效运行,这是必经之路,是众望所归。
参考文献
[1]包健民.物流现代化[M].上海交通大学出版社.
下一篇：关于高质量发展教育(收集5篇)
热门推荐