基于K-均值聚类遗传算法的联合选址库存模型研究

摘要

物流配送中心是物流系统中最主要的硬件设施之一，物流配送中心的选址在物流系统规划中至关重要。配送中心的选址问题是物流理论研究中最活跃和最有价值的问题之一。近年来，越来越多的学者在研究配送中心选址问题时将库存控制策略考虑进来，建立了联合选址库存模型。联合选址库存模型统筹考虑了库存、运输、选址和缺货等诸多成本，更加符合物流实际。对联合选址库存模型的深入研究具有重要的理论意义和现实意义。
　　 基于已有的研究成果，结合具体问题的实际，本文逐步建立和完善了三个模型：(1)对单一产品、需求时变且库存影响销售情形，建立了以周期运营成本最小为目标的联合选址库存模型；(2)对两类产品、不同需求特性即时变需求和随机需求同时存在情形，建立了以运营成本最小为单一目标的联合选址库存模型：(3)在第二个模型基础上，建立了以运营成本最小、时间满意度最大为双目标的联合选址库存模型。其中第三个模型最符合实际。
　　 针对所建立的模型，设计了基于k—均值聚类算法与遗传算法的混合算法，称之为k—均值聚类遗传算法，算法可分为四步：(1)用k—均值聚类算法将零售商聚类；(2)用评价函数评价配送中心对零售商类的优劣，得到备选选址方案；(3)用改进遗传算法确定备选选址方案下的最优指派方案；(4)比较目标函数值找到最优解。
　　 针对实际问题，按照本文提出的k—均值聚类遗传算法原理和步骤使用MATLAB软件编写了算法的具体程序，通过对结果的计算与分析，验证了本文建立的模型是符合实际的、有意义的，本文算法对离散选址问题是有效性的。特别地，本文提出的k—均值聚类遗传算法，思路清晰，操作性强。针对本文实际问题，本文算法得到的最优解，与枚举法(采用最近指派)、贪婪取走算法得到的解相比较均有明显提高，大大的节省了运营成本。

目录

文摘

英文文摘

第一章 绪论

1.1 论文研究的目的

1.2 国内外研究现状

1.3 本文研究的主要内容

第二章 库存影响销售环境下联合选址库存模型

2.1 传统P-中值模型

2.2 单产品单目标模型1

2.3 双产品单目标模型2

2.4 双产品双目标模型3

第三章 K-均值聚类遗传算法

3.1 遗传算法、K-均值聚类算法简介

3.2 K-均值聚类遗传算法设计

3.2.1 K-均值聚类遗传算法步骤、主要思想

3.2.2 算法中其它相关参数、相关量

3.3 本章小结

第四章 实例验证

4.1 实例及计算结果

4.2 相关量、相关结果的分析

4.2.1 时变需求及库存影响销售率系数对成本的影响

4.2.2 单位产品单位距离运输成本对解的影响

4.2.3 本文算法与枚举法、贪婪取走算法的比较

4.3 本文模型与算法的优点

第五章 总结与展望

参考文献

致谢