《S物流公司倉庫選址探究的國內(nèi)外文獻綜述》6200字

S物流公司倉庫選址研究的國內(nèi)外文獻綜述目錄TOC\o"1-2"\h\u9076S物流公司倉庫選址研究的國內(nèi)外文獻綜述 1114031.1倉庫選址研究概況 125731（1）連續(xù)型倉庫選址模型 111729（2）離散型倉庫選址模型 232116（3）多目標選址問題 220051（4）最新的選址方法研究GIS 353951.2B2C電商物流選址的整體研究 3273081.3配送路徑優(yōu)化問題研究 4108831.4遺傳算法研究現(xiàn)狀 511910參考文獻 61.1倉庫選址研究概況物流倉庫的選址，在整個企業(yè)的管理中起著非常關(guān)鍵的作用，對企業(yè)的整體成本和服務(wù)有著重大的影響。對企業(yè)倉庫選址的有關(guān)決策研究，必須有科學(xué)的理論研究和嚴謹?shù)哪Ｐ洼o助作為支撐。遠在1909年，著名的德國經(jīng)濟學(xué)家Webert提出過選址問題，他最開始研究的是選擇一個距離消費者最近的地址來建設(shè)倉庫。隨后，國內(nèi)外眾多的學(xué)者也開始研究選址問題，并不斷的擴展研究領(lǐng)域，推出不同的研究模型和算法，目前針對企業(yè)倉庫選址的研究，國內(nèi)國外都相對比較成熟，總結(jié)起來主要有以下幾種：（1）連續(xù)型倉庫選址模型重心法，S.Eilon，C.D.T.Watson-Gandy和NiconsChristofides共同研究的重心法（CentroidMethod），是單一配送中心選址的常見模型。倪衛(wèi)紅（2021）拓寬了重心法應(yīng)用，先進行聚類分析，并將兩次聚類結(jié)果取交集后以受災(zāi)程度重為優(yōu)先原則，再使用重心法確定應(yīng)急物流配送中心選址?？咨僬艿龋?022）為應(yīng)對上海市未來快遞市場需求快速增長的挑戰(zhàn)，保障服務(wù)供給能力，研究一種基于改進重心法的快遞分撥中心選址模型，引入土地租金要素，完善總成本函數(shù)；基于高德地圖API下的實際路網(wǎng)距離，測算運輸成本，從2個方面構(gòu)建改進重心法的選址模型。尹巍?。?020）提出了傳統(tǒng)重心法在選址中存在的局限性，結(jié)合A公司實際情況對傳統(tǒng)重心法進行改進。胡元慶等（2020）提出新型智能重心法是利用現(xiàn)代信息技術(shù)（GPS坐標拾取系統(tǒng)）,結(jié)合傳統(tǒng)重心法，測算物流網(wǎng)絡(luò)中心位置從而使物流運輸成本最優(yōu)的一種創(chuàng)新應(yīng)用，提高了物流選址規(guī)劃的效率和精度。交叉值法，是相對范圍較小的單一設(shè)施選址法。以指定城市或區(qū)域內(nèi)的道路網(wǎng)格作為選址的范圍。交叉值法的應(yīng)用前提是必須了解研究服務(wù)標的在城市內(nèi)的具體位置，依據(jù)是服務(wù)標的之間的總和絕對的里程最短，結(jié)果是可以得到一個所有標的的物流需求量在兩個垂直方向上的重心位置。武瑞英等（2018）通過交叉中值模型并運用計算機對呼和浩特的物流配送中心的位置進行求解，從而為呼和浩特市的物流配送中心選址提供決策性依據(jù)。（2）離散型倉庫選址模型具有代表性的模型有P-中值、整數(shù)或混合整數(shù)規(guī)劃模型、Baumol-Wolfe模型等。P-中值：是由Hakimi在1964年提出來的，確定P個設(shè)施的位置，以需求點和建立的設(shè)施點之間的距離與需求量乘積之和（加權(quán)總距離）最小為目標函數(shù)。當P為常數(shù)時，則可順利求解；當P為變量時，這就是一個NP-Hard問題。后來不少學(xué)者對P-中值也進行了深入的研究，其中Drezner根據(jù)實際情況中設(shè)施的投入應(yīng)該是分階段的，故而對模型進行了完善，提出了將設(shè)施分階段投入的P-中值算法。李涵穎等（2021)采用區(qū)位選址模型中的P-中值模型進行快遞網(wǎng)點的選址布局研究，為南村鎮(zhèn)選取更具科學(xué)性與合理性的快遞網(wǎng)點布局位置。