城市物流配送方案優(yōu)化模型數(shù)學(xué)建模

天津大學(xué)數(shù)學(xué)建模選拔賽題目城市物流配送方案優(yōu)化設(shè)計(jì)摘要所謂物流配送就是依照用戶的貨物（商品）訂貨要乞降物流配送計(jì)劃，在物流配送節(jié)點(diǎn)進(jìn)行儲(chǔ)存、分揀、加工和配貨等作業(yè)后，將配好的貨物送交收貨人的過(guò)程。本文就怎樣設(shè)計(jì)該城市的配送方案和增設(shè)新的配送網(wǎng)點(diǎn)并區(qū)分派送范圍睜開(kāi)議論。第一問(wèn)中，第一，在設(shè)計(jì)合理的配送方案時(shí)，我們要知道評(píng)論一個(gè)配送方案的好壞需考慮哪些指標(biāo)。依據(jù)層次剖析法所得各指標(biāo)的權(quán)重及各要素之間關(guān)系可知：合理的配送方案需要優(yōu)化貨車的調(diào)動(dòng)以及行駛路線。而后，依據(jù)該城市的流配送網(wǎng)絡(luò)路網(wǎng)信息以及客戶地點(diǎn)及需求數(shù)據(jù)信息，用EXCEL進(jìn)行數(shù)據(jù)統(tǒng)計(jì)并用matlab繪制物流信息圖，在圖中能夠清楚地看出客戶地點(diǎn)密集和稀少的區(qū)域。以后，我們運(yùn)用雷達(dá)圖切割法將城市分為20個(gè)兼顧區(qū)（以及100個(gè)二級(jí)子地區(qū)）。接著，我們針對(duì)一個(gè)二級(jí)子地區(qū)剖析貨車行駛的最正確路線。利用聚類剖析和精準(zhǔn)重心法在二級(jí)子地區(qū)N1中設(shè)置了7個(gè)卸貨點(diǎn)，該目標(biāo)地區(qū)內(nèi)的用戶都將在該地區(qū)的卸貨點(diǎn)取貨。我們利用圖論中的Floyd算法和哈密爾頓圈模型求解來(lái)回最短路線問(wèn)題，得悉最短路線為配送中心1246753配送中心，最短行程為84.4332KM，最短運(yùn)貨用時(shí)為2.11小時(shí)。最后，依據(jù)用戶地點(diǎn)和需貨量，計(jì)算出貨車數(shù)目和車次，并給出了此中一種合理的針對(duì)整個(gè)城市的貨車調(diào)動(dòng)配送方案。第二問(wèn)中，我們成立了多韋伯模型，經(jīng)過(guò)非線性0-1規(guī)劃，確立了城市增添的5個(gè)分配中心的地點(diǎn)以及各自的分派送范圍。配送中心地點(diǎn)結(jié)果以下：配送中心編號(hào)經(jīng)度緯度3108.056801526.717164454108.67965126.96689015108.689218525.97394826109.211669326.895898637109.174977326.1636702原配送中心107.97255461516226.6060305362822要點(diǎn)詞：層次剖析法聚類剖析精準(zhǔn)重心法Floyd算法哈密爾頓圈多韋伯模型評(píng)閱編號(hào)一．問(wèn)題重述配送是指在經(jīng)濟(jì)合理地區(qū)范圍內(nèi)，依據(jù)客戶要求，對(duì)物件進(jìn)行挑選、加工、包裝、切割、組配等作業(yè)，并準(zhǔn)時(shí)送到指定地址的物流活動(dòng)，即按用戶定貨要求，在配送中心或其余物流結(jié)點(diǎn)進(jìn)行貨物裝備，并以最合理方式送交用戶。配送是從用戶利益出發(fā)、按用戶要求進(jìn)行的一種活動(dòng)，所以，在觀點(diǎn)上一定明確“用戶第一”，把用戶利益作為設(shè)計(jì)配送方案時(shí)第一要考慮的問(wèn)題。城市的配送系統(tǒng)不只需考慮公司自己和用戶的利益，也應(yīng)從民眾利益出發(fā)，盡量減少交通擁擠和廢物排放。這無(wú)疑更增添了配送系統(tǒng)管理的難度，有效解決該問(wèn)題對(duì)于改良城市出行環(huán)境和提升公司服務(wù)水平擁有重要意義。