论文部分内容阅读
随着市场经济的快速发展,作为“第三利润源泉”的物流对经济活动的影响日益明显,越来越引起人们的重视。在现代物流中,配送是一个与消费者直接相连的重要环节,其体现了企业的核心竞争力。而配送中心的运输路径如何优化一直是学者、咨询机构和企业关注的热点问题。通过对运输路径优化,我们可以提高企业的运作效率,降低配送成本,实现物流科学化。本文章基于管理学、运筹学、数学、系统科学相关理论,在充分调查研究的基础上,综合运用动态规划建模方法、蚁群优化算法、节约里程算法等,完成配送中心的运输路径优化的研究。动态规划建模方法主要用于解决直送式配送运输路径优化,蚁群优化算法、节约里程算法用于解决分送式配送运输路径优化。首先,本文章引入物流、配送以及配送中心的概念,简单的介绍了现代物流的基本理论。对配送的叙述,本文详细的叙述了配送的主要流程以及配送与运输之间的关系。配送中心作为实现配送功能的物流场所,文章简单的介绍了配送中心的分类,重点阐述了配送中心的作业环节,最后提出了配送运输路径的优化概念以及优化原则。其次,文章从两个角度分析研究配送中心的运输路径优化问题:一个是直送式配送运输,另外一个是分送式配送运输。在直送式配送运输中,路径的选择紧紧围绕配送网络展开讨论,主要是求解基于网络确定和网络不确定两种情况下的最短运输路径。在网络不确定情况下,通过对配送网络的构建,提出了基于动态规划思想的最短路径搜索算法。在分送式配送运输中,文章从考虑最短的运输路径与最少的运输费用两个角度建立车辆路径规划(VRP)模型。对于其模型的求解算法,文章引入了蚁群算法,并将蚁群算法与其它优化算法做了比较,说明其优点所在。最后,文章运用改进的蚁群算法求解车辆路径规划模型,该算法的主要特点是正反馈和并行性,正反馈使得该算法很快发现较好解,并行性使得该算法易于实现并行计算。针对该算法易陷入局部最优解、求解速度较慢的缺陷,本文通过对蚁群算法的改进和调整,构造出最大—最小蚁群算法。最大—最小蚁群算法加快了解的收敛速度,实例验证该算法能更快地收敛到全局最优解,体现了改进蚁群算法的相对优越性。