不确定需求下快递枢纽中转站选址模型问题
发布时间：2021-06-05 04:56
随着快递货量飞速增长,对快递公司枢纽站货量操作带来了极大的压力,通过建立中转站分担快递枢纽货量压力是解决该问题的方法之一,且每日快递货量的不确定性,增加了问题的复杂性。针对该问题,建立了在不确定需求下,以时效和总成本为目标的快递枢纽中转站双目标整数规划选址模型,并以DB快递公司上海区域为例,运用NSGA-Ⅱ方法求解。求解结果表明NSGA-Ⅱ方法,在求解质量上与ε约束法非常相近,且求解速度远好于约束法。
【文章来源】：工业工程与管理. 2020,25(02)北大核心CSSCI
【文章页数】：7 页
【部分图文】：
枢纽区域网络结构
快递网络是快递公司发展的基础，而快递网络节点选址又是构成快递网络的基础。传统的快递网络结构一般是轴辐式，网络中不同的结点承担着不同的功能。轴辐射式网络结构一般分为三个阶段：起点到枢纽，枢纽到枢纽，枢纽到终点[1-2]，如图1所示，虚线框是枢纽覆盖区域。起点和终点一般是和客户直接进行打交道的快递营业点或者叫网点，用来暂存客户的货物。枢纽主要是起着收集网点的货物，转运到下一节点的作用，通过规模经济带来成本的降低。但是随着不断地发展，客户不仅对运送的费用有要求，对运送服务的时效也有较高的要求，因此现在的快递网络结构在轴辐射式的基础上衍生了一些新的形式，但还是以轴辐射形式为基本框架进行的调整，例如货量足够多，直接从起点到终点不经过枢纽，或者在起点到枢纽阶段，进行一些局部调整，提高收集效率等。物流设施选址问题从目标的多少来分，可以分为单目标和多目标选址。单目标选址一般考虑总成本最小、需求满意度最大化或距离最小化等，Wu建立了农产品物流中心选址模型，将总成本包括节点间的运输成本，物流中心管理费用，物品损失费用以及物流中心投资费用作为目标建立了混合整数规划模型[3]。陈义友和陈以衡建立了以需求满意度最大化的自提点选址模型[4]。Boonmee和Arimura等建立以需求点与备选点之间距离最小化的应急物流选址模型[5]。而多目标选址，从不同角度考虑可以建立不同的选址模型，例如Hu和Liu等建立基于不确定环境的废弃物能源设施选址模型时，从运营成本及废弃物能源设施对环境的负效应方面建立了两目标模型[6]。Bozorgi和Khorsi从最大化需求不满意度，最小化旅行时间及总成本的角度建立了多目标选址-路径模型[7]。张广胜和刘伟建立了考虑时效和成本的双目标配送中心选址模型[8]。陈刚和付江月从最小化应急物资配送的总时间、总成本以及最大化配送物资道路的安全性的角度，建立了三目标应急选址-路径问题模型，并运用NSGA-II算法求解[9]。传统的多目标解决方法一般要获得目标的权重或者是决策者的偏好，从而将其转化成单一目标优化问题求解，该类方法有一定的缺陷：1）权重或者偏好不容易获得；2）多个目标之间的量纲不一致，不容易处理。如有的目标是成本，有的目标是距离；3）经过权重法转换成单目标之后，当规模比较大的情况下也并不一定能在有效的时间内求得解[10]。Puga和Tancrez是采用期望成本最小化作为目标函数，设计了一种启发式算法求解大规模的带有不确定需求的仓库选址模型[11]。Tang和Zhang建立了以最小化总成本，最大化服务能力以及最小化碳排放的三目标绿色物流设施选址模型，并运用NSGA-II进行求解[12]。Ghezavat和Bei建立了以总成本及最小最大收集返工产品时间的双目标规划模型，并利用ε约束法及NSGA-II方法求解该模型[13]。多目标与单目标的区别在于多目标会产生一个Pareto最优解集或非劣解集。近年来多目标算法也出现了很多，其中运用的最多的是NSGA-II算法[14-15]，该方法的优点在于1）能够处理大规模的解空间，进行全局搜索。2）能通过一次运行得到多个非劣解。