鑒于以上背景，為某公司設(shè)計(jì)其配送方案，成立數(shù)學(xué)模型剖析以下問(wèn)題：（1）假定該公司在整個(gè)城區(qū)僅有一個(gè)配送中心（107.972554615162，26.6060305362822）。附件1中給出了公司顧客地點(diǎn)和需求數(shù)據(jù)。附件2為配送網(wǎng)絡(luò)路網(wǎng)信息。因?yàn)轭櫩托枨鬄榫鶆蛄?，為?zhàn)勝需求頂峰車輛不夠的狀況，實(shí)質(zhì)中往常對(duì)每輛車的裝載量進(jìn)行限制，實(shí)質(zhì)載貨量為規(guī)定滿載量的70%。司機(jī)工作時(shí)間為每天8小時(shí)。不考慮車輛數(shù)目限制，請(qǐng)為公司設(shè)計(jì)合理的配送方案。（每件產(chǎn)品規(guī)格：長(zhǎng)：27.5CM，寬：9CM，厚：5CM）。配送用車請(qǐng)參照實(shí)質(zhì)貨車規(guī)格自己選定。（2）適合增添配送中心數(shù)目，能降低配送成本，假定計(jì)劃增設(shè)5個(gè)配送中心，請(qǐng)為各配送網(wǎng)點(diǎn)區(qū)分派送范圍。二、問(wèn)題背景和問(wèn)題剖析2.1問(wèn)題背景所謂物流配送就是依照用戶的貨物（商品）訂貨要乞降物流配送計(jì)劃，在物流配送節(jié)點(diǎn)（庫(kù)房、商鋪、貨物站、物流配送中心等）進(jìn)行儲(chǔ)存、分揀、加工和配貨等作業(yè)后，將配好的貨物送交收貨人的過(guò)程，城市物流配送是指在城市范圍內(nèi)進(jìn)行的物流配送業(yè)務(wù)活動(dòng)，城市物流配送系統(tǒng)的服務(wù)對(duì)象歸類為：政府、工業(yè)、商業(yè)、農(nóng)業(yè)、大眾客戶。城市物流配送已隨客戶需求變化從“少品種、大量量、少批次、長(zhǎng)周期”向“多品種、小批量、多批次、短周期”轉(zhuǎn)變。跟著中國(guó)城市化進(jìn)度的進(jìn)一步加速，不論是從城市經(jīng)濟(jì)發(fā)展，仍是從城市空間結(jié)構(gòu)、城市交通運(yùn)輸布局及城市基礎(chǔ)設(shè)備建設(shè)來(lái)考慮，每個(gè)城市都面對(duì)一個(gè)對(duì)原有的物流配送系統(tǒng)進(jìn)行改造、成立新的物流配送系統(tǒng)的問(wèn)題，這就是城市物流配送系統(tǒng)優(yōu)化提出的原由。2.2問(wèn)題剖析

[1]對(duì)于第一問(wèn)，為了獲得最優(yōu)的配送方案，我們側(cè)重從貨車的調(diào)動(dòng)和貨車的行走路線進(jìn)行設(shè)計(jì)。第一我們需要對(duì)城市進(jìn)行分區(qū)，并設(shè)計(jì)貨車在所有地區(qū)內(nèi)進(jìn)行兼顧調(diào)動(dòng)的方法。而后，我們針對(duì)某一個(gè)小的地區(qū)，運(yùn)用圖論的知識(shí)，找尋貨車運(yùn)送完好部貨物的最短路線，實(shí)現(xiàn)用戶、社會(huì)和公司整體利益的最大化。對(duì)于第二問(wèn)，我們需要找到五個(gè)新增配送中心的地點(diǎn)而且區(qū)分各個(gè)配送網(wǎng)點(diǎn)的配送范圍。這是一個(gè)典型的多韋伯問(wèn)題。時(shí)期我們不只需注意使得配送中心到用戶的距離之和最短。同時(shí)也要知足配送中心盡量側(cè)重用戶需求量大的地域的要求。三、模型假定成立基本模型時(shí)，所有配送用車規(guī)格（小型貨車）相同。送貨時(shí)配送用車均以40KM/h的速度勻速行駛。(偏僻地域交通環(huán)境優(yōu)秀，速度可適合提升)3..送貨時(shí)無(wú)極端天氣以及交通擁擠、交通事故、道路維修等影響送貨的狀況發(fā)生。不存在用戶不取貨以及退貨的狀況。貨物在包裝、囤積和運(yùn)輸過(guò)程中沒(méi)有損壞。