基于动态聚类分析的改进多重心法的应用——以汽车整车分拨中心选址为例

多重心法是多设施选址方法中常用的一种方法,但此方法在服务对象的初始分组环节存在随机性而导致收敛缓慢、迭代次数多、计算量大的问题。动态聚类分析方法(k-means)可以较好地解决这个问题。以某汽车整车多个分拨中心选址问题为例,构建基于k-means聚类分析与精确重心法相结合的改进多重心法求解模型,求解出以总运费最小化为目标的整车分拨中心最佳选址。拟为多设施选址问题的更高效探讨提供一定的参考借鉴。

基于GIS的多重心法物流设施选址研究

针对多重心法计算过程复杂,需要反复迭代,工作量和难度大等问题,设计了多重心物流选址算法。该算法运用了GIS强大的数据管理、空间分析和可视化等功能,并在GIS环境下编程实现。最后,结合具体的实例对算法进行了应用。

多重心法选址案例研究

配送中心是现代物流系统重要组成部分,在规划设计配送中心时,合理的配送中心选址可以大大降低其运营成本。本文对解决多设施选址问题中的多重心法进行了实例计算,在手工Excel迭代计算过程中,发现每次的计算结果都只是局部最优解。经过分析,是由于初始分组情况不同导致最终的计算结果不同,为解决此问题,采用计算机程序遍历分组情况,计算每种情况的选址结果与运费,最后通过比较,得到总运费最小的全局最优解。

多重心法下的多个仓库选址模型研究及应用

在物流管理实践中,多仓库选址个很普遍的问题,本文探讨如何用多重心法进行多个仓库选址。关键是按起讫点法对现有网络进行划分群落,形成个数等于待选址仓库数量的许多起讫点群落。随后,找出每个起讫点群落的精确重心,然后按单一仓库选址重心法求出各群落中的全部点到它们所在群落重心的总运输成本,最后把各群落的总运输成本汇总。一种分群组合分析完后换一种新的分群组合,找出新分群组合的各群落新的重心位置,计算新的分群组合下的汇总运输成本,并与上一个汇总运输成本进行比较,看是否更优,如果是更优,还要继续上述过程直到不再有更优的组合方案为止。这样完成了特定数量仓库选址的计算。求解过程可以通过Excel表格自定义公式计算,简单实用。

基于遗传算法的改进多重心选址方法

近年来,由于传统重心法存在对现实问题过于简化的不足而逐渐被其它新方法所替代。首先分析了重心法的优点和缺点,提出了一种基于遗传算法的多重心选址方法。结合具体算例与相关研究成果进行了比较,新方法消除了聚类方法"孤立点"问题,选址结果优化程度显著提高。

C^1 C^2INTERPOLATION OF SCATTERED DATA POINTS

In this paper an error in[4]is pointed out and a method for constructingsurface interpolating scattered data points is presented.The main feature of the methodin this paper is that the surface so constructed is polynomial,which makes the construction simple and the calculation easy.