安吉物流配送网点的选址和路线优化.docx
《安吉物流配送网点的选址和路线优化.docx》由会员分享，可在线阅读，更多相关《安吉物流配送网点的选址和路线优化.docx（15页珍藏版）》请在冰点文库上搜索。
安吉物流配送网点的选址和路线优化
安吉物流配送网点的选址和路线优化
班级：
姓名：
学号：
指导老师：
目录
一、概述2
二、物流网络节点的选址3
（一）选址影响因素3
（二）物流网络选址流程4
（三）物流网络节点的选址方法5
1、基本解析法5
2、重心法模型6
三、配送路线的优化6
（一）节约里程法7
1、节约里程法的基本规定7
２、节约里程法的步骤8
（二）遗传算法10
1、问题的描述10
2、遗传算法的设计10
四、总结11
安吉物流配送网点的选址和路线优化
一、概述
随着我国经济的快速发展，国民经济多物流业的要求逐渐提高，需求越来越个性化、特殊化和专业化。
传统的物流服务已经很难满足经济的现代化需求。
在传统的仓储服务、运输服务和其他单功能的服务模式逐渐的被淘汰下去，现在很多企业，包括生产企业、零售企业和服务行业都开始使用配送中心这种多功能服务模式来提高企业自身的竞争力。
所谓配送中心是指接受并处理末端用户的订货信息，对上游运来的多品种货物进行分拣，根据用户订货要求进行拣选、加工、组配等作业，并进行送货的设施和机构。
是从供应者手中接受多种大量的货物，进行倒装、分类、保管、流通加工和情报处理等作业，然后按照众多需要者的订货要求备齐货物，以令人满意的服务水平进行配送的设施。
由于大多制造业，都采用集中生产后通路分销的模式，物流需要负责将商品从生产工厂输送到消费市场的终端，所依靠的实体系统就是所谓的物流网络系统，常见的模式有：
模式一：
工厂——RDC——销售终端
模式二：
工厂——RDC——FDC——销售终端
上述中的RDC就是区域物流中心，FDC是指前进物流中心。
每种节点尤其自己的作用和分工，从DC的分工来看，RDC起到配运核心作用，而FDC常为季节性使用，起作用为临时囤货，以在销售旺季或者交通不便季节可以及时对销售终端供货。
从上述可以看出配送中心的作用非常明显，但是配送中心的建设是对一个企业来讲至关重要的。
首先，配送中心的建设是件大的工程可能花费企业的大量资金，再者配送中心是用来增加企业的配送能力提高其快速反应能力。
所以对公司来讲最重要的就是如何正确的给配送中心选址问题。
安吉物流公司简介：
上汽集团是国内领先的汽车制造企业、最大的乘用车制造商和销量最高的汽车生产商。
2011年，上汽集团整车销量突破400万辆，同比增长12%，市场占有率更是达到21%，蝉联国内汽车集团首位。
上海汽车作为上汽集团的下属自主品牌。
目前拥有两大生产基地，分别是上海南汇临港基地和南京浦口基地。
其中上海基地生产车型为荣威A，南京生产的车型为荣威B。
上海工厂生产出来的汽车存储在临港库，库容为12000台。
南京工厂生产出来的汽车存储在南京库，库容为6000台。
作为上汽集团全资子公司，安吉物流承担着上海汽车两大基地商品车的运输业务，负责为客户提供点对点的运输服务。
公司根据订单的具体要求，选择合适的运输方式和路线，从上海或南京的仓库发货。
目前安吉物流配送城市覆盖全国大部分地区。
在案例六中我们可以很清楚的知道安吉物流公司所承担的物流任务和运输方向以及运输服务范围，如下图所示：
上汽的生产基地仅有两个：
上海和南京，而且这两个生产基地的距离非常的近，需要配送的目的地却是十分的分散，有沈阳、银川、西宁、成都、昆明以及南宁和广州等城市。
这么多配送点如果没有很好地配送中心进行协调的话，运输成本一定会很高，而且也会降低上汽的快速反应能力。
所以配送中心的选址是非常重要的。
二、物流网络节点的选址
（一）选址影响因素
物流网络节点的选址是一个复杂的过程，既要考虑市场因素，又要考虑到当地的交通条件气候情况等。
一般的选址过程中考虑的因素包括以下几个方面：
（1）
1.土地成本
