物流中心选址

物流中心选址（精选12篇）

物流中心选址 篇1

一、引言

在物流系统中, 物流中心居于重要的枢纽地位, 起着承上启下的作用。对大多数企业而言, 物流中心的选址堪称是最重要的物流战略规划问题。较佳的物流中心选址方案可以有效地节省费用, 促进生产和消费的协调与配合, 保证物流系统的平衡发展。物流中心一经选定就将长时间营运, 它不仅与运行费用直接相关, 而且对工作效率及物流控制水平会产生很大影响。正是基于物流中心及其位置的重要作用, 大量科研人员对这一问题开展了研究工作, 建立了一系列的选址模型与算法。

二、选址模型比较

物流中心选址方法可以分为定量和定性两大类。定量方法的主要成果有连续模型和离散模型两类, 其中, 连续模型的代表方法是重心法, 离散模型中具有代表性的主要有CELP模型、Kuehn—Hamburger模型、Baumol—Wolf模型和0—1混合整数规划模型等。定量方法的优势在于对物流费用这一核心因素的精确计算, 缺点是无法考虑难以定量计算的其他因素, 本文将对这几个模型加以讨论。

1. 单个物流中心的选址模型

(1) 重心法。S.Eilon, C.D.T.Watson-Gandy和Nicons Christofides所研究的重心法 (Centroid Method) 是解决单个物流中心选址的一个常用模型。所谓重心法是将物流系统的需求点看成是分布在某一平面范围内的物体系统, 各点的需求量和资源分别看成是物体的重量, 物体系统的重心将作为物流网点的最佳设置点, 利用确定物体重心的方法来确定物流网点的位置。

重心法是解决只设置一个物流中心的简单模型, 这是一种连续型模型, 相对于离散型模型来说, 对物流中心的选择不加特定限制, 有自由选择的长处。可是, 从另一方面看, 重心法模型的自由度多也是一个缺点。因为由迭代计算求得的最佳地点实际上是往往很难找到的, 有时是不能实现的, 有的地点可能在江河中间、街道中间或处于人口稀少、环境恶劣的地区。当流通中心和发送地点的数目很多是, 数学模型的建立十分困难, 求解的计算也很复杂。在这种情况下, 可以用逐次逼近法来求解。

(2) 线性规划法。线性规划法一般应用于特定的约束条件下, 从许多可用的选择中挑选一个最佳方案的情况。比如物流网络在营运一段时间后, 由于用户及其需求量发生变化, 需重新计算配送系统;多个配送中心服务于多个销售点, 在可供选择的备选点中增补一个最佳地址。

为了利用线性规划解决问题, 必须满足若干条件。第一, 两个或两个以上的活动或定位必须为着有限资源而竞争。例如, 必须能够至少从两个位置些一个客户运输;第二, 问题结构中所有的相关关系必须是确定性的, 及能够进行线性逼近的。除非满足了这些可以做到的条件, 从线性规划中才能得出解, 这个解虽然在数学上是最优的, 在物流计划中却可能不是有效的。

2. 多个物流中心的选址模型

(1) CELP模型。CFLP法是反町洋一先生创作的方法, 该方法适用于物流中心的能力有限制、数目确定, 而且各需求点的位置和需求量都确定的情形。其基本思路是用线性规划的方法确定各配送中心的市场占有率, 求出配送分担地区的重心, 再用混合整数计划法的“筹划型”确定场址的建设位置。

该方法分两个阶段反复进行计算: (1) 确定各物流中心分担的发送区域; (2) 求出各发送分担区的重心。该方法计算时间短, 是一种有效的计算方法。可是, 在计算管理费用时, 不管物流中心的工作效率如何, 都作为固定费用看待, 这是一个不足之处。该方法实际意义明显, 但缺乏理论上的证明。此外, 计算过程繁琐, 不过目前已开发出相应的应用软件。

(2) Kuehn—Hamburger模型。Kuehn—Hamburger模型是多个物流中心选址的典型方法。在模型中考虑了运输费、仓库管理费、可变费用、延误损失费等多项费用, 其目标是费用之和最小。

它以供货点的个数及可供量、备选物流中心的个数及最大容量、准许选定物流中心个数的上限、用户个数及其需求量为已知参数, 考虑了多个结构化因素的影响:供货点到物流中心的运输费、物流中心到用户的运输费用、物流中心的可变费用和固定费用、各物流中心的容量限制、物流中心的个数限制。模型更加贴近实际。但其不足之处是没有考虑如建设费用这样的固定资产所产生的固定费用。另外, 当供货点、物流中心备选点、客户数量较多的情况下, 其计算量非常庞大。

(3) Baumol—Wolf模型。W.J.Baumol和P.Wolfe的仓库选址模型是一种用简明数学公式很容易计算的模型。模型所考虑的问题是从几个工厂经过几个仓库向用户输送物资, 是一种只考虑运输费用最小的运输规划。这个模型有广泛的应用范围, 例如在选择企业的发标中心地点、销售地点和公共流通中心、储备中心 (或仓库) 的地点时, 都可以应用此模型。

模型的优点: (1) 计算比较简单; (2) 能评价流通过程的总费用 (运输费用、仓库管理费用和发送费用之和) ; (3) 能求解仓库的通过量, 即决定仓库规模的目标; (4) 根据仓库可变费用的特点, 可以采用大批量进货的方式。模型的缺点: (1) 由于采用的是逐次逼近法, 所以, 不能保证必然得到最优解。此外, 由于选择备选地点的方法不同, 有时求出的较优解中可能出现仓库数过多的情况。也就是说, 还可能有仓库数更少、总费用更小的解存在。因此, 必须仔细研究所求得的解是否为最优。 (2) 仓库的固定费用在解中没有反映出来。

(4) 0—1混合整数规划模型。在解决物流网络设计中常见的大型、复杂的选址问题时, 混合整数规划法可能是最受欢迎的一种方法, 因为它能够把固定成本以最优的方法考虑进去, 同时可得出数学上的最优解。

我们知道, 当优化问题的变量是线性实型变量时, 线性规划方法是最方便、最有效的方法。但是, 基本投资费用、固定管理费用都不能用实型变量表示在目标函数和约束条件之中, 因此对这一类选址优化问题不宜借用连续变量的线性模型来处理。固定费用是离散的, 只宜用离散变量表示。因此, 含有固定费用的优化问题, 应该由包含离散变量的模型来处理。混合整数规划模型包括连续变量和离散变量, 因而正适合于模拟同时有可变费用和固定费用的选址问题。混合-整数规划法的主要优点是它能够把固定成本以最优的方式考虑进去, 它是商业选址模型中最受欢迎的方法。一般用混合整数规划来描述选址模型, 目标是使各种成本费用的总和最小, 而用整数变量表示各种选择, 用连续变量表示工厂的生产能力、各种资源的分配等, 用约束表示物流平衡关系和供需关系等。混合-整数规划作为一种方法非常有吸引力, 但仔细分析即可发现, 求解此模型的计算量很大, 该方法处理大规模选址问题时可能需要较长的时间求解, 尽管有了更快的计算机, 这个问题仍然令人头痛。

三、存在的问题

1. 模型常常假设需求量集中于某一点, 而实际上需求来自分散于广阔区域内的多个消费点。

2. 运输费用通常假设运价随运输距离成比例增加, 然而, 大多数运价是由不随运输距离变化的固定部分和随运输距离变化的可变部分组成的。

3. 模型中物流中心与其他网络节点之间的路线通常假定为直线, 实际上这样的情况很少。

4. 未能解决库存与运输同步优化的问题, 即这些模型应该是真正一体化的网络规划模型, 而不应该分别以近似的方法解决各个问题。

5. 模型大多属于静态的, 即无法反应未来成本和收入的变化。

四、结束语

任何一种模型在适用于实际问题时都会表现出一定的缺陷, 但这并不意味着这些模型没有使用价值。尽管各种模型的适用范围和解法不同, 但是任何模型都可以由具备一定技能的分析人员或管理人员来得出有价值的结果。使现有技术更易于使用, 更便于决策者利用, 必然成为未来的发展方向。

摘要：本文系统分析研究了物流中心选址问题的定量分析方法, 如重心法、线性规划法、CELP模型、Baumol-Wolfe模型、Kuehn—Hamburger模型、混合整数规划模型等, 总结了这些数学模型的优缺点及适用范围。

关键词：物流中心,选址模型

参考文献

[1]Ronald H.Ballou, 王晓东译:企业物流管理[M].机械工业出版社, 2002

[2]蔡希贤:物流合理化的数学方法[M].华中工学院出版社, 1985

物流中心选址 篇2

物流中心选址的模糊方法研究

提出了一种模糊情况下的物流中心选址综合因素模糊评价方法.在此方法中,用三角模糊数给出各项决策指标的评语以及各备选地点的排序.给出了确定各备选地点排序的.步骤、方法.

