- 相關(guān)推薦
配送中心選址方案設計
在物流系統的運作中，配送中心的選址決策發(fā)揮著(zhù)重要的影響，我們看看下面的配送中心選址方案設計。
配送中心選址方案設計
配送中心是連接工廠(chǎng)與客戶(hù)的中間橋梁，其選址方式往往決定著(zhù)物流的配送距離和配送模式，進(jìn)而影響著(zhù)物流系統的運作效率。因此，研究物流配送中心的選址具有重要的理論和現實(shí)應用意義。
本文對近年來(lái)國內外有關(guān)物流配送中心選址方法的文獻進(jìn)行了梳理和研究，并對各種方法進(jìn)行了比較。選址方法主要有定性和定量的兩種方法。定性方法有專(zhuān)家打分法、Delphi法等，定量方法有重心法、P中值法、數學(xué)規劃方法、多準則決策方法、解決NP hard問(wèn)題（多項式復雜程度的非確定性問(wèn)題）的各種啟發(fā)式算法、仿真法以及這幾種方法相結合的方法等。由于定性研究方法及重心法、P中值法相對比較成熟，因此，本文將主要分析定量方法中的數學(xué)規劃、多準則決策、解決NP hard問(wèn)題的各種啟發(fā)式算法、仿真在配送中心選址中應用的研究狀況。
數學(xué)規劃方法
數學(xué)規劃算法包括線(xiàn)性規劃、非線(xiàn)性規劃、整數規劃、混合整數規劃和動(dòng)態(tài)規劃、網(wǎng)絡(luò )規劃算法等。在近年來(lái)的研究中，規劃論中常常引入了不確定性的概念，由此進(jìn)一步產(chǎn)生了模糊規劃、隨機規劃、模糊隨機規劃、隨機模糊規劃等等。不確定性規劃主要是在規劃中的C(價(jià)值向量)、A(資源消耗向量)、b(資源約束向量)和決策變量中引入不確定性，從而使得不確定規劃更加貼近于實(shí)際情況，得到廣泛地實(shí)際應用。
國內外學(xué)者對于數學(xué)規劃方法應用于配送中心的選址問(wèn)題進(jìn)行了比較深入的研究。姜大元(2005)應用Baumol-wolf模型，對多物流節點(diǎn)的選址問(wèn)題進(jìn)行研究，并通過(guò)舉例對模型的應用進(jìn)行了說(shuō)明，該模型屬于整數規劃和非參數規劃結合的模型。各種規劃的方法在具體的現實(shí)使用中，常常出現NP hard問(wèn)題。因此，目前的進(jìn)一步研究趨勢是各種規劃方法和啟發(fā)式算法的結合，對配送中心的選址進(jìn)行一個(gè)綜合的規劃與計算。
多準則決策方法
在物流系統的研究中，人們常常會(huì )遇到大量多準則決策問(wèn)題，如配送中心的選址、運輸方式及路線(xiàn)選擇、供應商選擇等等。這些問(wèn)題的典型特征是涉及到多個(gè)選擇方案(對象)，每個(gè)方案都有若干個(gè)不同的準則，要通過(guò)多個(gè)準則對于方案(對象)做出綜合性的選擇。對于物流配送中心的選址問(wèn)題，人們常常以運輸成本及配送中心建設、運作成本的總成本最小化，滿(mǎn)足顧客需求，以及滿(mǎn)足社會(huì )、環(huán)境要求等為準則進(jìn)行決策。多準則決策的方法包括多指標決策方法與多屬性決策方法兩種，比較常用的有層次分析法(AHP)、模糊綜合評判、數據包絡(luò )分析(DEA),TOPSIS、優(yōu)序法等等。
