英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

区域快递配送的选址优化模型中心

Yingfeng Ji^a, Hualong Yang^a,*, Yan Zhang^a, and Weixin Zhong^a

摘要

随着电子商务近年来的快速发展，快递业迎来了前所未有的机遇。发展。这也导致了快递行业内的激烈竞争。如何降低物流成本更好地为客户服务已经成为许多快递公司关注的焦点。快递配送中心的重要性及对策它的定位设计引起了广泛的关注。因此，快递配送的选址优化问题中心越来越受到工业界和学术界的关注。本文建立了一个优化模型。基于路网实际的区域快速路配送中心选址。模糊C均值聚类（FCM）改进算法求解模型。通过案例进行了实证研究，验证了该方法的有效性。建立的模型及其算法是可行的。

关键词：快递配送；配送中心：位置优化；FCM算法。

1、引言

近年来，随着B2C和C2C电子商务模式的迅速发展。快递业迎来了前所未有的发展机遇。这也导致了快递行业内的激烈竞争。如何降低物流成本，更好地为客户服务，已成为众多快递企业关注的焦点。快递配送中心的重要性及其选址设计引起了广泛的关注。

国内外学者对物流配送中心的选址进行了大量的研究。Eiichi Taniguc地址和最佳规模（Taniguchi和Nordigak，1999）。Vedat Verter研究了各区生产线的位置分布网络（Vter，1999）。SIRACK、K运用运筹学原理对物流中心进行定位，提出了“布局-配送组合模型”（SIRACK，2005）。黄万里，支雄，李志勇提出了采用二元桩结构和网络存储模型的优化Dijkstra算法。其在物流中心选址中的应用可以得到满意的选址方案（WAN等人，2007）曹云中提出了一种新的选址模型，并利用该模型设计了Hopfield神经网络。为物流中心选址提供了一种新的方法（CAO，2009）。以往的研究主要集中在城市公共物流配送中心或区域物流中心的选址优化问题上，而对快递业的研究较少。目前对快递物流或快递物流建设的研究比较肤浅，侧重于对快递物流整体发展的宏观分析，缺乏深入的定量分析。本文根据当前行业背景，结合快递配送的特点，提出了区域快递物流配送中心选址的优化模型，并通过实例验证了模型的适用性。

2、问题描述及参数处理

假设：在快递服务区域的每个地方都有不同的需求点，每个服务需求都有一个固定的参考价值，有一个以上的一级快递物流。 配送中心，可为任何二级快递配送中心提供货物；也有多个二级配送中心，分布在服务区的每个地方。 并且覆盖所有的需求点，每个二次配送中心的日用品流量都有一个容量限制，同一配送中心服务范围内的配送卡车也是相同的模式。 卡车载重和里程有限。

由于快递服务对象种类繁多，配送路线条件复杂，缺乏对各点需求的直接数据，因此很难、也不方便地建立一个 对区域快递配送中心选址优化模型进行了分析。因此，我们需要对相关参数进行如下处理，以解决这些困难和不便。

2.1单元和单元规范化

在实际的物流配送中，存在着各种配送服务产品，有着不同的计量单位和不同的包装和物理形式。为了使分布 模型更加合理，需要对配电单元进行规范化，并将规范化的分配单元表示为单元。假设一种待分配产品的实际体积为V立方分米，重量为G公斤，则这批产品的数量以分配单位(单位)为单位。 度量为：Q=max(VG)(U)。

2.2道路无障碍

在实际分布中，直接连接任意两个需求点的公路并不总是存在的，甚至需要从一个需求点到另一个需求点走一条迂回的道路。两点之间的距离 S不是两点之间的线性距离，因此必须根据现有的网络条件来测量实际距离。任何两点之间的道路可达性可描述为 跟随，接着( follow的第三人称单数 ):

2.3.需求计算

在建立二级配送中心之前，所有需求点的需求都是未知的。为了使配送中心的选址更加合理，需要对配送中心的选址进行估计和预测。 对未来各需求点的需求进行了考察，并对现实需求进行了考察。每一个点的需求都与当地人口和收入水平有关。此外，消费潜力 每一点(特别是二级配送中心推动的当地消费水平的提升)都应得到评估。考虑到上述因素的综合考虑 同时参照经验需求，针对需求点J，将 aj 设为J点的消费潜力指数， Dj作为J点实际需求的调查结果，然后进行t检验。 j点的要求是 Dj = ajDj.。

3.位置优化模型

签署惯例如下： aij 共同执行活动：可访问性可变性。如果是 aij=1 ，它存在直接连接的道路之间点i和点j，如果 aij=0，则在i和j之间不存在直接连接的道路； bksij : If bksij 1，则是从k到二级快速分布中心S的最短路径， if bksij=0 ，则它不是shdortest路径；CIJ：单价从一级快车配送中心到二级快车配送中心j；ij：从点i至点j；dj：点j的要求；fi：备选二级快速配送中心的固定费用(包括资本投资和固定经营成本)；g：二级快件流通单价i中心(一个单位流量的管理费和储存费用)；hij：从第一点到第一点的分配价格点：L：从1级快递配送中心I到2级快递配送中心J的距离；LeN:从2级快递配送中心到DEMA的最大里程限制 直接点；m：2级快车配送中心的备选地点数；Mi：备选2级的设计能力快递配送中心i；n：需求点数；p：二级快递最大数量。可建配送中心；r：一级快递配送中心数量；X k：运输量。从二级特快配送中心到需求点k；配送中心一至二级快递配送中心j；WiJ：一级快车的运输量紫：二级快递配送中心的变数位置，如果ZI=1、需求点一是二级快运配送中心，如ZI=0是子的话。需求点i不是2级快递配送中心；成本：配送网络总成本。