6..基本模型中我們只需求貨物在訂貨周期內(nèi)送到即可，即達(dá)到此要求則可實(shí)現(xiàn)用戶的滿意度為滿分。在第一問(wèn)中，我們選用一個(gè)子地區(qū)進(jìn)行精準(zhǔn)剖析，以其為樣本預(yù)計(jì)整個(gè)城市的狀況，樣本擁有廣泛性。四、符號(hào)商定xi：用戶地點(diǎn)的經(jīng)度值。yi：用戶地點(diǎn)的緯度值。x0：配送中心的經(jīng)度值。y0：配送中心的緯度值。，j：用戶地點(diǎn)編號(hào)。：用戶相對(duì)于配送中心的方向角。L：用戶距離配送中心的距離。Dij：隨意兩個(gè)用戶地點(diǎn)之間的距離。C：哈密爾頓圈。V：哈密爾頓圈中的邊。M：某一地區(qū)一周以內(nèi)需要的車次數(shù)。Q：某一地區(qū)一周以內(nèi)的需貨量。N：一輛貨車每天行駛車次數(shù)。T：一輛貨車行駛一個(gè)車次所需時(shí)間。W：評(píng)定配選方案能否最優(yōu)的的指標(biāo)。：判斷矩陣A的最大特點(diǎn)值；C?I?：判斷矩陣A的一致性指標(biāo)；Zm:“招聘效益最大化”數(shù)值。五、模型的成立與求解5.1對(duì)問(wèn)題一的求解max問(wèn)題一中，需要考慮用戶需求，公司利益，環(huán)境影響等多個(gè)方面的問(wèn)題，給出最正確的配送方案。數(shù)據(jù)預(yù)辦理31、我們已知，每件產(chǎn)品規(guī)格：長(zhǎng)：27.5CM，寬：9CM，厚：5CM），體積為1237.5CM。依據(jù)實(shí)質(zhì)狀況，我們選定貨車箱為長(zhǎng)3M，寬1.8CM，高1.8M的東風(fēng)小型貨車，體積為9.72M3。由題目可知實(shí)質(zhì)中往常對(duì)每輛車的裝載量進(jìn)行限制，為規(guī)定滿載量的70%，所以實(shí)質(zhì)載物體積為6.804M3，可載5180箱貨物。（據(jù)計(jì)算，貨物合理布局后可在貨車中所有安置。）2、對(duì)于表中空白數(shù)據(jù)，早先進(jìn)行辦理：訂貨周期空白默以為一周，訂貨量空白默以為0，訂貨時(shí)間空白默以為周六訂貨，此部分?jǐn)?shù)據(jù)少，不影響最后結(jié)果。道路ID空白對(duì)結(jié)果無(wú)影響，故不考慮。設(shè)計(jì)評(píng)定配送方案的指標(biāo)假如想要設(shè)計(jì)一個(gè)最優(yōu)的配送方案，需要知道哪些指標(biāo)應(yīng)當(dāng)要點(diǎn)考慮，而那些能夠在基本模型中忽視。只有第一經(jīng)過(guò)層次剖析法[2]計(jì)算出各指標(biāo)的權(quán)重，我們才能做出一個(gè)合理度較高的優(yōu)化方案。一、層次剖析法設(shè)定各指標(biāo)權(quán)重由題意，評(píng)論一個(gè)配送方案的能否合理主要可從用戶利益，公司利潤(rùn)，社會(huì)利益三個(gè)方面來(lái)考慮。1、用戶利益主要由送貨時(shí)間與“卸貨點(diǎn)”到用戶實(shí)質(zhì)地點(diǎn)間的距離決定?！靶敦淈c(diǎn)”：貨車的卸車地址，用戶能夠到“卸貨點(diǎn)”來(lái)取貨，多個(gè)用戶能夠共用一個(gè)“卸貨點(diǎn)”。2、公司利潤(rùn)主要由庫(kù)房積壓程度，需要擁有的車輛數(shù)，每天發(fā)出的車次數(shù)，車輛的總行駛距離即耗油數(shù)決定。3、社會(huì)利益主要由所有車輛行駛的總公里數(shù)，每天發(fā)出的車次數(shù)，動(dòng)用的貨車種類決定。因?yàn)檫@三個(gè)量會(huì)影響污染的程度和交通擁擠的程度。這是一個(gè)多目標(biāo)決議問(wèn)題。我們運(yùn)用層次剖析法確立各要素在評(píng)論方案好壞時(shí)所占的權(quán)重。