云物流环境下网络优化关键问题研究

摘要

近年来，中国经济的持续高速稳定的发展，也带来了我国物流行业快速发展。我国网络购物趋势的逐渐普及，各种网络购物平台的发展，给物流行业带来了巨大的压力和挑战。现在各种购物网站如天猫、淘宝、聚美优品等等每天都有近百万的物流订单。面对如此众多的网络购物平台，现代物流以及传统物流已经满足不了对物流行业的需求，云物流的出现及发展将会改变物流行业的发展方向，使物流行业朝着快速、高效、环保、便捷的方向发展。云物流自从2011年陈平提出后，一直试图优化整个物流行业。
　　本文定义的云物流是在现代物流管理模式中搭建的云物流平台，依靠先进的计算机网络技术，集结所有的物流资源和物流能力，形成统一标准的业务流程，实施灵活的管理和调度，实现“一对多”、“多对多”的服务模式，服务达到“以客户为中心，为客户着想”质优价廉的模式，实现整个物流资源的高效循环利用，是物流网络化的一种新模式。云物流搭建的云物流信息平台实现了所有物流信息的共享，该物流服务平台可以充分利用所有的物流资源，能够实时的循环利用所有物流资源，避免了每个公司配送货物到同一地点的现象，提高了整个物流行业的资源利用率，更绿色环保，每个参与该平台的物流企业以及用户都可以通过该平台了解所有物流信息，充分保证了参与该平台的所有人的利益。本文还在云物流环境下建立了统一的标准和运行机制，使该系统能够协调稳定的运行，为物流网络的优化提供了有效的保障。为了保障每个参与云物流平台的物流企业的利益，本文还建立了合理的综合利益分配方式，该分配方式结合最小核心法、Nash协商模型、最大最小成本法这三种传统利益分配方式的优点，构建了新的合理的利益分配方式模型，使每个参与的物流企业都能够满意的继续为云物流服务，这种分配方式也有效的保障了网络优化的环境。
　　本文主要工作是研究了云物流环境下网络优化关键问题的车辆路径优化问题以及企业末端物流中心的选址问题，并根据云物流的特点以及云物流系统下的重要约束条件，分别构建了满足该环境条件下的数学模型，并分析了这两个模型的特点。本文还详细介绍了遗传算法以及绒泡菌网络模型，提出了一种新的算法即融合了这两种算法模型组成的融合绒泡菌网络模型的遗传算法，运用该算法解决了云物流环境下的车辆路径优化问题，并通过实例验证该算法的有效性和实用性，本文还利用成熟的遗传算法求解云物流环境下的企业末端物流中心的选址问题，通过实验二验证了该模型的高效性。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪 论

1.1 研究背景及意义

1.2 研究现状

1.3 本文的研究内容与创新点

1.4 论文的组织结构

第二章 云物流的定义及相关机制

2.1 云物流的简介

2.2 云物流系统的特点

2.3 云物流系统的运作模式

2.4 云物流系统的企业运行机制

2.5 云物流环境下的利益分配方式

2.6 本章小结

第三章 网络优化关键问题的研究

3.1 物流网络优化问题

3.2 现代物流的车辆路径优化问题

3.3 经典车辆路径优化问题模型

3.4 云物流环境下的车辆路径优化问题

3.5 云物流环境下的车辆路径优化问题模型

3.6 云物流环境下的企业末端优化问题

3.7 云物流环境下的企业末端优化问题模型

3.8 本章小结

第四章 网络优化关键问题的求解算法研究

4.1 遗传算法的研究

4.2 绒泡菌网络模型的研究

4.3 融入PN-网络的遗传算法

4.4 本章小结

第五章 网络优化关键问题的应用

5.1 云物流环境下车辆路径优化模型的应用

5.2 云物流环境下企业末端优化模型的应用

5.3. 本章小结

第六章 总结与展望

6.1 总结

6.2 未来展望

参考文献

攻读硕士学位期间发表的论文及参与的科研项目

致谢