物流配送中心的选址.ppt

物流配送中心的选址.ppt

《物流配送中心的选址.ppt》由会员分享，可在线阅读，更多相关《物流配送中心的选址.ppt（40页珍藏版）》请在冰点文库上搜索。

1,物流配送中心的选址与布局,2,4.1配送中心选址,选址包括两个层次的问题：

第一：

选位，即选择什么地区（区域）设置设施，沿海还是内地，南方还是北方，等等。

在当前全球经济一体化的大趋势之下，或许还要考虑是国内还是国外；第二：

定址。

地区选定以后，具体选择在该地区的什么位置设置设施，也就是说，在已选定的地区内选定一片土地作为设施的具体位置。

3,4.2配送中心选址的原则,适应性原则协调性原则经济性原则战略性原则,4,4.3配送中心选址的影响因素,自然环境因素（气候条件地质条件水文条件地形条件）经营环境因素（经营环境商品特性物流费用服务水平）基础设施因素（交通条件公共设施状况）其它因素（国土资源利用环境保护要求周边状况）,5,配送中心选址的程序和步骤,6,4.4配送中心选址常用的方法,解析方法（重心法、微分法）建立数学模型模拟方法数学方程和逻辑关系启发式方法（鲍尔曼沃尔夫法）针对求解，逐次逼近最优解实际选址中，经常采用定性分析的方法，在几块可选地中进行选择。

7,如何选择配送中心地址,配送中心,8,重心法,假设条件：

运输费用只与配送中心和客户的直线距离有关，不考虑城市交通状况不考虑配送中心所在的地价,9,拟定配送重新的坐标，其客户的坐标为，其中i=1,2,3nai-表示配送中心到客户的运费Wi-表示配送中心到客户的运量则：

10,4.4.1微分法-单一个配送中心选址法,1微分法模型如右图所示，设有N个零售店，它们各自的坐标是（i=1，2，3n）配送重心的坐标是有：

其中，,11,又有,其中有,4-3,12,4-4,13,求解方法，令,4-7,4-8,14,迭代法的计算步骤,1）以所有零售店的重心坐标为配送中心的初始地点（）2）计算与（）相应的总发送费用3）4）5）,15,微分法的优缺点,1）是连续性模型，不加特点的限制，有自由选择的长处。

2）迭代的算法求的最佳点很难，且迭代计算过程复杂。

16,2鲍摩-瓦尔夫模型-多个配送中心的选址,如图,各个工厂向哪些配送中心运输多少商品?

各个配送中心向哪些用户发送多少商品?

17,规划的总费用包括一下内容：

18,总费用函数为：

19,鲍摩-瓦尔夫模型计算方法,首先，给出费用的初姑值，求初始解；然后，进行迭代计算，使其逐步接近费用最小的运输规划。

初始解要求最初的工厂到用户间（k,j）的运费相对最小也就是说，要求工厂到配送中心间的运费率Ckj和配送中心到用户间的发送费率Hij之和为最小，即,20,二次解,从通过量反过来计算配送中心的可变费用,21,的配送中心序列号为,再次已这个为基础，求解运输问题，,求得使用费用函数为最小，就是二次解,n次解,以为基础，求解运输问题，可得出使用费用函数为最小时是n次解，因而得到配送中心新的通过量。

22,最优解,把n-1次解的配送中心的通过量和n次解的配送中心通过量进行比较，如果完全相等就停止计算，如果不相等就反复计算至到相等,也就说，时，为最优解,23,鲍摩-瓦尔夫模型的优缺点,优点：

计算简单，能评价流通过程的总费用能求解配送过中心的通过量（决定配送中心的规模依据）根据配送中心可变费用的特点，可采用大批量进货的方式缺点不能保证能求得最优解配送中心固定费用在解中没有反映出来,24,配送中心选址方法的改进模型,两级配送中心的选址模型在配送中心选址的实际过程中，在一定区域内，针对客户众多比较分散、配送距离过远、直接配送成本较高等情况。

综合考虑重心法和鲍摩瓦尔夫法，分两个步骤建立模型,25,步骤,离分布在外围客户较近的地方设置几个侯选点利用鲍摩-瓦尔夫法求出应在那几个点建立小型配送中心把这些小型中心看成需求点，应用重心法求出中央配送中心的最佳地址。

