【摘要】：物流是物品從供應(yīng)地向接收地流通過程中,根據(jù)實(shí)際需要將運(yùn)輸、儲(chǔ)存、裝卸、搬運(yùn)、包裝、信息處理等功能結(jié)合起來的過程。隨著經(jīng)濟(jì)全球化的推進(jìn)以及社會(huì)經(jīng)濟(jì)對(duì)物流服務(wù)要求的不斷提高,傳統(tǒng)的第三方物流(The third party Logistics,3PL)已經(jīng)無法勝任企業(yè)的要求,因此,第四方物流(The fourth party Logistics,4PL)應(yīng)運(yùn)而生。第四方物流供應(yīng)商是向客戶提供一整套的供應(yīng)鏈解決方案,其將客戶、第三方物流的不同的資源、能力和技術(shù)進(jìn)行有機(jī)的整合,提高供應(yīng)鏈的效率。第四方物流關(guān)注供應(yīng)鏈的各個(gè)方面,突破了第三方物流的局限性,真正實(shí)現(xiàn)了資源的共享,信息的共享,能夠使得供應(yīng)鏈高效、低成本的運(yùn)行。本文考慮了需求滿足風(fēng)險(xiǎn)的第四方物流網(wǎng)絡(luò)優(yōu)化的問題,分析隨機(jī)需求的情況對(duì)于實(shí)驗(yàn)結(jié)果的影響。本文根據(jù)第四方物流實(shí)例,提取了網(wǎng)絡(luò)優(yōu)化的相關(guān)屬性、約束條件以及研究目標(biāo),通過多重圖的思想,建立了考慮需求滿足風(fēng)險(xiǎn)的第四方物流網(wǎng)絡(luò)優(yōu)化問題的模型。對(duì)需求分布函數(shù)已知的情形,建立了等價(jià)的確定性模型,并且使用CPLEX解模型；對(duì)需求分布函數(shù)未知的情形,利用其歷史數(shù)據(jù),設(shè)計(jì)一種改進(jìn)的粒子群算法。本文通過了不同規(guī)模的第四方物流網(wǎng)絡(luò)優(yōu)化問題的結(jié)果對(duì)比,驗(yàn)證了改進(jìn)粒子群算法對(duì)不同規(guī)模問題的適用性；通過與傳統(tǒng)粒子群算法進(jìn)行對(duì)比,驗(yàn)證了改進(jìn)粒子群算法的優(yōu)越性；對(duì)不同規(guī)模的第四方物流網(wǎng)絡(luò)優(yōu)化問題進(jìn)行了仿真實(shí)驗(yàn)與結(jié)果對(duì)比分析,對(duì)比了分布函數(shù)已知以及未知情況下的實(shí)驗(yàn)結(jié)果；驗(yàn)證了需求分布的變異系數(shù)以及客戶要求的置信水平對(duì)網(wǎng)絡(luò)優(yōu)化的影響；同時(shí)也考慮了歷史數(shù)據(jù)的數(shù)量對(duì)改進(jìn)的粒子群算法求解準(zhǔn)確性的影響。
[Abstract]:Logistics is a process that combines the functions of transportation, storage, loading and unloading, handling, packaging, information processing and so on in the process of the circulation of goods from the place of supply to the place of receipt according to the actual needs. With the advancement of economic globalization and the continuous improvement of the social and economic requirements for logistics services, the traditional third party logistics (The third party Logistics,3PL) has been unable to meet the requirements of enterprises. Therefore, the fourth party logistics (The fourth party Logistics,) has been unable to meet the requirements of enterprises. 4PL) came into being. The fourth party logistics supplier provides customers with a complete set of supply chain solutions, which organically integrates the different resources, capabilities and technologies of the customer, the third party logistics, and improves the efficiency of the supply chain. The fourth party logistics pays close attention to all aspects of the supply chain, breaks through the limitation of the third party logistics, realizes the sharing of resources and information, and can make the supply chain run efficiently and at low cost. In this paper, the optimization of the fourth party logistics network with demand satisfaction risk is considered, and the influence of random demand on the experimental results is analyzed. According to the examples of the fourth party logistics, this paper extracts the relevant attributes, constraints and research objectives of network optimization. Through the idea of multi-graph, a model of the fourth-party logistics network optimization problem considering the risk of demand satisfaction is established. An equivalent deterministic model is established for the case where the requirement distribution function is known, and the CPLEX solution model is used; for the case where the demand distribution function is unknown, an improved particle swarm optimization algorithm is designed by using its historical data. Through the comparison of the results of the fourth-party logistics network optimization problems with different scales, the applicability of the improved particle swarm optimization algorithm to different-scale problems is verified. Compared with the traditional particle swarm optimization algorithm, the superiority of the improved particle swarm optimization algorithm is verified. The fourth party logistics network optimization problem with different scale is simulated and analyzed, and the experimental results under the condition of known distribution function and unknown distribution function are compared. The influence of the variation coefficient of demand distribution and the confidence level of customer requirements on network optimization is verified and the influence of the number of historical data on the accuracy of the improved particle swarm optimization algorithm is also considered.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F253

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈正源;宮立華;;考慮次關(guān)鍵路線的基于粒子群算法工期-費(fèi)用優(yōu)化研究[J];技術(shù)經(jīng)濟(jì);2008年10期

2 吳睿;程紅萍;;利用改進(jìn)的粒子群算法求解二層非線性規(guī)劃問題[J];中國(guó)證券期貨;2011年09期

3 李雪佳;;基于改進(jìn)粒子群算法的多因素環(huán)境下配送中心成本優(yōu)化[J];物流技術(shù);2014年03期

4 任銳;;帶有梯度加速的粒子群算法在邊坡穩(wěn)定分析中的應(yīng)用[J];中國(guó)高新技術(shù)企業(yè);2009年14期

5 彭文敏;胡書;張莉;譚周田;;基于粒子群算法的無人機(jī)航跡規(guī)劃問題[J];中國(guó)高新技術(shù)企業(yè);2010年04期

6 胡書;張莉;彭文敏;;改進(jìn)的離散粒子群算法在配送問題中的應(yīng)用[J];物流科技;2010年03期

7 徐波;;一種新型量子粒子群算法[J];價(jià)值工程;2011年01期

8 林菁;江琳;;免疫粒子群算法下向量機(jī)參數(shù)選擇及金融應(yīng)用[J];福建金融管理干部學(xué)院學(xué)報(bào);2012年03期

9 羅芳瓊;吳春梅;;基于粒子群算法的投影尋蹤模型在項(xiàng)目投資決策中的應(yīng)用[J];現(xiàn)代計(jì)算機(jī);2013年17期

10 趙喜;吳陽清;李芳芳;馬倩;張樹梅;于勇濤;;粒子群算法工具箱在函數(shù)尋優(yōu)中的應(yīng)用[J];技術(shù)與市場(chǎng);2012年12期

相關(guān)會(huì)議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國(guó)天線年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國(guó)平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國(guó)非線性振動(dòng)暨第九屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國(guó);;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國(guó);;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國(guó)（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動(dòng)機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場(chǎng)并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

，

本文編號(hào)：2456878