在經(jīng)濟(jì)全球化的背景下,降低成本成為企業(yè)提高競爭力的有效手段,為此,企業(yè)開始從整體化的角度考慮物流供應(yīng)鏈的運行,以系統(tǒng)化思想為主題的供應(yīng)商管理庫存模式應(yīng)運而生。庫存管理和路徑規(guī)劃作為供應(yīng)商管理庫存模式中兩個重要環(huán)節(jié),在物流總費用中占據(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。通過組合庫存管理和路徑規(guī)劃是降低企業(yè)成本的有效手段,因此,研究庫存路徑組合優(yōu)化問題在理論發(fā)展和實際應(yīng)用中都具有較大意義。本文在大量的國內(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存路徑問題—確定需求的庫存路徑問題和帶有時間窗的隨機(jī)需求庫存路徑問題。兩種問題的配送系統(tǒng)均是由一個配送中心和多個客戶組成,針對兩種不同情形的問題建立了各自的數(shù)學(xué)模型,分別設(shè)計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)典的無限配送期的庫存路徑問題,其中客戶的需求是確定已知的,針對此問題建立的對應(yīng)模型以配送成本、庫存成本和缺貨損失成本最小為目標(biāo),考慮了運輸、車輛以及庫存等相關(guān)約束條件。并針對此模型設(shè)計了一種隨機(jī)次梯度拉格朗日松弛算法,在算法求解過程中,每次迭代采用隨機(jī)因子調(diào)節(jié)次梯度...

【文章頁數(shù)】：85 頁

【學(xué)位級別】：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 研究內(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 庫存路徑問題概述
    2.2 庫存管理策略和車輛路徑策略
        2.2.1 庫存管理理論
        2.2.2 車輛路徑理論
    2.3 庫存路徑問題的求解方法
    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 無限計劃期下的庫存路徑聯(lián)合優(yōu)化問題
    3.1 引言
    3.2 問題描述
    3.3 假設(shè)與符號
    3.4 模型建立
        3.4.1 庫存成本分析
        3.4.2 運輸成本分析
        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求解子問題
        3.5.4 隨機(jī)次梯度算法求解對偶問題
        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)值實驗與結(jié)果分析
        3.6.1 實驗數(shù)據(jù)介紹
        3.6.2 算法有效性
        3.6.3 總成本收斂性對比
        3.6.4 配送路徑和配送量
    3.7 本章小結(jié)
第四章 帶有時間窗的隨機(jī)需求庫存路徑聯(lián)合優(yōu)化問題
    4.1 引言
    4.2 問題描述
    4.3 假設(shè)與符號
    4.4 模型建立
        4.4.1 懲罰成本分析
        4.4.2 庫存成本分析
        4.4.3 運輸成本分析
        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 對偶問題的求解
        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)值實驗與結(jié)果分析
        4.6.1 實驗數(shù)據(jù)介紹
        4.6.2 算法有效性驗證
        4.6.3 實際需求量和配送量
        4.6.4 實際配送時間
        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 主要研究內(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：4008960