第八章物流系统规划相关决策优化模型物流系统分析与设计课件.ppt

《第八章物流系统规划相关决策优化模型物流系统分析与设计课件.ppt》由会员分享，可在线阅读，更多相关《第八章物流系统规划相关决策优化模型物流系统分析与设计课件.ppt（45页珍藏版）》请在三一办公上搜索。

1、1,第八章 物流系统规划相关决策优化模型,本章主要内容,本章主要介绍物流空间布局规划的重要内容：物流节点布局、物流网络优化以及运输决策优化等问题。详细介绍了物流空间布局和运输决策相关的优化模型及其相应的求解算法。重点介绍了单个物流选址模型、多个物流节点选址模型、运输方式的选择模型、多式联运优化模型、集装箱空箱调度优化模型、车辆路径优化模型、逆向物流网络优化和机车优化配置模型。,学习目标,通过本章的学习，应了解物流选址决策的影响因素，掌握单个物流节点选址常见的优化模型和方法；应了解物流空间布局和运输决策考虑的主要因素，并理解物流网络优化设计、运输方式选择、车队规模、多式联运、车辆路径和机车车辆配

2、置优化等优化模型和算法。,运输：用设备和工具，将物品从一地点向另一地点运送的物流活动。其中包括集货、分配、搬运、中转、装入、卸下、分散等一系列操作。分类：,第一节 运输决策的优化模型及其算法,运输原理,规模原理距离原理速度原理直达原理适度集结原理,运输网结构,交通运输网是在一定空间范围（国家或地区）内由集中运输方式的路线和枢纽等固定技术装备组成的综合体。运输网具有其层次结构，既包括全国综合运输网，也包括在全国运输网覆盖下的各级地方运输网。高水平的综合运输网必然是从全国到各级地方的运输网，即综合运输网要层次完美、结构合理，以实现其最大的功能。,运输系统规划与协调,1、运输系统规划的内容国家级的规

3、划综合运输区规划省、自治区、直辖市级规划市级规划.,国家级的规划：第一层次主要是对国外交往和综合运输区之间的客货流量、流向做出预测，根据各区具体情况和区际交往的运输干线提出规划和管理的具体办法。主要对象：主干铁路、公路国道、航空网、海运、长江航运、主干管道等。,综合运输区级的规划：第二层次主要是对区内省、市、自治区的客货流量、流向做出预测，对区内的运输干线提出规划和管理的具体办法，对第一层次的运输干线提出修改意见。主要对象：区内铁路、航空线、港口、管道和公路省道、内河航道运输网等。,第三层次、第四层次、第五层次.的规划内容依此类推。,2、运输网规划方法,调查研究综合运输网规划的基本方法，是应用

4、其他方法的基础。系统分析技术经济计算选择运输网发展方案的重要依据之一综合平衡,3、运输系统的协调原理,作业程序上的协调技术上的协调经济上的协调货物流向流量和运输路线的协调地区间不同运输方式的协调,运输方式的选择模型路径的选择模型 运输车队模型 运输联合模型 多式联运优化模型 集装箱空箱调度模型 车辆路径优化数学模型(VRP)逆向物流网络优化模型,一、运输方式的选择模型,运输方式的选择模型主要分析：在考虑各种运输方式的运输能力、费用、距离等因素基础上如何选择最佳的运输方式完成特定的运输任务。在运输方式选择模型中，下列几个重要因素需要考虑：服务的频率、速度、中转时间、中转时间的波动性、费用、可利用

5、性、安全、准确和顾客服务。常用的分析模型：因素分析法模型 权重因素分析法模型,二、路径的选择模型,从一个地方到另一个地方一般有多条路径可供选择，路径的选择一般侧重于以出发地到目的地选择最短的路径进行运输，并且不同的方式最短路径也不同，最短路径也许是指距离、时间或者费用。,车辆路径的选择常见的几类模型,起始点与终点不同，且途中经过其他的节点 起始点与终点相同，途经不同的节点 多个起点与多个终点，但没有中间节点 多个起点与多个终点，并且有中间节点,（）起始点与终点不同，且途中经过其他的节点,起始点与终点不同，且途中经过其他的节点。这类问题典型的应用就是，将货物从一个初始出发点，经由运输网络，将货物

