版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、物流配送中心是物流系統(tǒng)中最主要的硬件設(shè)施之一,物流配送中心的選址在物流系統(tǒng)規(guī)劃中至關(guān)重要。配送中心的選址問(wèn)題是物流理論研究中最活躍和最有價(jià)值的問(wèn)題之一。近年來(lái),越來(lái)越多的學(xué)者在研究配送中心選址問(wèn)題時(shí)將庫(kù)存控制策略考慮進(jìn)來(lái),建立了聯(lián)合選址庫(kù)存模型。聯(lián)合選址庫(kù)存模型統(tǒng)籌考慮了庫(kù)存、運(yùn)輸、選址和缺貨等諸多成本,更加符合物流實(shí)際。對(duì)聯(lián)合選址庫(kù)存模型的深入研究具有重要的理論意義和現(xiàn)實(shí)意義。
基于已有的研究成果,結(jié)合具體問(wèn)題的實(shí)際,本
2、文逐步建立和完善了三個(gè)模型:(1)對(duì)單一產(chǎn)品、需求時(shí)變且?guī)齑嬗绊戜N售情形,建立了以周期運(yùn)營(yíng)成本最小為目標(biāo)的聯(lián)合選址庫(kù)存模型;(2)對(duì)兩類產(chǎn)品、不同需求特性即時(shí)變需求和隨機(jī)需求同時(shí)存在情形,建立了以運(yùn)營(yíng)成本最小為單一目標(biāo)的聯(lián)合選址庫(kù)存模型:(3)在第二個(gè)模型基礎(chǔ)上,建立了以運(yùn)營(yíng)成本最小、時(shí)間滿意度最大為雙目標(biāo)的聯(lián)合選址庫(kù)存模型。其中第三個(gè)模型最符合實(shí)際。
針對(duì)所建立的模型,設(shè)計(jì)了基于k—均值聚類算法與遺傳算法的混合算法,稱之
3、為k—均值聚類遺傳算法,算法可分為四步:(1)用k—均值聚類算法將零售商聚類;(2)用評(píng)價(jià)函數(shù)評(píng)價(jià)配送中心對(duì)零售商類的優(yōu)劣,得到備選選址方案;(3)用改進(jìn)遺傳算法確定備選選址方案下的最優(yōu)指派方案;(4)比較目標(biāo)函數(shù)值找到最優(yōu)解。
針對(duì)實(shí)際問(wèn)題,按照本文提出的k—均值聚類遺傳算法原理和步驟使用MATLAB軟件編寫了算法的具體程序,通過(guò)對(duì)結(jié)果的計(jì)算與分析,驗(yàn)證了本文建立的模型是符合實(shí)際的、有意義的,本文算法對(duì)離散選址問(wèn)題是有效
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于遺傳算法的改進(jìn)K均值聚類.pdf
- 基于遺傳算法的OEM企業(yè)聯(lián)合庫(kù)存模型研究.pdf
- 基于量子遺傳算法的K調(diào)和均值聚類算法的研究.pdf
- K-中心點(diǎn)和K-均值聚類算法研究.pdf
- K-均值聚類算法的研究與分析.pdf
- K-均值聚類算法的改進(jìn)及其應(yīng)用.pdf
- 遺傳優(yōu)化的K均值聚類算法.pdf
- 基于人工蜂群算法的改進(jìn)K-均值聚類算法及其應(yīng)用.pdf
- 一種基于層次聚類的遺傳K均值算法研究.pdf
- K-均值聚類算法初始中心選取相關(guān)問(wèn)題的研究.pdf
- 基于遺傳算法的K-MEANS聚類改進(jìn)研究.pdf
- 支持向量機(jī)與K-均值聚類融合算法研究.pdf
- 基于K-均值聚類算法的Web日志挖掘技術(shù)的研究和應(yīng)用.pdf
- 基于遺傳算法的K-means聚類算法分析研究.pdf
- 基于魚群的K均值聚類算法研究.pdf
- k-中心平面聚類模型與算法研究.pdf
- 基于遺傳算法的并行化K--means聚類算法研究.pdf
- 基于層次K均值的聚類算法的研究.pdf
- 基于遺傳算法的k-means聚類挖掘方法的研究.pdf
- 基于初始點(diǎn)選擇的K-均值聚類改進(jìn)算法及應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論