物流敏捷调动优先技术的假设和计算.docx

《物流敏捷调动优先技术的假设和计算.docx》由会员分享，可在线阅读，更多相关《物流敏捷调动优先技术的假设和计算.docx（45页珍藏版）》请在第一文库网上搜索。

1、附录一物流敏捷调动优先技术的假设和计算基于配送网络和调运优先准则的物流敏捷调动优先技术1.支持物流敏捷调动优化的基础信息描述(1)配送中心货物库存信息配送中心(或调运中心，Depot)的货物库存信息由以下三元数组A表示:A=(i,欧)其中，i表示货物编码，i=123,，简记为iLgi表示货物i的规格(单位重量、积等)，并假定所有货物换算为同一规格；生货物i的库存数量。(2)配送点需求信息配送点在t时刻的实时需求信息由需求矩阵C(t)来表示C(t)=(cij(t)iI,jJ其中，j表示配送点编码，j=l,2,3,，简记为jJgj(t)为t时刻配送点j对货物i的需求量，t即交货期。(3)配送网络(

2、可行运输路径)信息配送中心至配送点j的配送网络的信息由以下三元数组R(j)表示R(j)=(rj,V(rj),D(rj)其中，口表示配送中心至配送点J的可行运输路径编码，门口，2,3,，简记为rjRj;V(b)表示路径门上全部配送点的集合，且V(门)=j若配送点j位于可行运输路径门之上，jJ；D(口)表示路径门上的配送点到配送中心的距离集,且D(rJ=d(vrj)vV(ri),其中，d(vr)表示在路径门上配送点v到配送中心的距离，显然它不一定使配送点v到配送中心的最短距离。至于任意配送点v到配送中心的最短距离则为D(v)=mind(vrv)nR)基于以上描述的方法，配送网络所包含的信息，因可行

3、路径路径搜索深度和广度而异。这里提出的基于配送网络网络和调运优先准则的物流敏捷调运技术的基本前提，就是假定配送中心至其服务区域内所有陪送点的可行陪送路径已经优化。(4)配送中心运输资源(车辆)信息配送中心的运输车辆信息有以下三元数组E表示E=(,up,wp)其中，P表示车辆编码，p=123,.,简记为pep；5表示车辆容量，并假定其已经换算为与同一量钢；wp表示车辆运行状态，wp,1,且所=1表示车辆处于可调运状态；反之，则表示车辆处于正在运输状态。2 .物流敏捷调运优化技术的工作逻辑与思想(1)调运优先准则“调运优先准则”是在物流调运中根据交货期迟早、距离远近、运输量大小以及客户重要性程度等

4、信息而对当前全部客户的物流调运优先次序进行的分类、排序。根据调运优先准则设定陪送点的当前调运优先级，进一步可以构成物流调运的递阶控制机制。调运优先准则以实现物流调运敏捷化为策略层面的首要准则，并按调运策略的层次顺序设置：第一级调运优先准则：交货需求早的配送地要优先安排；第二级调运优先准则：在交货期相同的配送地中,距配送中心远的优先安排；第三级调运优先准则：针对确定的配送地，配送车辆吨位大的优先安排;第四级调运优先准则：针对确定车辆，装载物品质量大的优先安排地方。图I物流敏捷调动优先技术工作逻辑从图I可以看出，“最终配送地”是在最早交货期L有有交货需求且距离配送中心最远的配送点，而且是动态产生的

5、。而实现物流敏捷调动的核心在于第三个工作环节：基于调运优化模型生成关于“最终配送地”的敏捷调运优化方案。注意到针对确定的“最终配送地”j*所对应的可行运输路径集构成一个以配送中心为起点，认产为终点的子配送网络。因此，整个逻辑整个配送网络的调运优化实际是转换成对一系列处于第一优先的子配送网络按第二优先准则的逐次调运优化。在调运方案生成后，对基本信息进行更新。(2)针对确定“最终配送地”调运敏捷化步骤(即)：第一步基于E生成当前可调用车辆集P*,P*=pIwp=l,pP)o第二步针对由配送中心到最终配送地产的每一条路径r(rRQ搜索该路径上在时间to有交货需求的配送点，并按第二优先准则对其排序，记

