论文部分内容阅读
随着社会经济的飞速发展,市场竞争已越来越激烈,企业建立竞争优势的关键,已由节约原材料和提高劳动生产率,转向建立高效的物流系统。在经济日益全球化的今天,现代物流作为第三种利润和第三产业的重要组成部分,正受到日益广泛的重视。物流中心的选址作为物流运作中的基础要素,其优化和求解意义重大,对此问题的研究即为定位配给问题(Location Allocation Problem,LAP);而车辆路线安排问题(Vehicle Routing Problem,VRP)作为物流系统的重要组成部分,对物流系统成本也有较大影响,综合考虑这两个方面并对其进行优化求解设计就形成了定位路线问题(Location Routing Problem,LRP)。LRP以集成的眼光来求解物流系统问题,因此可以从整体上大大降低物流系统总成本。本文研究的随机需求LRP问题(Location Routing Problem with Stochastic Demands,LRPSD)是对上述LRP问题的一个扩展,在这一问题中,客户的需求是不能事先确切获知的,只是满足同一种概率分布。由于客户需求的不确定性和车辆容量的限制,必然使得车辆在行驶至某一客户处时发生路由失败,发生失败的车辆返回站点装货(或卸货)之后重新返回服务路线上剩余的客户。针对这一问题,本文对车辆发生失败的次数上限进行了限制,在考虑车辆固定成本、设施建设成本的情况下建立了随机需求LRP问题的数学模型。由于上述问题的NP-Hard属性,本文运用模拟退火算法对求解该问题进行了设计,并用C++和Matlab编程实现了这一算法对问题的求解。求解数据来源于对车辆路线问题solomon 25个客户点的国际标准测试数据的改造而获得的,求解过程中先利用空间填充曲线和模拟退火算法求解定位配给问题,再用模拟退火算法求解带随机客户需求的车辆路线安排问题,最后将后者的输出结果返代回定位阶段,对设施的选择进一步优化,从而最终求得本文问题的优化解。本文对各阶段的求解结果进行了统计分析,结果显示:对于一定规模的随机需求LRP问题本文的求解方法速度较快,解的精度较高、稳定性较好,从而证明了本文随机需求LRP模型求解方法可行、有效。最后通过对问题的补充说明,将本文模型的适应性推广到一般性问题,这对实际环境下的物流系统集成理论应用研究和实践具有重要意义。