在經(jīng)濟(jì)全球化的背景下,降低成本成為企業(yè)提高競(jìng)爭(zhēng)力的有效手段,為此,企業(yè)開(kāi)始從整體化的角度考慮物流供應(yīng)鏈的運(yùn)行,以系統(tǒng)化思想為主題的供應(yīng)商管理庫(kù)存模式應(yīng)運(yùn)而生。庫(kù)存管理和路徑規(guī)劃作為供應(yīng)商管理庫(kù)存模式中兩個(gè)重要環(huán)節(jié),在物流總費(fèi)用中占據(jù)較大比例,且兩環(huán)節(jié)之間存在著較嚴(yán)重的“效益悖反”現(xiàn)象。通過(guò)組合庫(kù)存管理和路徑規(guī)劃是降低企業(yè)成本的有效手段,因此,研究庫(kù)存路徑組合優(yōu)化問(wèn)題在理論發(fā)展和實(shí)際應(yīng)用中都具有較大意義。本文在大量的國(guó)內(nèi)外相關(guān)文獻(xiàn)閱讀與研究的基礎(chǔ)上,著重研究了兩種典型的庫(kù)存路徑問(wèn)題—確定需求的庫(kù)存路徑問(wèn)題和帶有時(shí)間窗的隨機(jī)需求庫(kù)存路徑問(wèn)題。兩種問(wèn)題的配送系統(tǒng)均是由一個(gè)配送中心和多個(gè)客戶組成,針對(duì)兩種不同情形的問(wèn)題建立了各自的數(shù)學(xué)模型,分別設(shè)計(jì)了拉格朗日松弛算法和基于拉格朗日分解的混合算法進(jìn)行求解。具體工作內(nèi)容如下:(1)研究了經(jīng)典的無(wú)限配送期的庫(kù)存路徑問(wèn)題,其中客戶的需求是確定已知的,針對(duì)此問(wèn)題建立的對(duì)應(yīng)模型以配送成本、庫(kù)存成本和缺貨損失成本最小為目標(biāo),考慮了運(yùn)輸、車輛以及庫(kù)存等相關(guān)約束條件。并針對(duì)此模型設(shè)計(jì)了一種隨機(jī)次梯度拉格朗日松弛算法,在算法求解過(guò)程中,每次迭代采用隨機(jī)因子調(diào)節(jié)次梯度...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究發(fā)展現(xiàn)狀
        1.2.1 確定需求的IRP研究現(xiàn)狀
        1.2.2 隨機(jī)需求的IRP研究現(xiàn)狀
        1.2.3 帶有時(shí)間窗的IRP研究現(xiàn)狀
        1.2.4 研究現(xiàn)狀總結(jié)
    1.3 本文研究框架
        1.3.1 研究目標(biāo)
        1.3.2 研究?jī)?nèi)容
        1.3.3 研究思路
    1.4 本章小結(jié)
第二章 相關(guān)理論與方法
    2.1 庫(kù)存路徑問(wèn)題概述
    2.2 庫(kù)存管理策略和車輛路徑策略
        2.2.1 庫(kù)存管理理論
        2.2.2 車輛路徑理論
    2.3 庫(kù)存路徑問(wèn)題的求解方法
    2.4 本文相關(guān)算法
        2.4.1 拉格朗日松弛算法原理概述
        2.4.2 次梯度算法原理概述
        2.4.3 遺傳算法原理概述
    2.5 本章小結(jié)
第三章 無(wú)限計(jì)劃期下的庫(kù)存路徑聯(lián)合優(yōu)化問(wèn)題
    3.1 引言
    3.2 問(wèn)題描述
    3.3 假設(shè)與符號(hào)
    3.4 模型建立
        3.4.1 庫(kù)存成本分析
        3.4.2 運(yùn)輸成本分析
        3.4.3 目標(biāo)函數(shù)與約束
    3.5 基于拉格朗日松弛算法的求解
        3.5.1 模型算法求解框架
        3.5.2 松弛決策約束
        3.5.3 基于CPLEX求解子問(wèn)題
        3.5.4 隨機(jī)次梯度算法求解對(duì)偶問(wèn)題
        3.5.5 隨機(jī)次梯度算法的收斂性
        3.5.6 構(gòu)造可行解
        3.5.7 隨機(jī)次梯度拉格朗日松弛算法步驟
    3.6 數(shù)值實(shí)驗(yàn)與結(jié)果分析
        3.6.1 實(shí)驗(yàn)數(shù)據(jù)介紹
        3.6.2 算法有效性
        3.6.3 總成本收斂性對(duì)比
        3.6.4 配送路徑和配送量
    3.7 本章小結(jié)
第四章 帶有時(shí)間窗的隨機(jī)需求庫(kù)存路徑聯(lián)合優(yōu)化問(wèn)題
    4.1 引言
    4.2 問(wèn)題描述
    4.3 假設(shè)與符號(hào)
    4.4 模型建立
        4.4.1 懲罰成本分析
        4.4.2 庫(kù)存成本分析
        4.4.3 運(yùn)輸成本分析
        4.4.4 目標(biāo)函數(shù)與約束
    4.5 基于拉格朗日分解和遺傳算法結(jié)合的算法求解
        4.5.1 模型算法求解框架
        4.5.2 拉格朗日分解
        4.5.3 對(duì)偶問(wèn)題的求解
        4.5.4 拉格朗日分解和遺傳算法結(jié)合的算法步驟
    4.6 數(shù)值實(shí)驗(yàn)與結(jié)果分析
        4.6.1 實(shí)驗(yàn)數(shù)據(jù)介紹
        4.6.2 算法有效性驗(yàn)證
        4.6.3 實(shí)際需求量和配送量
        4.6.4 實(shí)際配送時(shí)間
        4.6.5 配送路徑圖
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 主要研究?jī)?nèi)容總結(jié)
    5.2 主要研究成果總結(jié)
    5.3 工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及取得的相關(guān)科研成果
致謝



本文編號(hào)：4008960