陳振等（2021）建立了以出行效率和服務(wù)能力為求解思想的多因子約束P中值模型。整數(shù)或混合整數(shù)規(guī)劃模型：張永闖等（2022）通過建立混合整數(shù)規(guī)劃模型對該地區(qū)農(nóng)村物流配送站的選址、服務(wù)范圍及配送路線進行重新規(guī)劃。張婷等（2019）應(yīng)用混合整數(shù)規(guī)劃模型，綜合考慮物流中心的規(guī)模效應(yīng)和管理費用等因素確立秸稈倉儲物流中心選址。其他模型：XuXiaoFeng等（2018）等使用協(xié)同物流網(wǎng)絡(luò)中選址和路線優(yōu)化的雙層規(guī)劃模型有效解決了回程空載成本問題。Mousavi等（2019）等研究多產(chǎn)品配送、需求不確定等對選址的影響，提出了多準則群體決策的模型。LinBoliang（2019）等提出有預(yù)算約束、容量限制的雙層規(guī)劃選址問題。李捷承等（2018）則是通過分析物流配送設(shè)施選址的特點設(shè)計了一個基于BIRCH聚類的物流配送設(shè)施選址算法,融合了BIRCH聚類算法和基于Dijkstra距離的重心法，為物流配送設(shè)施選址提供了更好的方案，大幅節(jié)約長期運營成本。（3）多目標選址問題經(jīng)典的離散選址理論在前面已有介紹，擴展離散選址問題包括：漸進覆蓋、分層選址、多目標選址等問題。一般情況下在選址時需要考慮的因素有很多，比如政治、經(jīng)濟、自然、人文等各個方面的因素，所以選址問題才是一個多目標的問題。王?；ǖ龋?018）在滿足客戶需求的前提下，基于服務(wù)半徑對快遞柜的選址問題進行研究。馮阿芳（2021）基于大數(shù)據(jù)的考慮對物流配送中心的選址建立了多目標選址路徑規(guī)劃模型。HuH（2019）則針對約束條件下建立了多目標選址模型。（4）最新的選址方法研究GIS由于信息系統(tǒng)的發(fā)展，越來越多的人把GIS運用到倉庫選址之中。陳心媛（2021）為達到提升醫(yī)藥配送效率、最大化經(jīng)濟效益的目的,研究以HR醫(yī)藥企業(yè)為例,借助GIS大數(shù)據(jù)平臺定量分析決策點坐標,結(jié)合其實際情況通過改進傳統(tǒng)重心法優(yōu)化物流中心選址。為第三方醫(yī)藥物流中心選址研究提供一定借鑒。綜上所述，大部分學(xué)者的研究，都是以某個模型為基礎(chǔ)，結(jié)合實際應(yīng)用情況加以改善，使理想的模型結(jié)果越來越接近實際的應(yīng)用場景，為最終選址提供合理化建議。但是歸根結(jié)底，選址時的目標函數(shù)基本一致，一般為成本最小化、服務(wù)最優(yōu)化、物流量最大化這幾項。1.2B2C電商物流選址的整體研究隨著線上零售業(yè)務(wù)的蓬勃發(fā)展，電商物流也在快速的發(fā)展，國內(nèi)外對B2C電商物流的選址研究越來越多，王根基等（2019）考慮不同層級設(shè)施的運輸關(guān)系以及車輛固定成本的影響，構(gòu)建以成本最小化為目標的混合整數(shù)非線性規(guī)劃模型,借助遺傳算法求解，快速、有效地解決電商物流配送中心選址和需求點分配問題。宋振波等（2020）則是在總成本最低的角度來考慮電商物流區(qū)域倉+前置倉模式下，前置倉的最優(yōu)化設(shè)置。胡賢滿（2022）則是考慮了庫存策略設(shè)計了新的電商共享物流配送節(jié)點選址算法，構(gòu)建了配送節(jié)點選址優(yōu)化模型，消除了模型子回路約束證明，劃分了共享物流配送中心范圍。肖建華等（2020）考慮了電商消費者需求波動較大、分布較廣、時效性較強等特點,首次將消費者需求的波動性及倉庫資源的共享性等因素引入動態(tài)選址問題，并綜合考慮運輸成本、租賃共享倉庫成本、關(guān)閉成本及風(fēng)險成本等因素，以總成本最小為目標，構(gòu)建了電子商務(wù)背景下的物流共享倉庫動態(tài)選址模型。陳誠等（2019）則是考慮了水果的保鮮和時效要求，在此背景下建立了基于分級顧客滿意度的選址-路徑優(yōu)化模型,并設(shè)計了相應(yīng)的求解算法。黃凱明等（2018）提出了基于可達配送區(qū)域的搜索策略和基于路徑長度為權(quán)重的設(shè)施分配優(yōu)化策略以提高算法效率。