会计考虑库存成本配送中心动态选址探讨

【中文摘要】：整体优化的物流系统是供应链分销管理成功的基础。根据在物流系统中功能的差异,分销阶段的物流决策可分为配送中心的选址决策、分销网络的运输决策和配送中心的库存决策。在进行这些不足的决策时,很多影响因素是随时间而发生变化的。尤其是对于规划期限较长的配送中心选址决策,其中的关键影响因素,如顾客需求、运输成本等表现出明显的动态变化特点。传统上,由于数学建模和求解的复杂性,很多配送中心选址决策模型忽视了影响因素的动态变化,进而可能造成次优的“短视”决策。为了避开这一不足的产生,有必要在配送中心选址模型中考虑决策环境的动态变化。上述分销阶段的三个物流决策不足在内容、范围、规划期限等方面各不相同,因此传统上都是采用按时间先后的顺序决策方式,如先进行配送中心的选址决策,再进行库存决策。然而,这三种决策在内容上相互影响,存在广泛的效益背反关系。因此,这种顺序决策的方式并不能保证物流系统的整体最优。为了追求物流系统各环节的协调和整体效能的提高,需要对这三个决策不足进行部分同时决策或全面同时决策,如选址、库存联合决策,库存、运输联合决策,选址、库存、路径联合决策等。本文以配送中心动态选址不足为研究对象,重点考虑库存成本对选址决策的影响,采用数学规划的策略构建考虑库存成本的配送中心动态选址模型。模型体现了选址、库存和运输之间的效益背反关系,通过对模型的求解能同时得到配送中心在每一个时间周期的位置、数量、服务范围、订货批量、订货频率等决策参数。这些决策参数有助于构建适应环境动态变化和整体效能较高的物流系统。针对所建立的模型,应用遗传算法、克隆选择算法、粒子群优化算法和基本蚁群算法等四种智能优化算法进行求解,并从寻优能力、运算速度、稳定性等角度比选出适应性最好的算法。本文取得的具体研究成果包括：1.针对传统动态选址模型中对配送中心初始建立成本重复计算(配送中心逐渐打开模型)和没有完整考虑配送中心的初次打开成本、关闭成本、再次打开成本以及运营成本(配送中心多次打开和关闭模型)的不足,分别确定了在动态环境下配送中心初始建立成本的合理计算策略和配送中心的建立、运营、再次打开和关闭成本的完整计算策略。2.针对已有的选址—库存联合决策模型没有考虑决策环境动态变化的不足,考虑企业自建配送中心和租用配送中心两种情景,分别建立了配送中心逐渐打开与配送中心多次打开和关闭下的动态选址—库存联合决策模型。前者配送中心一旦建立则不允许关闭,所得到的结果是配送中心的打开时序；后者允许配送中心建立后再关闭,关闭后再打开,更好的响应了决策环境的动态变化。分别应用四种智能优化算法对两种模型进行求解,结果表明所建立的两个模型都是可行的；对于中小规模的不足,遗传算法是最适合的,对于较大规模的不足,粒子群优化算法是最适合的。在上述基础上,浅析浅析了配送中心在存储能力约束下的库存成本,建立了有存储能力约束的动态选址—库存联合决策模型。3.在对单产品动态选址—库存联合决策不足研究的基础上,进一步研究多产品动态选址—库存联合决策不足。根据不同的多产品库存制约模型,分别建立了“独立周期”假设、“固定周期”假设和“整数倍周期”假设下的多产品动态选址—库存联合决策模型。由于“独立周期”假设和“固定周期”假设库存模型的相似性,将二者合并在一个模型中考虑,形成“独立周期和固定周期”假设下的多产品动态选址—库存联合决策模型。同样应用四种智能优化算法对所建立的模型进行求解,求解结果表明所建模型是可行的,对于“独立周期和固定周期”假设下的多产品动态选址—库存联合决策模型,粒子群优化算法是四种算法中最适合的；对于“整数倍周期”假设下的多产品动态选址—库存联合决策模型,当不足规模较小时,采用遗传算法比较适合,当不足规模较大时,采用粒子群优化算法比较适合。4.对在动态环境下,先进行选址决策、再进行库存决策和一体化的选址—库存同时决策两种策略进行量化对比研究,证明后者从总成本的角度要优于前者。首先,分别建立了不考虑库存成本的单存动态选址决策模型和考虑库存成本的一体化动态选址决策模型；其次,算例的仿真计算和浅析浅析表明,随着订货成本和单位库存持有成本的增加或单位运输成本的降低,考虑库存成本的一体化动态选址决策策略相对于单纯的动态选址决策策略会产生明显的总成本节约,这种节约主要是通过降低总的选址成本和运输成本来实现的。论文的研究成果丰富了物流系统优化理论的内容,为决策者构建整体优化和适应性强的物流系统提供了一种合理的决策策略,具有一定的实际应用价值。
【关键词】：配送中心动态设施选址库存成本遗传算法克隆选择算法粒子群优化算法蚁群算法