詳細(xì)分層以下圖：目標(biāo)層模型合理度評(píng)準(zhǔn)則層用戶利益公司利益社會(huì)利益到卸倉(cāng)需每車車每動(dòng)貨貨庫(kù)要天輛輛天用時(shí)點(diǎn)積擁發(fā)的行發(fā)的間與壓有出總駛出貨結(jié)構(gòu)兩兩對(duì)同一層次的各個(gè)元素對(duì)于上一層次中某一準(zhǔn)則的重要性進(jìn)行兩兩比較，C1用程的的行的的車戶度車車駛總車種比較判斷矩陣。在結(jié)構(gòu)兩兩比較判斷矩陣的過(guò)程中，按公1～9比率標(biāo)度對(duì)重要性程度進(jìn)間C3輛次距次類數(shù)數(shù)離里數(shù)C9行賦值。實(shí)C4C5C6數(shù)C8際C7距下表給出1～9標(biāo)度的含義:標(biāo)度含義1表示兩個(gè)元素對(duì)比，擁有相同重要性3表示兩個(gè)元素對(duì)比，前者比后者稍重要5表示兩個(gè)元素對(duì)比，前者比后者顯然重要7表示兩個(gè)元素對(duì)比，前者比后者激烈重要9表示兩個(gè)元素對(duì)比，前者比后者極端重要2，4，6，8表示上述相鄰判斷的中間值倒數(shù)若元素I和元素j的重要性之比為aij，那么元素j和元素I的重要性之比為1/aij依據(jù)上述給出的標(biāo)度含義表，對(duì)于任何一個(gè)準(zhǔn)則，幾個(gè)被比較元素經(jīng)過(guò)兩兩比較就能夠獲得一個(gè)判斷矩陣：Aaijnx（1）此中，aij就是ui與uj相對(duì)于C的重要性的比率標(biāo)度。依據(jù)獲得的判斷矩陣，我們采納“特點(diǎn)根法”來(lái)求解判斷矩陣中被比較元素的排序權(quán)重向量。若矩陣A的最大特點(diǎn)值max對(duì)應(yīng)的特點(diǎn)向量是W，將所獲得的W經(jīng)歸一化后就是要求的權(quán)重向量。(k1)(k1)k1(k1)T表示第k1層上nk1個(gè)元素相對(duì)于總目標(biāo)的排序權(quán)設(shè)W(1,2,...nk1)重向量，用Pj(k)(p1(kj),p2(kj),...pn(k))T表示第k層上nk個(gè)元素對(duì)第k1層上第j個(gè)元素為kj準(zhǔn)則的排序權(quán)重向量，此中不受j元素支配的元素權(quán)重取為零。那么第k層上元素對(duì)目標(biāo)的總排序W(k)為：W(k)＝(1(k),2(k),...,n(kk))TP(k)W(k1)（2）對(duì)于本模型依照上述的層次剖析方法，計(jì)算獲得以下各個(gè)層次下的判斷矩陣和其對(duì)應(yīng)的排序權(quán)重向量、一致性指標(biāo)：表1目標(biāo)層判斷矩陣合理度A用戶利益B1公司利潤(rùn)B2社會(huì)效益B3用戶利益B1157公司利潤(rùn)B21/512社會(huì)效益B31/71/21CI=0.0071，CR=0.012，RI=0.58,m3.0142此步驟中應(yīng)注意“用戶第一”的原則。表2準(zhǔn)則層B1的判斷矩陣用戶利益B1取貨距離C1到貨時(shí)間C2取貨距離C111/2到貨時(shí)間C221CI=0，CR=0，RI=0,m0表3準(zhǔn)則層B2的判斷矩陣公司利潤(rùn)B2庫(kù)房存貨量C3車輛數(shù)C4出車次數(shù)C5總油耗C6庫(kù)房存貨量C311/31/41/7車輛數(shù)C4311/21/4出車次數(shù)C54211/3總油耗C67431CI=0.019，CR=0.021，RI=0.9,m4.0672表4準(zhǔn)則層B3的判斷矩陣社會(huì)效益B3出車種類C7擁擠程度C8總公里數(shù)C9CI=0，CR=0，RI=0.58,出車種類C7111/2m0表5各指標(biāo)權(quán)重車輛數(shù)C8111/2總公里數(shù)C9221取貨到貨庫(kù)房車輛出車總油擁擠出車指標(biāo)總公里數(shù)距離時(shí)間存量數(shù)次數(shù)耗程度種類0.2340.4680.0110.0270.0440.1050.0270.027W0.054273368735510153318376133133依據(jù)多層一致性指標(biāo)的計(jì)算方法(k)C?I?(k)(k)(k)CR(C?I?1,...,C?I?nk1??R?I?(k)(R?I?1(k),...,R?I?(nk)k1