配送中心的成本中心，占重要一部分的是土地的成本，每个不同地段土地的成本都不一样，所以地价的高低直接影响到配送中心的选址和网络布局。
同时，不同地区的经济发展规划不同，有的地区鼓励物流业发展，这种情况企业就可以以比较低廉的价格获得想要的土地。
2.交通条件
配送中心的成本中出入库的运输成本约占总成本的50%——60%。
交通运输情况直接影响到配送中心的运营情况，交通顺畅则配送中心就运营红火，交通情况很糟糕的话就会对配送中心的设施造成很大的浪费。
所以，配送中心的选址最好是靠近交通枢纽，最好点的就是交通主干道枢纽，铁路编组站或机场等。
3.自然条件
配送中心是大量的商品集结地，需要储存大量的堆码很高的货物，会对地面造成很大的压力，如果配送中心下面是松软的淤泥等不太好的土质的话，地面就会由于重压而下沉等现象。
还有其他的一些自然条件比如：
气候、港口水位等等。
4.土地可得性
配送中心建设时还要考虑到今后配送中心的可扩展性，所以，所以规划配送中心时，还要考虑在规划区域内能否获得足够的土地面积。
5.人力成本
每个行业人才是必不可少的，所以对于配送中心这种多功能的网络节点来讲人才更是重要的，并且要求也是越来越专业。
因此在规划配送中心时，也是要考虑人力的资源成本。
6.服务水平
在现代物流中，能否实现及时准时配送时现代物流服务中服务水平高低的重要指标。
因此，在物流网络选址时，要充分考虑到快速有效地为客户提供高质量的配送服务。
7.基础设施的完善
配送中心的所在地，除了道路畅通之外，还要考虑其他的一些因素，比如说：
供水、供电、燃气等等是否配套。
（二）物流网络选址流程
配送中心选址决策包括几个层次的筛选，是一个慢慢缩小范围的过程，更为具体的选择过程如下：
（2）
1.收集整理资料
通过对历史资料的收集和整理，可以获得关于物流系统现状的认识，以确定配送中心服务对象的需求条件，并初步确定配送中心的选址原则。
获得准确的第一手资料对后续备选地址的选择及定量化模型的设计均有重要作用。
2.选定备选地址
在进行配送中心位置选择时，首先要根据上述个影响因素进行定性分析和审慎评估，大致确定出几个备选地址。
在确定备选地址时首先要确定地区范围，如在世界范围内选择：
首先确定某个国家，在确定某个省份，最后是进一步将位置确定在某个城市或商业地区。
备选地址的选择是否恰当，将直接影响到后续对最优方案的确定。
备选地址过多，后续优化方案的工作量将过大，成本高。
备选方案过少，可能导致最后的方案远离最优方案，选址效果差。
所以合适的备选地址的确定是配送中心选址及网点布局中非常关键的一步。
3.优化备选方案
在备选方案确定后，最后一步要做的就是更详细的考察若干个具体地址。
可以在此基础上建立数学模型，通过定量化计算，得到最优后的地址。
近年来，选址理论发展迅速，计算机技术也得到广泛应用，这些发展都为定量化选址方法的研究提供了有力的支持。
目前已有多种优化选址方法被开发出来。
4.优化结果复查
由于在定量分析中主要考察对选址产生影响的经济性因素，所以当直接应用定量模型得出结果进行物流配送中心选址时，常常会发现在经济上最为可取的选址地点在实际上却行不通，这是因为除了经济型因素以外，还有很多非经济因素影响物流配送中心坐落地点的确定，如自然条件、劳动力因素等。
因此，在这一步骤里要考虑其他非经济性因素考虑进去，如综合地理、地形、环境、交通、劳动力，以及有关法规等条件，对优化结果进行评价，看优化结果是否具有现实可行性。
复查时，要将各项影响因素根据它们的影响程度赋予相应的权重，采用加权法进行复查。
5.确定最终方案
如果优化方案结果通过复查，即可将优化结果作为最终方案。
如果没有通过复查，则重新返回第二步，进行备选地址筛选、优化备选地址、复查等一系列步骤，直至最终得到结果。
（三）物流网络节点的选址方法
1、基本解析法
基本解析法就是指物理地理重心方法。