作 者：张艳霞 霍佳震 作者单位：同济大学经济与管理学院,上海,92刊 名：物流技术英文刊名：LOGISTICS TECHNOLOGY年，卷(期)：“”(8)分类号：F273关键词：物流中心 综合因素模糊决策 选址

物流中心选址 篇3

[关键词] 物流物流中心模糊评判

物流活动的一个重要方面，是物流中心的建设，特别是物流中心地址选择的优劣，直接关系到物流的服务效果和经济效益，地址选的恰当、合理，物流中心就能够生存发展，否则，物流中心就难以为继。在物流中心的建设中，选址问题成为物流中心规划时的重中之重，是决策者首先要面对的问题。而目前物流中心的选址，存在着两个极端:一是在实际工作中，由少数决策者凭主观决定，这种凭经验和直觉的定性方法，随意性很大，很难反映客观实际，且缺乏理论依据；二是在理论上，采用传统的数学方法，如重心法、微分法、线性规划法，通过计算来确定。这些完全依赖定量的方法，只能反映影响物流中心选址的一个或几个因素，而且这些因素之间要能够确切的构造出它们之间的数量关系，并且随着影响因素的增多，计算将变得非常复杂和困难，甚至是不可能的。这种方法在理论上虽然可行，但在实际工作中，很难操作。物流中心的选址是受多种因素影响的，包括经济的、环境的、人为的，而这些因素中有的是不可能完全用数量关系来反映的。因此，物流中心选址也不可能完全依赖这些方法，现代数学的模糊评判法，为物流中心选址问题提供了较好的理论依据，它克服了上述方法的主观性、局限性、片面性，把定性方法和定量方法有机的结合起来，是比较理想的选址方法。

一、影响物流中心选址的因素

1.自然资源的特点。自然资源是制造加工商品的基本原料，如果物流中心的地址选的合理，可降低原料的单位成本，减少损耗。因此，物流中心在选址过程中，应首先对自然资源的特点进行综合考察。

2.城市人口的分布。为了方便人口流动，节省流通费用，物流中心应建在人口相对集中的、城市交通便利的位置上。

3.城市建设的整体规划。开展体育物流，通常是以城市为中心的一定区域内。在城市内物流中心要占用大量土地，建在什么地点，一定要符合城市建设的总体规划，适应城市的发展趋势。

4.运输服务条件。体育物流中心应建在交通方便，便于各种特殊运输车辆通过的交通干线上。

5.建设费用。物流中心的建设费用不但决定其建筑物的规模、标准，而且与征地费用、声地平整费用和修路、通电、通水、通气、通信等所需相关费用有关。为降低投资，地址应尽量选择在征地费用少，通水、通电，交通便利，地质条件好，场地平整的地点。

6.外部环境因素。包括政府的资助，在税收方面是否给以优惠，物流中心对环境是否产生影响等。

7.对物流中心未来的发展应仔细研究，使决策具有前瞻性。包括物流中心在此处有没有发展前途和大的作为，以及一定时期内城市经济文化的发展，自然资源的改变，人口的变迁，以便使物流中心能适应未来社会发展的需要。

二、模糊评判方法

模糊评判方法，也称模糊决策法，是在选址中引入模糊性概念，把模糊数学这一现代数学工具引入物流领域。从各个方面、多种因素对被评判对象的隶属等能够进行综合性评判，以确定不同备选的地址的重要性强弱，然后选取最佳方案。模糊评判法基本要互助及方法如下：

1.确立模糊评判因素集U，。

2.给出评判因素集V，。V为事先确定的各种可供选择的等级评语。

3.进行单因素评判，建立模糊关系矩阵R，,其中为U中因素对于V中等级的隶属关系。∧,n;j=1.2∧,m。

4.确定评判因素权向量A，。A是U中各因素对被评事物的隶属关系,它根据评判时各因素的重要性分配权重，ai为集合U中第i个因素ui对应的权数，。

5.确定评语等级行向量P，，pi为V中vi所对应的等级分数,即根据不同等级,赋予pi不同的值,。

6.建立评判模型，选择合成算子，求出模糊评判结果B，

常用的模糊算子有：

对于不同的问题，可选用不同的算子。

7.确定模糊评判考核分。W=BPT,其中PT为行向量P的转置。

本文论述了影响物流中心选址的因素，然后给出了一种选址的方法。该方法是在考虑多种因素的同时，用定量计算和定性分析相结合的方法，对多个备选方案，进行相互比较，从中选优，它克服了传统选址方法的片面性和局限性，对问题的研究更加细致，更加反映客观实际。该方法操作简单，结果明确，科学适用，便于推广应用。

参考文献：

[1]何明珂:现代物流与配送中心[M].北京:中国商业出版社,1997

物流中心选址方法综述 篇4

关键词：物流中心,选址方法,综述

在物流系统中,物流中心居于重要的枢纽地位,起着承上启下的作用。在其物流上游是供应地、工厂等,其下游则是用户。物流中心的选址是指在一个具有若干供应点及若干需求点的经济区域内选择一个或几个地址来设置配送中心的规划过程。较好的物流中心选址可以有效地节省费用,促进生产和消费的协调与配合,保证物流系统的平衡发展。同时还可以向企业提供专业化、个性化、高质高效、完善的增值物流服务。当前,努力降低企业成本、增加企业利润,已经成为物流企业生存发展、增加发展潜力和保持竞争力的重要保证。因此,物流中心的合理选址就显得十分重要,而且物流中心一经选定就将长时间运营,它不仅与运行费用直接相关,而且对工作效率及物流控制水平都会产生很大影响。

目前关于物流中心的选址已经有很多方法,大致可分为定性和定量两大类。定性方法是指凭借个人或集体的经验来做出决策,它的执行步骤一般是先根据经验确定评价指标,对各待选中心利用评价指标进行优劣性检验,根据检验结果作出决策。定性方法的优点是注重历史经验、简单易行,其缺点是容易犯经验主义和主观主义的错误,并且当可选地点较多时不易做出理想的决策。定量方法根据各种约束条件和所要达到的目标,把选址问题转化为函数,再利用合适的算法进行求解,求出最符合条件的解(即具体的地点)作为将建物流中心的位置。下面是几种目前使用较多的选址方法。

1 层次分析法

层次分析法(AHP)是美国运筹学家Saaty教授于20世纪70年代提出的一种实用的多方案或多目标的决策方法。它合理地将定性与定量的决策结合起来,按照思维、心理的规律把决策过程层次化、数量化,特别适合那些难于完全定量进行分析的复杂问题。它首先将所要分析的问题层次化,即根据问题的性质和要达到的总目标,将问题分解成不同的组成因素,按照因素间的相互关系及隶属关系,将因素按不同层次聚集组合,形成一个多层分析结构模型,最终归结为最低层(方案、措施、指标等)相对于最高层(总目标)相对重要程度的权值或相对优劣次序的问题。该方法自1982年被介绍到我国以来,以其定性与定量相结合地处理各种决策因素的特点,以及其系统灵活简洁的优点,迅速地在我国社会经济各个领域内如能源系统分析、城市规划、经济管理、科研评价、物流网络规划等,得到了广泛的重视和应用。

应用AHP方法来解决多目标决策问题一般有以下几个步骤,在物流网络布局中具体为:

(1)明确问题:选择最优的物流园区地点;

(2)建立层次结构:根据评价指标建立目标与元素之间的层次结构;

(3)建造判断矩阵:对每一层次各个准则的相对重要性进行两两比较,并给出判断。这些判断用数值表示出来,写成矩阵即判断矩阵;

(4)通过综合计算各层因素相对重要性的权值,得到最底层(方案层)相对最高层(总目标)的相对重要性次序的组合权值,以此作为评价和选择方案的依据。该方法中被选点权重的大小会直接影响计算所得到的结果,所以利用层次分析法确定权重时,要广泛征集有关人员和专家的意见,使得所计算出的权重较好地符合实际情况,从而最大限度地提高该模型的适用性。

2 模糊聚类法

目前已有的数学选址模型大部分都是对某一特定区域内的几个场址进行评价分析,并未提供对不同区域间的选址方案进行甄选,北京交通大学许婷、韩宝明的论文《多区域物流中心选址方案的模糊聚类分析》对这一方法有比较详细的论述,并通过实例验证了模糊聚类法可有效解决多区域物流中心选址问题。模糊聚类分析是将一个无类别标记的样本集按某种准则划分成若干个子集类,使相似样本尽可能归为一类,而不相似样本尽量划分到不同的类中,表达了样本类属的中介性,是一种软划分手段。模糊聚类能较好地将选址方案中一些难以直接量化的因素归入模型中,其主要优势是不需要建立像微观模型一样复杂的方程组,可以根据实际情况选择不同指标,且建立的指标体系能全面准确的衡量不同地区物流选址条件的优劣,模糊聚类的性质提高了决策者方案选择时的优选性,同时考虑到了不同区域方案间的相似性,使方案决策也具有了多重性,克服了AHP模型中相似方案被划归为不同等级的缺陷。可分为以下几个步骤:

(1)数据标准化:构造数据矩阵,为了消除原始数据矩阵的量纲同时将数据压缩至区间[0 1]上,对其进行平移极差变换可得到标准化矩阵;

(2)建立模糊相似矩阵:依照一定聚类方法确定不同区域选址方案间的相似系数R,并依据R构造相应的模糊相似矩阵,采用海明Hamming距离法进行计算;

(3)聚类:给定不同的置信水平列出各点的排列顺序,即可比较不同位置的优劣。

3 重心法

重心法是单个设施选址最常用的方法,重心法是一种静态的方法,将运输成本作为唯一的选址决策因素,给定供给点与需求点的坐标及节点之间的运输量,则单设施选址的目标是使运输总成本最小。模型为:总运费=设施与客户之间的直线距离×需求量,采用不动点算法求得最优解。也可以用几何实验法,将需求点看成是分布在某一平面范围内的物体系统,各点的需求量和资源量分别看成是物体的重量,物体系统的重心点将作为物流网点的最佳设置点。

4 交叉中值法

中值法将加权的城市距离和最小作为目标函数,即总费用=设施到需求点的折线距离×需求量。求解函数最后得到最好位置可能是一个点或一条线段或一个区域。

5 加权评分法

选址时的许多重要因素难以精确的量化,而对这些因素与指标缺乏一定程度的量化就难以对各种选址方案作对比分析,常用的处理方法就是加权评分法。加权平分法就是选定几个因素并给出权重,对欲确定的地址求加总分得出该选址方案的最后评分,以得分最多的作为最优的选址方案。常作为离散型选址的常用方法,步骤有:

(1)列出备选地点;

(2)列出影响选址的各个因素;

(3)给出每个因素的分值范围;

(4)专家对各个备选地点就各个因素评分;

(5)将每个地点各因素的得分相加,求出总分后加以比较,得分最多的地点作为选址地点。

常需考虑的因素有:建设成本、运输成本、能源情况、劳动力环境、生活条件、交通情况、供水、气候、政策等。

6 P-中值法

P-中值法可以解决已知需求集合和一个候选设施位置的数量和位置,确定设施的位置并指派每个设施到一个特定的设施,使设施和需求点之间的运输费用最低。可用贪婪取走启发式算法来计算。

7 网络覆盖模型

可用于解决对于需求已知的一些需求点,如何确定一组服务设施来满足这些需求点的需求,也就是需要确定服务设施的最小数量和合适的位置,可分为两种不同的模型:集合覆盖模型(用最小数量的设施去覆盖所有的需求点)和最大覆盖模型(在给定数量的设施下,覆盖尽可能多的需求点)。前者常用启发式算法,后者常用贪婪算法。