)W)W

(k1)(k1)(3)利用上邊求得的各個(gè)層次的一致性比率，獲得C?I?(3)0.0320.1，切合遞階層次結(jié)構(gòu)在3層水平以上的所有判斷擁有整體滿意一致性的標(biāo)準(zhǔn)，即所得的排序權(quán)重向量是合理的。二、運(yùn)貨方案評(píng)論指標(biāo)的量化因?yàn)楦髟u(píng)論指標(biāo)單位不一樣，難于一致，我們采納分項(xiàng)計(jì)分制，并在計(jì)算總分時(shí)利用向量的單位化將單位一致，進(jìn)而求得該待評(píng)論方案的總分。向量單位化的公式以下：RjRj（4）HjRjCj此中RjRj,RjR2j1R2j2R2jn，是n維向量Rj的長(zhǎng)度。詳細(xì)的評(píng)分細(xì)則以下：1、用戶利益部分用戶部分采納罰函數(shù)進(jìn)行計(jì)算。罰函數(shù)將有拘束最優(yōu)化問(wèn)題轉(zhuǎn)變?yōu)榍蠼鉄o(wú)拘束最優(yōu)化問(wèn)題:此中M為足夠大的正數(shù),起"處罰"作用,稱之為罰因子,F(x,M)稱為罰函數(shù).即在規(guī)準(zhǔn)時(shí)間（本辦理解為一個(gè)訂貨周期內(nèi)）收到貨則用戶滿意度為1，記一分，高出規(guī)準(zhǔn)時(shí)間后滿意度遞減。罰函數(shù)定義為t<=tt>t

0（5）0(tt0)/卸貨點(diǎn)e距用戶實(shí)質(zhì)地點(diǎn)距離總和每一米記一分。、公司部分公司效益部分相同采納計(jì)分制。庫(kù)房存貨量方面，以產(chǎn)品件數(shù)為單位，庫(kù)房每存有一件存貨，記一分。擁有車輛數(shù)方面，公司每擁有一輛貨車（不論是什么型號(hào)的貨車），記一分。出車次數(shù)方面，公司每派出一輛送貨車記一次分，大貨車記三分，中貨車記兩分，小貨車記一分?？傆秃姆矫?，因?yàn)榭傂谐炭砷g接表示總油耗，故大貨車每行駛一公里記四分，中貨車每行駛一公里計(jì)二分，小貨車每行駛一公里計(jì)一分。3、社會(huì)效益部分社會(huì)效益部分相同采納計(jì)分制。鑒于貨車行駛會(huì)耗費(fèi)能源，排放尾氣，造成擁擠，而運(yùn)輸公司擁有的車數(shù)越多，城市交通擁擠越嚴(yán)重。故在車數(shù)方面，公司每擁有一輛貨車記一分。而大貨車對(duì)環(huán)境造成的損壞最大，所以在出車種類方面，每動(dòng)用一次大貨車計(jì)五分，中貨車記三分，小貨車記一分。`大貨車每行駛一公里計(jì)四分，中貨車每行駛一公里記二分，小貨車記一分。依據(jù)上述評(píng)分規(guī)則計(jì)算出分項(xiàng)得分，將分項(xiàng)得分歸一化后乘以各分項(xiàng)權(quán)重值即得總分，總分越低則方案的整體合理度最高。由此，我們可算出任何一個(gè)配送方案的合理度，進(jìn)而比較得出最優(yōu)的配送方案。根據(jù)各指標(biāo)的權(quán)重能夠獲得結(jié)論。配送方案設(shè)計(jì)應(yīng)側(cè)重注意車輛調(diào)動(dòng)和總行駛行程最短的問(wèn)題。利用matlab繪制物流網(wǎng)絡(luò)圖圖1某城市物流網(wǎng)絡(luò)圖注：此中藍(lán)色線條代表可行駛的物流道路，黑色標(biāo)志代表所有的用戶地點(diǎn)，紅色標(biāo)志為配送中心的地點(diǎn)。從圖中能夠看出，該城市的配送中心位于城市的西北部，且西北部的用戶密集，交通發(fā)達(dá)，為市中心鬧市里。