26,改进模型的优缺点,比较适合客户众多且较分散，配送的业务量较大，配送频繁，小批量、多批次，单个配送中心无法按时高效执行配送业务的情况中央配送中心可有较大库存量，便于统一进货和管理。

得到的结果是满意解而可能不是最优解,27,遗传算法,遗传算法的概念对某一代群体进行作用，这个作用过程叫遗传操作，遗传操作的结果便是得到下一代群体。

是一种很强的搜索和优化技术，由美国Mihcigna大学的J.Hollnad教授于1975年首先提出。

28,遗传算法的基本操作,选择：

选择体现了适者生存的自然法则，是通过把适应值高的个体复制到下一代来改善群体的平均适应值。

交叉：

保证遗传算法的寻优过程能收敛到全局最优点，以及提高对优化过程的收敛速度起着重要的作用。

变异：

将个体染色体编码串中的某些基因座上的基因值用该基因的其它等位基因来替换，形成一个新的个体。

29,基本处理流程,流程图,30,遗传算法的实现思想,利用某种编码技术作用于称为染色体（chormosome）的二进制数串，其基本思想是模拟由这些串所组成的群体的进化过程。

遗传算法对求解问题的本身一无所知，它所需要的仅是对算法所产生的每个染色体进行评价，并基于适应值来选择染色体，使适应性好的染色体比适应性差的染色体有更多的繁殖机会。

31,遗传算法是从代表问题可能潜在解集的一个种群（population）开始的，每一个种群则由经过基因编码（coding）的一定数目的个体（individual）组成，每个个体实际上是染色体上带有特征的实体。

32,实现步骤,第一步：

选择编码策略，即编码基因串，如编码为A一a1a2an。

表示A为一个n维实向量;第二步：

群体初始化，产生一个由确定长度特征字符串组成的初始群体，确定群体规模N，然后从可能的特征串空间中随机选取N个n维向量Ai，i=1，2，N，组成初始群体H0=A01,A02,.,A0n,33,第三步：

定义适应度函数f（Ait），并由f（Ait）求得群体中每个串的适应值，其中t为进化代数。

f（Ait）能够评价特征串空间中任一n维向量的最优化程度，此过程即是所谓的“选择（Select）”过程;第四步：

应用“适者生存”原则选择进化方案，即具有高适应值的特征字符串应以更大的概率被选择繁殖到下一代中。

具体复制概率为:

34,第五步：

对由第四步选中的特征字符串再执行“交换”和“变异”操作，以便在群体中引入新的特征字符串;交换（Crossover）是以概率pc。

交换两个父代个体间对应的分量，交换概率控制群体中个体被交换的比率。

变异（Mutation）是以概率pm，改变特征字符串上的某一位字符。

35,第六步：

反复迭代执行第三步至第五步，直到满足终止准则，最后确定运算结果特征字符串，并将其作为最优解。

通常收敛准则可定义为:

36,37,例：

华南某国际物流中心选址,根据实际情况，在市区内有限个可供选择的地点之中，使用定性和定量相结合的分析手段，对物流中心的建设以及建成后的运行情况进行经济与技术、生态，现实与长远的综合分析，从而确定一个比较合理可行的选址地点。

38,各可选地的详细介绍,在市区内共选择6块土地作为物流中心地址的候选地，分别编为1至6号。

39,选址评价,针对物流中心选址过程中应考虑的每一因素，选定6分为满分，分值越高者，满意程度越高（情况接近时，分值可相同），最后合计总分最高的可选地作为建议方案。

评价标准见下表,40,评价结果,根据上述的评分过程，计算各可选地的总评分，得出6号可选地最高，为27分；4号地次之，为25分；1号地为24分；3号地最低，为20分。

在分数相同的情况下，我们更注重可选地的面积、交通、形状、周边状况等因素。

综上所述，得可选地的比较结果表，评分结果并未显示非常显著的差别，所以六块地均可以作为物流中心的可选地。

但按照分值越高者，满意程度越高（情况接近时，分值可相同）的原则，项目组建议首选6号地，接下来是4号地，1号地，5、2、3号地。

最终的排序结果是：

64152、3（并列）,