1.3配送路徑優(yōu)化問題研究隨著社會的發(fā)展，物流的配送路徑問題發(fā)展變化多樣，隨之與其對應(yīng)的配送路徑優(yōu)化模型和求解算法也在不斷發(fā)生變化，更多的學(xué)者為取得更優(yōu)秀的理論進展，也在不斷的提高優(yōu)化模型和求解算法的性能。從車輛容量約束和時間窗約束的角度研究配送車輛路徑優(yōu)化問題。Faulin等(2016)將配送路徑的長度、配送成本、配送時間、車輛數(shù)量等因素考慮進去，研究了容量約束下的配送車輛的路徑優(yōu)化問題，以優(yōu)化物流配送企業(yè)的配送路徑，提高配送效率。Bauernhansl等(2020)研究了具有時間窗和車輛容量約束的車輛路徑問題，設(shè)計了滿足每個客戶服務(wù)點同時送貨和取貨需求的車輛路徑優(yōu)化模型，以使物流配送成本最小為目標，合理的使用配送車輛，以提高客戶滿意度。從配送路徑優(yōu)化算法的角度研究配送車輛路徑優(yōu)化問題。在配送路徑優(yōu)化算法中，精確算法有著悠久的歷史。Archetti等(2015)利用分支定價剪切法來實現(xiàn)同時滿足多個配送點和不同配送商品的組合服務(wù)，該分支方法是將車輛路徑問題進行分割，建立帶分割的車輛路徑優(yōu)化模型，以證明該模型的有效性。Segerstedt等(2016)指出倉庫位置對于貨物的高效收集和快速交付給零售商和客戶對于降低配送成本的重要性，使用改進的節(jié)約算法來解決車輛路徑問題，該算法只需要使用最大保存值，并將最大保存值添加到之前的配送路線中進行權(quán)衡，從而得到一條高效的配送路線。隨著配送路徑優(yōu)化問題求解復(fù)雜性的不斷加深，現(xiàn)代啟發(fā)式算法已成為解決配送路徑優(yōu)化問題的主要算法。Osvald等(2012)考慮到蔬菜的易腐性對運輸成本造成不利影響，Osvald提出了具有時間相關(guān)性的生鮮配送路徑模型，設(shè)計了禁忌搜索算法對建立的配送路徑模型進行計算分析，優(yōu)化了配送路線，極大減少了運輸中所造成的成本增加。配送過程中，汽車尾氣的排放會對環(huán)境造成一定影響，Roberto課題組(2018)以減少二氧化碳排放為研究對象，建立配送環(huán)節(jié)汽車的尾氣排放模型，在考慮車速等因素下，優(yōu)化了碳排放問題中的車輛路徑問題，并使用遺傳算法對該模型求解，結(jié)果驗證了考慮碳排放的車輛路徑問題能夠在不增加運營成本的情況下減少氣體排放。21世紀初，有國外學(xué)者提出了蟻群優(yōu)化算法。自蟻群算法提出以來，算法理論得到了相關(guān)學(xué)者的高度重視。Ellabib等研究人員(2014)首次提出了并行處理思路，以提高蟻群系統(tǒng)算法搜索性能為目標，并行處理思想的蟻群算法較適用于優(yōu)化時間窗約束的物流配送路徑。在利用并行處理思想的蟻群系統(tǒng)算法后，算法搜索性能得到了顯著提升。些年，配送路徑優(yōu)化算法的研究方向已逐漸向混合算法方向的研究傾斜，Kalayci等(2010)研究將變鄰域搜索算法與蟻群系統(tǒng)算法相結(jié)合，這種混合算法可以提高局部搜索能力。近年來，E.M.等系統(tǒng)地研究了各種路線選擇策略(包括實踐中常用的換乘策略)對響應(yīng)時間的影響，并提出了一種新的路線選擇策略，該策略綜合了親密性、擁堵性和交通事故三個決策原則。Juan和Yoshinori介紹了VRPSD的擴展版本，稱為帶運輸整合的車輛路徑問題(vrpc),該模型不僅考慮了單獨送貨，而且還考慮了部分客戶地點不同車輛之間的運輸中轉(zhuǎn)過程，稱為中間貨運拼裝。Alexandre和Richard提出了具有最優(yōu)補給的隨機需求單車路徑問題(svrpsd)模型,該模型是由一種策略控制的馬爾可夫決策過程的特征描述推導(dǎo)而來的，適用于一般離散需求概率分布。同時，研究了確定的先驗代價與隨機購買代價之間的權(quán)衡問題，以適應(yīng)不同的路由負載。最后，提出了一種等待-觀望的svrpsd模型，并將其應(yīng)用于并行啟發(fā)式算法中，以求解150個節(jié)點、泊松分布需求的大型文獻實例?？傊?