基于联合补货策略的配送中心选址-库存联合优化分析

《基于联合补货策略的配送中心选址-库存联合优化分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、-华中科技大学硕士学位论文1绪论1.1分析背景与意义1.1.1分析背景随着经济的不断发展，社会生产总量逐渐扩大，生产中的大批量、少规格和消费中的小批量、个性化需求之间的矛盾越来越突出。为了有效缓解这一矛盾，保证经济的正常有效运行，配送中心应运而生。特别是随着现代电子商务的发展，配送中心作为电子商务活动的物质技术基础越来越受到人们的关注。例如，京东商城和亚马逊等网络电子商务公司在全国各主要城市都建有自己的配送中心；专门从事物流服务的第三方物流公司例如顺丰速运有限公司等开始在现代物流运输中扮演重要角色。配送中心是

2、物品从制造商至零售商之间的中转站，充当中间枢纽的角色，集散货物，促进货物的快速流通，在现代物流活动中扮演非常重要的角色。配送中心在减少交易次数和流通环节、减少客户库存、提高库存保证程度等方面发挥着重要作用，同时还能产生规模效益。配送中心的位置分布非常重要，合理的选址能够有效减少物品流通费用，协调生产过程和消费过程，保证物流系统的平衡有效。发展到一定规模的大型企业或专业的提供物流服务的第三方物流企业在进行配送中心的建设时，都需要进行配送中心选址战略决策。而随着供应链管理理论的发展，站在整个供应链的角度进行配送中

3、心选址决策也开始被人们重视。具体来说，为了满足顾客需求，企业战略决策中与配送中心相关的决策主要包括两个重要的方面：一方面，需要从配送中心可选点中选出合适的建设数量及建设地点；另一方面，需要根据需求分布确定每个配送中心的库存持有量。此外，在现代采购中，联合补货策略开始被广泛运用。当企业向一个供应商采购多种产品（单一零售商，多产品）或者是多个零售商企业向同一个供应商采购单一产品（单一产品，多零售商）时，采用联合补货策略都可以节省订货准备费用，------1------华中科技大学硕士学位论文从而节省总成本。如果被

4、运输的物品享有共同的制造设备以及共同的配送路线或配送设备，那么合理地分配这些物品的生产和配送批次，可以将固定的装配和配送费用进行分摊，从而能够有效地降低总费用。同样地，当企业在进行配送中心数量及库存持有决策时，若配送中心位置分布较近或者是被统一管理，则可以考虑对配送中心采用联合补货策略，将订货准备费用进行分摊，在大大节省补货成本的同时还能增加运营效率。因此，分析如何将联合补货策略合理运用到配送中心选址决策中具有十分重要的现实意义。特别是从整个供应链角度出发，在考虑整个供应链上的总成本时，将联合补货策略与配送中

5、心选址决策相结合，可以节省供应链的总成本。此外，在现实中，本分析对于同一城市的专营店的选址决策或者同一金融机构的ATM机选址决策也具有一定的借鉴意义。1.1分析意义首先，在深入分析配送中心选址模型的基础上对其进行扩展改进。一方面，结合供应链管理发展趋势，将两阶段的配送中心选址模型扩展为包括生产商在内的三阶段的配送中心选址-库存模型，考虑整个供应链的总成本，联合优化选址成本和库存成本，使模型更完善且具有更广阔的现实意义。另一方面，将联合补货策略引入配送中心选址模型中，距离较近或被统一管理的配送中心可以联合成组统

6、一补货，通过固定费用的分摊实现总成本的减少。与传统的配送中心的独立补货相比，合理的联合补货策略在大大节约成本的同时还能提高配送中心的运营效率，具有广泛的实际应用价值。其次，在算法方面，对新兴的启发式算法——差分进化(DifferentialEvolution,DE)算法进行改进，使其具有更强的寻优能力并节省计算时间。基本的补货问题已被证明为NP难问题，而对联合补货问题的扩展分析增加了模型的复杂度，使得模型的求解难度更大，计算最优值的工作变得更加困难。学者尝试采用一些算法求解联合补货模型，具有一定的可行性，但是

7、，现有的求解算法存在一些固有的弊端难以改进，具体表现如表1-1所示。由表1-1可以发现，现有的求解算法存在求解效率低、收敛速度慢、通用性差等缺陷。因此，迫切需要寻求一种通用便捷的求解方------2------华中科技大学硕士学位论文法，能够以有限的付出寻找到可接受误差范围内的近似最优解或全局最优解，从而实现此类复杂优化问题求解的突破。表1-1现有求解算法缺点算法名称算法缺点总结枚举法枚举空间的大小对算法效率影响较大，随着枚举空间的变大算法效率会偏低且可能无法在计算工具上得到实现。常规的启发式算法操作复杂，需

8、要根据具体的问题特征设计特有的启发式规则，算法的通用性较差。遗传算法编码解码操作复杂且算法的搜索速度比较慢，搜索后期容易出现收敛停滞现象；对初始种群的选择有一定的依赖性且算法难以与其他算法进行混合使其难以改进。从本质上讲，DE算法是一种类似于实数编码遗传算法的启发式算法。在算法操作过程中，种群个体的差异来源于染色体的变异和交叉操作机制。DE通过增加带有权重的、随机的向量来对染色体进行变化，然后通过提