CN107092979A - 考虑碳排放的转运网络选址方法 - Google Patents
考虑碳排放的转运网络选址方法 Download PDFInfo
- Publication number
- CN107092979A CN107092979A CN201710223331.5A CN201710223331A CN107092979A CN 107092979 A CN107092979 A CN 107092979A CN 201710223331 A CN201710223331 A CN 201710223331A CN 107092979 A CN107092979 A CN 107092979A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- warehouse
- product
- transshipment center
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0836—Recipient pick-ups
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了考虑碳排放的转运网络选址方法,包括以下步骤:(1)构建物流转运网络选址模型;(2)构建物流转运网络选址模型的目标函数,综合分析物流转运网络选址模型的经济成本与资源环境成本;(3)构建物流转运网络选址模型的约束限制条件,所述约束限制条件包括容量限制约束、供需平衡约束、流量守恒约束及数量限制约束;(4)采用遗传算法对物流转运网络选址模型进行求解并输出最优的转运网络选址。本发明的优点是:考虑碳排放成本,通过建立物流转运网络选址模型,来优化转运中心的布局,能够减少物流操作流程,降低了物流运作成本,并使所规划的货物运输路径温室气体排放量最小,同时物流网络的运营效益最大。
Description
技术领域
本发明涉及物流规划领域,具体涉及考虑碳排放的转运中心网络选址方法。
背景技术
转运中心能够简化物流操作流程,减少物流库存成本,提高物流运输效率,是目前物流操作的重要方式之一,也是提升物流行业整体竞争力的关键切入点。在转运物流操作模式中,转动网络的设施选址问题是转运物流网络规划的核心问题。然而在传统的转运网络选址规划当中,没有考虑物流发展与经济的协调问题,导致配送过程中车辆和设备所产生的碳排放量超过国家标准,不能适应经济可持续的发展要求。因而亟需发明一种考虑碳排放的转运中心网络选址方法。
发明内容
本发明的目的是提供一种考虑碳排放的转运网络选址方法。
为实现上述目的,本发明采用了如下技术方案:
考虑碳排放的转运网络选址方法,包括以下步骤:
(1)构建由仓库、转运中心及客户需求点三级主体组成的物流转运网络选址模型;
(2)构建物流转运网络选址模型的目标函数,所述目标函数主要由转运中心和仓库的固定建设成本w1,产品在仓库、转运中心和客户需求点三者之间运输的运输成本w2,以及产品运输过程中产生的碳排放成本w3构成;其中,从转运中心j到客户需求点i运送产品l产生的碳排放成本e(Vijl)=c0·e0·ρ(Vijl)·dij,仓库k运送产品l到转运中心j所产生的碳排放成本e(Qjkl)=c0·e0·ρ(Qjkl)·djk,其中c0为单位货物重量碳排放费用,e0为燃油消耗的碳排放折算系数,ρ(Vijl)为从转运中心j到客户需求点i运送单位产品l单位距离所消耗的燃油量,dij为转运中心j到客户需求点i之间的距离;ρ(Qjkl)为从仓库k到转运中心j运送单位产品l单位距离所消耗的燃油量,djk为仓库k到转运中心j之间的距离,Vijl为从转运中心j到客户需求点i运送产品l的运输量,Qjkl为从仓库k到转运中心j运送产品l的运输量;
(3)构建物流转运网络选址模型的约束限制条件,所述约束限制条件包括容量限制约束、供需平衡约束、流量守恒约束及数量限制约束;
(4)采用遗传算法对物流转运网络选址模型进行求解并输出最优的转运网络选址。
作为优选,所述步骤(4)中的遗传算法的步骤包括:
(4.1)将决策变量统一为二进制编码并初始化种群;所述决策变量包括选址变量Zj和Pk、分配变量Xijl和Yjkl,以及Vijl和Qjkl,其中Zj为0-1变量,数值为1表示转运中心j选择建立;Pk为0-1变量,数值为1表示仓库k选择建立,Xijl为0-1变量,数值为1表示从转运中心j运送产品l到客户需求点i,Yjkl为0-1变量,数值为1表示从仓库k运送产品l到转运中心j;
(4.2)将物流转运网络选址模型的目标函数转化为染色体的适应度函数,按照如下公式计算适应度函数值:
其中,f(x)为所述模型的目标函数,γ为模型的惩罚系数,gα(x)为模型中第α个不等式约束,hβ(x)为模型中的第β个等式约束,p和m分别为模型中不等式约束总数和等式约束总数;
(4.3)计算出每个染色体适应度值,选择用轮盘赌的方式进行染色体个体选择;
