物流設(shè)施選址設(shè)計與集裝箱堆場物流作業(yè)建模優(yōu)化.pdf

1、隨著國民經(jīng)濟的快速增長、生產(chǎn)規(guī)模的不斷擴大以及電子商務(wù)的高速發(fā)展，產(chǎn)品和商品的物流量顯著增長，迫切需要對物流進行科學(xué)規(guī)劃和統(tǒng)籌管理。本文分別從物流設(shè)施選址設(shè)計和物流作業(yè)管理兩個層面進行了建模優(yōu)化研究。對物流設(shè)施選址進行科學(xué)規(guī)劃和設(shè)計將有利于物流的集中管理，從而提高物流服務(wù)水平、減少設(shè)施冗余和降低物流成本;而對于已建物流設(shè)施的作業(yè)進行精細化管理將提高物流設(shè)施運行效率，進一步減少物流作業(yè)成本和提高服務(wù)水平。
　　本文以某資源型城市的物

2、流設(shè)施選址設(shè)計為背景，針對帶有已有物流設(shè)施能力擴充的物流設(shè)施選址問題和兩階段有能力約束的物流設(shè)施選址設(shè)計問題，分別從模型描述、Benders分解算法設(shè)計及其改進策略等方面進行了研究;以集裝箱堆場物流作業(yè)為背景，針對集裝箱碼頭堆場中的靜態(tài)倒垛問題、動態(tài)堆垛和倒垛問題以及出港集裝箱箱位分配問題，分別從模型描述、模型改進、算法設(shè)計及動畫仿真等方面進行了研究。主要工作概述如下:
　　1)針對改進Benders分解算法產(chǎn)生的Pareto最優(yōu)

3、cut密度低、不能有效地限制主問題解空間而導(dǎo)致算法收斂慢的缺點，提出高密度Pareto cut產(chǎn)生方法對Pareto最優(yōu)cut進行升維，使其更好地逼近主問題整數(shù)解的凸包。高密度Pareto cut通過盡可能多的覆蓋主問題的決策變量，克服了Pareto最優(yōu)cut密度低的缺點，提升了Pareto最優(yōu)cut的維數(shù)，加快了主問題的求解速度，從而達到了加速算法收斂的效果。該方法是一種最優(yōu)算法。同時，提出一種用于快速近似求解的禁忌搜索和Bender

4、s分解混合算法（簡稱為TS&Benders混合算法）。
　　2)針對帶有已有物流設(shè)施能力擴充的物流設(shè)施選址問題進行研究。該問題與通常的物流設(shè)施選址問題相比，主要特點是在選擇新建物流設(shè)施時，同時考慮了已有物流設(shè)施的運行狀態(tài)，整個問題需要在已有物流設(shè)施的開放、關(guān)閉、擴充以及候選物流設(shè)施的建立間作出權(quán)衡來實現(xiàn)整個系統(tǒng)的總費用最小。對該問題建立混合整數(shù)規(guī)劃模型，并構(gòu)造Benders分解算法對其進行求解，同時提出加速Benders分解算法收

5、斂的三種改進策略:(1)有效不等式;(2)分離子問題產(chǎn)生不聚合cut;(3)高密度Pareto cut和一種混合策略。實驗結(jié)果表明，所有有效不等式的組合能有效提升下界;在所有類型的不聚合cut中，基于變量分離和設(shè)施分離的不聚合cut的效果最好;高密度Paretocut產(chǎn)生方法對迭代次數(shù)多和求解時間長的實例具有明顯改進，混合策略具有最好的平均性能。與基本Benders分解算法和優(yōu)化軟件CPLEX相比，改進的Benders分解算法能有效減少

6、迭代次數(shù)和CPU運行時間，特別是對大規(guī)模的實例。
　　3)針對兩階段有能力約束的設(shè)施選址設(shè)計問題，研究TS&Benders混合算法。兩階段有能力約束的設(shè)施選址設(shè)計問題是在供應(yīng)商的供貨能力、客戶的需求和候選物流設(shè)施的能力已知的情況下來決策選擇開放哪些設(shè)施使得建設(shè)費用和運輸費用之和最小。針對Benders分解的主問題求解慢的缺點，采用禁忌搜索算法快速求解主問題獲得近優(yōu)解來改進Benders分解算法的求解速度。實驗結(jié)果表明TS&Bend

7、ers混合算法可以在較短的時間內(nèi)獲得問題的近優(yōu)解。
　　4)針對集裝箱堆場靜態(tài)情況下的倒垛問題和動態(tài)情況下的堆垛與倒垛問題進行研究。靜態(tài)倒垛問題是指在一個貝位的堆垛狀態(tài)給定的情況下將貝位中所有集裝箱按離開時間的先后順序依次取出的過程中怎樣決策倒垛箱的存儲位置使得總倒垛數(shù)最少。動態(tài)堆垛和倒垛問題是指當一個貝位中不斷有集裝箱存入和離開的情況下，怎樣決策新進箱的堆垛位置和倒垛箱的倒垛位置使得所考慮時段內(nèi)的總倒垛數(shù)最少。針對靜態(tài)倒垛問題，

8、改進已有的數(shù)學(xué)模型，并提出五個多項式時間啟發(fā)式算法及其擴展版本對其進行求解，同時對啟發(fā)式算法性能進行理論分析。針對動態(tài)堆垛和倒垛問題，通過變換將靜態(tài)情況下提出的啟發(fā)式算法及基于改進模型的啟發(fā)式算法應(yīng)用到動態(tài)情況中，并開發(fā)基于離散事件的仿真模型對各種算法進行仿真和動畫演示。實驗結(jié)果表明，與已有模型相比，改進的模型可以更快地獲得問題的最優(yōu)解或可行解。提出的啟發(fā)式算法及其擴展版本的性能分別優(yōu)于已有的啟發(fā)式算法及其擴展版本的性能。
　　5

9、)針對碼頭堆場出港集裝箱的箱位分配問題進行研究。出港集裝箱的箱位分配問題是指當出港集裝箱由外部卡車運到堆場時怎樣分配存儲位置以便提高裝船效率。在對出港箱按屬性分類和定義組、簇、批概念的基礎(chǔ)上，從新的視角重新對出港集裝箱的箱位分配問題進行建模，實現(xiàn)從優(yōu)化物流輸入環(huán)節(jié)來減少裝船時倒垛數(shù)的目的。對該問題以裝船時各街區(qū)箱量均衡、集卡運輸距離最短和裝船時必要倒垛次數(shù)最少為目標建立非線性整數(shù)規(guī)劃模型。利用等價變換將該模型轉(zhuǎn)化為標準優(yōu)化軟件可直接求解