导读:本文包含了补货调度论文开题报告文献综述及选题提纲参考文献，主要关键词:联合补货与配送,数量折扣,资源约束,多中心
补货调度论文文献综述
刘瑞[1]（2017）在《多产品联合补货与配送调度模型及算法研究》一文中研究指出联合补货是众多补货策略中极为重要的一种,通过平衡订货成本与库存成本之间的矛盾,达到更优的补货效果。进行补货活动的同时不可避免地要涉及配送规划,与其分别考虑补货优化和配送优化,不如将二者协同考虑,必能达到整体更佳的水平。本文研究以联合补货策略为主干,协同考虑配送活动,并对其进行多方向的扩展研究。在深入研究基本联合补货与配送模型基础上,提出了更优的求解方法,并将基本联合补货与配送模型扩展为叁个更加通用化的模型:存在数量折扣与资源约束的联合补货与配送模型,多中心联合补货与配送模型以及动态需求联合补货与配送模型。此外,针对新提出的数学模型设计了有效的求解算法。首先,针对当前对基本联合补货与配送模型求解方法研究的不足的情况,通过深入挖掘模型数学性质,第一次提出了基本JRD模型优良下界的定界算法。之后,将该算法嵌入到一个变邻域搜索算法中用于求解基本JRD模型。大量数值实验结果表明,无论是大规模还是小规模算例,定界算法都能得到非常优良的下界,同时变邻域搜索算法结果总是优于当前最好启发式算法和亚启发式算法。其次,考虑到数量折扣与资源约束在现实补货活动中的重要性,构建了存在数量折扣与资源约束的联合补货与配送模型。通过挖掘新建模型数学特征提出两个求解算法:基于RAND算法的改进算法和基于定界规则的禁忌搜索算法。大量数值实验结果表明,无论是大规模还是小规模算例,两种算法都能得到满意的结果。同时,从实验结果中可以看出,当资源约束较为宽松或者模型规模较小时,数量折扣起到了降低成本的作用,而当模型规模较大时,资源约束限制明显,数量折扣作用减弱。此外还发现,联合补货阶段由于每基本周期联合补货多种商品,数量巨大而达到资源约束上限,说明放松联合补货阶段资源约束更有利于降低总成本。第叁,针对现实补货中往往存在多个中心仓库的情况,构建了多中心联合补货与配送模型。同时,设计了两种求解算法:禁忌搜索-RAND算法和自适应差分进化算法。数值实验结果表明禁忌搜索-RAND算法效果较好,而自适应差分进化算法只适合处理小规模模型。此外,结果表明多中心JRD模型成本显着低于基本JRD模型成本。最后,针对补货需求随着周期不断变化的情况,构建了动态需求下联合补货与配送模型。研究通过分析数学模型内在性质,设计了一个四阶段的启发式求解算法。大规模数值实验表明,四阶段算法结果优良并且求解效率远高于经典数学规划方法。CDLSDP为存在多周期补货活动的企业提供了较为优良的实施方案。(本文来源于《华中科技大学》期刊2017-04-01）
顿彩霞[2]（2012）在《基于差分进化算法的随机需求联合补货与配送调度模型研究》一文中研究指出合理的库存管理，可以帮助企业以较低的成本获得较高的服务水平，大大提高企业的竞争力。企业在管理库存时，通常需要对多种物品向多个供应商或多个地点进行补货并采用联合补货方式，从而有效地减少年订购次数，通过联合运输降低运输成本，因此联合补货策略成为一种非常有效的成本控制手段。然而，联合补货模型已被证实为NP难问题，求解算法成为解决此类问题的关键之一。本文主要研究了几种随机性联合补货模型及其高效的求解算法设计问题。首先，针对现有模型求解方法的缺点，选择采用差分进化算法(DifferentialEvolution Algorithm, DE)进行求解，故设计了融合遗传算法优点的混合DE算法(Hybrid DE, HDE)，并通过4个标准测试函数测试其性能和效率。其次，设计了基于HDE的随机性联合补货模型求解算法。对比算例表明，HDE优于目前的最优方法，证实了HDE的有效性和稳定性，进而对相关参数进行敏感性分析。第叁，研究了需求随机、允许缺货环境下多企业多产品联合补货与配送集成优化模型，设计了基于HDE的求解算法流程，对比算例与拓展算例证实HDE优于遗传算法、标准DE及目前最佳的启发式算法，该算法实现难度低，在精度、稳定性方面性能出众。最后，将随机性联合补货策略与配送协同优化单目标扩展为考虑总成本与缺货量最小的多目标优化模型，并给出线性加权和多目标演化算法两种求解方法，算例结果证实多目标演化算法在求解此问题上简便、高效。(本文来源于《华中科技大学》期刊2012-12-01）
程昭[3]（2010）在《应急资源调度的补货策略问题研究》一文中研究指出根据突发事件的特点,将突发事件的应急资源调度过程分为叁个阶段。分别对应突发事件发生以前的资源储备阶段、紧急救援物资的调度阶段和用于灾后重建的一般资源调度阶段。考虑了突发事件需求和由于灾害影响资源运输时间滞后的不确定性,将应急资源管理与供应链管理中的补货策略相结合,叁个阶段分别决策,提出使得考虑时间效应的综合成本最低的动态资源调度方案。(本文来源于《科学技术与工程》期刊2010年03期）