(4.4)对于选择出来的染色体个体,进行染色体的交叉和变异,生成新的迭代种群,并重复计算新生成的种群中的染色体的适应度函数值,重复选择、交叉和变异过程,直至达到最大迭代次数,得到最优的转运网络选址。
作为优选,在步骤(4.1)中进行二进制编码过程中,采用如下公式确定二进制编码的位数:
其中,U2为变量的上限,U1为变量的下限,δ为变量设置的要求精度,μ为二进制编码的位数。
作为优选,所述容量限制约束为转运中心和仓库的容量不超过各自的容量上限,公式表示如下:
其中ail表示客户需求点i对产品l的需求量,bj为转运中心j的容量上限,dk为仓库k的容量上限。
作为优选,所述供需平衡约束为客户需求点对产品的需求量与转运中心运送到客户需求点的产品数量相等,公式表示如下:
其中ail表示客户需求点i对产品l的需求量。
作为优选,所述流量守恒约束为仓库到转运中心运送产品的运输量与转运中心运送到客户需求点的产品数量相等,公式表示如下:
作为优选,所述数量限制约束为转运中心和仓库均不超过各自最大限制数量,公式表示如下:
其中R为转运中心的最大限制数量;W为仓库的最大限制数量。
通过上述技术方案的实施,本发明的有益效果是:考虑碳排放成本,通过建立物流转运网络选址模型,来优化转运中心的布局,能够减少物流操作流程,降低了物流运作成本,并使所规划的货物运输路径温室气体排放量最小,同时物流网络的运营效益最大。
附图说明
图1为本发明方法的总体流程图。
图2为本发明方法中的物流转运网络选址模型的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示,本发明实施例公开的一种考虑碳排放的转运网络选址方法,主要包括以下步骤:
步骤一:构建物流转运网络选址模型,如图1所示,该物流转动网络选址模型由仓库、转运中心及客户需求点三级主体组成,其中仓库负责各种货物的储存和发散工作,其中转动中心负责根据客户需求点对不同产品的需求量而从仓库中调配产品,并对产品进行集货与分拣后分别运送到不同的客户需求点,其中客户需求点负责接收从转动中心运输来的产品;
步骤二:构建物流转运网络选址模型的目标函数,综合分析物流转运网络选址模型的经济成本与资源环境成本,物流转运网络选址模型的目标函数主要由转运中心的固定建设成本、仓库的固定建设成本、产品在仓库、转运中心和客户需求点三者之间运输的运输成本、以及运输过程中产生的碳排放成本构成,具体数学公式表示如下:
min W=w1+w2+w3
其中i=1,2,…,I为客户需求点编号,j=1,2,…,J为转运中心编号,k=1,2,…,K为仓库编号,l=1,2,…,L为产品种类编号,I代表客户需求点总数;J代表转运中心总数;K代表仓库总数;L代表产品种类总数;Fj为转运中心j的固定建设成本;Vk为仓库k的固定建设成本;Sijl为从转运中心j运送单位产品l到客户需求点i的运输成本;Sjkl为从仓库k运送单位产品l到转运中心j的运输成本;Vijl为从转运中心j到客户需求点i运送产品l的运输量;Qjkl为从仓库k到转运中心j运送产品l的运输量;Xijl为0-1变量,数值为1表示从转运中心j运送产品l到客户需求点i,为0表示不运送;Yjkl为0-1变量,数值为1表示从仓库k运送产品l到转运中心j,为0表示不运送;e(Vijl)表示从转运中心j到客户需求点i运送产品l产生的碳排放成本;Zj为0-1变量,数值为1表示转运中心j选择建立,为0表示不建立;Pk为0-1变量,数值为1表示仓库k选择建立,为0表示不建立;e(Qjkl)表示从仓库k运送产品l到转运中心j所产生的碳排放成本;
其中碳排放成本的具体计算公式如下所示:
e(Vijl)=c0·e0·ρ(Vijl)·dij,e(Qjkl)=c0·e0·ρ(Qjkl)·djk
其中c0为单位货物重量碳排放费用;e0为燃油消耗的碳排放折算系数;ρ(Vijl)=σ*Vijl为从转运中心j到客户需求点i运送产品l单位距离所消耗的燃油量,σ为单位数量产品的燃油消耗系数;dij为转运中心j到客户需求点i之间的距离;ρ(Qjkl)=σ*Qjkl为从仓库k到转运中心j运送产品l单位距离所消耗的燃油量,djk为仓库k到转运中心j之间的距离;其中单位货物重量碳排放费用c0设定为2.7,燃油消耗的碳排放折算系数e0为2.7kg/L,单位车辆的货物总载重为25t,在货物满载时的单位距离燃油消耗为3L/km,货物空载时的单位距离燃油消耗为1.5L/km;
步骤三:构建物流转运网络选址模型的约束限制条件,所述约束限制条件包括容量限制约束、供需平衡约束、流量守恒约束及数量限制约束;
其中容量限制约束的约束公式表示如下:
上述两个公式分别表示转运中心和仓库具有一定的容量限制;其中ail表示客户需求点i对产品l的需求量;bj为转运中心j的容量上限;dk为仓库k的容量上限;
其中供需平衡约束的约束公式表示如下:
该约束表示客户需求点i对产品l的需求量与转运中心运送到客户需求点i的产品l数量相等;
