基于可靠性的生鲜农产品物流网络优化

《基于可靠性的生鲜农产品物流网络优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学博士学位论文基于可靠性的生鲜农产品物流网络优化姓名：张焱申请学位级别：博士专业：物流工程指导教师：严余松20090401第1I页’西南交通大学博士研究生学位论文文献没有提供相应的测度指标和方法。新鲜度是衡量生鲜农产品品质的重要指标。论文采用新鲜度作为评判物流系统的服务是否失效的判断标准来研究生鲜农产品物流服务的可靠性，提出了“品质可靠性’’的概念，并考虑物流服务失效的随机性和最终消费者对农产品新鲜程度描述的模糊性，建立了满足新鲜度要求的物流服务模糊随机可靠度指标及其计算公式。3．建立了基于物流时

2、间可靠性的生鲜农产品物流网络优化模型及算法。以客户对物流时问可靠度的要求作为可靠性约束的置信水平，同时考虑有损耗发生的物流量守恒约束、节点处理能力约束以及新建设施数量约束，建立了基于物流时间可靠性的生鲜农产品物流网络优化的随机机会约束模型；构造了基于随机模拟和遗传算法的混合智能算法对模型求解，并通过数值仿真验证了模型和算法的有效性。4．提出了生鲜农产品封闭供应链的基本构架，并建立了在此构架上的基于品质可靠性的生鲜农产品物流网络优化模型及算法。封闭供应链是一种基于全程质量安全控制体系及先进的信息技术和现代物流

3、技术的供应链模式，其目的是为了实现对产品的品质管理。因此，要构建生鲜农产品封闭供应链的物流网络，需要考虑物流系统的品质可靠性。论文提出了生鲜农产品封闭供应链的基本构架；在此基础上，以客户对物流系统品质可靠度的要求作为可靠性约束的置信水平，建立了基于品质可靠性的生鲜农产品物流网络优化的模糊随机机会约束模型；构造了基于模糊随机模拟和遗传算法的混合智能算法对模型求解；并通过数值仿真验证了模型和算法的有效性。关键词：生鲜农产品；物流网络优化；可靠性；机会约束规划；遗传算法西南交通大学博士研究生学位论文第1lI页Ab

4、stractLogisticssystemisacomplexdynamicsystem，whichcomposedofanumberoffunctionalaspectsofmutualdependenceandmutualinfluence．Thenormaloperationofthesysteminvariousareaswillbesubjecttomanyuncertainties．whichleadingtoinstabilityinthewholesystemperfofinance．For

5、fleshagriculturalproducts．sometimestheunreliableoflogistiessystemsnotonlyleadtodissatisfactionofcustomers，butalsoledtohugelosses．However,thecurrentplanninganddesignoflogistiesnetworktakelittlecustomers’demandofsystemreliability．Inaddition,therearedifferenc

6、esfortheconnotationandextensionoftheconeeptofsystemreliabilityindifferentapplicationareasduetothedifferenceofsystemfunctionsandfeatures．Forthereliabilityoflogisticssystemforfleshagriculturalproducts．thereisnocleardefinitionyet，butalsothelackofappropriateme

7、asurementindicators．Therefore，themeaning，failuremechanismandmeasureindexesofthereliabilityoflogisticssystemforfleshagriculturalproductsareproposedonthebasisoftheanalysisoflogisticsmodels，characteristicsunderdifferentmodelsandnetworkstructures．Andtherelatio

8、nshipbetweenlogicstructureandthereliabilityiSanalyzed．Furthermore，thereliabilitytechnologyisappliedintotheplanningoflogisticssystem，andthereliability-constrainedoptimizationmodelsandrelativealgorithmsfor109l‘