基于微粒群算法的配送中心选址研究-《物流科技》(2007年11期).docx

龙源版权所有 基于微粒群算法的配送中心选址研究作者：傅家旗　叶春明　何志康　马慧民来源：《物流科技》2007年第11期 摘要：作为挖掘现代企业利润源泉的突破口，配送在物流活动中占有举足轻重的地位。多网点配送中心选址是后续物流活动开展的首要条件，对于该问题的研究具有现实意义。由于微粒群算法的普适性、鲁棒性、全局搜索性等特点，在求解复杂问题中能够较好地体现其优越性。结合运筹学中的运输规划的思想，对复杂的数学模型进行了简化，并针对问题的特点构造了求解编码机制。根据文献资料，将其中的仿真数据进行了整合，使得数据具有一定的现实意义，并用微粒群算法进行求解，得到了较好的效果。 关键词：配送中心；多网点选址；微粒群算法；普适性；鲁棒性 中图分类号：TP301.6 文献标识码：A 文章编号：1002-3100(2007)11-0066-05 Abstract: As the breakthrough of excavating the source of profit of modern enterprises, distribution is crucial in the logistics activities. Multiple point location is the primary condition of conducting follow-up involving logistics activities. To conduct the study is meaningful because in the real world such problem exists. Since particle swarm optimization algorithm has such characteristics as universality, robustness, global search, it signifies its advantage absolutely in solving complicate problems. Thanks to the ideology of the transportation programming in the operational research, the complicate mathematic model gets simplified, and a coding mechanism, which corresponded with the problem, is formed as a mean to the problem. According to the literature and reference, the simulated data gets integrated, which enables the data to be realistic and credible. The particle swarm optimization algorithm is adopted to searching the optimum solution, and the conclusionis proved to be effective. Key words: distribution center; multiple point location; particle swarm optimization algorithm; universality; robustness 配送中心是在經济合理区域范围内，根据用户要求，对物品进行拣选、加工、包装、分割、组配等作业，并按时送达指定地点的物流活动[1]。在整个配送活动中，运输占据很重要的地位。物流配送中心选址研究有很多方法，但仍需要得到科学的模型化、数量化方法的支持。这些方法大致可以分为定性和定量两大类。定性的方法主要是层次分析法和模糊综合评价相结合对各个方案进行指标评价，找出最优地址；定量的方法主要包括重心法、运输规划法、Cluster法、CFLP法、Baumol-Wolfe法、混合0-1整数规划法、双层规划法、遗传算法等[2]。 微粒群算法（Particle Swarm Optimization）又称为粒子群算法，是由美国心理学博士James Kennedy和电子工程学博士Russell Eberhart于1995年共同提出的，其基本思想是受他们早期对许多鸟类的群体行为进行建模与仿真研究结果的启发，将优化问题的解看成空间中不断飞行的，没有质量，没有体积的一个个微粒。目前已广泛应用于函数优化、神经网络训练、数据挖掘、模糊系统控制以···试读结束