国产精品网址,97碰碰久久720,大黄网站精品,奥门皇冠成人免费电影区一区二

隨著市場競爭加劇, 物流量逐步增長, 運輸、倉儲和配送一體化趨勢日益明顯。如何在有效降低物流配送費用的同時, 提高配送時效, 成為各物流公司和工商企業(yè)普遍關注的焦點。本文研究高效的倉儲物流配送算法, 借助GIS技術, 采集、加工和處理物流節(jié)點地理位置和交通路線等信息, 充分發(fā)揮其強大的空間數據管理和空間分析能力, 動態(tài)優(yōu)化配送路線并可視化輸出, 從而提高物流配送服務水平、降低物流配送成本[1,2]。

車輛路線問題 (Vehicle Routing Problem, VRP) 發(fā)展至今已有50多年的歷史, 是網絡優(yōu)化問題中最基本的問題之一。在VRP中, 有一定數量的客戶, 分別有不同數量的貨物需求, 由一個車隊從配送中心向客戶分送貨物, 規(guī)劃配送路徑, 在一定的時間、成本約束下, 實現最優(yōu)配送[3]。

按照求解精度不同, VRP方法可分為精確算法和近似算法[4,5]。前者包括分支界限法、動態(tài)規(guī)劃法等;后者則進一步細分為構造啟發(fā)式算法、兩階段啟發(fā)式算法和智能化啟發(fā)式算法。需要注意的是, 精確算法引入了嚴格的數學方法, 計算復雜度高, 問題規(guī)模稍大時將引發(fā)指數爆炸, 只適用于求解較小規(guī)模的問題, 且實際應用范圍很有限。目前, 啟發(fā)式算法是求解VRP問題的主要方法:構造啟發(fā)式算法從初始解出發(fā), 通過搜索鄰域進行不斷修正, 能夠在較短的時間內求得可行的滿意解, 但不一定是最優(yōu)解;兩階段啟發(fā)式算法在第一階段使用構造啟發(fā)式算法求得一個可行解, 在第二階段通過插入法、兩元素優(yōu)化算法等改進目標函數, 加入人的主觀能動作用, 但算法的優(yōu)劣往往取決于算法設計者的實際經驗;智能化啟發(fā)式算法引入神經網絡、遺傳算法、蟻群算法等人工智能領域的經典理論來求解VRP問題, 涉及復雜的領域轉換和求解策略, 算法復雜、運算量大, 問題規(guī)模較大時無法求得滿意解。

對比各類VRP求解方法的特點及實用效果, 本文選取構造啟發(fā)式算法中的節(jié)約里程法作為倉儲物流配送路線優(yōu)化設計的核心算法。由于節(jié)約里程法執(zhí)行的初始條件是配送中心到各個客戶的最短路線, 這里先結合GIS電子地圖, 使用Dijkstra算法求得單源最短路線, 然后再使用節(jié)約里程法優(yōu)化這些路線。

Dijkstra算法是經典的單源最短路線算法, 按路徑長度遞增的次序產生某個源點到其余各個終點的最短路徑。給定帶權有向圖G= (V, E) 和源點v0, 求從v0到G中其余各頂點的最短路徑。Dijkstra算法的基本思想是, 設置已求出最短路徑的終點集合S (初始時只包含源點v0) , 其余頂點組成集合V-S (初始時為V-{v0}) 。算法將按各頂點與v0最短路徑長度遞增的次序, 逐個將集合V-S中的頂點加入到集合S中。在這個過程中, 總保持從v0到集合S中各頂點的路徑長度始終不大于到集合V-S中各頂點的路徑長度。

節(jié)約里程法是求解運輸車輛數目不確定的VRP問題的最有名的啟發(fā)式算法, 其原理簡單 (三角形一邊的長度小于另外兩邊之和) 、易于擴充。節(jié)約里程法的目標是使總的車輛運輸的噸公里數最小, 根據配送中心的運輸能力、配送中心到各個客戶以及各個客戶之間的距離來制定配送方案, 依次將運輸問題中的兩個回路合并為一個回路, 每次使合并后的總運輸距離減小的幅度最大, 直到達到一輛車的裝載限制時, 再進行下一輛車的優(yōu)化。

基于GIS的配送路線優(yōu)化設計方案如圖1所示

圖1 基于GIS的配送路線優(yōu)化方案   

本文選用Arc GIS 9系列軟件, 輔以二次開發(fā)工具Map Object控件及可視化編程語言Visual C#實現上述優(yōu)化方案, 采用SQL Server 2000作為后臺數據庫[6]。某配送中心向8個客戶配送貨物, 從電子地圖提取的道路網如圖2中細線所示, 各客戶點旁括號內的數字表示該客戶的需求量 (t) 。配送中心有載重量為2和4t的兩種車輛可供使用, 但車輛一次巡回的行駛距離不能超過30km。執(zhí)行Dijkstra算法計算配送中心至各客戶的最短可達路線, 如圖2中粗線所示;在圖2的基礎上, 執(zhí)行節(jié)約里程法優(yōu)化配送中心至各客戶的最短可達路線, 如圖3所示, 共計節(jié)約51km配送里程。

圖2 配送中心至各客戶的最短可達路線   

配送路線的優(yōu)化, 是配送優(yōu)化中的一個關鍵環(huán)節(jié), 直接影響配送速度、成本和服務質量。本文把GIS等地理信息技術引入物流配送和物流信息化解決方案, 實現了配送路線優(yōu)化和可視化, 有效減少了配送里程、降低了車輛空載率。車輛路線問題的約束條件較多, 本文考慮了貨物需求量、車輛容量限制、行駛里程限制等幾個方面, 在今后的工作中將進一步考慮交發(fā)貨時間、車輛數量等限制, 使基于GIS的倉儲物流配送路線優(yōu)化方案更加實用。

圖3 優(yōu)化后的配送路線