多準則決策提供了一套良好的決策方法體系，對于配送中心的選址不管在實(shí)務(wù)界還是理論方面的研究均有廣泛的應用與研究。關(guān)志民等(2005)提出了基于模糊多指標評價(jià)方法的配送中心選址優(yōu)化決策。從供應鏈管理的實(shí)際需要分析了影響配送中心選址的主要因素，并建立相應的評價(jià)指標體系，由此給出了一種使定性和定量的方法有機結合的模糊多指標評價(jià)方法。Chen-Tung Chen(2001)運用了基于三角模糊數的模糊多準則決策對物流配送中心的選址問(wèn)題進(jìn)行了研究。文章以投資成本、擴展的可能性、獲取原材料的便利性、人力資源、顧客市場(chǎng)的接近性為決策準則，并對各個(gè)準則采用語(yǔ)義模糊判定的方式進(jìn)行了權重上的集結。
有關(guān)多準則決策方法，特別是層次分析法和模糊綜合評判的方法，在配送中心的選址研究中有著(zhù)廣泛的應用。但是，這兩種方法都是基于線(xiàn)性的決策思想，在當今復雜多變的環(huán)境下，線(xiàn)性的決策思想逐漸地暴露出其固有的局限性，非線(xiàn)性的決策方法是今后進(jìn)一步的研究的重點(diǎn)和趨勢。
啟發(fā)式算法
啟發(fā)式算法是尋求解決問(wèn)題的一種方法和策略，是建立在經(jīng)驗和判斷的基礎上，體現人的主觀(guān)能動(dòng)作用和創(chuàng )造力。啟發(fā)式算法常常能夠比較有效地處理NP hard問(wèn)題，因此，啟發(fā)式算法經(jīng)常與其它優(yōu)化算法結合在一起使用，使兩者的優(yōu)點(diǎn)進(jìn)一步得到發(fā)揮。目前，比較常用的啟發(fā)式算法包括：遺傳算法；神經(jīng)網(wǎng)絡(luò )算法；模擬退火算法。
�。ㄒ唬┻z傳算法
遺傳算法（genetic algorithm, GA）是在 20 世紀 60 年代提出來(lái)的，是受遺傳學(xué)中自然選擇和遺傳機制啟發(fā)而發(fā)展起來(lái)的一種搜索算法。它的基本思想是使用模擬生物和人類(lèi)進(jìn)化的方法求解復雜的優(yōu)化問(wèn)題，因而也稱(chēng)為模擬進(jìn)化優(yōu)化算法。遺傳算法主要有三個(gè)算子：選擇；交叉；變異。通過(guò)這三個(gè)算子，問(wèn)題得到了逐步的優(yōu)化，最終達到滿(mǎn)意的優(yōu)化解。
對于物流配送中心的選址研究，國內外有不少學(xué)者將遺傳算法同一般的規劃方法結合起來(lái)對其進(jìn)行了研究。蔣忠中等（2005）在考慮各種成本(包括運輸成本等)的基礎上，結合具體的應用背景，建立的數學(xué)規劃模型(混合整數規劃或是一般的線(xiàn)性規劃)。由于該模型是一個(gè)組合優(yōu)化問(wèn)題，具有NP hard問(wèn)題，因此，結合了遺傳算法對模型進(jìn)行求解。通過(guò)選擇恰當的編碼方法和遺傳算子，求得了模型的最優(yōu)解。
遺傳算法作為一種隨機搜索的、啟發(fā)式的算法，具有較強的全局搜索能力，但是，往往比較容易陷入局部最優(yōu)情況。因此，在研究和應用中，為避免這一缺點(diǎn)，遺傳算法常常和其它算法結合應用，使得這一算法更具有應用價(jià)值。
�。ǘ┤斯ど窠�(jīng)網(wǎng)絡(luò )
人工神經(jīng)網(wǎng)絡(luò )(artificial neural- network, ANN)是由大量處理單元(神經(jīng)元)廣泛互連而成的網(wǎng)絡(luò )，是對人腦的抽象、簡(jiǎn)化和模擬，反應人腦的基本特征�？梢酝ㄟ^(guò)對樣本訓練數據的學(xué)習，形成一定的網(wǎng)絡(luò )參數結構，從而可以對復雜的系統進(jìn)行有效的模型識別。經(jīng)過(guò)大量樣本學(xué)習和訓練的神經(jīng)網(wǎng)絡(luò )在分類(lèi)和評價(jià)中，往往要比一般的分類(lèi)評價(jià)方法有效。