这种方法通常只考虑运输成本对配送中心选址影响，而运输成本一般是运输需求量、距离及时间的函数，所以解析方法根据距离、需求量、时间或者三者的结合，通过在坐标上显示，已配送中心位置为因变量，用代数方法来求解物流中心坐标。
基本解析方法考虑影响因素较少，模型简单，主要适用于单个物流中心选址问题。
对于复杂的选址问题，解析方法常常感到困难，通常需要借助其他更为综合的分析技术和方法。
基本解析方法只考虑与运输成本相关的需求量、距离或时间三者中的某一个变量，来解释出使运输成本最低的物流配送中心的坐标。
当只考虑距离时，基本解析方法可以被称为距离重心法。
距离重心法的思想是通过不断反复才能得到一个不断改进的配送中心位置。
由于是单一设施法，所以配送中心的运营成本固定不变，而运输费用随距离而变化，建设成本可以是为固定不变，因此可以只考虑在不同地点设置配送中心因与各用户距离变化而引起运输费用的变化，找出令运输总费用最小的点，并将其作为最佳设施做落点。
假设所要求的物流中心坐标是（Xd，Yd），则物流配送中心到用户j的运输费用为AjDj,aj为运输费率，Dj为配送中心至各用户j的直线运输距离。
此时，总运费
其中（3）
现在要求（Xd,Yj）为何止时使得总运费T最小。
当然这种选址方法对于安吉物流公司物流配送中心来讲不太好，就上图可以看出其目标城市的坐标不太选，基坐标的选择就存在难题。
2、重心法模型
定量分析是通过数学模型计算分析最优的配送位置，配送中心的选址会因为选址范围和选址数量不同，计算的数学模型也不相同。
如多配送中心向多客户配送与单一的配送中心向多客户配送及单一配送中心向单一客户配送所采用的模型就各不相同。
这里将介绍单一物流配送中心向多客户配送及的重心法模型：
重心法模型公式如下：
式中：
----运输费率
---物流量
----配送中心到客户的直线距离
H----配送总成本
由于该方法包含了距离变量，所以需要使用迭代法求解：
1.不考虑距离因素时利用公式：
求的x值和y值，代入距离模型和成本模型中，求出初始成本;
2.代入重心法模型中，求出改善后的坐标（,），代入距离模型和成本模型中，求出总成本;
3.比较初始成本和总成本，如果大于则说明改善后的坐标是最优解。
否则继续迭代，直至改善空间已经非常小可忽略不计，则最后迭代的结果即为近似最优解。
如案例六中，要选出两个配送中心，可以在初步的筛选的基础上，通过假设武汉、济南或者天津等为待选配送中心，利用重心法可以进行简单的处理等。
三、配送路线的优化
配送中心的选址很重要，但是在配送中心选定之后，对于物流公司来说还有一个非常重要的事情要做——配送中心配送线路的优化。
从配送中心到目的地有很多种路径可走，而每种路径由于状况、距离以及其他一些不定因素的影响，所话费的时间会不同，成本当然也不尽相同。
对于一个物流公司来讲，在一定服务水平下，成本最低才是企业最终的目标。
配送运输由于配送方法的不同，其运输过程也不尽相同，影响配送运输的因素很多，如车流量的变化、道路状况、客户的分布状况和配送中心的选址、道路交通网、车辆定额载重量以及车辆运行限制等。
配送线路设计就是整合影响配送运输的各种因素，适时适当地利用现有的运输工具和道路状况，及时、安全、方便、经济地将客户所需的商品准确地送达客户手中。
在配送运输线路设计中，需根据不同客户群的特点和要求，选择不同的线路设计方法，最终达到节省时间、运距和降低配送运输成本的目的。
下面介绍几种配送路线优化的常用方法
（一）节约里程法
节约里程法又称节约算法或节约法，是指用来解决运输车辆数目不确定的VRP问题的最有名的启发式算法。
1、节约里程法的基本规定
利用节约法确定配送路线的主要出发点是，根据配送中心的运输能力和配送中心到各个用户以及各个用户之间的距离来制定使总的车辆运输的吨公里数最小的配送方案。
另还需满足以下条件：
（1）所有用户的要求
（2）不使任何一辆车超载
（3）每辆车每天的总运行时间或行驶里程不超过规定的上限
（4）用户到货时间要求
基本思想：