8 系统模拟法

物流管理系统与外部环境或其各环节之间存在着一定的数学或逻辑的关系,因此可以用定性分析和定量分析的方法,通过一定的数学逻辑模型去描述这些数学的或逻辑的关系,反映系统的本质。模拟法就是建立数学逻辑模型,通过计算机实验,对一个系统按照一定的作业规则由一个状态变换为另一个状态的动态行为进行描述或分析。

9 遗传算法

遗传算法是模拟自然进化过程,利用简单的编码技术和繁殖机制来解决十分复杂的问题。它通过适当的遗传操作和反复迭代,最后可得到最优解,即物流实施的合理位置。

1 0 模糊品质机能法

在选址过程中除了考虑物流企业自身的需求外,还考虑客户的需求,建立如下的选址决策品质屋(如图1)。然后根据客户选址需求权重建立关心矩阵,计算选

址准则权重,对各方案进行模糊评价,在对各方案进行模糊排序,最后找出最佳的选址位置(如图2)。

1 1 最短路径法

采用图论中的最短路径算法来建立物流中心选址模型。它的主要思想是从代表两个顶点的距离的权矩阵开始,每次插入一个顶点比较任意两点间的已知最短路径和插入顶点作为中间顶点时可能产生的路径距离,然后取较小值以得到新的距离权矩阵。当所有的顶点均作为顶点时,得到的最后的权矩阵就反映了所有顶点间的最短距离信息。最短距离者作为费用最小者,即最佳的选址位置。

1 2 双层模拟退火算法

外层对设施选址决策进行优化,内层则在上层确定的设施选址决策基础上进行用户需求分配的优化,双层模拟退火算法不但收敛速度快,而且能求取更高质量的最优解。

正因为物流中心选址的重要性,以致有许多人致力于该领域的研究,物流中心的选址方法除了以上的方法之外,还有人把离散型和连续型相结合采用遗传算法来求解选址问题,还有基于逆向物流系统的物流中心动态选址方法等。

参考文献

[1]孙焰.现代物流管理技术[M].上海:同济大学出版社,2004.

[2]陆立娟,李大卫.逆向物流中心动态选址问题的研究[J].鞍山科技大学学报,2007(2):150-154.

[3]辜勇,高东旭.重心法在油库选址问题中的应用[J].物流科技,2007(2):108-111.

[4]许婷,韩宝明.多区域物流中心选址方案的模糊聚类分析[J].铁道运输与经济,2007(5):68-70.

[5]莫海熙,郜振华,陈森发.基于AHP和目标规划的物流配送中心选址模型[J].公路交通科技,2007(5):150-153.

[6]张玉松.配送中心选址方案的研究探索[J].中国水运,2007(4):205-206.

[7]刘海龙,李成严.物流中心选址方法研究[J].黑龙江科技信息,2007(7):42.

[8]王春燕,张华.遗传算法在配送中心选址中的应用[J].物流科技,2007(4):111-113.

[9]张铠.物流中心选址问题研究[D].天津:天津财经大学,2006.

分析战场物资配送中心选址 篇5

一般油料物资配送中心选址优化问题的目标是“选址相关成本最低”，所以配送中心选在配送目标重心点附近区域的概率比较大。战场油料物资的配送由于其特殊性，配送中心选址的目标往往是“配送效率最高”、“选址位置安全性高”等。本文采用重心法对物资配送中心进行初步选址，在周围一定范围(可视具体情况而定)内按照方位(东西南北)确定四个初选对象，以满足单纯选址要求，但重心法并没有考虑战场环境、运输条件、兵力分布等实际因素，求出的最佳位置可能并不能与实际相符，因此结合模糊层次分析法对由重心法得出的备选区域内的地址进行再次筛选，以得到与实际情况相符的选址方案，本文主要分析单一目标的选址问题。

4.2 重心法初次选址

重心法选址是将需求点(部队用户)和配送中心看成是分布在某一平面范围内的物体组成系统，各点的需求量看成是物体的重量，该系统的重心可作为物流中心的最佳设置点，从而利用求解物体重心的方法来计算物流中心的位置。

若要将式中x、y完全消除，通常给出一个初始坐标，再采用迭代法求解。

4.3 模糊层次分析法再次选址

重心法计算求得的最佳位置可能会和实际情况差距较大，在实际执行过程中，由此获得的坐标有可能在道路中间，同时利用重心法计算的是两点间的直线距离，这就使得计算结果与实际情况并不相符，因此需对上述计算结果加以修正。以重心法确定的坐标为选址中心，在周围8km范围内(可视具体情况确定)按照东西南北4个方位初选出4处地点，作为备选方案，结合战场的实际情况建立评价体系，并结合专家意见，最后确定出和实际情况相符的油料物资配送中心位置。

(1)建立战场评价体系。分析现代战争的形势和特点，确定出影响战场配送中心的因素，建立战场油料物资配送中心评价指标体系，如图1所示。

(2)决策过程。通过重心法初选出4个基本符合要求的候选地址，从中进一步选择出各项指标最好的1个候选地作为物流配送中心的建设地点，因此需要对这4个候选地各项影响因素进行综合评价。邀请专家组成委员会对影响配送中心的各项因素进行评价，其评价的指标体系如图1所示。

聘请专家组建评价小组，由层次分析法给出各因素权重，对4个备选地点Ⅰ、Ⅱ、Ⅲ、Ⅳ进行模糊评价，如表1至表4所示。

即可得到一级评价指标的隶属度：

一级指标的权重已给出，得到备选地Ⅰ的模糊评价结果为：

则备选地Ⅰ的最终评判结果为：

同理，对其余3个备选地点进行评价，得到4个对应值C值，分别为：

由评价结果可得，备选地Ⅱ为最佳备选地，备选地Ⅰ、Ⅲ次之，备选地Ⅳ最差。

5 小 结

未来作战陆军按照全域机动、立体攻防，海军按照近海防御、远海护卫，空军按照空天一体、攻防兼备，二炮按照精干有效、核常兼备，武警按照多能一体、有效维稳的战略要求构建武装力量，作战地形和气候复杂，参战的军种全、人员多，战域广阔、装备多样化、装甲机动性强。建立配送中心时，需要考虑诸多现实因素，既包括配送到达时限、中心建址费用，还包括敌方打击破坏、自然环境变化等因素引起的配送路网的耗损等。因此分析战场情况，合理建立战场物资配送中心，具有十分重大的现实意义和军事价值。

参考文献：

[1] 彭呈仓. 区域型战备物资储备研究[M]. 北京：国防大学出版社，.

[2] 王丰，姜大力，甘明. 信息化战争军事物流[M]. 北京：中国物资出版社，.

[3] 于轶颉，刘伟华. 配送中心选址评价指标体系研究[J]. 价值工程，(2)：23-24.

[4] 张诚，毛三艳. 物流配送中心选址及布局分析[J]. 中国市场，(9)：22-24.

多级物流节点选址问题建模与求解 篇6

关键词: 多级物流节点; 选址模型; 并行遗传算法

中图分类号:F252.3; F252.5; F713文献标志码:A

Modeling and solving for locations of multi-level logistics network

HAN Hao, WANG Suling

(School of Transport & Communications, Shanghai Maritime Univ., Shanghai 200135, china)

Abstract:To solve the problem of locations for multi-level logistics network, an ptimization model for the locations of multi-level logistics network correspondent with the diversified scope of company is roposed. According to this method, selection of the locations is ransformed into finding the optimal solution of the minimum problem, nd multi-level network is divided into several three-layer planning modes ccording to the number of node layers. Each upper layer is assumed to be supplier’s site and the next layer is assumed to be customer’s site. The optimal solution of ntire logistics network is obtained by computing the optimal solution of the three-layer planning modes circularly using parallel genetic algorithm. pplication examples and simulation analysis show that the method has strong feasibility and extensive applicability, and it is of some guiding significance and reference value for the location selection optimization of logistics and other imilar facilities.

Key words:multi-level logistics network; location selection model; parallel genetic algorithm

0 引 言

随着现代物流功能及方式的不断进化,产品的物流过程逐步由从供应点到需求点的简单模式演变为从供应点到公共物流中心再到需求点的模式.物流节点是物流系统的重要组成部分,是商品进行周转、分拣、保管、在库管理、流通加工和信息处理的据点,能促进商品按顾客的要求进行流通、获得附加值以及克服物流过程中产生的时间和空间障碍.因此,合理选择物流节点位置,可降低供应链的流通成本,缩短运输路径,加快整个系统的反应速度,促进生产和消费的协调配合,进而促进周边企业乃至所在城市的发展.

现代物流节点选址的相关研究中,大多针对3层物流设施进行选址,而现实中企业往往多元化经营,物流网络结构也相应拉长,因此,基于标准3层物流设施选址在实际应用中存在不足.

[HJ*4/9]1 问题的提出

目前,国内外关于物流节点选址的研究主要分为定性分析和定量分析2大类.定性分析方法主要为层次分析法和模糊综合评价法相结合建立评价指标,并对各个方案进行评价,找出最优方案;定量分析方法主要包括重心法、运输规划法、Cluster法、CFLP法、Baumol-Wolf法、混合0-1整数规划法、双层规划法和遗传算法等.

虽然在定性和定量方面研究较多,但仍有不足:定性分析法考虑众多影响因素,通过对定性因素进行评测,可较全面、综合地对选址方案进行评比,但对其中需定量描述因素的分析较为薄弱,同时,大量的主观判断也会造成评价偏差较大;定量分析法中选址目标的确定多基于企业物流成本的最小化,未考虑物流中心的收益状况,这与企业更关注收益最大化的现实不符.在定性与定量结合进行综合分析方面,虽对设施选址的准确性和完备性相互补充,但由于仅是2种方法的简单叠加,无法克服其存在的根本缺陷,也难以贴近现实问题.[1]

遗传算法是20世纪美国Michigan大学的HOLLAND模仿自然界生物进化过程中“物竞天择,适者生存”的原理创立的1种多参数、多群体同时优化的方法.传统的遗传算法在诸多领域取得良好的效果,但在解决某些实际问题时,由于需要较多的个体数量和大量的计算,造成进化过程缓慢,且容易未成熟即收敛,难以满足实时性要求.其他定量分析法如整数规划法中的分支定界法,虽然计算相对简单,但在计算过程中需估算准确的权值,且耗费大量空间储存节点数据.