6、送至终点，解决这类问题通常用最短路算法求解。,（）起始点与终点相同，途经不同的节点,这类问题通常是运输车辆从一个地点出发，途经其他的顾客服务点，然后返回起始点，通常的应用有送饮料、包裹、牛奶等，这类问题同时归属于运筹学中“售货郎问题”（TSP问题）。,（）多个起点与多个终点，但没有中间节点。,这类问题就是运筹学中的“运输问题”，求解算法有最小元素法和伏格尔法。,（4）多个起点与多个终点，并且有中间节点,这类问题包括从多个供应点到多个销售点，中间有储运点的最优分配问题。初始供应点和销售点均可当作储运点，求解这类问题的基本思路是通过列入一些新的规则，将原问题转化为一个标准的运输问题，然后用求解标准

7、运输问题的方法去求解。,三、运输车队模型,运输车队大小问题是指以最低成本完成运输任务所需要各种车辆的数目。随着车队数目的增加，服务响应时间和频率得到了提高，但车辆的利用率下降了。主要的运输车辆模型：同一车种车队模型不同车种车队模型,四、运输联合模型,运输联合主要包括时间、零售商、空间和设备等几个方面。所有这些措施均以降低运营费用、减少车辆数目为目标。运输联合，可能会导致较低的服务水平、较高的零售商费用和增加额外的处理费用；但这些通常可以通过减少设备、运输人员和维修费用得到弥补。,常见的几类运输联合模型：基于时间的运输联合基于设备的运输联合 常用运输联合的策略方法有:最近站点路线最小距离路线最小

8、费用路线,五、多式联运优化模型,多式联运是运输全球化发展的必然要求。多式联运可以实现提高货物运输服务的质量，使运价更合理，提高货物的运送能力，降低货物的延迟。,多式联运建模需要考虑的因素：中转时间、换装费用时间窗的约束限制和多条路径的选择问题运输费用 中转费用服务水平和货物类型,六、集装箱空箱调度模型,在集装箱运输中，空箱调度的现象经常发生。所谓空箱调度，是指未装载货物的集装箱运输，它可以发生在海上运输阶段，也可以发生在内陆运输阶段。由于集装箱空箱运输不产生任何经济效益，因此，如何合理进行集装箱空箱调度，成为集装箱运输企业日趋关注的问题。,七、车辆路径优化数学模型,车辆线路优化问题是各种运输方

9、式在日常运输运营管理中都要面对的共同问题，是运输组织优化中的核心问题，在物流配送线路优化选择中尤为重要。如何降低物流成本，提高物流配送的效率，是当今物流企业关注的焦点。,（一）车辆路径的理论简介,车辆-路径问题(vehicle routing problem，简称VRP)是对一系列装货点和卸货点，组织适当的行车路线，使车辆有序地通过它们，在满足一定的约束条件（如:货物需求量、发送量、交发货时间、车辆容量限制、行驶里程限制、时间限制等）下，达到一定的目标（如：路程最短、费用最少、时间尽量少、使用车辆数尽量少等）。1959年由Dantzig和Ramser首先提出VRP，一直受到学术界关注。,车辆路

10、径问题分类,根据数据性质:确定性VRP和不确定性VRP问题。根据研究问题对象的属性:一般的车辆路径(VRP)和开放式车辆路径问题(OVRP)。根据装载能力、时间和其他约束：带能力约束的车辆路径问题(CVRP)、带时间约束的车辆路径问题(VRPWT)和考虑回程的车辆路径问题(VRPB)。,国际上VRP问题的研究焦点,研究提供快速实时的VRP算法；研究不确定性的VRP问题的研究；开展开路式车辆路径(OVRP)的研究；将VRP与库存、物流中心的选址等因素结合起来考虑，出现库存路径策略研究（IVRP）和选址路径策略问题（LRP）研究。,（二）车辆路径数学模型,1、问题描述从配送中心(物流据点)用多辆汽