为达到高效率的配送，使配送的时间最小距离最短成本最低，而寻找的最佳配送路线。
节约里程法的基本思路［4］如图１，设Ａ为配送中心，Ｂ和Ｃ为配送点（即客户），Ａ到Ｂ或Ｃ的距离分别为ａ、ｂ，两个配送点之间的距离为ｃ。
现有两种送货方案，即Ａ向Ｂ、Ｃ分别送货和Ａ向Ｂ、Ｃ同时送货。
对比这两种方案，可得出，方案①的配送路线为：
Ａ—Ｂ—Ａ—Ｃ—Ａ，配送距离为：
Ｌ１＝２ａ＋２ｂ；方案②的配送路线为：
Ａ—Ｂ—Ｃ—Ａ，配送距离为：
Ｌ２＝ａ＋ｂ＋ｃ。
显然，由三角形的几何性质可得，方案②优于方案①，Ｓ＝Ｓ＝ａ＋ｂ－ｃ，其中Ｓ为节约里程量。
２、节约里程法的步骤
基于节约里程法的基本思路，在配送网络中，通过合理的车辆调度和最短的路线选择，尽量使运输车辆多载，尽量节约总配送时间和总配送里程。
具体步骤如下：
①计算各配送点间最短路径，一般通过狄克斯特拉（Ｄｉｊｋｓｔｒａ）算法计算。
②进行节约里程的计算。
即两个配送点之间的节约里程为这两个配送点分别到配送中心的最短路径之和减去两个配送点之间的最短距离。
③对节约里程进行降序排序。
④形成初始解。
在满足车辆限载、客户需求量大小、时间限制、客户所在地理位置等所有条件下，根据第一步所得的最短路径对配送点进行一对一直达式配送，得到所需配送车辆和行程。
⑤进行回路的合并［４］，得出配送优化方案。
从节约里程排序表找出产生该节约里程的两个配送点ｉ、ｊ，再判断连接ｉ、ｊ的回路是否存在合并的可能性。
如果一个回路以（ｐ，ｉ）开始，一个回路以（ｊ，ｐ）结束，且满足需求量和车载量等约束条件，则该回路可以合并，并进行下面的合并操作：
删除两个回路中的部分路径（ｉ，ｐ）和（ｐ，ｊ），然后引入新的连接（ｉ，ｊ），得到新的回路（ｐ，…，ｉ，ｊ…，ｐ）。
重复上述过程，直至没有可以合并的回路，从而得出配送优化方案。
⑥确定最优方案。
重复上一步的合并过程，得出多个优化方案，并对得出的优化方案进行比较，得出最终优化方案。
假设前面物流中心的选址是武汉和天津，那么对应的配送中心A就是武汉和天津。
B和C则是其他的目的城市，如北京、成都、石家庄、郑州、兰州和昆明等。
首先计算出配送中心到各个配送网点的实际路程距离，然后列出各个节点间的最近距离；如下图所示：
再由上述节约里程法的基本原理计算出各个节点之间的节约路程从中选出最长的节约路程，如下所示：
根据表2对上述中节约的里程进行从大到小进行排列，确定出最初的配送路线方案。
再进行回路合并，并且要严格按照实际限制条件进行合并，不如货车的在中极限不能超载，货车最远运输距离不能超过等等现实意义的约束条件。
逐层进行优化直至找到最优路线为止。
这样就能很好的解决配送问题，安吉物流公司在进行配送网点的选址和配送路线的优化之后，使得服务水平不变的情况下公司的物流成本有了很大的降低，反应速度得到很高的提升等。
（二）遗传算法
所谓遗传算法是指：
一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。
它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。
遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。
它是现代有关智能计算中的关键技术。
遗传算法的假定条件：
（5）
1.由底层供应商对客户进行配送
2.主要为零售性配送活动
3.客户所订购的商品为一些高附加值的商品（如汽车、电脑等
4.忽略交货时的时间间隔
5.一次出行可以解决服务于多个客户的配送问题
基于以上假定，车辆为了满足费用最小化的目标就要寻找一条能历尽所有目标客户且每个客户仅访问一次，最后返回出发地的行驶路线，也就是寻求一条最短路径（费用），这种配送问题是一个典型组合优化问题。
1、问题的描述
设有n个客户的集合user=（c1,c2,c3,…..,cn）对于客户Ci，Cj属于user，从Ci到Cj的距离记为Dij属于R，假设Dij=Dji，该问题的解就是在集合user中找一个不重复的全排列C1i,C12,….Cin使其距离E，