[HJ*5/9]并行遗传算法将计算机的高速并行性和遗传算法的天然并行性相结合,不仅提高求解速度,而且由于种群规模的扩大和各子种群的隔离,使种群的多样性得以保持和丰富,减少早熟的可能性,提高求解的质量,在实践中受到青睐.[2][HJ][LL]

基于物流节点选址通常需考虑设施服务能力、投资预算和生产能力等现实约束条件,构建有约束能力的物流设施选址模型.在实际中,物流节点的选址往往还涉及整个系统的效率、时间、服务水平、运输路网和环境污染等诸多因素,但系统总成本最低是物流节点规划的最根本要求.因此,本文建立费用最小模型,同时将并行遗传算法引入到物流节点选址模型的求解中.

2 模型的建立

物流节点选址属于最小化问题求最优解,即从若干备选节点中选出一定数目的节点,使其形成的物流网络运行费用最小.本文研究的是多级物流网络费用最小问题,可将多级网络按节点层数分割为若干3层规划模型,将每层的上一层级假设为供应商点,下一层级假设为客户点,通过循环求解3层规划模型的最优解,得到整个物流网络的最优决策.[3]

2.1 基本思想

设有a个供应商的商品经ni层物流节点运达b个客户.现拟从每层的ni个备选节点中选取若干个建立物流节点,使形成的物流网络总费用最小.其中,供应商的供应能力、客户的需求量及各节点的最大通过能力已知.多级物流网络结构示意见图1.[HT1.][HT]图1 多级物流网络结构示意

求解物流网络最小成本问题,即求解使运输成本、存储成本和建设成本之和最小的最优解.[4]为简化问题和模型,作如下假设:

(1)供应商的供货能力总能满足客户需求;

(2)每个客户的需求必须得到满足,且只能由1个物流节点进行满足;

(3)各物流节点的发货量与进货量保持平衡.

2.2 模型的建立

模型总费用目标函数为min f=[ZK(]α[DD(]N-1[]n=1[DD)][DD(]Hn+1[]j=1[DD)][DD(]Hn[]i=1[DD)]PijnEijn+β[DD(]N-1[]n=2[DD)][DD(]Hn[]i=1[DD)]AinZ(Fin)+

β[DD(]N-1[]n=2[DD)][DD(]Hn[]i=1[DD)]Bin(Fin)θ+[DD(]N-1[]n=2[DD)][DD(]Hn[]i=1[DD)]XinIin[ZK)][JY](1)[HJ]式中:[DD(]N-1[]n=1[DD)][DD(]Hn+1[]j=1[DD)][DD(]Hn[]i=1[DD)]PijnEijn为运输成本;[DD(]N-1[]n=2[DD)][DD(]Hn[]i=1[DD)]AinZ(Fin)为固定存储费用;[DD(]N-1[]n=2[DD)][DD(]Hn[]i=1[DD)]Bin(Fin)θ为变动存储费用,θ与物流节点规模有关,通常取0.5[4];[DD(]N-1[]n=2[DD)][DD(]Hn[]i=1[DD)]XinIin为建设费用.

约束条件如下:Fin≤Vin,i,n(2)

[DD(]Hn[]i=1[DD)]Xin≤Mn,1≤n≤N-1[JY](3)

Fin=Fin-1Yin-1,i,n[JY](4)

Ein=FinYin,i,n[JY](5)

[DD(]Hn-1[]j=1[DD)]Ejin-1=[DD(]Hn[]j=1[DD)]Eijn,n,i[JY](6)

di≥0,i[JY](7)

Eijn≥0,i,j,n[JY](8)

Fin≥0,i,n[JY](9)

Vin≥0,i,n[JY](10)Xin=(11)

Yijn=1, 若第n层上的节点i对于产品的

[KG*2][KG*2]需求由第n+1层上的节点满足

0, 否则(12)Z(x)=3 并行遗传算法设计

遗传算法通过对生物遗传和进化过程中的选择、交叉和变异机理的模仿,完成对问题最优解的自适应搜索过程;基本遗传算法只使用选择算子、交叉算子和变异算子等3种基本遗传算子,遗传进化过程较简单;并行遗传算法从以下4种并行性方面[5]进行改进和发展:

[HJ*5/9](1)个体适应度评价的并行性;

(2)整体群体中各个个体适应度评价的并行性;

(3)子代群体产生过程的并行性;

(4)基于群体分组的并行性.

所谓并行性,即对群体按一定的方式进行分组,分组后的单一或1组个体的遗传进化过程可在不同的处理机上独立进行.在适当的时候,各处理机之间以适当的方式交换一些信息,即不同个体或不同组个体的遗传进化过程并行进行.

3.1 并行遗传算法原理

将种群进行划分,目前比较成熟的分类方法为聚类分析法.对不同种群采用不同的方法进行初始化,在各个群体进行一定代数的独立进化后,分别从各个种群中选取一部分适应度高的个体,放到其他种群中进行不断的优化迭代,当计算结果满足一定条件后即停止计算.[6]并行遗传算法流程见图2.[HJ]

[HT1.][HT]图2 并行遗传算法流程[LL]3.2 编码方案

对模型中的决策变量进行分析,zd表示是否选中该备选节点,因此,宜采用二进制编码.对n个备选节点,取n个二进制作为染色体长度,每个基因赋值0或1,1表示该节点被选择,0表示该节点未被选择.

3.3 初始群体设定

选取聚类类别数k,用C-均值聚类法对1个大种群进行分类,从备选集合中任取k个点作为聚类中心,将每个样本点按欧式距离‖xl-ci‖=‖xl-xj‖归入中心为Ci的类中,重新调整聚类中心,直到聚类中心不再变化,得m个独立的小种群,然后从每类随机选择1个节点,保证每类节点中至多有1个被选中.[7]

3.4 适应度函数设计

如何确定要交换的个体,是并行遗传算法的1个关键,直接影响到群体进化速度及优良程度.遗传算法中适应函数值越大越好,但在配送中心选址问题中要求解最小值,因此,可建立适应度函数g(X,Z)=Cmax-f(X,Z)[JY](14)式中:Cmax为f(X,Z)的最大估计值.

3.5 计算步骤

在遗传算法中,子群体中的个体按照一定比例随机进行寻优操作,为保持进化的稳定性,同时加快进化速度,遗传算子β的取值应随进化代数的变化而不同,设θ=θ1+(θ2-θ1)×t/Tmax(15)式中:θ为比例因数,θ∈(θ1,θ2);t为当前进化代数;Tmax为最大进化代数.

具体步骤如下:

(1)初始化.设初始遗传代数t=0,按照实数编码方式在解空间中随机产生初始群体P(t)(其大小为N),按C-均值聚类法将P(t)等分为m个子种群P(t)={P1(t),P2(t),…,Pm(t)}.(2)复制、变异、交叉.对m个子种群Pi(t)(i=1,2,…,m)分别独立进化,计算Pi(t)中个体的适应[LL]度函数值,并按由大到小的顺序排序.

①根据式(15)计算θ,令S=floor(N×θ),S>n,floor()为取整运算,n为随机数;

②排在前面的n个个体直接复制到P′[KG-*2]i(t);

③从Pi(t)中取出第n+1到S之间的1个个体,与排在前面的n个个体组成n+1个节点,利用随机算法算出1个新点;依次取出1个个体,算出1个新点,直到算出S-n个新的个体到P′[KG-*2]i(t);

④采用比例选择法,从Pi(t)中挑选出N/m个个体到P″[KG-*2]i(t);

⑤采用算数交叉方法,以一定的交叉概率对[JP3]P″[KG-*2]i(t)中的个体进行交叉操作,得新的个体到P″[KG-*2]i(t);

[JP3]⑥采用高斯变异[8]方法,以一定的变异概率对P″[KG-*2]i(t)中的个体进行变异操作,得到新的子种群P′[KG-*2]i(t).

(3)计算适应度、筛选.分组计算P′[KG-*2]i(t)(i=1,2,…,m)中个体的适应度值;

(4)遗传.根据星型迁移模型[9]的信息交换模型,对各Pi(t)之间进行信息交换,得下一代群体;

(5)结果输出.用终止条件判断,若满足终止条件,则输出优化结果,否则转到步骤(2).考虑到并行遗[HJ*4/9]传算法本身具有很好的收敛性,为缩短计算时间,取最大进化代数为终止条件,即计算一定次数后返回最优值.

4 案例分析及仿真

为说明该算法的实际应用,可代表性地选取4层级物流网络进行演算.多于4层级的案例算法与此类似,仅需增加循环计算次数.

某大型生产企业因业务发展需要,计划在全国范围内建立多个配送中心,配送其生产的20多种商品,服务30个重要客户,其中:1级配送中心最多2个,2级配送中心最多4个.经初步考察,现有10个地点可供选择,其中:1级配送中心可选地4个,2级配送中心可选地6个,规划年限为5 a,利率γ=0.05,运输费用权重因数α=1,库存费用权重因数β=1,所建物流网络能满足所有用户的随机需求,基本数据见表1,[WTBZ]客户对商品的需求量见表2,运输费率见表3.[HJ][SD38*2]表1

备选地点基本数据待选设施1级备选点2级备选点1234123456建设费用/元18 10013 50026 40014 10013 00029 80028 50025 60010 00015 100通过能力/t3 6004 0804 9272 8403 6804 1504 8103 2004 6204 000可变存储费/(元•t-1)815988128867910413910377固定存储费/(元•t-1)1 5351 7632 4302 3012 9262 2971 6002 6932 9221 767

表2

客户对商品的需求量[JZ)][JY,1]t客户需求量1147295313241185113客户需求量61357116890912810143客户需求量119912971392141181572客户需求量169217146181241913720108客户需求量21772210323532413625102客户需求量26120279828129299830119注:因该企业的主要产品性质相差不大,对运输与仓储条件的要求基本相同,故不再细分每种商品的需求.

可见,使用此模型结合并行遗传算法可准确地选择备选节点,并快速得出最优解,使整个网络的物流成本最小.本文模型采用并行遗传算法求解,最优[HJ*5/9]结果收敛于860 110,可见,本文建立的费用最小模型具有较好的实用性.