對于神經(jīng)網(wǎng)絡(luò )如何應用于物流配送中心的選址，國內外不少學(xué)者進(jìn)行了各種有益的嘗試。韓慶蘭等（2004）用BP網(wǎng)絡(luò )對物流配送中心的選址問(wèn)題進(jìn)行了嘗試性地研究，顯示出神經(jīng)網(wǎng)絡(luò )對于解決配送中心選址問(wèn)題具有一定的可行性和可操作性。
這一研究的不足是神經(jīng)網(wǎng)絡(luò )的訓練需要大量的數據，在對數據的獲取有一定的困難的情況下，用神經(jīng)網(wǎng)絡(luò )來(lái)研究是不恰當的。在應用ANN時(shí)，我們應當注意網(wǎng)絡(luò )的學(xué)習速度、是否陷入局部最優(yōu)解、數據的前期準備、網(wǎng)絡(luò )的結構解釋等問(wèn)題，這樣才能有效及可靠地應用ANN解決實(shí)際存在的問(wèn)題。
�。ㄈ┠M退火算法
模擬退火算法(Simulated Annealing, SA)又稱(chēng)模擬冷卻法、概率爬山法等，于1982年由Kirpatrick提出的另一種啟發(fā)式的、隨機優(yōu)化算法。模擬退火算法的基本思想由一個(gè)初始的解出發(fā)，不斷重復產(chǎn)生迭代解，逐步判定、舍棄，最終取得滿(mǎn)意解的過(guò)程。模擬退火算法不但可以往好的方向發(fā)展,也可以往差的方向發(fā)展,從而使算法跳出局部最優(yōu)解,達到全局最優(yōu)解。
對于模擬退火算法應用于物流配送中心選址的研究，大量的文獻結合其它方法（如多準則決策、數學(xué)規劃等）進(jìn)行了研究。任春玉(2006)提出了定量化的模擬退火遺傳算法與層次分析法相結合來(lái)確定配送中心地址的.方法。該方法確�？傮w中個(gè)體多樣性以及防止遺傳算法的提前收斂，運用層次分析法確定 物流配送中心選址評價(jià)指標權重，并與專(zhuān)家評分相結合進(jìn)行了綜合評價(jià)。該算法對于解決物流配送中心的選址具有較好的有效性和可靠性。
除以上三種比較常用的方法之外，啟發(fā)式算法還包括蟻群算法、禁忌搜索算法、進(jìn)化算法等。各種算法在全局搜索能力、優(yōu)缺點(diǎn)、參數、解情況存在著(zhù)一定的差異。各種啟發(fā)式算法基本上帶有隨機搜索的特點(diǎn)，已廣泛地應用于解決NP hard問(wèn)題，同時(shí)也為物流配送中心選址的智能化處理提供了可能。用解析的方法(包括線(xiàn)性規劃等)建立數學(xué)模型，然后運用啟發(fā)式算法進(jìn)行求解是目前以及未來(lái)研究物流配送中心選址的一種較為可行和可操作的研究方法。
仿真方法
仿真是利用計算機來(lái)運行仿真模型，模擬時(shí)間系統的運行狀態(tài)及其隨時(shí)間變化的過(guò)程，并通過(guò)對仿真運行過(guò)程的觀(guān)察和統計，得到被仿真系統的仿真輸出參數和基本特征，以此來(lái)估計和推斷實(shí)際系統的真實(shí)參數和真實(shí)性能。國內外已經(jīng)不少文獻將仿真的方法運用于物流配送中心選址或是一般的設施選址的研究，研究結果相對解析方法更接近于實(shí)際的情況。
