基于RSM的越库配送系统参数优化

运用响应面法这一尚未在物流领域应用的方法对含越库配送系统的供应链实物流进行了研究,目标是实现越库配送中心越库货物存储时间的最小化。通过仿真实验发现,所建模型中因素A与因素C为影响越库存储时间的关键因素;此外,根据响应面方程求得的最优解能大幅度缩短货物存储时间。与其他算法相比,响应面法能将系统的随机因素或随机误差考虑其中,不必列出众多的约束条件,更加直观地对物流系统进行分析。

基于改进和声搜索算法的越库车辆排序

实现越库的关键是如何衔接集货车辆和送货车辆,合理的车辆排序可以有效减少越库作业时间。提出采用改进的和声搜索算法(IHS)解决最优化模型,根据和声搜索算法参数值在求解过程中的局限性,采用动态调节方法设定参数;固定参数采用田口试验优化进一步提高运行结果的准确性。仿真结果表明:改进的和声搜索算法在解决越库车辆排序问题上比和声搜索算法(HS)和禁忌搜索算法(TS)寻优能力更强,搜索结果更加接近整体最优解。

美国SAKS公司的越库配送系统

当今,越库配送为希望精简原产地到销售点供应链的零售商提供了巨大的发展潜力,除了可以消除不必要的产品输送和存储工作以及所有与过量存货相关的直接成本外,越库配送还为零售商提供了进一步节约成本的潜在可能。如果需要存储的产品数量较少,存储并输送该产品所需的空间和设备也会减少,这样订单履行速度将会提高而且产品损坏和过期的可能性也大大降低。

基于改进遗传算法的仓门利用率优化研究

物流信息化的背景下,越库策略应运而生并在物流领域得到广泛应用与研究,在越库调度系统中,仓门利用率提高可极大降低运作成本,常作为衡量系统效率的重要指标,被企业界所重视,但其优化较少被研究。以优化仓门利用率为目标,构建了越库车辆调度的数学模型,并提出改进遗传算法对该模型进行求解,最后通过不同规模的数值实验,将改进遗传算法与传统遗传算法的实验结果进行比较,实验结果表明改进后的遗传算法在求解质量上优于传统遗传算法,随着问题规模的增大,其求解时间上的优势也越发明显。