版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
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。配送中心的選址問題是物流理論研究中最活躍和最有價值的問題之一。近年來,越來越多的學(xué)者在研究配送中心選址問題時將庫存控制策略考慮進(jìn)來,建立了聯(lián)合選址庫存模型。聯(lián)合選址庫存模型統(tǒng)籌考慮了庫存、運(yùn)輸、選址和缺貨等諸多成本,更加符合物流實際。對聯(lián)合選址庫存模型的深入研究具有重要的理論意義和現(xiàn)實意義。
基于已有的研究成果,結(jié)合具體問題的實際,本
2、文逐步建立和完善了三個模型:(1)對單一產(chǎn)品、需求時變且?guī)齑嬗绊戜N售情形,建立了以周期運(yùn)營成本最小為目標(biāo)的聯(lián)合選址庫存模型;(2)對兩類產(chǎn)品、不同需求特性即時變需求和隨機(jī)需求同時存在情形,建立了以運(yùn)營成本最小為單一目標(biāo)的聯(lián)合選址庫存模型:(3)在第二個模型基礎(chǔ)上,建立了以運(yùn)營成本最小、時間滿意度最大為雙目標(biāo)的聯(lián)合選址庫存模型。其中第三個模型最符合實際。
針對所建立的模型,設(shè)計了基于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)用評價函數(shù)評價配送中心對零售商類的優(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。
針對實際問題,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,通過對結(jié)果的計算與分析,驗證了本文建立的模型是符合實際的、有意義的,本文算法對離散選址問題是有效
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對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
評論
0/150
提交評論