精选物流工程硕士论文篇一
第 1 章 绪 论
1.1 研究背景及意义
在中国经济迅猛发展的势头下，物流市场规模加快扩张，物流企业如雨后春笋般增加，然而国内物流市场和物流业发展程度不匹配，使得物流业无法满足当前阶段客户对物资配送的需求，物流的瓶颈制约效应日益突出。对于一个物流企业来说，要想在竞争激烈的市场当中处于不败之地，增加客户满意度，提高配送效率无疑成为最佳选择。配送路径的合理性是降低整个运输系统成本、提高运输系统效益、增强客户满意度的关键因素，但是对 M 公司来说，提高 M 公司运行效率、提高其顾客满意度，进行配送过程中车辆路径优化是其必须解决的问题。 配送下客户需求时间是指服务双方，即顾客、物流企业间事先约定的物流服务时间，是物流企业制定物流配送计划的重要依据。在执行物流活动的过程中依据既定的计划要求完成每个客户的物流任务，任何变化都会在某种程度上导致现行物流计划偏离原始物流计划，同时可能导致物流配送成本的上升，延迟配送时间，给配送双方带来负面效应，进一步对整体的物流配送运行产生一定的干扰。 许多的不确定干扰因素会出现在日常的车辆配送过程当中，比如时间因素、道路因素、天气因素、车辆自身限制因素等，因此，当这些干扰因素发生时配送车辆的路径也会随时的发生改变。传统 VRP[1] 问题基本都是对静态车辆路径进行研究，也就是说在安排配送路线之前假设已经确定了所有的相关信息（包括需求客户信息、配送车辆、道路、天气等）。这种静态的模型不能应用在公司实际的配送工作中，由此可知要想更符合工作实际，应该以多种干扰因素为基础动态解决配送问题。考虑干扰因素下，研究配送路径具有一定实践性与指导性意义。 在配送过程中当客户需求时间变动时，重新调动的策略经常会被企业采用，也就是说在发生干扰事件后，通常依据成本最小化对整个运输系统进行改进，但是改进后整体运行方案与原方案相比，产生了较大的改动，没有考虑原计划，从而使得调整后的新方案在实际操作上有很大不易操作性和高费用性，以至于调整后的方案有的时候变得不可行。
...........
1.2 国内外研究现状
干扰管理思想起源于 20 世纪 70 年代后，是处理实时干扰问题的关键思路。该思想最先应用于回复航班正常运行方面，并在领域中取得了很好的应用于推广，对物流配送方面，具有代表性的研究成果主要有： Lorini 等（2011）在研究干扰问题时，考虑到了客户需求变化和运输不确定性堵塞等因素，充分研究两个因素下导致的物流配送服务时间变化的问题，基于启发式算法构，构建存在需求和服务时间变化因素在内的改进模型并进行求解，通过实证分析证明该模型对处理这类问题具有一定的应用性[2]。Wang 等（2012）提出了一种全新的解决运输运行时不确定干扰事件下的干扰问题的方案，主要研究了带时间窗的干扰问题，假设一个新的客户为干扰问题产生的原因，并基于嵌套分区的方法建立实时动态干扰管理模型[3]。 Miguel（2012）同样研究了带时间窗的城市配堵塞干扰问题，基于启发式算法构建包括软、硬时间窗的配送两阶段模型，研究表明了拥挤的时间分布与客户时间窗分布之间的联系[4]。 Francesco 等（2013）研究了信息完全的紧急物资配送车辆路径优化问题，基于禁忌搜索法，建立以客户干扰目标的车辆路径优化模型，实证分析表明该模型的实效性[5]。 X.Hu 等（2013）总结了路径干扰问题，提出了针对该问题的知识性的干扰法、局部搜索法等方法处理干扰事件[6]。 Seyed 等（2013）基于遗传算法建立了客户服务满意度最大化、车辆等待时间最小化的车辆路径优化模型，最后对模型进行了求解[7]。
..........
第 2 章 物流配送及干扰管理相关理论概述
2.1 物流配送相关理论
物流是指客户时空差异，连接供给和消费，并实现物的价值的经济活动，现代物流一般包括运输、仓储、包装、装卸、流通环节、配送、信息服务等经济活动，相对于传统的物流意义而言，是革命性的突破，现代物流更加强调各种仓储或者运输方式的集成，打破了传统物流独立与生产环节的行业界限，其核心更加强调企业内部、企业间、企业周边环境信息、物资流动的结合，有效地组织管理以及外部客户化的服务体系[48]。供应链是围绕核心企业，通过信息流、物流、资金流的控制，从原材料采购开始、制成中间品，再由销售网络把产品配送到消费者手中，最终将供应商、制造商、分销商、零售商、顾客等连城一个整体的功能式活动，更是一种业务流程模型，是指原材料或者零部件供应商、产品制造商、产品分销商、产品零售商、消费者的价值链集成[48]。
...........