从帕累托优化前沿选取三个近似帕累托最优解，其所结果如表1所示，其选址与分配情况如图3,4,5所示，车辆数情况如表2所示。图4 方案2建中转站方案选址与分配关系图
本文编号：3211480
【文章来源】：工业工程与管理. 2020,25(02)北大核心CSSCI
【文章页数】：7 页
【部分图文】：
枢纽区域网络结构
快递网络是快递公司发展的基础，而快递网络节点选址又是构成快递网络的基础。传统的快递网络结构一般是轴辐式，网络中不同的结点承担着不同的功能。轴辐射式网络结构一般分为三个阶段：起点到枢纽，枢纽到枢纽，枢纽到终点[1-2]，如图1所示，虚线框是枢纽覆盖区域。起点和终点一般是和客户直接进行打交道的快递营业点或者叫网点，用来暂存客户的货物。枢纽主要是起着收集网点的货物，转运到下一节点的作用，通过规模经济带来成本的降低。但是随着不断地发展，客户不仅对运送的费用有要求，对运送服务的时效也有较高的要求，因此现在的快递网络结构在轴辐射式的基础上衍生了一些新的形式，但还是以轴辐射形式为基本框架进行的调整，例如货量足够多，直接从起点到终点不经过枢纽，或者在起点到枢纽阶段，进行一些局部调整，提高收集效率等。物流设施选址问题从目标的多少来分，可以分为单目标和多目标选址。单目标选址一般考虑总成本最小、需求满意度最大化或距离最小化等，Wu建立了农产品物流中心选址模型，将总成本包括节点间的运输成本，物流中心管理费用，物品损失费用以及物流中心投资费用作为目标建立了混合整数规划模型[3]。陈义友和陈以衡建立了以需求满意度最大化的自提点选址模型[4]。Boonmee和Arimura等建立以需求点与备选点之间距离最小化的应急物流选址模型[5]。而多目标选址，从不同角度考虑可以建立不同的选址模型，例如Hu和Liu等建立基于不确定环境的废弃物能源设施选址模型时，从运营成本及废弃物能源设施对环境的负效应方面建立了两目标模型[6]。Bozorgi和Khorsi从最大化需求不满意度，最小化旅行时间及总成本的角度建立了多目标选址-路径模型[7]。张广胜和刘伟建立了考虑时效和成本的双目标配送中心选址模型[8]。陈刚和付江月从最小化应急物资配送的总时间、总成本以及最大化配送物资道路的安全性的角度，建立了三目标应急选址-路径问题模型，并运用NSGA-II算法求解[9]。传统的多目标解决方法一般要获得目标的权重或者是决策者的偏好，从而将其转化成单一目标优化问题求解，该类方法有一定的缺陷：1）权重或者偏好不容易获得；2）多个目标之间的量纲不一致，不容易处理。如有的目标是成本，有的目标是距离；3）经过权重法转换成单目标之后，当规模比较大的情况下也并不一定能在有效的时间内求得解[10]。Puga和Tancrez是采用期望成本最小化作为目标函数，设计了一种启发式算法求解大规模的带有不确定需求的仓库选址模型[11]。Tang和Zhang建立了以最小化总成本，最大化服务能力以及最小化碳排放的三目标绿色物流设施选址模型，并运用NSGA-II进行求解[12]。Ghezavat和Bei建立了以总成本及最小最大收集返工产品时间的双目标规划模型，并利用ε约束法及NSGA-II方法求解该模型[13]。多目标与单目标的区别在于多目标会产生一个Pareto最优解集或非劣解集。近年来多目标算法也出现了很多，其中运用的最多的是NSGA-II算法[14-15]，该方法的优点在于1）能够处理大规模的解空间，进行全局搜索。2）能通过一次运行得到多个非劣解。
从帕累托优化前沿选取三个近似帕累托最优解，其所结果如表1所示，其选址与分配情况如图3,4,5所示，车辆数情况如表2所示。图4 方案2建中转站方案选址与分配关系图
本文编号：3211480
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3211480.html
