物流系统集成规划模型及优化算法研究

论文摘要

高效率、高效益的物流系统是现代物流运营绩效的决定性因素,是最大限度地降低物流成本的根本保障。物流系统规划主要进行四个方面的决策:客户服务目标、战略性设施选址决策、策略性库存控制决策和作业性运输决策。这些决策要素密切相关,存在着广泛的效益勃反关系,由于数学建模和求解的复杂性,传统上将这些决策内容划分为三个层次独立决策,这显然难以满足现代物流系统规划的要求。物流系统中的选址、库存、运输等决策要素的两两或全面集成建模和求解算法成为现代物流规划理论和运筹学的研究热点之一。本文充分考虑不同制造企业的行业特点,分别对配送物流系统、供应物流系统的集成建模和求解算法进行了深入研究。具体研究内容包括:1.物流系统规划研究分析:首先分析选址-分配问题、随机需求的库存控制问题等物流系统顺序规划方法的研究成果,为物流系统集成规划提供研究基础。然后评述选址-路径、库存-路径、选址-库存等集成规划问题的当前研究成果,分析当前集成规划建模和求解研究的热点、难点和不足,指出新的研究方向。2.整车物流系统集成规划问题研究:以满足泊松分布的客户需求的商品车配送物流为研究背景,重点考虑工厂与配送中心之间的运输规模经济效应,设计了能够充分利用运输规模效应的由工厂、集货中心和配送中心构成的配送物流系统结构,建立了综合考虑选址、库存、运输规模经济效应、服务质量等决策要素的整车物流系统集成规划模型。针对考虑规模经济效应造成的高度非线性数学模型求解难点,提出了流预测算法,并分别嵌入到遗传算法和粒子群算法构成两种智能求解算法,分别给出这两种算法的求解框架、关键步骤的实现机制。通过实例验证了算法的有效性和模型的正确性,并分析惩罚成本、库存控制策略、运输规模效应等决策要素对整车物流系统规划方案的影响规律。3.随机客户需求下的选址-库存集成问题研究:以满足正态分布客户需求的型材配送物流为研究背景,研究了由单供应商、候选分拨中心和分销点构成的配送物流系统集成规划问题,分销点、分拨中心分别采用周期检查（R, s,Q）和连续检查（s,S）库存控制策略,综合考虑库存成本、运输成本和设施成本之间的均衡关系,建立了二级库存控制策略与无能力约束选址集成规划模型。给出了适合求解实际规模问题的拉格朗日松弛算法,提出了求解子问题的有效启发式方法,改进了次梯度优化方法,实例验证了算法的有效性。最后,分析了库存持有成本、需求方差、提前期、目标服务水平等库存控制因素相对于传统分离规划方法对系统成本节约影响规律,证实了库存控制策略和设施选址集成决策的必要性、可行性。4.产品设计过程与供应物流系统集成规划问题研究:以复杂产品制造业的供应物流系统为研究背景,提出了产品设计过程与供应物流系统集成规划模型框架,设计了零部件/过程图和自制/外包决策主要逻辑过程图,为模型框架实施提供了可操作的集成交互工具。5.物流系统集成规划决策支持原型系统研究与开发:为了分析和评价上述物流系统集成规划模型和算法性能,设计并开发了物流系统集成规划决策支持原型系统,给出原型系统架构、基于UML的系统设计方案和实际运行部分系统界面。论文的研究成果丰富了物流系统规划理论的内容,为决策者进行实际的物流系统规划提供了更充分的科学依据,具有实际应用价值。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 现代物流发展趋势
• 1.2 物流系统规划问题分析
• 1.2.1 物流系统规划的意义
• 1.2.2 物流系统规划决策因素
• 1.2.3 物流配送系统基本结构
• 1.3 物流系统集成规划问题
• 1.4 论文研究内容
• 第2章 物流系统规划问题研究进展
• 2.1 物流系统规划模型分析
• 2.2 物流系统顺序规划研究进展分析
• 2.2.1 选址－分配决策理论进展
• 2.2.2 随机需求的库存控制理论研究进展
• 2.3 物流系统集成规划研究进展分析
• 2.3.1 选址-路径集成问题研究进展分析
• 2.3.2 库存-路径集成问题研究进展分析
• 2.3.3 选址-库存集成问题研究进展分析
• 2.4 研究重点
• 2.5 本章小结
• 第3章 整车物流系统集成规划问题研究
• 3.1 研究背景
• 3.1.1 整车物流系统发展现状
• 3.1.2 整车物流系统的服务指标
• 3.1.3 整车物流系统的库存控制策略
• 3.1.4 整车物流系统的基本网络结构
• 3.2 运输规模经济效应及应用研究
• 3.3 整车物流系统规划问题描述
• 3.4 整车物流系统集成规划模型
• 3.5 基于流预测的遗传算法
• 3.5.1 流预测算法
• 3.5.2 基于流预测的遗传算法结构
• 3.6 应用实例及结果分析
• 3.6.1 应用实例
• 3.6.2 计算结果
• 3.6.3 算法性能分析
• 3.7 本章小结
• 第4章 物流系统集成规划模型的混合粒子群算法
• 4.1 标准粒子群算法
• 4.1.1 简介
• 4.1.2 参数分析
• 4.1.3 标准PSO 算法流程
• 4.2 粒子群算法PSO 改进方案
• 4.3 粒子群算法PSO 离散优化应用研究
• 4.4 整车物流规划问题的混合粒子群算法
• 4.4.1 混合粒子群算法的求解框架
• 4.4.2 混合粒子群算法编码方式
• 4.4.3 混合粒子群算法更新机制
• 4.4.4 混合粒子群算法实现过程
• 4.5 计算实例
• 4.6 算法计算性能分析
• 4.7 模型参数敏感性分析
• 4.7.1 惩罚成本敏感性分析
• 4.7.2 库存控制策略敏感性分析
• 4.7.3 运输规模效应价值分析
• 4.8 本章小结
• 第5章 随机选址－库存系统集成规划问题研究
• 5.1 引言
• 5.1.1 项目背景
• 5.1.2 库存控制策略
• 5.1.3 拉格朗日松弛算法应用研究进展
• 5.2 问题描述
• 5.3 数学模型
• 5.3.1 配送中心库存分析
• 5.3.2 分销点库存分析
• 5.3.3 系统总成本
• 5.3.4 数学模型
• 5.4 拉格朗日松弛
• 5.4.1 子问题求解
• 5.4.2 计算原问题可行解
• 5.4.3 次梯度优化
• 5.5 计算实例
• 5.6 本章小结
• 第6章 产品设计过程与供应物流集成规划问题
• 6.1 研究背景
• 6.2 供应物流系统结构模型
• 6.3 产品设计过程与供应物流集成规划模型框架
• 6.4 关键技术分析
• 6.4.1 零部件/过程图
• 6.4.2 自制/外包决策分析
• 6.5 本章小结
• 第7章 原型系统的设计与实现
• 7.1 原型系统架构
• 7.2 基于 UML 的系统设计
• 7.2.1 原型系统的用例图
• 7.2.2 原型系统的类图
• 7.3 原型系统的实现
• 7.4 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的学术论文
• 致谢
• 作者简介