电子商务物流-仓库选址的方法(共4页).doc

精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
仓库选址的几种方法
一、解析方法
解-专业
启发式方法是一种逐次逼近最优解的方法，大部分在20世纪50年代末期以及60年代期间被开发出来。用启发式方法进行物流中心选址首先要定义计算总费用的方法，拟定判别准则，规定改进途径，然后给出初始方案，迭代求解。
启发式方法与最有规划方法的最大不同是它不是精确式算法，不能保证给出的解决方案是最优的，但只要处理得当，获得的可行解与最优解释非常接近的，而且启发式算法相对最有规划方法计算简单，求解速度快。所以在实际应用中，启发式方法是仅次于最优化规划技术的选址方法。启发式方法主要以Cluster法、CFLP法以及Baumol-Wolfe法为代表。
四、仿真方法
仿真方法是试图通过模型重现某一系统的行为或活动，而不必实地去建造并运转一个系统，因为那样可能会造成巨大的浪费，或根本没有可能实地去进行运转实验。在选址问题中，仿真技术可以使分析者通过反复改变和组合各种参数，多次试行来评价不同的选址方案。这种方法还可进行动态模拟。
仿真方法可描述多方面的影响因素，因此具有较强的实用价值，常用来求解较大型的、无法手算的问题。其不足主要在于仿真方法不能提出初始方案，只能通过对各已存在的备选方案进行评价，从中找出最优方案，所以在运用这项技术时必须首先借助其他技术找出各初始方案，而且预定初始方案的好坏会对最终决策结果产生很大影响。
五、遗传算法
遗传算法是一种模拟进化算法, 它模拟生物界的进化过程, 根据优胜劣汰、适者生存等自然进化原则, 一代一代地选择适应性高的个体, 重新组合后, 产生新的种群以取代父辈种群, 从而使种群逐渐逼近最优解。与传统的优化算法不同之处在于, 遗传算法实际上是一种概率算法, 他在搜索最优解时, 同时考虑搜索解空间中的多个点, 而不是仅考虑一个点。
遗传算法解题的一般步骤为：
初始化—构造pop size个候选解；
交叉操作—从pop size个候选解中选择两个个体进行交叉操作，产生两个新解；
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
变异操作—对一个解个体进行变异操作，产生一个新解；
选择操作—用局部最优的新解替换候选解中适应值最差的解个体，然后，保留适应值最高的个体，从所有个体中，按相对适应值大小排序后，选出适应值最高的前pop size个个体，产生新群体，进入下一步；
重复—重复步骤2—4，直到满足中止条件。
这种方法是一种全局搜索优化算法，不容易陷入局部最优，容易得到全局最优解，而且比一般的数学规划方法简单，运算速度快，这点在问题比较复杂时表现更明显。最后得出的结果是一组最优解，便于决策。
六、综合因素评价法
综合因素评价法是一种全面考虑各种影响因素，并根据各影响因素重要性的不同对方案进行评价、打分，以找出最优的选址方案。综合因素评价法主要包括分级评分法、积点法以及位置度量法等。近年出现的模糊综合评