而東南部用戶和道路稀少，為市郊。在分派車輛時(shí)應(yīng)試慮這些問(wèn)題。利用雷達(dá)圖切割法給用戶地點(diǎn)大略分區(qū)數(shù)據(jù)預(yù)辦理：在MicrosoftExcel工作表中將根源于該城市的用戶地點(diǎn)中的信息進(jìn)行整理，計(jì)算出各點(diǎn)對(duì)于配送中心的方向角和距離。以配送中心的地點(diǎn)（x0，y0）為圓心，利用各用戶地點(diǎn)的坐標(biāo)(xi，yi)，算出它們相對(duì)于配送中心地點(diǎn)(107.972554615162,26.6060305362822)的方向角θ和距離L。當(dāng)xi>107.972554615162時(shí)，當(dāng)xi<107.972554615162,yi>26.6060305362822時(shí)，+180

o當(dāng)xi<107.972554615162,yi<26.6060305362822時(shí)，-180

o

（6）（7）(i=1,2,316764)察看該城市物流網(wǎng)絡(luò)，我們發(fā)現(xiàn)，我們能夠經(jīng)過(guò)雷達(dá)圖切割法將用戶地點(diǎn)分為100個(gè)目標(biāo)地區(qū)，分別計(jì)算每區(qū)的貨車數(shù)目以及貨車行駛路線。雷達(dá)切割法：以配送中心為圓心，依據(jù)各用戶地點(diǎn)到配送中心的距離和方向角將其分派到不一樣的地區(qū)里。此過(guò)程在excel中利用函數(shù)計(jì)算以及挑選功能實(shí)現(xiàn)。我們規(guī)定經(jīng)過(guò)角度將圖形分為20個(gè)兼顧區(qū),經(jīng)過(guò)半徑將每個(gè)兼顧區(qū)分為5個(gè)二級(jí)子地區(qū)。兼顧區(qū)的標(biāo)號(hào)見(jiàn)下頁(yè)。圖2用戶地點(diǎn)切割圖FDEDGDDHGCBIGJGKGLGSG地區(qū)N1MGRGNGQGOGPG確立每個(gè)地區(qū)的車次

?TG在execl中對(duì)數(shù)據(jù)進(jìn)行整合，可知每個(gè)兼顧區(qū)的每天的訂貨量。結(jié)果以下表。表6各地區(qū)需貨量確立某個(gè)地區(qū)內(nèi)卸貨點(diǎn)的地點(diǎn)為了安排該城市的配送方案，我們需要知道每個(gè)地區(qū)貨車的需求量（車次）以及貨車的最正確行駛路線，即找到使行駛總路線最短的方法，這顯然是一個(gè)圖論的問(wèn)題。接下來(lái)，我們針對(duì)某個(gè)地區(qū)的狀況做進(jìn)一步的剖析。我們選定圖中紫色地區(qū)即地區(qū)N1進(jìn)行剖析。地區(qū)N1中包含的用戶地點(diǎn)見(jiàn)附表一。此中共包含112個(gè)用戶。一、聚類剖析[3]確立卸貨點(diǎn)覆蓋地區(qū)第一。我們采納相鄰用戶去同一卸貨點(diǎn)取貨的方式（臨時(shí)不考慮卸貨點(diǎn)需要租用地點(diǎn)和工作人員看守的事宜，直接由貨車司機(jī)看守等候用戶取貨），利用聚類剖析的原理確立7個(gè)卸貨點(diǎn)覆蓋地區(qū)。聚類剖析是研究怎樣對(duì)指標(biāo)或樣本進(jìn)行分類的一種多元統(tǒng)計(jì)剖析方法。描繪變量之間親疏關(guān)系的統(tǒng)計(jì)量有好多，當(dāng)前應(yīng)用最多的是距離和相像系數(shù)。研究樣本或變量的親疏程度的數(shù)目指標(biāo)有兩種，一種叫相像系數(shù)，性質(zhì)越靠近的變量或樣本，它們的相像系數(shù)越靠近于1或-l，而相互沒(méi)關(guān)的變量或樣品它們的相像系數(shù)則越靠近于0，相像的為一類，不相像的為不一樣類；另一種叫距離，它是將每一個(gè)樣品看作p維空間的一個(gè)點(diǎn)，并用某種胸懷丈量點(diǎn)與點(diǎn)之間的距離，距離較近的歸為一類，距離較遠(yuǎn)的點(diǎn)應(yīng)屬于不一樣的類。