论文部分内容阅读
目前,现代物流成为了一个新的经济热点,物流是企业的第三利润源泉。随着中国经济的发展,物流业在中国迎来了自己的大发展时期。物流业的发展必然会引起物流系统在空间上的扩张,物流中心作为物流网络的节点必然也会大量增加,这就带来了大量的物流中心选址问题。物流中心选址的合理与否在很大程度上决定了物流网络整体效益的好坏。基于这种形势,现在对物流中心选址方法的研究已经非常普遍,取得了许多研究成果,但是许多模型仍缺乏有效的算法,导致实用性大大降低,其中就包括最常用的LA(location-allocation,选址-分配)选址模型。针对这种情况,本文作了以下工作:第一,首先论述了物流中心选址的各种理论要素,在此基础上,将一个物流中心选址的实际问题归结为一个理论上的LA模型,论述了LA问题的各种求解算法。然后,本文总结了ALA(alternate location-allocation)算法的不足——结果严重依赖初始解和不能自动寻找最优解,提出了改进的ALA算法;根据SOFM(self-organizing feature map)神经网络的特点,结合重心法提出了解决LA问题的又一个新算法——结合重心法的SOFM神经网络算法。第二,本文用所提出的两个新算法解决论文中的实际问题,同时也检验了所提新算法的有效性。经过计算结果的对比分析发现:结合重心法的SOFM神经网络算法不一定能找到最优解,但是需求点的分类接近最优解;改进的ALA算法对初始解仍有一定的依赖性。根据上述结果,本文提出了最后的一个新算法——采用SOFM神经网络结果为初始解的改进ALA算法。最后,本文假设了检验问题对以上各种算法进行比较检验,经过结果的对比分析,得出了最终结论:采用SOFM神经网络结果为初始解的改进ALA算法是解决LA问题的有效算法。