6、为jS(其中，j记为最终配送地j*)。基于路径r上配送点到配送中心的距离集D(r)生成与j.相对应的距离集d(j(h)|r),记为d=l-(dthxxhlk)/(dthlul)v*(r)p*kwlv(r)p*而第j号主配送地所需求货物总量(GGh)的计算公式为：GG/,=Zc)，Av*(r)f这里，u*(r)为路径r上在时间/有交货需求的配送点集。于是，在库存和装载限制下，满足货运需求GG/,的针对确定路径(r)的调运优化模型可由如下的非线性混合型规划问题描述，记为NPNP：max(Jdthixhlk)/(工小必)p*(r)p*v*(r)p*St工工小储内孤=GG介，zu*p*1qk,kIv*

7、(r)p*%*,p*v*(r)keltb0,l,zv*(r)*xhk0,V*(r),P*,kI其为需求约束条件，为库存约束条件，其中为*为货物k的当前库存量；为资源约束条件；其中与水为车辆/的剩余装载量。（2）基于确定路径调运优化模型近似求解的基本过程：我们对调运人格化模型NP近似求解的基本思想是按确定路径r上主配送地（即在t。有交货需求的配送点）从远到近的顺序（即第二级优先准则），通过数据驱动将NP逐次分解为针对配送点j的调动优化模型NP”后，再对其递阶求解。该求解过程如下：基于确定路径调运优化模型的递阶求解过程：过程1：赋初值令h=l,Flh-l=0,P。二过程2：数据驱动过程Stepl：

8、基于需求矩阵Ch*和当前库存量qk*（kI）,生成针对j（h）的满足库存限制的需求集和缺货信息并修正GGhStep2：基于P*和上一级优化后生成的“车辆优选集”（已调用的车辆）P”h-1,生成针对j（h）的“当前可调用车辆集p*过程3：模型生成过程：基NP和过程2的数据驱动生成针对确定主配送地jo的调动优化模型记为NPh.NP-kPh*k04*St.dthlXhlk=GGh(10)j*kelthlXhlku1*(IDep*kelth,0,1),1P*(13Xhik0,1P*,kI(过程4：NI求解过程Stepl：基于NPh求得针对主配送地jo的“车辆优选集”Ph及相应的最佳装载量，并计算优先级

9、最低的车辆的剩余装载量FhStep2：令h=h+l,若V*)的“剩余装载量”为Flho然后在Flhl的限制下，基于需求矩阵。门并根据第四级级准则对该车进行配载，随即修正需求矩阵匕门，记修正后的需求矩阵为C/同时，计算针对主配送地丁)的剩余装载需求量FRFFh=GGn-Flh-1Step2：对“可调用车辆集”P；按第三级优先准则排序，记排序后的“可调用车辆集”为PJ,记PJ中各车辆相应装载容量为UJ(UJ,lPh,)过程2：模型生成过程基于过程1的数据驱动，将NPh转化成为“剩余装载量”极小化为目标，以PJ和FFh为配载约束且仅以关于车辆选择变量thl为决策变量的07规划模型。(0-1)h：ni

10、nt-F)(14)GPhSt.,FR(15)kPhth0,1,lPn,(16)过程3：求解过程Stepl：对(0T)h求解，并基于“最优解”生成的“优选车辆集”计算优先级最低车辆的“剩余装载量”FhStep2：基于需求矩阵C和满载要求，先按第三级优先准则，再按第四能优先准则，以数据驱动方式对“优先车辆集”Ph中的车辆进行配载，生成x11.k的“最优解”。(2)值得说明的n个问题：关于0T规划的求解比较成熟，后面讨论；对优先级最低车辆的剩余装载量的继续配载。5.基于对分搜索(0T)h的求解过程：(如图所示)图基于对分搜索（O1）h的求解过程附录二物流敏捷调动优先技术在VisualC#环境下编程和

11、操作说明（-）物流敏捷调动优先技术在VisualC#环境下编写的程序源代码如下:usingSystem;usingSystem-Collections;usingSystem.Text;namespaceGreedyThr(classBubbleSorter/冒泡排序类staticpublicvoidSort(objectsortArray,0p2gtMethod)for(inti=0;isortrray.Length;i+)for(intj=i+1;jsortArray.Length;j+)(if(gtMethod(sortArrayj,sortArrayi)(objecttemp=sortArrayi;sortArrayi=sortArrayj;sortArrayj=temp;)delegatebool0p2(object1,objectr);定义一个比较类委托classMarx/寻找最短路径类privateintdistance;privateintrow;privateArrayListways=newArrayList();publicintGetdistance(intdistanc