本文在对问题和处理参数进行描述的基础上，建立了区域快递配送中心选址的混合整数规划模型。 最佳化，最优化:

最小成本=

但须符合

Wij , hij , aij ,bksij是决策变量。剩下的变量m，n，p，len是整数，大于零。

公式(1)是目标函数。目标函数的第一部分是从一级快运中心到二级快递配送中心的货物运量。||| 目标函数的第二部分是基于最短路径的配送成本。目标函数的第三部分是运输货物的库存循环管理成本。 EL 2快车配送中心。目标函数的第四部分是二级快递配送中心的资金投入和固定运营成本。公式(2)是容量常数 特快配送中心。公式(3)是分配量应满足需求。公式(4)是快递配送中心数量的约束条件。公式(5)是TH 在二级快递配送中心的配送量不应大于一级快递配送中心的供给量。公式(6)是对道路无障碍的限制。 两点之间的运输系统。公式(7)是总分布距离的约束。公式(8)表示它是否是最短路径。公式(9)考虑是否分配 选择n个中心。公式(10)是非负的要求.公式(11)是对非负整数的要求.

4.求解算法

针对上述模型，为了达到成本最低，保证全局最优性，本文采用模糊C均值聚类算法对快速区的定位进行了优化。 配送中心。本文还对FCM聚类算法进行了改进。FCM是实现模糊聚类的典型算法。它通过最小化类内距离来更新成员。一次m 样本点的均匀度是确定的，样本将根据最大限度的隶属度原则分配给成员程度最高的类。FCM算法是一种有效的算法。 解决了传统算法中由于初始化过程而产生和保留的误差。FCM改进的主要部分是采用最短路径算法。 HM Dijkstra计算两个点之间的最短距离，并利用重力法计算聚类中心，考虑不同需求点的取值对集群的影响。 一个全面的方法。采用改进的FCM聚类算法可以解决区域快递配送中心选址优化问题。这一过程说明如下：

输入：簇数c，样本数据集包含n个对象；输出：C类；

步骤1：初始化集群中心。给出簇数c，设置迭代停止阈值。初始化中心向量矩阵。设置迭代计数器。

步骤2：更新分区矩阵。

步骤3：更新聚类中心向量矩阵。

步骤4：根据前面的划分，通过Dijkstra算法和重力法计算新的聚类中心。返回到步骤2，直到结果稳定。

5.个案研究

为了验证该模型和算法的适用性，本文以某快递公司为例进行了分析。公司采用传统的物流运作方式，区域物流运作方式。 视觉是以行政区划为基础的，效率低，资源浪费。

本研究选取了来自某一地区的212个需求点作为配送点。每个点都有一个数字，并制作了一个需求点表。该表包含每个点的需求，相应的 IDES的信息连接到每个点，以及每个点的坐标值。找出所有有分布驾驶条件的道路在连接点所在的区域(总共416条) ，并制作一个路由表作为分布点，包含每条道路的连接点的长度和数目。假设212个可选配送中心的固定成本和设计能力是 我也是。总需求(1040万U)除以每个配送中心的设计容量(140万U)。用归一化方法处理商可以得到分布中心数（8）的结果，模拟某一地区的地理信息。通过使用MapInfo软件，如图1所示。

根据上述条件，通过Matlab软件编程，解决了212个需求点、461条可选道路和8个未确定的快速路配送中心的问题。集群 g结果见表一。

represents a virtual demand point (transit point).

为表1中的聚类结果分析数据。聚类结果如图2所示。

从表1可以看出，每个快递配送中心的服务数量几乎相同，每个快递配送中心范围内的总需求都在服务范围内。 集散中心的CE能力和利用率较高。如图2所示，快速配送中心的布局是合理的。优化结果是很令人满意的。

表一：聚类结果分析

6、总结

本文的研究范围是从1级快递配送中心到2级快递配送中心，再到需求点的快递物流过程。提出了基于实际路网的快递配送选址优化问题，建立了数学模型，并对FCM聚类算法进行了改进，并将其应用于快递配送问题，通过对某快递公司内部的仿真分析。区域A，验证了所提出的模型能够很好地描述问题，改进的FCM聚类算法可以解决这一问题，该模型和算法具有重要的理论意义。

1. 参考文献

Cao, Y. (2009). The improvement of logistics center addressing algorithm and the design of its Hopfield neural network. Computer Applications and Software. 3

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23982]，资料为PDF文档或Word文档，PDF文档可免费转换为Word