本文由会计论文网www.328tibeT.cn整理提供,需要可以联系人员哦。摘要6-8Abstract8-14第1章 绪论14-371.1 不足的提出14-181.1.1 研究背景14-181.1.2 研究目的及意义181.2 国内外研究近况18-341.2.1 动态设施选址不足19-241.2.2 典型的库存制约模型24-311.2.3 设施选址—库存不足31-341.3 论文研究内容34-371.3.1 国内外研究近况评述34-351.3.2 论文主要研究内容和思路35-37第2章 常用智能优化算法浅析浅析37-492.1 智能优化算法概述37-382.2 遗传算法38-402.2.1 遗传算法的基本原理382.2.2 基本遗传算法流程38-392.2.3 遗传算法的应用领域39-402.3 克隆选择算法40-422.3.1 克隆选择算法的基本原理40-412.3.2 克隆选择算法的流程41-422.3.3 克隆选择算法的应用领域422.4 粒子群优化算法42-442.4.1 粒子群优化算法的基本原理42-432.4.2 粒子群优化算法的流程43-442.4.3 粒子群优化算法的应用领域442.5 蚁群算法44-462.5.1 蚁群算法的基本原理44-462.5.2 基本蚁群算法的流程462.5.3 蚁群算法的应用领域462.6 四种算法异同点比较46-472.7 本章小结47-49第3章 单产品动态选址—库存不足研究49-733.1 不足的描述49-503.2 模型的建立50-553.2.1 模型假设及符号说明50-513.2.2 模型中各项成本的计算51-533.2.3 配送中心逐渐打开的动态LIP模型53-543.2.4 配送中心多次打开和关闭的动态LIP模型54-553.3 模型求解算法的关键步骤55-593.3.1 基本遗传算法55-563.3.2 克隆选择算法56-583.3.3 粒子群优化算法583.3.4 基本蚁群算法58-593.4 模型算例及浅析浅析59-703.4.1 算例数据59-623.4.2 配送中心逐渐打开下的模型算例62-663.4.3 配送中心多次打开和关闭下的模型算例66-693.4.4 算法对比结论69-703.5 模型的扩展70-713.6 本章小结71-73第4章 多产品动态选址—库存不足研究73-954.1 不足的描述734.2 模型的建立73-794.2.1 模型的假设及符号说明73-744.2.2 模型中各项成本的计算74-774.2.3 "独立周期和固定周期"假设下的多产品动态LIP模型77-784.2.4 "整数倍周期"假设下的多产品动态LIP模型78-794.3 模型的求解算法79-804.4 算例及浅析浅析80-944.4.1 算例数据80-844.4.2 "独立周期和固定周期"模型算例84-894.4.3 "整数倍周期"模型算例浅析浅析89-934.4.4 算法对比结论93-944.5 本章小结94-95第5章 在动态设施选址中考虑库存成本的益处浅析浅析95-1085.1 不足描述955.2 两种决策策略模型的建立95-975.2.1 不考虑库存成本的单纯动态选址决策模型95-975.2.2 考虑库存成本的一体化动态选址决策模型975.3 两种策略的算例对比浅析浅析97-1065.3.1 对比指标97-985.3.2 算例数据98-995.3.3 对比浅析浅析99-1065.4 本章小结106-108结论108-1101 论文的创新性108-1092 未来的研究方向109-110致谢110-111参考文献111-121攻读博士学位期间发表的论文121附：参考文献：www.328tibet.cn1袁祥勇;谢鸿飞;;配送中心库存制约模型及其应用研究[J];兰州学刊;2006年06期2唐凯;杨超;杨珺;;带市场选择的联合库存选址模型[J];工业工程与管理;2007年05期3刘向亚;王转;;模糊聚类浅析浅析在配送中心订货对策中的应用[J];物流技术;2007年10期4徐克圣;姜庆艳;;基于配送中心的大型单件小批企业库存管理模式[J];大连交通大学学报;2009年05期5王非;徐渝;;物流配送中心选址研究[J];物流技术;2006年06期6朱莹;;谈如何有效降低物流成本[J];企业家天地;2010年01期7张云凤;乔立新;刘伟东;;基于仿真技术的配送中心选址策略研究[J];物流技术;2005年12期8陈御钗;李建萍;;基于成本优化的连锁店配送中心的选址策略[J];物流科技;2008年03期9安宇;;肯德基供应物流模式对我国连锁餐饮企业的启迪[J];中外企业家;2008年03期10王非;王丽萍;孙浩杰;;指定与不指定备选点的配送中心选址-库存模型研究[J];统计与决策;2010年18期