不確定環(huán)境下越庫調(diào)度的模型及算法研究.pdf

1、本文研究面向汽車入廠物流的不確定環(huán)境下的越庫調(diào)度模型及算法。汽車入廠物流是汽車精益生產(chǎn)體系中的重要組成部分，是國際物流界公認的操作最復(fù)雜、技術(shù)含量最高的物流服務(wù)。越庫是指在倉庫或配送中心只實現(xiàn)收發(fā)貨功能而消除貨物存儲與訂單獲取功能的運作模式。越庫在減少或者消除庫存、降低搬運成本、減少空間需求，實現(xiàn)集中化低運輸成本等方面作用突出。不確定性是導(dǎo)致物流效率降低的主要因素。而運輸不確定又是影響汽車零部件入廠物流中的最主要因素，所以本文針對汽車入

2、廠物流中的運輸不確定性進行研究。
　　 汽車入廠物流的運輸模式主要有直運(Direct Delivery)及循環(huán)取料 (Milk Run)兩種。循環(huán)取料適合于多頻次小批量運輸，而直運適合于大批量滿載運輸。本文將研究這兩種運輸模式下的入廠物流越庫調(diào)度策略。根據(jù)出入庫車輛數(shù)目可以將直運越庫調(diào)度模型簡單的劃分為基本直運越庫調(diào)度模型和柔性直運越庫調(diào)度模型。因此，本文研究主要分為以下三部分：
　　 1）不確定直運越庫調(diào)度基本模型與

3、算法研究。研究不確定環(huán)境下出入庫車輛均有一輛的情形。首先，建立確定和不確定混合整數(shù)規(guī)劃模型并用ILOG CPLEX優(yōu)化軟件求解小規(guī)模問題。然后，根據(jù)問題特征提出三種在確定和不確定情形下均適用的啟發(fā)式算法和一種僅針對不確定情形的啟發(fā)式算法，并設(shè)計數(shù)值實驗比較以上各種算法的性能。進一步，根據(jù)到實際物流企業(yè)調(diào)研所得的運輸時間服從的分布，利用龍貝格積分方法對用于決策的運輸時間的期望值進行修正。最后，通過數(shù)值實驗比較了期望值修正前后的區(qū)別。證明確

4、定性柔性越庫調(diào)度問題的啟發(fā)式算法的上界。
　　 2）不確定柔性越庫調(diào)度模型與算法研究。由于在現(xiàn)實的物流企業(yè)中一般同時有許多出入庫車輛，所以對該情形下的不確定越庫調(diào)度問題研究更有現(xiàn)實意義。首先建立確定和不確定柔性越庫調(diào)度模型。用CPLEX求解小規(guī)模問題。然后提出與第一部分相似的四種啟發(fā)式算法，并比較了期望值修正前與修正后的區(qū)別。另外，還提出隨機調(diào)度（Random Scheduling）算法用來檢驗本文所提啟發(fā)式算法的有效性。

5、>　　 3）不確定循環(huán)取料越庫調(diào)度模型與算法研究。該部分假設(shè)出入庫車輛均只有一輛，其中入庫階段是循環(huán)取料運輸模式，出庫階段是直運模式，運輸時間隨機。首先分別建立混合規(guī)劃模型，得出小規(guī)模確定和不確定情形下的最優(yōu)解。然后根據(jù)問題的特征提出了一種啟發(fā)式算法和禁忌搜索算法，并通過數(shù)值實驗比較了兩種算法的性能。結(jié)果表明，禁忌搜索算法在啟發(fā)式解的基礎(chǔ)上，性能提高明顯。
　　 本文通過到實際的物流企業(yè)調(diào)研，采集實際數(shù)據(jù)進行分析并設(shè)計數(shù)值實驗