针对连锁企业的物流配送路径问题研究

摘要

配送环节是物流活动中企业与消费者密切相关的环节，在物流的各项成本中，配送成本占了相当高的比例，配送线路安排的是否合理对配送速度、成本和效益的影响很大。特别是随着连锁企业的快速发展，采取合理的方法进行配送线路优化，直接影响企业的健康成长。
　　目前针对配送路径问题的研究，焦点集中在路径优化算法和单一配送模式下配送问题的研究。从实际配送环节中车辆装载货物角度考虑，配送方式可以分为按门店配送和按货物种类配送。本文结合以上两种配送方式提出一种联合配送方式，建立以车辆行驶成本、车辆固定成本与装卸货成本为总成本的优化目标，对两种配送方式和联合配送方式分别建立成本最小化数学模型;利用遗传算法对三种配送模型进行求解。最后，仿真实验比较联合配送方式和单独执行两种配送方式在不同因素下的最小成本，为企业提供合理的配送策略及车辆行驶路线，从而有效的节约配送成本。
　　在实际配送环节中可能存在突发情况，包括:门店提出新的货物需求，提出配送任务的门店在没有被服务之前取消配送请求等，针对这些突发情况，本文提出一种动态联合配送策略。采用分步方法，将动态车辆路径问题转化为多步的静态车辆路径问题加以解决，并且构建了粒子群算法对问题模型进行求解。仿真结果表明在有动态需求情况下，动态联合配送策略相比静态联合配送策略可以有效降低配送成本。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 静态配送车辆路径问题研究现状

1．2．2 动态配送车辆路径问题研究现状

1．3 本文的主要结构与内容

第二章 相关理论与技术

2．1．1 配送流程

2．1．2 连锁企业物流配送特点

2．2 物流配送车辆路径问题框架及解法

2．2．1 车辆路径问题构成要素

2．2．2 车辆路径问题分类

2．2．3 车辆路径问题方法综述

2．3 静态车辆路径问题常见模型

2．3．1 最短时间模型

2．3．2 最短距离模型

2．3．3 最小成本模型

2．4 动态车辆路径问题现有解决方案

2．5 遗传算法

2．5．1 遗传算法的基本思想

2．5．2 遗传算法求解步骤

2．6 粒子群算法

2．6．1 基本粒子群算法

2．6．2 带惯性权重的粒子群算法

2．7 本章小结

第三章 基于遗传算法的静态联合配送策略

3. 1．2 按种类配送模型

3．1．3 联合配送模型

3．2 遗传算法的构造

3．2．1 编码方法

3．2．2 初始群体

3．2．3 适应度值

3．2．4 选择操作

3．2．5 交叉操作

3．2．6 变异操作

3．3 仿真分析

3．4 本章小结

第四章 基于粒子群算法的动态联合配送策略

4．1 动态联合配送分析与转化

4．2 问题建模

4．3 模型求解

4．3．1 粒子编码

4．3．2 初始化

4．3．3 适应度函数

4．3．4 粒子的速度和位置更新

4．3．5 终止条件

4．4 仿真分析

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况