5 结 论

本文在物流节点选址问题中引入并行遗传算法,将物流节点划分为几个子群体,各个子群体独立进行简单遗传算法的进化操作,在适当的时候,各个子群体间相互交换信息,从全局角度开发群体进化的并行性,有效提高遗传算法的运行速度,并且保持各处子群体进化的局部特征,[JP2]有效回避遗传算法的早熟现象.与常用的分支定界法相比,无需估算各节点权值,也无需存储许多叶子节点和对应的耗费矩阵,提高计算结果的准确性,也节省一定的内存空间.[JP]

物流节点选址问题是个混合的整数规划问题,各约束条件既相互联系又相互制约,给求解带来难度.本文建立的一般选址问题通用数学模型,运用并行遗传算法在求解过程中逐步优化,并通过实例进行论证,为今后的物流节点选址优化问题的研究提供参考.[HJ]

参考文献:

[1]王非, 徐渝. 物流配送中心选址研究[J]. 物流技术, 2006(6): 35-37.

[2]高家全, 胡桂霞. 并行遗传算法研究综述[J]. 浙江工业大学学报, 2006, 35(1): 56-59.

[3]秦进. 多商品物流网络设计相关优化模型及算法研究[D].

长沙: 中南大学, 2006.

[4]王春燕, 张华. 遗传算法在配送中心选址中的应用[J]. 物流科技, 2007(4):111-113.

[5]傅家旗, 叶春明, 何志康, 等. 基于微粒群算法的配送中心选址研究[J]. 物流科技, 2007(11): 66-70.

[6]刘敬青. 物流设施选址研究的评述及展望[J]. 中国储运, 2007(3): 58-60.

[7]张晓东. 物流园区布局规划理论研究[M]. 北京: 中国物资出版社, 2004: 186.

[8]LUIS G, ACOSTA E, ROBERTO D G. Dual-based heuristics for a hierarchical covering location problem[J]. Comput & Operations Res, 2003, 30(2): 65-180.

[9]张旭风, 王纪川, 牟莉. 并行遗传算法收敛性分析及优化[J]. 西安工程科技学院学报, 2007, 21(5): 658-659.

物流配送中心选址策略研究 篇7

本文从企业的角度,将物流配送中心的选址归结为最小成本问题,即求解使运输成本、变动成本和固定成本之和最小的最优化问题。本文讨论的是多个物流配送中心选址,即在一些已知的被选点中选出一定数目的地点设置为物流配送中心,使形成的物流网络的总费用最少,包括基本投资、可变和不可变费用。

1 模型的假设

1)仅在一定的备选范围内考虑设置新的物流中心。

2)包括从供货点到配送中心之间的运输,从配送中心到用户之间的运输。

3)一个配送中心可由多供货点供货,一个用户的需求可由多配送中心提供。

4)配送中心的容量能够满足用户的需求。

5)各用户的需求量一定且为已知。

6)供货点与各配送中心、配送中心与各用户间的单位运费为已知。

7)各配送中心的单位管理费用为已知常量。

8)配送中心的固定投资费用已知。

9)运输费用与运输量成正比。

2 模型的建立

物流配送中心的选址问题采用离散形式来表示比较合适。目标函数是从被选地点中选出一定数量的点作为最佳配送中心,使从供货点到配送中心的运输费用、配送中心到用户的运输费用、流经配送中心的产品管理费用以及配送中心的固定投资费用的总和最少。建立物流配送中心的选址模型为:

约束条件:

其中:E—总费用;p—供货点的个数;q—配送中心被选地点的个数;u—用户的个数;l—产品总类;Xrki—r产品从供货点k到配送中心i的运输量;Yrij—r产品从配送中心i到用户j的运输量;Fi—配送中心i的固定投资费用;cki—产品从供货点k到配送中心i的单位运输费用;dij—产品从配送中心i到用户j的单位运输费用;mri—配送中心i对r产品单位管理费用;zi—整数变量,当zi=1时,表示配送中心i被选中,当zi=0时,表示配送中心i未被选中;Ark—供货点k对产品r的供应能力;Mi—物流配送中心i的建设容量;Drj—用户j对产品r的需求量;

供货点到物流配送中心的运输费用;

物流配送中心到用户的运输费用;

物流配送中心的管理费用;

———物流配送中心的固定投资费用;

式(2)表示从供应地k到各物流配送中心的货物总量不能超过它的供货能力;式(3)表示从各物流配送中心向需求地j配送的总量应该满足用户的需求量;式(4)表示从各供应地向物流配送中心i配送的总量不能超过它的建设容量;式(5)表示各物流配送中心的货物进出量要相等;式(6)中0表示备选地i未被选中,1表示备选地i被选中;式(7)表示所有变量必须大于或等于0。

3 模型的求解算法

物流配送中心选址问题属于非线性0-1规划问题,非线性0-1规划问题常属于NP难题,用常规的方法求解比较困难,本文借助遗传算法来求解。下面通过一个具体的实例来说明具体的求解方法和过程。

某区域有3个供货点(p=3),6个配送中心备选地(q=6),8个用户(u=8),需要配送2种货物(l=2)。各供货点对应货物类别的供货能力如下(万吨):(供货点1,货类1)—100,(供货点1,货类2)—200,(供货点2,货类1)—150,(供货点2,货类2)—150,(供货点3,货类1)—180,(供货点3,货类2)—170。各用户对应货物类别的需求量如下(万吨):(用户1,货类1)—80,(用户1,货类2)—100,(用户2,货类1)—90,(用户2,货类2)—70,(用户3,货类1)—100,(用户3,货类2)—85,(用户4,货类1)—100,(用户4,货类2)—90,(用户5,货类1)—150,(用户5,货类2)—200,(用户6,货类1)—40,(用户6,货类2)—160,(用户7,货类1)—20,(用户7,货类2)—70,(用户8,货类1)—30,(用户8,货类2)—150。备选地建设容量:共有6个备选地,设编号为1-6,对应的建设容量(万吨)分别为600、700、800、900、400、600。备选地固定投资费用:编号为1-6的备选地,对应的固定费用(万元)分别为2 500、3 000、3 500、4 000、1 600、2 800。对应货物类别的单位产品管理费用见表1,运输单价和配送单价分别见表2和表3。试选择最佳的备选地作为物流配送中心,使得从供货点到配送中心的运输费用、配送中心到用户的运输费用、流经配送中心产品的管理费用以及配送中心的固定投资费用之和最小。

对于实例的选址问题,首先要根据已知条件,利用前面建立的选址模型建立目标函数(略),然后利用遗传算法进行求解。遗传算法的求解流程如图1。

结合遗传算法的求解流程,实例的求解具体过程如下:

(1)编码方案

对于物流配送中心选址模型,我们采用二进制编码,字符串的长度为备选地址的个数,我们构造如下字符串,m为备选地址的个数,zi为0时表示备选地址i未被选中;zi为1时表示地址i被选中。

z1z2…zi…zm。

(2)解除约束与适应度函数

根据式1建立模型的约束条件,分别令

这里l=2,p=3,q=6,u=8

利用遗传算法的罚函数法,可得:

式中:t—遗传代数;τ0—初始系数,这里取3。

问题转化为如下无约束化问题:

设适应度函数为F(X),Cmax为一个适当地相对较大的数,则其转化为:

(3)遗传操作

1)选择操作

设群体大小为M,个体i的适应度为Fi,则个体i被选中的概率Pi为:

2)交叉操作

对决策变量zi进行单点交叉:随机选两个个体,再随机选择交叉点根据交叉率进行交叉。

3)变异操作

根据选址编码方法的特点,采用基本位变异。在算法中,变异算子通过按变异概率Pm随机反转某位等位基因的二进制字符值来实现。基因位变异运算的示意图为:

(4)参数确定

群体规模—M=60,终止代数—T=400,交叉率—PC=0.75,变异率—Pm=0.008。

(5)采用vb.net编写求解程序,部分实现程序如下:

1)定义不同个体的数据结构。

2)主程序结构

(6)程序输出结果

本文的模型是在不考虑库存的情况下建立的。目前,零库存是许多物流企业的经营目标,但短期内还很难实现,因此如何在引进库存费用的基础上建立物流配送中心选址模型需进一步探讨。

参考文献

[1]王燕,蒋笑梅.配送中心全程规划.北京:机械工业出版社,2004

[2]王小平,曹立明.遗传算法—理论应用与软件实现.西安:西安交通大学出版社,2006

应急物流中心选址问题算法研究 篇8

关键词：应急物流,选址,算法复杂性

0 引言

应急物流是指在突发事故灾难后, 以时间最小化和损失最小化为目标, 向受灾地区提供所需应急物资来使事故灾难损失最小的特种物流活动。在应急物流系统建设中, 应急物流中心选址具有十分重要的地位。应急物流中心一经建立就将长时间运营, 它不仅与运行费用直接相关, 而且对工作效率及控制水平将会产生很大影响。为了减少建设成本、降低运行费用、提高工作效率, 在设置应急物流中心之前, 要充分考虑应急物流中心的合理布局, 正确地选择应急物流中心的地理位置是十分重要的。

应急物流中心选址问题, 所要考虑的是对于一些应急服务设施点, 如何科学合理地确定开设位置, 使得利用这些服务设施处置突发应急事件时能够提供及时、有效的应急服务, 如消防设施的开设、医疗机构的开设等, 或者在突发事件发生后, 如何根据突发事件的状态及产生的影响, 合理地开设应急服务设施点, 从而有力地提供应急服务。

应急物流中心选址问题考虑的另一个重要因素是节点成本问题, 这里讨论的节点成本主要是指应急物资中心的建设成本, 由于重大突发事件的发生概率比较小, 应急物资中心的利用率很低, 一般会处于日常维护状态, 而这部分费用相对于突发事件发生后的应急配送费用也要大的多。与急救中心、消防等一般应急设施不同, 应急物资中心的建立以及建立后的运营都需要大量的资金。目前, 国内针对应急物流中心选址的研究还不是很多, 主要集中在应急出救点数量确定等方面[1,2]。与国内相比, 国外在对应急物资中心的选址问题研究方面更加具体一些, 一般均会通过给出可直观反映问题的数学模型的方式来解释和解决问题, 然后通过科学的算法来解释和回答问题[3,4]。本文探讨了在应急时间限制条件下, 通过选择部分应急设施, 使得建设应急设施所需成本最小并且各个应急点能够得到及时响应的算法。第一部分给出相关背景描述;第二部分给出该问题模型及求解该问题的算法复杂性;第三部分给出求解该问题的一个随机近似算法;第四部分给出一个实例;第五部分进行总结。