2.2 干扰管理相关理论
当前，对干扰管理没有一个明确、统一的定义，但是从众多学者的研究中可以认为干扰管理是：通过模型建立与优化、算法求解等多种手段制定初始计划，在执行计划的过程中，存在外部干扰问题，使得原计划变更，制定新的计划成为必然，同时以偏离初始计划最小化为目标得到新的计划。其中干扰管理主要因素有以下几方面： （1）初始配送计划。最先制定的计划，这个计划是在充分考虑各种环境而制定的。 （2）干扰事件。在不确定环境下产生的干扰事件主要有：顾客要求变化、车辆变化，通常情况下这种变化具有随机性。 （3）扰动恢复模型。这个模型制定的依据主要是基于对原计划扰动最小的目标，不同的事件环境下，干扰模型不同。 （4）优化算法。优化算法有很多种，但是算法选取的根本原则就是要在干扰出现后能够快速求解。
..........
第 3 章 M 公司配送现状分析及干扰管理模型构建 ....... 18
3.1 M 公司配送问题分析 ........ 18
3.2 扰动度量方法 ...... 24
3.2.1 扰动的判定 ...... 24
3.2.2 扰动的度量 ...... 25
3.3 考虑客户需求时间变动的模型建立 .... 28
3.3.1 模型的假设 ..... 28
3.3.2 参数和变量说明 ..... 29
3.3.3 模型的建立 ...... 29
3.4 本章小结 ....... 30
第 4 章 M 公司物资配送干扰管理分析 ...... 31
4.1 遗传算法描述 ...... 31
4.1.1 遗传算法的简介 .... 31
4.1.2 遗传算法各要素分析及流程图 ........ 32
4.1.3 遗传算法的基本流程 .......... 34
4.2 遗传算法设计 ...... 35
4.3 M 公司石市地区工程物资配送现状 ..... 38
4.4 数据及相关参数获取和选择 ......... 38
4.5 初始优化方案的确定 ........ 41
4.6 结果对比和分析 ......... 42
4.7 本章小结 ...... 44
第 5 章 结论与展望 .......... 45
第 4 章 M 公司物资配送干扰管理分析
4.1 遗传算法描述
物流配送干扰管理问题在理论上已经证明是一个复杂的难题，其求解难度是相当大的；在时间和空间条件受到限制的情况下，物流配送干扰模型的一个可行解要想通过精确算法得到是很困难的。并且，在实际的生活中，物流配送干扰问题的精确最优解并不是每个物流配送决策者所必须要追求的。所以，使用遗传算法对此种配送干扰问题进行求解是一种有效途径。 遗传算法（Genetic Algorithm，GA）是1975年由美国Minchigan大学的J.Holland教授在其专注《Adaptation in Natural and Artificial Systems》中首次提出的。遗传算法是一种智能的搜索方法，该方法结合了达尔文遗传选择理论和自然进化理论，并进行进一步的任意更替、进化。同时，它也是一种算法，在进行迭代计算的过程中使用了繁衍、监测和评价。遗传算法在计算过程中没有使用传统一般意义上的确定性原则，而是运用了概率搜索。适应度函数是用来衡量在遗传算法运算所求得解优劣程度的标准。设计该函数的前提是，要保证涉及的函数与实际问题是一致性的；同时也要满足问题的合理性要求；要确保函数是连续的；计算所需的计算量要尽可能做到小，另外，适应度函数一个更加重要的特性就是能够适用于许多问题。根据实际中要进行求解的问题，构建的适应度函数更能够满足算法的需求。其在一般情况下费用函数或者目标函数可以用来代表适应度函数。在遗传算法计算过程中，经过求解得出的函数值可以作为参考实施选择。
...........
结论
物流公司在物资配送过程中，客户对物资配送的及时性有着越来越高的要求，因此本文对物流公司的配送干扰管理问题的研究有一定的重要性。本文考虑了物资配送过程中客户需求时间变动问题，并构建了该问题下的配送路径干扰管理模型。本文的主要研究成果和结论包括以下几点：
（1）理论基础方面，学习了各类相关文献并对干扰管理、物流配送及路径优化的基本理论等进行分类汇总，总结了干扰管理的应用方法和特点。
（2）优化模型方面，本文考虑了客户需求时间变动的这一干扰