其中流量守恒约束的约束公式表示如下:
该约束表示从仓库k到转运中心j运送产品l的运输量与转运中心j运送到客户需求点i的产品l数量相等;
其中数量限制约束的约束公式表示如下:
该约束表示转运中心和仓库均具有一定的数量限制,其中R为转运中心的最大限制数量;W为仓库的最大限制数量;
步骤四:采用遗传算法对物流转运网络选址模型进行求解,所述遗传算法的步骤主要由种群初始化、适应度函数值计算、个体选择、交叉和变异组成:
(1)种群初始化
在模型的决策变量中,选址变量Zj、Pk以及分配变量Xijl和Yjkl均为0-1变量;Vijl和Qjkl为实数变量,并把各个变量均统一为二进制编码;在进行二进制编码过程中,采用如下公式确定二进制编码的位数:
其中,U2为变量的上限,U1为变量的下限,δ为变量设置的要求精度,μ为二进制编码的位数;由这些二进制编码转换完成的决策变量组成了遗传算法中的单个染色体,确定种群的个数以及单个种群中的染色体个数然后随机生成初始种群;
(2)计算适应度函数值
将物流转运网络选址模型的目标函数转化为染色体的适应度函数,采用惩罚系数法处理模型中的约束限制,具体适应度函数值的计算公式表示如下:
其中,f(x)为所述模型的目标函数,γ为模型的惩罚系数,gα(x)为模型中第α个不等式约束,hβ(x)为模型中的第β个等式约束,p和m分别为模型中不等式约束总数和等式约束总数;
(3)个体选择
由上述适应度函数计算公式,计算出每个染色体适应度值,选择用轮盘赌的方式进行染色体个体选择;
(4)交叉和变异
对于用轮盘赌方法选择出来的染色体个体,分别采用单点交叉以及基因突变的方式,完成染色体的交叉和变异,并确定染色体的交叉概率为0.86和变异概率为0.012,生成新的迭代种群,并重复计算新生成的种群中的染色体的适应度函数值,重复选择、交叉和变异过程;
(5)计算终止
对于初始种群的计算,采用设置最大迭代次数的方法进行算法的终止,并输出最优的转运网络选址。
本发明方法考虑碳排放成本,通过建立物流转运网络选址模型,来优化转运中心的布局,能够减少物流操作流程,降低了物流运作成本,并使所规划的货物运输路径温室气体排放量最小,同时物流网络的运营效益最大。
Claims (7)
1.考虑碳排放的转运网络选址方法,其特征在于:包括以下步骤:
(1)构建由仓库、转运中心及客户需求点三级主体组成的物流转运网络选址模型;
(2)构建物流转运网络选址模型的目标函数,所述目标函数主要由转运中心和仓库的固定建设成本w1,产品在仓库、转运中心和客户需求点三者之间运输的运输成本w2,以及产品运输过程中产生的碳排放成本w3构成;其中,从转运中心j到客户需求点i运送产品l产生的碳排放成本e(Vijl)=c0·e0·ρ(Vijl)·dij,仓库k运送产品l到转运中心j所产生的碳排放成本e(Qjkl)=c0·e0·ρ(Qjkl)·djk,其中c0为单位货物重量碳排放费用,e0为燃油消耗的碳排放折算系数,ρ(Vijl)为从转运中心j到客户需求点i运送产品l单位距离所消耗的燃油量,dij为转运中心j到客户需求点i之间的距离;ρ(Qjkl)为从仓库k到转运中心j运送产品l单位距离所消耗的燃油量,djk为仓库k到转运中心j之间的距离,Vijl为从转运中心j到客户需求点i运送产品l的运输量,Qjkl为从仓库k到转运中心j运送产品l的运输量;
(3)构建物流转运网络选址模型的约束限制条件,所述约束限制条件包括容量限制约束、供需平衡约束、流量守恒约束及数量限制约束;
(4)采用遗传算法对物流转运网络选址模型进行求解并输出最优的转运网络选址。
2.根据权利要求1所述的考虑碳排放的转运网络选址方法,其特征在于:所述步骤(4)中的遗传算法的步骤包括:
(4.1)将决策变量统一为二进制编码并初始化种群;所述决策变量包括选址变量Zj和Pk、分配变量Xijl和Yjkl,以及Vijl和Qjkl,其中Zj为0-1变量,数值为1表示转运中心j选择建立;Pk为0-1变量,数值为1表示仓库k选择建立,Xijl为0-1变量,数值为1表示从转运中心j运送产品l到客户需求点i,Yjkl为0-1变量,数值为1表示从仓库k运送产品l到转运中心j;
(4.2)将物流转运网络选址模型的目标函数转化为染色体的适应度函数,按照如下公式计算适应度函数值:
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&gamma;</mi>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>p</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>g</mi>
<mi>&alpha;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>h</mi>
<mi>&beta;</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