，通過國外的研究現(xiàn)狀可以看出，帶時間窗約束等多目標配送路徑優(yōu)化模型，以及現(xiàn)代啟發(fā)式等混合算法是國外大部分學(xué)者主要的研究方向。1.4遺傳算法研究現(xiàn)狀JianyuLong（2018）針對多目標PCVRP-P問題，提出了一種基于Pareto的遺傳算法結(jié)合局部搜索策略的進化算法(記為HGLS)，已解決路徑優(yōu)化的多目標優(yōu)化問題。EfrainRuiz（2019）提出了一種有偏隨機鍵遺傳算法，用于解決具有容量和距離約束的開放式車輛路徑問題。該問題的目標函數(shù)是在尊重容量和最大距離約束的同時，最小化車輛行駛的總距離。DhekraRezgui（2019）設(shè)計并修改可變鄰域搜索(VNS)其目標是設(shè)計和尋找最優(yōu)的路由策略，為運行最后一英里交付的電動模塊化車隊，以最小的成本，包括采購，旅行和充電。TeobaldoBulh?es（2017）提出了一種緊湊的數(shù)學(xué)描述、分支定價算法和一種基于種群管理的混合遺傳算法，在滿足幾組交付品的服務(wù)水平約束下，尋求成本最小化。該算法依賴于問題尾解表示、交叉和局部搜索算子，以及一種自適應(yīng)懲罰機制，在服務(wù)水平和成本之間建立了良好的平衡。NicolasRincon-Garcia（2018）介紹了大鄰域搜索算法，該算法考慮了時間窗、時間相關(guān)旅行時間和行駛小時規(guī)則(EC)，對車輛路徑問題變種的基準解(在所需車輛數(shù)、行程距離和工作時間方面)進行了大幅度改進。評估了時間窗長度、客戶密度、擁堵以及法規(guī)對成本和環(huán)境影響的影響。黃佳艷（2021）提出一種將人工蜂群算法融入到花粉算法中的優(yōu)化算法，通過使用該算法對現(xiàn)代物流配送的車輛路徑規(guī)劃問題進行求解，在小于22個配送點車輛路徑規(guī)劃問題中找到最佳途徑。王雪兵（2021）以Y物流公司為研究對象，使用遺傳算法解決其配送成本高、車輛裝載率低、配送服務(wù)水平低等問題，最后做到有效的減少配送成本、增加配送車輛的裝載率、減少車輛行駛路程，提高Y物流公司的服務(wù)水平和客戶的滿意度。尹藝珂（2021）提出了改進的遺傳算法和蟻群優(yōu)化算法，在此基礎(chǔ)上設(shè)計了一種融合改進的遺傳算法和蟻群優(yōu)化的路徑優(yōu)化算法，將該算法應(yīng)用到企業(yè)物流的實際配送場景，使帶時間窗的車輛配送路徑優(yōu)化模型獲得了最優(yōu)的物流配送方案，實現(xiàn)了物流運輸合理化，達到減少運輸環(huán)節(jié)成本，提高物流企業(yè)經(jīng)濟效益的目的。梅奇（2020）通過對新零售模式下多配送中心B2B冷鏈物流配送路徑優(yōu)化問題的研究，使用免疫粒子群算法，解決帶時間窗的車輛路徑問題，使企業(yè)合理調(diào)度車輛運輸,降低企業(yè)的冷鏈配送成本,加快冷鏈產(chǎn)品的流通?？紤]了冷鏈配送過程中產(chǎn)生的碳排放,符合低碳物流和可持續(xù)發(fā)展理念,有利于樹立良好的公司形象,增強公司的競爭力。參考文獻陳誠,檀曉琳,鄧穎.基于分級顧客滿意度的水果電商物流配送網(wǎng)絡(luò)選址-路徑問題[J].華東交通大學(xué)學(xué)報.2019,36(04):89-93.陳心媛.基于重心法的HR醫(yī)藥第三方醫(yī)藥物流中心選址研究[J].物流工程與管理.2021(03):29-31.陳振,王偉賢,李卓群,張祎果,孫舟,孫緒坤.基于多因子約束P中值模型的充電樁布局優(yōu)化研究[J].北京交通大學(xué)學(xué)報.2021,45(03):94-98.馮阿芳.基于大數(shù)據(jù)的物流配送中心選址優(yōu)化建議[J].大眾標準化,2021(07):208-209.胡賢滿.考慮庫存策略的電商共享物流配送節(jié)點選址算法[J].廣州航海學(xué)院學(xué)報.2022,30(03):57-60.胡元慶,譚新明.新重心法在物流網(wǎng)點選址優(yōu)化中的應(yīng)用探析[J].物流科技.2020(01).09-11.黃凱明,盧才武,連民杰.三層級設(shè)施選址-路徑規(guī)劃問題建模及算法研究[J].