|
發表于 2011/4/4 由于煙煙的原因，我總是要在某段特殊的時間內輔助做一些論文，主要內容呢，就是完成各種模型的分析和軟件計算的過程，因此在3年前，我曾學過一段時間的馬爾可夫鏈去預測股票價格，這個就是一個不靠譜的事情。這段時間在家做的是物流節點選址優化，運輸和庫存優化方面的東西。 其實這個模型是非常有趣的，假定有5個供應點（工廠），有10個需求點（客戶），在[200,200]內隨機生成位置，可得到如下的圖： 紅點為需求節點 藍點為供應節點 綠點為配送節點 
然后在30天隨機生成各個需求節點對供應節點的物流需求量，這里可以理解為，有10家企業需要5種原材料，這樣得到矩陣:
這里的問題，如果由5個供應企業去租賃車輛，然后分別給10個客戶進行運輸，這個費用主要分為汽車的租賃費用和里程費用。這個計算結果是非常糟糕的，因為汽車都是滿著出去空著回來的，而且整體而言車輛運完了就空在那里了。 辦法有1個，就是5家企業集資建一個配送中心，把所有的貨物全部集中在配送中心，通過配送中心統一進行集貨和配送，這樣的考慮很大的程度上減少了汽車的使用量，當然確實需要去考慮配送中心的租賃費用和物流量處理費用。 為了驗證這些內容，將供需節點進行隨機分布，大概得出來的結果為：
由于選的系數的問題（汽車租賃費用，汽車單位里程費用，配送中心場地租賃費用和配送中心處理費用），得出的結果肯定有片面性，從中選出一組結果進行分析：
里面看出來的結果是優化前，汽車租賃費用和汽車使用費用是對半的。優化以后，汽車使用費用大大下降了。 在這里，作了一次迭代，將配送中心的位置在【200，200】內進行迭代，得出的結果比較有趣：
這是每列的最小值：
實際的情況是汽車越來越便宜，汽油越來越貴，所以優化結果會更好一些。 進一步考慮的話，是在配送中心建一個倉庫，在配送的過程中到鄰近的節點進行集貨，使得總的成本減少。 實際考慮問題可能更多一些，比如 1.中心地區的租賃費用要遠高于郊區，使得配送中心選址的固定成本系數與位置存在函數關系。 2.汽車的載重量與汽車的使用費用是成比例的 3.在某些區域存在過路費，使得原本簡單的路徑成了較為復雜的路徑選擇 4.供應點的生產是受控的，不可能過高與過低，使得配送中心得加入庫存系統費用 5.運輸路徑選擇可能需要更為復雜的算法進行計算 |