其中,f(x)为所述模型的目标函数,γ为模型的惩罚系数,gα(x)为模型中第α个不等式约束,hβ(x)为模型中的第β个等式约束,p和m分别为模型中不等式约束总数和等式约束总数;
(4.3)计算出每个染色体适应度值,选择用轮盘赌的方式进行染色体个体选择;
(4.4)对于选择出来的染色体个体,进行染色体的交叉和变异,生成新的迭代种群,并重复计算新生成的种群中的染色体的适应度函数值,重复选择、交叉和变异过程,直至达到最大迭代次数,得到最优的转运网络选址。
3.根据权利要求2所述的考虑碳排放的转运网络选址方法,其特征在于:在步骤(4.1)中进行二进制编码过程中,采用如下公式确定二进制编码的位数:
<mrow>
<mi>&delta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>U</mi>
<mn>2</mn>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mn>1</mn>
</msub>
</mrow>
<mrow>
<msup>
<mn>2</mn>
<mi>&mu;</mi>
</msup>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mrow>
其中,U2为变量的上限,U1为变量的下限,δ为变量设置的要求精度,μ为二进制编码的位数。
4.根据权利要求1-3任一项所述的考虑碳排放的转运网络选址方法,其特征在于:所述容量限制约束为转运中心和仓库的容量不超过各自的容量上限,公式表示如下:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>l</mi>
</munder>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>j</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<munder>
<mo>&Sigma;</mo>
<mi>l</mi>
</munder>
<msub>
<mi>b</mi>
<mi>j</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>d</mi>
<mi>k</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>k</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中ail表示客户需求点i对产品l的需求量,bj为转运中心j的容量上限,dk为仓库k的容量上限,Xijl为0-1变量,数值为1表示从转运中心j运送产品l到客户需求点i,Yjkl为0-1变量,数值为1表示从仓库k运送产品l到转运中心j。
5.根据权利要求1-3任一项所述的考虑碳排放的转运网络选址方法,其特征在于:所述供需平衡约束为客户需求点对产品的需求量与转运中心运送到客户需求点的产品数量相等,公式表示如下:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mi>V</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&ForAll;</mo>
<mi>i</mi>
<mi> </mi>
<mi>a</mi>
<mi>n</mi>
<mi>d</mi>
<mi> </mi>
<mi>l</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中ail表示客户需求点i对产品l的需求量。
6.根据权利要求1-3任一项所述的考虑碳排放的转运网络选址方法,其特征在于:所述流量守恒约束为仓库到转运中心运送产品的运输量与转运中心运送到客户需求点的产品数量相等,公式表示如下:
7.根据权利要求1-3任一项所述的考虑碳排放的转运网络选址方法,其特征在于:所述数量限制约束为转运中心和仓库均不超过各自最大限制数量,公式表示如下:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mi>Z</mi>
<mi>j</mi>
</msub>
<mo>&le;</mo>
<mi>R</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>k</mi>
</munder>
<msub>
<mi>P</mi>
<mi>k</mi>
</msub>
<mo>&le;</mo>
