多产品多来源无容量限制的选址-库存问题研究

摘要

选址问题主要是决定设施的数量、位置及其与需求点之间的运输方案。选址问题通常只考虑选定设施的固定成本和运输成本，未考虑订货成本和缺货成本，而库存问题往往只考虑库存补充策略，不考虑设施的数量和位置。这两者都单方面考虑问题，不太切合实际。本文设计的选址-库存模型同时考虑两者，计算出来的成本更加接近供应链库存管理的实际运作成本。
　　 在Ozsen等学者(2009)研究的选址-库存问题上，把单产品变成多产品，把约束条件变成多来源无容量限制，构成新的选址-库存问题，称新的选址-库存问题为多产品多来源无容量限制的选址-库存问题。然后建立多产品多来源无容量限制的选址-库存模型。针对建立的模型，构建二进制和随机数相结合编码的遗传算法。采取精英选择策略，进行单点交叉，进行倒置和移位变异，把随机产生的新个体迁移到新种群，从而设计出遗传算法的总流程。
　　 本文构造42个算例，将遗传算法和LINGO的求解结果列入相应的5个表中。对选址-库存模型进行灵敏度分析得出规律:当库存成本相对权重(θ/β)增大时，使用遗传算法求解更加容易;同时，风险分摊效应发挥作用，配送中心的数量减少。根据遗传算法和LINGO计算结果的对比分析得出结论:LINGO所能求解的问题，遗传算法也能求出最优值;LINGO所不能求解的大规模问题，遗传算法也能够求解，并且求解时间短，解的质量好。从而证明遗传算法是求解本文选址-库存模型非常有效的算法。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 论文的主要贡献和研究内容

1．3．1 论文的主要贡献

1．3．2 论文的研究内容

1．4 论文的总体结构和技术路线

1．4．1 论文的总体结构

1．4．2 论文的技术路线

第2章 相关理论概述

2．1 选址问题概述

2．1．1 P-中值问题

2．1．2 无容量限制的设施选址问题

2．2 库存问题概述

2．2．1 经济订货批量模型

2．2．2 (Q，r)模型

2．2．3 风险分摊效应

2．3 选址-库存问题概述

2．3．1 选址-库存问题的来源

2．3．1 选址-库存问题的模型

2．4 遗传算法概述

2．4．1 遗传算法的特点

2．4．2 遗传算法的基本操作

第3章 多产品多来源无容量限制的选址-库存模型的构建与求解

3．1 多产品多来源无容量限制的选址-库存模型的构建

3．1．1 问题描述

3．1．2 模型假设

3．1．3 参数设置

3．1．4 模型建立

3．2 建立求解模型的遗传算法

3．2．1 遗传算法的流程

3．2．2 编码和解码

3．2．3 遗传算子

第4章 算例分析

4．1 算例数据

4．2 计算结果

4．3 灵敏度分析

4．4 遗传算法求解的优越性

结论与展望

致谢

参考文献

附录1：遗传算法的MATLAB程序

附录2：求解论文模型的LINGO程序

攻读硕士学位期间发表论文及科研成果