系統(tǒng)工程理論與實踐.2018,38(03):744-752.孔少哲,張戎.基于改進重心法的上海市快遞分撥中心選址研究[j].交通與運輸.2022,38(04):84-89.李涵穎,秦瓏.基于P-中值模型的青島市南村鎮(zhèn)農(nóng)村快遞末端配送網(wǎng)點布局優(yōu)化研究[J].物流工程與管理.2021,43(10):50-53.李捷承,陶耀東,孫詠,高岑.基于BIRCH聚類的物流配送設(shè)施選址算法[J].計算機系統(tǒng)應(yīng)用.2018,27(09):215-218.倪衛(wèi)紅,陳太.基于聚類-重心法的應(yīng)急物流配送中心選址[J].南京工業(yè)大學(xué)學(xué)報(自然科學(xué)版).2021(02):256-262.宋振波,馬文凱,耀華.基于電商行業(yè)的前置倉選址優(yōu)化[J].科學(xué)技術(shù)與工程.2020,20(02):682-685.王根基,李莉.電商物流配送中心選址布局問題研究[J].物流科技.2019,42(02):27-29.王?；?吳伊楠,劉秀玲.考慮服務(wù)半徑的校園智能快遞柜選址問題研究[J].物流工程與管理,2018,40(8):90-92.武瑞英,宋丹丹,王夢楠.基于交叉中值模型的呼和浩特市農(nóng)村電商物流配送中心選址研究[J].當代經(jīng)濟.2018,(02):76-77.肖建華,李雅夢,杜經(jīng)國,劉穎.電子商務(wù)背景下的城市物流共享倉庫動態(tài)選址研究[J].數(shù)學(xué)的實踐與認識.2020,50(15):61-69.薛德琴,張永強.基于線性規(guī)劃的公路運輸成本優(yōu)化研究[J].物流工程與管理.2020,42(12):122-123.尹巍巍.物流配送中心選址的實例研究[J].物流工程與管理.2020(04):69-71.張婷,蘇世偉.基于混合整數(shù)規(guī)劃模型的江蘇省秸稈物流中心選址研究[J].物流科技.2019,42(07):133-135張永闖,姚洪發(fā).基于混合整數(shù)規(guī)劃模型的農(nóng)村物流配送站選址研究——以靈川縣為例[J].桂林航天工業(yè)學(xué)院學(xué)報.2022,27(01):50-55張永強,李思凡,張玉瑩.基于線性規(guī)劃模型的公路運輸企業(yè)成本優(yōu)化研究.物流工程與管理.2019,41(04):39-41趙浩,劉陽陽.M連鎖零售企業(yè)物流中心選址與配送問題研究[J].商場現(xiàn)代化.2019,(02):33-35.趙汀,劉超,周鳳英,張艷,閆強,閆睿哲,趙海云.基于線性規(guī)劃算法的我國煤化工產(chǎn)業(yè)智能優(yōu)化選址方法研究與應(yīng)用[J].中國礦業(yè).2021,30(11):57-60朱曉楊,干宏程,劉勇,張沁莞.共享單車停車站點選址研究[J].物流技術(shù).2019,38(06):74-77.HuH,LiX,ZhangY,etal.Multi-objectivelocation-routingmodelforhazardousmateriallogisticswithtrafficrestrictionconstraintininter-cityroads[J].Computers&IndustrialEngineering,2019,128:861-876.LinB,LiuS,LinR,etal.Thelocation-allocationmodelformulti-classification-yardlocationproblem[J].TransportationResearchPartE:LogisticsandTransportationReview,2019,122:283-308.MousaviSM,Antuchevi?ien?J,ZavadskasEK,etal.Anewdecisionmodelforcross-dockingcenterlocationinlogisticsnetworksunderinterval-valuedintuitionisticfuzzyuncertainty[J].Transport,2019,34(1):30-