<mi>W</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,其中Zj为0-1变量,数值为1表示转运中心j选择建立;Pk为0-1变量,数值为1表示仓库k选择建立,R为转运中心的最大限制数量;W为仓库的最大限制数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710223331.5A CN107092979A (zh) | 2017-04-07 | 2017-04-07 | 考虑碳排放的转运网络选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710223331.5A CN107092979A (zh) | 2017-04-07 | 2017-04-07 | 考虑碳排放的转运网络选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107092979A true CN107092979A (zh) | 2017-08-25 |
Family
ID=59649332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710223331.5A Pending CN107092979A (zh) | 2017-04-07 | 2017-04-07 | 考虑碳排放的转运网络选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092979A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833002A (zh) * | 2017-11-28 | 2018-03-23 | 上海海洋大学 | 基于协同多目标算法的多级低碳物流配送网络规划方法 |
CN108960474A (zh) * | 2017-11-06 | 2018-12-07 | 杭州览众数据科技有限公司 | 一种考虑交叉的仓库网络中在线零售商的仓库选址方法 |
CN109886490A (zh) * | 2019-02-22 | 2019-06-14 | 广西大学 | 一种组合车辆联合运输的匹配优化方法 |
CN109993362A (zh) * | 2019-04-01 | 2019-07-09 | 大连理工大学 | 一种基于最小成本流网络模型的物流配送方法 |
CN111401655A (zh) * | 2020-03-26 | 2020-07-10 | 上海第二工业大学 | 一种医疗废弃物回收设施选址的决策方法 |
CN111461470A (zh) * | 2019-01-21 | 2020-07-28 | 顺丰科技有限公司 | 中转场选址方法、装置和计算机可读存储介质 |
CN113610471A (zh) * | 2021-08-12 | 2021-11-05 | 深圳大学 | 一种快递运输碳排放的综合核算系统及方法 |
CN113762580A (zh) * | 2021-01-18 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种为商户确定物流园区的方法和装置 |
CN115619065A (zh) * | 2022-12-19 | 2023-01-17 | 华东交通大学 | 一种多式联运路径优化方法、系统、电子设备及介质 |
CN117808524A (zh) * | 2024-02-29 | 2024-04-02 | 济南大学 | 一种考虑碳排放的回收设施选址与网络运行优化方法 |
WO2024066227A1 (zh) * | 2022-09-26 | 2024-04-04 | 广东邦普循环科技有限公司 | 动力电池工厂选址方法及装置 |
-
2017
- 2017-04-07 CN CN201710223331.5A patent/CN107092979A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960474A (zh) * | 2017-11-06 | 2018-12-07 | 杭州览众数据科技有限公司 | 一种考虑交叉的仓库网络中在线零售商的仓库选址方法 |
CN107833002A (zh) * | 2017-11-28 | 2018-03-23 | 上海海洋大学 | 基于协同多目标算法的多级低碳物流配送网络规划方法 |
CN107833002B (zh) * | 2017-11-28 | 2021-10-22 | 上海海洋大学 | 基于协同多目标算法的多级低碳物流配送网络规划方法 |
CN111461470A (zh) * | 2019-01-21 | 2020-07-28 | 顺丰科技有限公司 | 中转场选址方法、装置和计算机可读存储介质 |
CN109886490A (zh) * | 2019-02-22 | 2019-06-14 | 广西大学 | 一种组合车辆联合运输的匹配优化方法 |