1 问题描述及模型分析

应急物流中心选址问题的研究根据不同的考虑有不同的考虑重点。在基于时间限制和节点成本权衡下的应急物流中心问题选址问题的最终目标是如何以最低的成本建立一些应急物资中心, 使得自然灾害发生时受灾地点的能在较多时间内得到快速响应。

设应急地点集为C={C1, C2, �, Cn}, Ci (1≤i≤m) 为应急地点, S={S1, S2, �Sm}为可能的应急服务设施点集, Sj (1≤j≤m) 为可能的应急服务设施点。R={R1, R2, �, Rm}为各应急服务设施点的服务半径集合, Rj (1≤j≤m) 为设施点Sj的服务半径, 即该点与它服务的任一客户点Ci之间的距离须小于或等于Rj。W={w1, w2, �wm}为权重集合, wj为建造sj所需要的成本。定义W (S) =

该问题形式化描述如下:

目标:选择S’⊆S, 使得对于"Cj∈C, 在S’中至少存在一个Si满足d (Si, Cj) ≤Ri, 并且满足W (S’) 最小。

定义矩阵A= (aij) , 如果d (Si, Cj)

(1) 表明:每个应急地点至少被一个应急设施所服务; (2) 表明:如果在Sj处建立应急服务设施, 则xj=1, 否则xj=0。

将上述问题归约为带权集合覆盖问题, 证明该问题为NP-HARD问题, 集合覆盖问题形式化描述如下:

引理1[5]:如果存在e>0, 使得某个多项式时间算法可以将集合覆盖问题近似到 (1-ε) ln (n) , 其中n是欲覆盖的元素数, 那么NP⊆DTIME (nO (loglogn) ) 。

给定应急选址问题实例 (C, S, R, w (S) ) , 构造相应的带权集合覆盖问题的实例 (X, Y, w (Y) ) 。构造算法如下:

(1) 令X=C, Y=∅

(2) 针对每个Si∈S (1≤i≤m) , 计算Yi={c|c∈C且d (si, c) ≤Ri}

(3) 令Y=Y∪{Yi}, w (Yi) =w (si) , i=1, 2, ...m

经过上述转换后, 该问题变为一个带权集合覆盖问题实例, 由此我们得出下述定理:

定理1:应急选址问题为NP-Hard问题, 且不存在小于ln (n) 的多项式时间近似算法。其中n为应急地点数。

2 近似算法研究

由于该问题为NP-Hard问题, 我们只能寻找该问题的近似解[6]。事实上与该问题相似的很多问题如k-median问题, 设施定位问题的近似算法研究已成为国内外研究热点[7,8,9]。下面, 我们讨论该问题的一个随机近似算法。如果我们将上述整数线性规划中的变量xj的取值范围扩大到0≤xj≤1, 就得到这个整数规划的线性规划松弛。相应其形式化描述变为:

设LP (2) 的最优解为x*, 基于该最优解, 我们给出相应求解整数线性规划问题的一个可行解x的随机算法, 该算法描述如下:

输入:LP (2) 的最优解为x*

输出:LP (1) 的可行解x

Step1:置F=Φ

以xi*概率确定在Si处设置应急服务设施。

若Si被确定为应急服务设施, 置F=F∪{Si}。

给定服务设施子集F*, 针对每个服务设施点f∈F*, 设f的服务距离限制为Rf, 定义Cf={c∈C|d (c, f) ≤Rf}。设C*为所有集合Cf的并集。

另一方面:

定理3:算法以较大的概率求到服务成本代价的期望近似性能比为ln (n) , 其中:n为应急地点数。

对于任意给定应急地点c:

当n较大时, 显然:Pr (C*包含所有应急地点) ≥1/2。 (2)

(2) 表明F*以较大的概率能够覆盖所有应急地点, 而 (1) 则表明期望成本代价近似度至多为ln (n) 。

3 应用实例

假设某城市有12个街区, 当地政府选择10个候选地点计划修建合理的应急物流中心来覆盖所有区域。规划目标是在突发事故灾难发生后15分钟内, 应急资源可以运送到事故现场。表1给出每个候选物流中心地点15分钟内可到达的街区。

表2给出在每个候选地点建造物流中心所需成本。

将相关数据代入LP (2) , 变为如下线性规划问题:

St:

利用线性规划问题求解软件Matlab, 求得x的解为:

在确定上述x解的基础上, 将上述随机算法运算9次, 表3给出求到结果:

取上述算法所求可行解中的最小值作为算法最终解, 由表3可知, 由算法所确定物流中心应建在候选中心位置1, 6, 10上, 这三个中心点位置也是该问题最优解的位置。

4 结束语

本文研究了在基于时间限制和节点成本控制下的应急物流中心选址问题模型及近似算法, 提出求解该问题一个随机近似算法, 通过算法阐述了解决该类问题的求解过程。但是模型的建立主要满足了时间紧迫性或最大距离限制需求, 仅考虑了在应急物流中心建设费用, 没有考虑运输成本, 其他因素考虑还比较少。多个应急物流中心选址还需结合更多因素更深入地研究, 建立起更加全面的选址模型和研究方法。

参考文献

[1] 朱晓波, 钱振东, 陆振波等. 高速公路紧急救援服务点选址模型的研究[J]. 交通运输工程与信息学报, 2010, 4 (8) :104-109.ZHU Xiao-bo, QIAN Zheng-dong, LU Zhen-bo etc. Study on models of freeway emergency rescue service site location[J]. Journal of Transportation Engineering and Information, 2010, 4 (8) :104-109.

[2] 王炜, 刘茂. 应急物流基站阶段性规划优化问题研究[J]. 物流技术, 2009, 28 (1) :63-64+94.Wang Wei, Liu Mao. Research on periodical design of emergency logistics depot.Logistics Technology, 2009, 28 (1) :63-64+94

[3]Church Richard, Gerrard Ross A. The multi-level location set covering model[J]. Geographical Analysis, 2005, 35.

[4] Revelle C.S. A bibliography for some fundamental problem categories in discrete locationscience[J]. European Journal of Operational Research, 2008 (184) :817-848.

[5] 姚国辉, 朱大铭等. 带权集合覆盖问题的一种随机近似算法[J]. 吉林大学学报 (工学版) , 2007, 37 (2) :429-432YAO Guo-hui, Zhu Da-ming, etc. Randomized approximation algorithm for weighted set cover problem[J]. Journal of Jilin University (Engineering and Technology Edition) . 2007, 37 (2) :429-432.

[4] 朱大铭, 马绍汉.算法设计与分析[M]. 北京:高等教育出版社, 2009.01Zhu Da-ming, Mao Shao-hang.Design and analysis of algorithms [M]. Beijing:Higher Education Press.

[6] 王守强. k-median问题反向贪心随机算法[J]. 计算机科学, 2012, 39 (7) :232-236.Wang Shou-qiang. Randomized reverse greedyalgorithm for k-median problem[J]. Computer Science, 2012, 39 (7) :232-236.

[7] Zhang P. A new approximation algorithm for k-Facility Location problem. Theoretical Computer Science, 2007, 384 (1) :126-135.

[8] 曹戈, 程玉虎.基于初始聚类中心选取和数据点划分的K均值聚类算法[J].新型工业化, 2011, 1 (5) :90-94.Cao Ge, Cheng Yuhu.K-means Clustering Algorithm Based on Initial Clustering Centre Selection and Points Division[J].The Journal of New Industrialization, 2011, 1 (5) :90-94.

物流配送中心优化选址问题研究 篇9

关键词：配送中心,选址,遗传算法

1. 配送中心选址模型

配送中心选址, 包括单一配送中心选址和多个配送中心选址。由于前者比较简单, 所以本文重点讨论后者。设有I个物流中心, J个配送中心, K个需求用户, 如图l所示。物流中心已定, 需要从选择若干个配送中心, 在满足用户需求的前提下, 使形成的物流用络的总费用最小, 其中包括基本投资费用、可变费用和不变费用。对于这一类问题, 具有NP难性质, 不宜用线性模型来处理。

(1) 基本思路

配送中心的选择方案, 应根据通过配中心的货物数量的多少来评价和选择。因此, 通过求解使总费用最低的运输方案, 来确定每个物流中心的通过量, 并由此决定配送中心的取舍。

(2) 优化目标

整个物流网络的优化目标是使整个网络的物流成本最低。整个网络的物流成本包括以下几个部分:

总物流费用=总运费+总配送费+配送中心仓储费+配送中心内部可变成本+配送中心固定费用

(3) 模型建立

其中,

Cij:从物流中心i到配送中心j每单位量的运输成本。

djk:从配送中心j到用户k每单位量的配送成本。

ej:从配送中心j的单位仓储费。

Zj:从配送中心j的物流通过量。

rj:“0—1”整型变量。当选择配送中心j时, rj=1;否则rj=0。

Wj:配送中心j物流通过量的变动费系数。

Q:规模经济性指数, 一般取Q=0.5。

Vj:配送中心j的固定费 (与配送中心规模无关) 。

在目标函数中:

第一项是运输、配送费。

第二项是配送中心的仓储费, 与物流通过量Zj成正比。

第三项是配送中心的可变成本, 与通过量ZjQ成正比。则, 配送中心的可变成本为流量的凹函数。

第四项是配送中心的固定成本。

2. 模型求解

上述配送中心选址优化模型为混合整数非线性规划模型 (“0—1规划”) 。决策变量包括xijk, Zj, r (Zj) 。其中, r (Zj) 的取值有Cjn (n=1, 2, 3, …, n≤j) 种。如果r (Zj) 确定, 则原问题中不再含有0—1变量, 求解问题的难度将大大减少。遗传算法采用群体搜索策略和全局并行寻优方法, 对备选方案进行优化组合, 正适用于配送中心选址优化模型问题的求解。

遗传算法是一种搜索特征串空间的过程, 其目的是找到具有相对高适应值的特征字符串。它的操作过程十分简单, 即从一个具有N个特征字符串的初始群体出发, 循环执行复制、交换和变异过程, 直到满足某一终止准则。遗传算法求解配送中心优化选址模型的过程如下:

(1) 染色体编码

染色体采用由0或1所组成的代码串表示。对于一个在j个备选物流中心选址优化问题, 可用一个有j位数的代码串表示 (例如j=20, 则编码可表示为10110011100101000111) , 每位代表一个备选物流中心, 1表示选择该物流中心, 0表示不选该物流中心, 则一个j位数的代码串 (即染色体) 即表示了一种物流中心选址方案。若参与评价的适应度函数是已知的, 则一个染色体即对应一个可计算的适应度值。