11、车向多个需求点(顾客)送货，每个需求点的位置和需求量一定，每辆汽车的装载量一定，要求合理安排汽车路线，使总运距最短，并满足以下条件：每条配送路径上各需求点的需求量之和不超过汽车装载量；每条配送路径的长度不超过汽车一次配送的最大行驶距离；每个需求点的需求必须满足，且只能由一辆汽车送货。,数学模型,0nkL,Rk=rki|rki1，2，L，i=1，2，nk Rk1Rk2=(k1k2)sign(nk)=1(nk1)；0(其他),车辆路径优化问题的求解算法分析,根据其求解的实质，基本上可以分为：精确算法和启发式算法两大类。精确算法。其主要算法有：分支定界法(Branch and Bound Appro

12、ach)割平面法(Cutting Planes Approach)网络流算法(Network Flow Approach)动态规划方法(Dynamic Programming Approach),（2）启发式算法。启发式算法主要有：C1arke-Wright算法（节约算法）、Sweep算法、两阶段算法、禁忌搜索、遗传算法、蚁群算法、神经网络算法等等。其中C1arke-Wright算法（节约算法）、Sweep算法、两阶段算法属于经典启发式算法，模拟退火、禁忌搜索、遗传算法、蚁群算法、神经网络算法等算法属于通用启发式算法。,逆向物流网络设计优化模型,下图构造了针对区域逆向物流运作的多层次逆向物流网

13、络结构，潜在的客户群将退货通过初始收集点进行初始性收集，然后在回收中心进行集中并拣选，可直接恢复使用的产品运往生产厂商，反之，则送往到废料处理场进行填埋等处理。,第一节 选址决策的优化模型和方法,选址决策概述物流选址决策的分类 物流选址决策的方法 物流节点选址决策的常见数学模型,一、选址决策概述,选址决策就是通过网络分析，优化确定物流节点的位置和数量，使得物流系统获得合理的运输和库存成本，有效满足客户的需求。根据所考虑的物流系统大小的不同，可以把物流网络设计分为两种情形：一种是企业内部物流网络设计；另一种是供应链物流网络设计。不管是哪种物流网络设计，其设计步骤通常可以划分为三部分：(1)第一步

14、要进行网络分析。通过网络分析，确定网络要素和相互的关系，比如工厂的位置、分销地的数量、供应商的数量和位置等。(2)第二步是优化设计，采用有关数学模型或者采用其他方法进行优化决策分析。(3)第三步是组织实施网络设计。,二、物流选址决策的分类,按设施对象划分 按设施的维数划分 按设施的数量划分 按选择的离散程度划分 按目标函数划分 按能力约束划分,三、物流选址决策的方法,专家选择法解析法模拟计算法,四、物流节点选址决策的常见数学模型,（一）单个物流节点选址模型（二）多个物流节点选址模型,（一）单个物流节点选址模型,单个物流节点选址是指在规划区域中设置一个物流节点的选址问题。常见的定性决策模型有层次

15、分析法、模糊评价法、关联分析法等；常见的定量优化的数学模型有重心法、交叉中值法等。1重心模型 重心模型（亦称为重力模型）是选址问题中最常见的一种模型，可以解决区域直线距离的单个物流节点的选址。,重心法选址模型,不妨记物流节点P0到服务点的运费为,总运费为，则有：,(9-1),(9-),从物流节点P0到服务点j的直线距离,(9-),数学模型,(9-),则物流节点P0选址的重心法模型最优评价函数可以表示为：,（二）多个物流节点选址模型,1单品种货物多个物流节点的选址优化模型2多品种货物多个物流节点的选址优化模型,单品种货物多个物流节点的选址优化模型,（1）问题描述,从一组候选的地点中选择若干个位置作为物流节点（如物流中心、配送中心等），使得从已知若干资源点（如工厂），经过这几个物流节点（如物流中心、配送中心），向若干个客户需求点运送同一种产品时，使得总的物流布局成本最低。,（3）求解算法分析,主要的求解思路：考虑到该问题的目标函数是非线性的，用传统的求解算法无法得到其最优解，采用混合遗传算法求解。遗传算法在求解大规模的非线性有其独到的全局优化和鲁棒性特点。由工厂、物流中心、配送中心、销售点构成的四层物流配送网络问题，可以分解成两个子问题去求解，首先确定一个物流中心和配送中心的选址，然后在确定的网络中确定合理的配送径路。,()优化数学模型,