CN109993362A (zh) * | 2019-04-01 | 2019-07-09 | 大连理工大学 | 一种基于最小成本流网络模型的物流配送方法 |
CN109993362B (zh) * | 2019-04-01 | 2022-12-06 | 大连理工大学 | 一种基于最小成本流网络模型的物流配送方法 |
CN111401655A (zh) * | 2020-03-26 | 2020-07-10 | 上海第二工业大学 | 一种医疗废弃物回收设施选址的决策方法 |
CN113762580A (zh) * | 2021-01-18 | 2021-12-07 | 北京京东振世信息技术有限公司 | 一种为商户确定物流园区的方法和装置 |
CN113610471A (zh) * | 2021-08-12 | 2021-11-05 | 深圳大学 | 一种快递运输碳排放的综合核算系统及方法 |
CN113610471B (zh) * | 2021-08-12 | 2024-03-08 | 深圳大学 | 一种快递运输碳排放的综合核算系统及方法 |
WO2024066227A1 (zh) * | 2022-09-26 | 2024-04-04 | 广东邦普循环科技有限公司 | 动力电池工厂选址方法及装置 |
CN115619065A (zh) * | 2022-12-19 | 2023-01-17 | 华东交通大学 | 一种多式联运路径优化方法、系统、电子设备及介质 |
CN117808524A (zh) * | 2024-02-29 | 2024-04-02 | 济南大学 | 一种考虑碳排放的回收设施选址与网络运行优化方法 |
CN117808524B (zh) * | 2024-02-29 | 2024-05-14 | 济南大学 | 一种考虑碳排放的回收设施选址与网络运行优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107092979A (zh) | 考虑碳排放的转运网络选址方法 | |
CN110909930B (zh) | 一种面向冷库的移动式货架仓储系统货位分配方法 | |
CN105096011A (zh) | 一种基于改进型染色体编码的物流运输调度方法 | |
CN108550007B (zh) | 一种制药企业自动化立体仓库的货位优化方法及系统 | |
CN110807559A (zh) | 一种订单分批和拣货路径联合优化方法 | |
CN106779153A (zh) | 一种智能立体仓库货位分配优化方法 | |
CN106897852A (zh) | 用于物流的订单排序优化方法 | |
CN107578197A (zh) | 需求不确定的混流生产线物流车辆调度区域优化方法 | |
CN107967586A (zh) | 一种电网物资仓储优化方法 | |
CN109886478A (zh) | 一种成品酒自动化立体仓库的货位优化方法 | |
CN107808215A (zh) | 一种应用于Flying‑V型非传统布局仓库的货位分配优化方法 | |
CN103927628B (zh) | 面向客户承诺的订单管理系统和订单管理方法 | |
CN106021700A (zh) | 基于分散式出/入库布局模式下的货位分配模型建立方法 | |
CN111027911B (zh) | 一种自动化物流仓储运输调度系统 | |
CN110942271B (zh) | 一种基于神经网络遗传算法的智能运输调度管理方法 | |
CN105858043B (zh) | 一种升降机与穿梭车结合的仓储系统优化调度方法 | |
CN111815233B (zh) | 基于物流总量和能量消耗的货位优化方法 | |
CN113222463B (zh) | 基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法 | |
CN113222410A (zh) | 双向式布局模式下货位分配模型建立方法 | |
CN107944616A (zh) | 一种鱼骨型立体仓库的货位分配方法 | |
CN112183812A (zh) | 一种计及短时低成本的成品卷烟物流车辆调度方法 | |
CN113627712A (zh) | 一种仓储系统穿梭车作业顺序优化方法 | |
CN113361073A (zh) | 一种基于改进拉格朗日松弛算法的库存路径联合优化方法 | |
CN112100861A (zh) | 基于入侵杂草优化算法的卷烟生产物料货位分配方法 | |
CN100495434C (zh) | 钢铁产品散装货运船舶积配载方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170825 |
|
RJ01 | Rejection of invention patent application after publication |