(2) 种群初始化

随机产生大小为N的初始种群, 种群中的每个个体 (染色体) 的长度为j位。遗传算法以这N个个体数据作为初始点开始迭代。

(3) 构造适应度函数

适应度函数是遗传算法中评价解集好坏的依据, 它不仅关系到优化问题最终能否找到最优解, 而且还影响着遗传算法的收敛速度。因此, 适应度函数的建立是一项极其重要的工作。由于适应值是群体中个体生存机会选择的唯一确定性指标, 所以适应函数的形式直接决定着群体的进化行为。为了直接将适应函数与群体中的个体优劣度量相联系, 在遗传算法中适应值规定为非负, 并且在任何情况下总是越大越好。配送中心选址问题所建立的目标函数是求最小化值, 本文针对式 (1) 建立如下适应函数:

式中, Cmax是到当前所有代f (x, r) 的最大值, 此时Cmax随着代数会有变化。

(4) 选择

选择的目的是为了从当前种群中选出优良个体, 使它们有机会作为父代为下一代繁殖后代。遗传算法通过选择过程体现这一思想。计算初始种群中各个体的适应度, 将其中适应度最大的个体保留下来。

(5) 交叉

交叉操作是遗传算法最主要的遗传操作。通过交叉操作可得到新一代个体, 新个体组合了其父辈个体的特性。保持种群不变, 随机选择两对染色体, 再随机选择交叉位, 进行部分代码的换位, 如配对的一组染色体在第9位后换位, 形成一对新的染色体如下:

父个体

111001010┆111010010101101000110110001010┆100010100111001010010

子个体

111001010┆100010100111001010010110001010┆111010010101101000110

染色群体经过两两交叉后, 生成了一代新的染色群体。如此重复进行, 直至达到交叉概率所要求的次数。计算经交叉后得到的新种群中个体的适应度, 将其中适应度最大的个体保留下来。

(6) 变异

变异是同一个染色体中位点 (位数) 代码的突变, 即0变为1、1变为0。仍在原种群中随机选择一个个体, 对于选中的个体, 随机地使某些位发生变异。在本程序中是通过随机产生5个正整数, 使与之相对应的位发生变异。如此重复进行, 直至达到变异概率所要求的次数。计算经变异后得到的新种群中个体的适应度, 将其中适应度最大的个体保留下来。

经选择、交叉、变异三种遗传操作后选出的最优个体, 计算各自的适应度, 从中选出适应度最大的个体保留下来, 再与随机产生的N-1个个体组成新种群, 再循环执行选择、交叉、变异三种操作, 直至达到规定的迭代次数。设经过N'次迭代后 (N'≤规定的迭代次数) , 所选出的最优个体的适应度不再增加, 表明全局最优个体从第代开始出现。该个体即为在本次运算过程中所获得的最优个体, 亦即物流中心最优选址方案。

冷链物流配送中心选址评价研究 篇10

城镇化进程的不断加快促进了冷链物流的发展, 零售商对冷链物流配送企业的要求也愈来愈高, 因此, 配送中心的选址问题是企业改造配送系统、提高物流效率的重要方面。配送中心选址的合理性, 对配送企业以及周边的经济、社会和环境有着举足轻重的作用。

基于此, 本文首先分析了冷链物流配送中心选址的影响因素, 建立了冷链物流配送中心选址的评价指标体系, 然后提出了以NHP法和EM法组合确定指标权重、以FCE法进行效果分析的评价方法。

1冷链物流配送中心选址评价指标体系的构建

1.1影响冷链物流配送中心选址的因素

1.1.1基础设施因素

(1) 交通运输水平

交通运输水平是指配送中心与运输方式的衔接程度、与货运枢纽的协调程度、综合交通网络节点相互之间到达的便捷程度, 以及物流的通畅性、准时性和安全性等。另外, 运输时间是物流配送中很关键的一点, 及时将物品运输到配送中心是衡量物流的一个重要指标。路况越好, 运输时间越短, 物流反应速度也快, 物流效率就越高。

(2) 冷链物流技术水平

本文从以下两方面来考虑冷链物流的技术水平:一是冷库的冷藏能力, 二是冷库的平均耗电量情况[1]。

(3) 公共设施状况

配送中心所在区域, 既要保证齐全的道路网络、通信设施, 又要有充裕的水、电、气供应能力;另外, 配送中心所在区域要有污水、垃圾等固体废弃物的处理能力[2]。

1.1.2经济效益因素

(1) 配送中心的盈利能力

a. 配送中心的营业利润率。配送中心的营业利润率, 用来描述配送中心在一定时期内的盈利能力, 营业利润率越大, 说明配送中心的市场竞争力越强, 发展潜力越大, 计算公式如下[3]:

配送中心一定时期内的利润率=该时期内的营业利润/该时期内的营业收入

b. 配送中心的成本费用利润率。配送中心的成本费用利润率, 用来描述配送中心在一定时期内的盈利能力, 成本费用利润率越大, 说明配送中心获得利润的成本越低, 成本控制的越好, 计算公式如下[3]:

配送中心一定时期内的成本费用利润率=该时期内的利润总额/该时期内的成本总额

(2) 冷链物流成本因素

冷链物流配送的货物具有常规货物所没有的特殊性, 冷链物流配送中心选址的物流成本除了包括配送中心基础设施建设费用、运输成本之外, 还包括质量损失成本和配送耗能成本。

(3) 其他因素

主要包括劳动力条件、土地价格因素[4], 以及现有设施利用率。配送中心的运营无疑需要人力支持, 特别是一定数量的机械化处理设备和高素质的劳动力。另外, 为了避免重复建设以减少浪费和新建配送中心的固定成本, 冷链物流配送中心选址时还要考虑现有设施的利用率。

1.1.3环境效益因素

(1) 自然环境

冷链物流对温度有着特殊的要求, 这就要求周围有大型变电站、开关站等, 以保证电力的及时、充分供应, 并充分利用这一条件来保证温度要求;此外, 冷链物流对湿度也有着很大的依赖, 选址时要考察周边环境的温度及其湿度对冷链物流的支持情况。

(2) 经营环境

配送中心所在地区的经济发展水平是冷链配送中心选址的重要影响因素[5]。此外, 国家在该区域内对物流行业的发展政策、 所要储运的商品的性质、物流费用和服务水平也是配送中心选址考虑的因素。

1.1.4社会效益因素

配送中心的建立是否符合城市规划要求的程度、是否有效利用土地、是否带动周围企业的发展、是否带动周围居民的就业, 是冷链物流配送中心选址时所要考虑的因素。

1.2冷链物流配送中心选址评价指标体系的构建

冷链物流选址的评价指标有定性和定量之分, 又有效益型和成本型之分。本文在对冷链物流配送中心选址影响因素进行详细分析的基础上, 建立了冷链物流配送中心选址评价指标体系, 如表1所示。其中, 定量指标采用直接计算的方法赋值, 定性指标通过专家评分法进行赋值。

2冷链物流选址评价方法

2.1组合评价法确定指标权重

2.1.1指标的无量纲化处理

对原始数据初值化处理, 记为NGO。

效益型指标的处理方法:依次用该列数据除以此列的最大数;

成本型指标的处理方法:依次用该列数据除以此列的最小数;

从而得到新的无量纲的矩阵。

若满足NGO:x→x', 则, NGO:x<k>→x'<k>。

效益型:

成本型:

2.1.2 ANP法确定主观权重

网络分析法[7,8,9] (Analytic Network Process, ANP) 是在层次分析法 (AHP) 的基础上, 考虑了同层元素内部和不同层次之间的相互影响, 利用“超矩阵”对各相互作用并影响的元素进行综合分析得出其整体权重。ANP模型更符合网络结构, 用网络结构反映客观事物之间直接或间接联系的方式, 更符合现实事物之间相互影响的关系, 在分析过程中可以考虑各个指标之间难以避免的相互影响和制约关系, 也使这种方法更具科学性。

2.1.3熵值法确定客观权重

熵值法[10,11,12] (Entropy Method, EM) 是一种根据各项指数观测值所提供的信息量的大小来确定指标权数的方法。熵值法属于客观赋权方法中的一种, 用于度量已知数据所包含的有效信息量, 并依此确定各指标的权重。若评价指标提供的有效信息量越大, 则该指标的不确定性就越小, 熵值越小, 指标权重越大;反之, 指标权重越小。

2.1.4组合评价法确定权重

单纯采用客观方法或主观方法确定权重, 都会造成偏差。为了能客观地对被评价对象做出合理的评价, 减小单一的主观因素或者客观因素对评价造成的影响, 本文采取加权组合评价法确定指标权重[12]:

式中, Wj指标j的组合权重, Wjs为ANP法确定的指标权重, Wjo为熵值法确定的指标权重, α为主观偏好系数, 1-α客观偏好系数, α∈0, ∈1∈, α的具体数值由决策者根据实际情况、评价问题的背景和评价者偏好等因素综合给出。

2.2基于组合权重的模糊综合评价法

考虑冷链物流配送中心选址评价的复杂性, 其中大量指标属于定性指标, 专家打分时存在主观性, 少量指标的值可以通过定量计算获得, 使得指标值的确定不可避免地带有结论上的模糊性。为了提高评价的有效性, 必须找到一种能够处理多因素、 模糊性及主观判断等问题的评价方法。

模糊综合评判方法[13,14] (Fuzzy Comprehensive Evaluation, FCE) 应用模糊关系合成的原理, 从多个因素对被评判事物隶属等级状况进行综合性评判, 评价者从影响问题的因素出发, 参照相关数据和情况, 根据判断对复杂问题分别做出不同程度的模糊评价, 然后通过模糊数学提供的方法进行运算, 得出定量的评价结果。

在进行模糊综合评价时, 指标权重采用2.1节中确定的组合权重。

3结论

配送中心选址的研究已经比较深入, 但是冷链物流配送中心选址评价问题的研究在我国还处于起步阶段。本文基于冷链物流的特殊性, 在详细分析冷链物流选址影响因素的基础上, 构建了适合于冷链物流配送中心选址的评价指标体系, 同时对评价方法也做了研究, 从而帮助冷链物流配送企业建立适应新环境的合理的冷链配送中心, 以减少公司的综合成本, 提高配送效率和竞争力。

摘要：冷链物流配送中心选址评价研究, 可以从以下两方面考虑:一是怎么建立评价指标体系, 二是采用什么样的评价方法。基于此, 文章首先分析了冷链物流配送中心选址的影响因素, 在此基础上建立了选址评价指标体系, 然后提出了以NHP法和EM法组合确定指标权重、以FCE法进行效果分析的评价方法。

物流中心选址 篇11

关键词：配送；配送中心；重心法；最短路算法

中图分类号：F272 文献标识码：A 文章编号：1002-3100(2007)11-0071-05

Abstract: As the source of the third profit, logistics has increasing influence on the modern economy activities, and arouses people's attention increasingly. As distribution is the core problem of logistics, the research of how to choose a proper distribution center and distribution path that can reduce the distribution cost has important significance on reducing the total logistics cost. This paper initiates from goal of minimizing the distribution cost, and analyzes the site selection of single distribution center and the optimization of one-to-one distribution path, and then gives empirical evidence with establishing the gravity method model of site selection and the shortest path algorithm model.