程昭[4]（2010）在《应急资源调度的补货策略问题研究》一文中研究指出近年来,自然灾害、事故灾难、公共卫生事件和社会安全事件等突发事件频发,对人民的生命和财产造成了巨大的损失。因此迫切需要了解突发事件的发生、发展、演化机理,从而采取行之有效的预防和应对措施,应急管理在这样的需求下逐渐发展起来。应急资源调度是应急管理中的关键环节,只有及时有效的将应急管理所需的应急资源调度到突发事件救援现场,才能保证应急管理工作顺利进行,在本文中研究了应急资源调度的补货策略问题。本文根据突发事件的发展阶段和应急资源需求的紧急程度,将应急管理周期分为叁个阶段:第一阶段:事前资源储备和储备资源的消耗过程。事前对突发事件发生的概率和资源需求量进行预测,在该地点储备适当的物资,在突发事件发生之后首先调用储备的资源应急。第二阶段:应急物资的紧急调度过程。当突发事件发生后立刻调用可到达时间最快的物资,相当于紧急补货过程,用于控制突发事件的程度和影响。第叁阶段:恢复过程的一般资源调度。突发事件得到控制以后,一般资源陆续到达以满足后续的资源需求。本文基于突发事件发生后应急资源消耗速率恒定和对应急资源总的需求量恒定两个假设,根据本文中叁阶段的划分和各自特点,提出了两个使得加权时间最短或加权成本最小的最优化应急资源调度模型。通过求解模型,分别决策出叁阶段的最优资源调度量和补货策略,并使用MATLAB对数值算例进行了仿真。该模型的决策结果可以在各种不确定情况下优化期望时间和成本,决策算法在实际操作中简单易实现,数值算例仿真结果显示决策模型的有效率较高。(本文来源于《上海交通大学》期刊2010-01-01）
李丰[5]（2009）在《烟草配送中心补货调度及自动分拣算法研究》一文中研究指出在配送中心作业的各环节中,烟草的补货调度和自动分拣所产生的经济成本占整个物流成本的80%,它们是整个配送中心作业系统的核心,因此如果要降低配送中心的运营成本,由此两方面着手可以获得事半功倍的效果。本文根据以上情况,从经济成本最小化的角度研究了烟草的补货调度决策和自动分拣系统。补货调度决策从满足市场需求入手,依次将分拣缓存区、烟草存储区和订购环节集成。目标是满足一定市场服务水平的前提下实现系统整体成本极小化。在此基础上,本文建立了烟草补货调度集成数学模型并利用了具有更快速寻优能力的粒子群算法来对模型进行优化,利用EIQ分析方法对订单进行拆解并选取了具有代表性的卷烟进行了实例分析,对实例卷烟进行了相应的初始化设置和约束条件限制,获得卷烟的库存数量、库存补充量及库存补充临界点等补货调度决策。自动分拣系统研究了基于虚拟空间的自动分拣算法,对卷烟在皮带上所要行走的时间进行了时间建模,对卷烟在分拣过程中在皮带上产生的不规则排列和区分不同订单的问题进行了综合分析,从节约硬件经济开支的角度实现了卷烟的自动分拣系统。在此基础上设计开发了仿真程序,在仿真程序中,可以对皮带行走速度、卷烟间隔、分拣机分捡时间间隔等参数都可以人工设置。该仿真程序可以为烟草配送中心工作人员提供分拣时间、分拣效率等信息以及整个分拣过程的动画演示效果,最后本文应用EIQ分析方法对订单进行了ABC分类,并进行了仿真分析,在此基础上对比了不同参数环境下对分拣效率的影响,并根据实际作业系统中人体工作强度获得了贴近实际应用的参数和分拣结果。(本文来源于《中南大学》期刊2009-05-01）
补货调度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
合理的库存管理，可以帮助企业以较低的成本获得较高的服务水平，大大提高企业的竞争力。企业在管理库存时，通常需要对多种物品向多个供应商或多个地点进行补货并采用联合补货方式，从而有效地减少年订购次数，通过联合运输降低运输成本，因此联合补货策略成为一种非常有效的成本控制手段。然而，联合补货模型已被证实为NP难问题，求解算法成为解决此类问题的关键之一。本文主要研究了几种随机性联合补货模型及其高效的求解算法设计问题。首先，针对现有模型求解方法的缺点，选择采用差分进化算法(DifferentialEvolution Algorithm, DE)进行求解，故设计了融合遗传算法优点的混合DE算法(Hybrid DE, HDE)，并通过4个标准测试函数测试其性能和效率。其次，设计了基于HDE的随机性联合补货模型求解算法。对比算例表明，HDE优于目前的最优方法，证实了HDE的有效性和稳定性，进而对相关参数进行敏感性分析。第叁，研究了需求随机、允许缺货环境下多企业多产品联合补货与配送集成优化模型，设计了基于HDE的求解算法流程，对比算例与拓展算例证实HDE优于遗传算法、标准DE及目前最佳的启发式算法，该算法实现难度低，在精度、稳定性方面性能出众。最后，将随机性联合补货策略与配送协同优化单目标扩展为考虑总成本与缺货量最小的多目标优化模型，并给出线性加权和多目标演化算法两种求解方法，算例结果证实多目标演化算法在求解此问题上简便、高效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
补货调度论文参考文献
[1].刘瑞.多产品联合补货与配送调度模型及算法研究[D].华中科技大学.2017
[2].顿彩霞.基于差分进化算法的随机需求联合补货与配送调度模型研究[D].华中科技大学.2012
[3].程昭.应急资源调度的补货策略问题研究[J].科学技术与工程.2010
[4].程昭.应急资源调度的补货策略问题研究[D].上海交通大学.2010
[5].李丰.烟草配送中心补货调度及自动分拣算法研究[D].中南大学.2009