張云鳳等(2005)對汽車(chē)集團企業(yè)的配送中心選址運用了仿真的方法進(jìn)行了研究。先確定了配送中心選址的幾種方案，應用了Flexim軟件對各方案建立了仿真模型，根據仿真結果進(jìn)行了分析和方案的選擇。該方法為集團企業(yè)配送中心選址問(wèn)題提供了一種較為理想的解決方法。薛永吉等(2005)通過(guò)建立數學(xué)模型對物流中心的最優(yōu)站臺數問(wèn)題進(jìn)行研究，在一定假設和一系列限制條件下，求解最優(yōu)站臺數量，并針對數學(xué)模型的復雜性和求解的種種不足，以ARENA仿真軟件為平臺，建立仿真模型確定了最優(yōu)化方案。Kazuyoshi Hidaka等(97)運用仿真對大規模的倉庫選址進(jìn)行了研究。該研究對倉庫的固定成本、運輸成本，和同時(shí)滿(mǎn)足6800名顧客進(jìn)行了仿真，以求得臨近的最優(yōu)解(near-optimal solution)。在求解的過(guò)程中，結合了貪婪－互換啟發(fā)式算法(Greedy-Interchange heuristics)和氣球搜索算法(Balloon Search)兩種啟發(fā)式算法進(jìn)行求解。該算法能比較有效地避免陷入局部最優(yōu)解和得到比較滿(mǎn)意的選址方案。但是，研究的結果容易受到運輸車(chē)輛的平均速度變化的影響。
仿真方法相對解析的方法在實(shí)際應用中具有一定的優(yōu)點(diǎn)，但是，也存在一定的局限性。如仿真需要進(jìn)行相對比較嚴格的模型的可信性和有效性的檢驗。有些仿真系統對初始偏差比較敏感，往往使得仿真結果與實(shí)際結果有較大的偏差。同時(shí)，仿真對人和機器要求往往比較高，要求設計人員必須具備豐富的經(jīng)驗和較高的分析能力，而相對復雜的仿真系統，對計算機硬件的相應要求是比較高的。關(guān)于未來(lái)的研究，各種解析方法、啟發(fā)式算法、多準則決策方法與仿真方法的結合，是一種必然的趨勢。各種方法的結合可以彌補各自的不足，而充分發(fā)揮各自的優(yōu)點(diǎn)，從而提高選址的準確性和可靠性。
物流配送中心的選址決策對于整個(gè)物流系統運作和客戶(hù)滿(mǎn)意情況有著(zhù)重要的影響。本文在對國內外有關(guān)物流配送中心選址方法文獻研究的基礎上，對比分析了數學(xué)規劃方法、多準則決策、啟發(fā)式算法、仿真方法在配送中心選址中的應用。研究發(fā)現數學(xué)規劃方法、多屬性決策方法、啟發(fā)式算法、仿真方法各自有自己的優(yōu)缺點(diǎn)和一定的適用范圍，各種方法的組合研究是未來(lái)研究的一種趨勢。同時(shí)，由于選址問(wèn)題本身具有的動(dòng)態(tài)性、復雜性、不確定性等特性，因此，開(kāi)發(fā)和研究新的模型與方法也是進(jìn)一步解決配送中心選址問(wèn)題的必需途徑。
【配送中心選址方案設計】相關(guān)文章：
配送中心實(shí)習報告03-14
參觀(guān)物流配送中心作文08-06
物流配送中心實(shí)習報告09-01
物流配送中心實(shí)習報告7篇12-30
蔬菜配送中心設計方案范文（精選10篇）12-23
物流配送中心實(shí)習報告(7篇)02-06
物流配送中心實(shí)習報告8篇02-20
鞍山沃爾瑪選址在哪？07-10
沃爾瑪(中國)投資有限公司天津配送中心07-10