Key words: distribution; distribution center; gravity method; shortest path algorithm

当今，随着电子商务和连锁经营的兴起和经济全球化的发展，物流业愈来愈成为人们关注的焦点。而作为物流环节中极其重要的一环——配送，更是引起国内外不少学者、企业家的关注和研究。研究如何运用恰当的模型选取恰当的配送中心以及合适的配送路线，可以提高配送效率，提高服务质量，加快对客户需求的响应速度，降低服务商运作成本，具有很重要的现实意义。

配送中心选址的方法有很多，主要有线性规划法、启发式算法、模拟方法、重心法等。每一种方法都有其侧重点和优缺点，线性规划法在解决选址问题时对目标函数的“线性”要求严格；启发式算法容易寻求最佳的答案，但对规模较大的实际问题求解比较困难；模拟方法比较简单，但是分析者必须提供预定的各种网点组合方案以供分析评价，从中找出最佳组合；重心法主要用于单一配送中心选址模型，能够获得较为精确的最优解，最短路算法可以用于选择合理的配送路线，使得总的运输费用最少。本文通过建立重心法选址模型和最短路问题模型来解决一些实际的配送中心的选址和配送路线的选择问题。

1重心法选址模型

1.1选址模型分析及求解算法

重心法是单一设施选址最为常用的方法，它将运输成本作为唯一的选址决策依据，是一种静态的选址方法。应用条件是对于候选的位置不加任何限制，已知各服务对象所在的地理位置、需要的物流量、物流设施到各个服务对象都有直线的通路，并且单位服务费用已知。

在使用重心模型进行单一配送中心选址决策时，假设条件为：（1）运输费率为线性；（2）运输线路为直线或基本按直线行进；（3）忽略在不同地点选址可能产生的固定资产投资、劳动力成本、库存成本变动等因素；（4）不考虑将来的运输成本的变化。

重心法是将待确定的物流设施位置坐标代入总的物流服务成本表达式，用成本表达式对物流设施地址坐标求偏导数，令导数为零并建立二元方程组，解出地址坐标。

物流中心选址 篇12

经济的快速发展,人民生活水平的快速提高,使得人们对生活质量有了更高的要求,也越来越追求食材的新鲜和品质,尤其对于果蔬及冷鲜食品而言,因此,对于冷链物流的需求提高到了新的位置。

所谓冷链物流是指从生产、贮藏、运输、销售,直到最后消费前的各个环节,使易腐坏的生鲜食品能够始终处于规定的低温环境下,保证食品质量,减少食品损耗的特殊供应链体系。像果蔬、水产品类的新鲜食材在其适宜温度下运输及销售,能够极大地减少货物的损耗,并且保证货物的质量。

所谓配送中心是指物流网络中的一种货物流转场所或组织,主要用于完成货物配送及信息网络的完善。一般而言,配送中心应满足以下要求:(1)服务对象是特定的或者处于供应链末端的;(2)具备健全的分拣、运输功能;(3)配送货物一般批量小、种类多;(4)能够及时提供货物的配送信息等。由此,可得到配送中心主要是以货物配送为主的物流节点,其贴近供应链的下游需求商,且由于配送货物的特性一般采取频率高、数量少、批次多的配送方式。

配送中心在整个供应链及物流运作流程中起着重要的作用,合理的配流中心选址能够极大地促进地区冷链物流行业乃至区域经济的发展。本文采用离散模型求解配送中心的选址问题能够更切合实际生活,根据地方政策、经济发展及交通条件等方面考虑备选地址,并且将从若干个备选地址中通过模型选择配送中心。

1 配送中心选址的一般原则

配送中心选址对于整个冷链物流来说十分重要,需要决策者根据一定的评判标准对备选点进行评价,从而选择出适当的配送中心。冷链物流配送中心选址需遵循以下原则:

1.1 适宜性

配送中心选址需要适应宏观经济和微观发展两方面。首先,要适应国家宏观方面的政策与经济规划;其次,要符合所在地的城区规划与发展战略。

1.2 协调性

配送中心不仅是物流网络的关键部分,还是整个供应链的枢纽,联结着供应链的上下游企业和消费者,因此,在配送中心选址时要充分考虑能够与供应链的各个企业相协调,同时还要考虑地域因素、劳动力供应情况等是否与配送中心的发展相协调。

1.3 战略性

配送中心的选址不仅要考虑当前的利益与实际情况,还要充分考虑企业未来的发展方向及规划,重视企业的长远发展。

1.4 经济原则

冷链物流配送中心需要支付购置大量的冷藏装置及冷藏运输设备费用、购置土地费用、运营管理费用等,配送中心的建立更重要的是提升企业的利润,因此选址时要充分降低建设配送中心的成本费用。

2 冷链物流配送中心选址的影响因素

2.1 自然因素

冷链物流配送中心选址首先要考虑当地的自然气候、地质条件和水文状况。由于配送中心建设耗资巨大、易形成沉淀成本、使用年限较长,因此配送中心应当建立在地质较好、地势平坦、远离易发生洪涝灾害的地方。

2.2 交通条件

配送中心是整个物流网络的节点与枢纽,联结着供应链的上下游,因此应将配送中心建立在交通便利、距离城市主干道较近的位置,能够节约运输成本。

2.3 政策法规

冷链物流配送中心的建立不仅能够优化冷链物流运输,对当地的经济发展也会产生积极影响。因此,配送中心的选址要配合城市的发展规划和政府的法律法规。

2.4 其他因素

配送中心一般占地面积较大,因此还要考虑到地价的因素。此外,建设配送中心历时较长,容易对周遭居民的生活产生影响,应远离居民区。

3 离散选址模型的建立

配送中心的选址需要考虑多种因素,是一个复杂的求解过程。本文从成本最小化角度构建模型进行选址。

3.1 建立模型的假设条件

构建离散数学选址模型需要有以下假设条件:

(1)配送中心备选点为已知的离散点;

(2)上游供应点的供应量和下游需求点的需求量均已知;

(3)配送中心的贮藏量和流通量无限制;

(4)配送中心到供应点和需求点的距离及单位距离、单位重量的运费已知;

(5)每个需求点由一个配送中心配送;

(6)每个节点间的运输速度均一致;

(7)每个备选点所建配送中心的规模、设备配备均一致。

3.2 目标函数的确定

由于配送中心选址的标准是总成本最低,因此构建的目标函数如下:

min H=f(Y,P,G,T,C,S)

变量的含义如下:

(1)H表示备选点建设冷链物流配送中心的成本。

(2)Y表示上游供应点到配送中心的总运输费用。

其中,hij表示上游供应点至配送中心单位重量的货物的单位距离运费;bij表示上游供应点送至配送中心的运输量;dij表示上游供应点至配送中心的运输距离。

(3)P表示配送中心至下游需求点的总运输费用。

其中,hjk表示配送中心至下游点单位重量的货物的单位距离的运费;bjk表示配送中心至下游需求点的运输量;djk表示配送中心至下游需求点的运输距离。

(4)G表示配送中心的经营管理费用。

其中,Wj表示配送中心流转货物的单位管理运营费用;Zj表示配送中心的吞吐量。

(5)Tj表示配送中心所占的土地费用。

Tj=Aj×Pj

其中,Aj表示配送中心的占地面积;Pj表示配送中心所占土地的单位价格。

(6)C表示配送中心货物的仓储管理费用。

其中,Qj表示配送中心的仓库容量。

(7)Sj表示冷链物流中心的货损成本。这是冷链物流配送中心的特有成本,在本文中货物的腐坏量仅与运输距离相关。

3.3模型的约束条件

约束条件(1)表示配送中心的总配送量不大于上游供应点的供应量;

约束条件(2)表示上游供应点的供应量能够满足下游需求点的需求量;

约束条件(3)表示配送中心能够满足所有需求点的总量和;

约束条件(4)表示配送中心能够满足上游供应商货物对仓储的需求量。

4 结束语

配送中心选址对于整个供应链的发展至关重要,此外,建设配送中心需要投入巨大的成本,尤其对于冷链物流的配送中心而言,因此,在进行配送中心选址时,需要考虑多种因素。应用离散数学模型选址,不仅考虑到了简单的运输费用,此外还充分考虑了配送中心的运营管理费用、货物的损失费用等,使得最终选择结果更加切合实际生活与应用。

摘要：本文从现实社会发展入手,提出现阶段对冷链物流的需求,从而提出配送中心选址的问题。文章不仅介绍了冷链物流的定义,还阐述了配送中心的相关理论,最后构建了冷链配送中心的离散选址模型。

关键词：冷链,配送中心,离散选址模型

参考文献

[1]Ji Guojun,Guo Rong.Research on the security of cold-chainlogistics[J].Service Systems and Service Management,2009,(06):757-761.

[2]叶向奎.果蔬冷链物流配送中心选址研究[D].大连:大连理工大学,2013.

[3]陈雨欣.某连锁超市配送中心选址分析及改进[J].科技广场,2013,(06):238-240.

[4]丁浩,李电生.城市物流配送中心选址方法的研究[J].华中科技大学学报(城市科学版),2004,21(01):50-51.

[5]王辉,陈芸芸.配送中心离散选址模型的研究[J].物流科技,2007,30(02):12-13.