当Cin+1=Ci1时，
最短。
2、遗传算法的设计
1.编码方式
由于在求解该问题时，个体表示的是一个可行解，即一条回路，因此它是城市序号的一组排列，所以传统的二进制编码方式及其基础上的遗传操作不适用于求解该问题的遗传算法。
遗传算法中常用的编码方式有顺序表示法、路径表示法及矩阵表示法等。
其中，顺序表示法是指将所有城市依次排列构成一个顺序表，在这个顺序表的基础上按照某条路径中城市的排列顺序后的个体编码。
这种编码最大的问题在于不够直观，编码和解码算法较为复杂，容易出错，而矩阵表示法是用一个矩阵来表示一条路径，存在着存储耗费大的问题，于是本文采用路径表示法。
路径表示法是表示路径对应的基因编码中最自然、最简单的表示方法，是一类整数编码方式，特别适合与表示本文具体问题中的个体。
将染色体定义为一条解路线中的客户号序列，我们定义S*T大小的pop矩阵来表示群体，求16个客户的问题，T取17,矩阵每前16个客户的问题，T取17，矩阵每行前16个元素表示经过的客户编号，最后一个表示经过这些客户要走的距离。
。
设有n个客户C1，C2，C3….,Cn,假定都是从起始配送中心出发，最后回到该配送中心，则任意一条染色体可用公式
（1）数串表示，其中，Ni=1,2,3，…，n。
染色体中的单元称为节点
1234567...N
（1）
在该问题求解中，染色体的适应值为：
其中从Ci到Cj的距离记为
则从群体中选择优胜个体、淘汰劣质个体，它建立在群体中个体适应度评估的基础上，采用最优保存策略的方法。
2.交叉算子设计
传统的遗传算子不太适用于求解该问题，这是因为按问题要求，一条路径中必定经过且只经过每个客户一次，即个体编码串中每个客户序号都将出现且只出现1次，而基于二进制编码的单点和多点交叉算子极有可能造成城市序号重复或缺失而形成非法个体。
解决这类问题通常有两种方法，一种为对已经产生的非法个体进行罚函数调整，但这种做法额外开销很大，另一种方法是设计专门的复合具体问题要求的交叉算子。
遗传算法中常用的交叉算子有顺序交叉、循环交叉和边重组等，这些算子多具有可行性和有效性。
本文根据具体问题的特征从易操作和实现角度设计一种新的交叉算组，对类顺序交叉进行简化。
设母体中一个个体Ai为随即产生两个交叉位
设为i和i+j则基因片段成为待交叉基因段，
记为，考察待交叉基因片段中的各基因在另一个父体A2中的排列顺序，将A2个体所有满足K不属于（I，i+j）的基因删除Ak删除，则得到基因段排列,将替换Ai中的得到新的个体A1,则个体A1为父个体A1的子代个体。
由于新生成的个体部分来自于父代个体，因此子
代个体与从代个体间具有相似性，可将这种相似性模版看成为一个模式，于是高适应值的个体所具有的优良模式能够以高概率遗传到下一代并以指数增长，保持了算法的搜索速度。
同时，交叉位置是基于均匀分布的随机取值，即待交叉基因段的长度是随机的，因此能够降低破坏优良模式的概率，同时保持了种群的多样性，使算法不易收敛于局部最优解。
四、总结
这里为了降低物流运输成本，采用了节约里程法和遗传算法对配送中心的路线进行了优化。
这样安吉物流在进行了配送中心的选址，运输路线的优化后，不但公司的物流成本降低了，同时物流公司的快速响应也有了很大的提高。
当然对于配送中心的选址不仅仅是上述的两种还有很多种方法比如综合因素分析法，类比法等。
运输路线的优化也有其他的方法比如：
蚁群算法、图解法等等。
这里都只是运用简单的方法进行设计。
参考文献
（1）丁俊发，物流企业运行管理，中国物资出版社
（2）邵正宇周兴建，物流信息系统规划与设计，北京交通大学出版社
（3）邵正宇周兴建，物流信息系统规划与设计，北京交通大学出版社
（4）张文华，商品配送物流工程与管理2010年第3期
（5）吕楠，刘中长沙理工大学交通运输学院，湖南长沙
升级会员 