定義距離的準(zhǔn)則假如用dij表示第i個(gè)樣品和第j個(gè)樣品之間的距離，那么對(duì)全部i，j和k，dij應(yīng)該知足以下四個(gè)條件：①當(dāng)且僅當(dāng)i=j時(shí)，dij=0dij>0③dij=dji（對(duì)稱性）④dij≤dik+dkj（三角不等式）2.Euclidian距離歐氏距離（Euclideandistance）也稱歐幾里得距離是一個(gè)往常采納的距離定義，它是在m維空間中兩個(gè)點(diǎn)之間的真切距離。在二維和三維空間中的歐式距離的就是兩點(diǎn)之間的距離，二維的公式是d=sqrt(x1-x2)^2+(y1-y2)^2)（8）轉(zhuǎn)變?yōu)榇祟}中的經(jīng)緯度計(jì)算為：（9）i,j=1,2,3112）此中i,j為兩個(gè)不一樣的用戶地點(diǎn)，Dij為ij兩個(gè)用戶地點(diǎn)之間的距離。在matlab詳細(xì)結(jié)構(gòu)詳見(jiàn)

中將距離鄰近的點(diǎn)聚類，將地區(qū)①中的excel表格。

112個(gè)用戶分別到

7個(gè)地區(qū)中。二、精準(zhǔn)重心法[4]確立卸貨點(diǎn)地點(diǎn)重心法是將物流系統(tǒng)的需求點(diǎn)當(dāng)作是散布在某一平面范圍內(nèi)的物系統(tǒng)統(tǒng)，各點(diǎn)的需求量和資源量分別當(dāng)作是物體的重量，物系統(tǒng)統(tǒng)的重心將作為物流網(wǎng)點(diǎn)的最正確設(shè)置點(diǎn)，利用確立物體中心的方法來(lái)確立物流網(wǎng)點(diǎn)的地點(diǎn)。此題中我們希望每個(gè)卸貨點(diǎn)地區(qū)中，卸貨點(diǎn)到所實(shí)用戶地點(diǎn)的距離之和D總最短。Dij{[111*(xixj)]2[111*cos*(yiyj)]2}D總=（10）注：(xi,yi)為每個(gè)用戶的地點(diǎn)，（xs,ys）為卸貨點(diǎn)地點(diǎn)，n為該卸貨點(diǎn)覆蓋地區(qū)的用戶數(shù)量。精準(zhǔn)中心法目標(biāo)函數(shù)為雙變量系統(tǒng)，分別對(duì)xS和yS求偏導(dǎo)，并令島數(shù)為零，求得隱含最優(yōu)解的等式為：n1/2[(xixs)2(yiys)2]i1（11）（12）（13）一、Excel規(guī)劃求解在Excel中輸入數(shù)據(jù)，而且假定原點(diǎn)坐標(biāo)為（1，1），以覆蓋區(qū)3為例，在K1中輸入“=SQRT((111*($B$1-B9))^2+(99.25*($C$1-C9))^2)”，并將右下角的十字光標(biāo)下拉復(fù)制公式。規(guī)劃求解，利用excel工具欄中的加載宏“規(guī)劃求解”，對(duì)卸貨點(diǎn)地點(diǎn)進(jìn)行迭代，獲得最正確卸貨點(diǎn)地點(diǎn)。第100次迭代求得卸貨點(diǎn)坐標(biāo)為（107.8923,26.37949），此時(shí)總行程為2.12666KM。七個(gè)卸貨點(diǎn)均用此方法算出最正確地點(diǎn)，并計(jì)算出每個(gè)卸貨點(diǎn)每天的需貨量，圖下表所示。表7卸貨點(diǎn)信息表卸貨點(diǎn)緯度經(jīng)度周一貨量周二貨量周四貨量共計(jì)23107.892301526.3794931022802286107.856424926.303978290700707107.826923526.28442958402100250共計(jì)1904767264883由此可知一周以內(nèi)該地區(qū)總合需要4883箱貨物，依據(jù)計(jì)算我們可知一輛小型貨車一周來(lái)回一次(一個(gè)車次)即可知足運(yùn)貨需求，而且小型貨車在市里行駛靈巧，減少交通污染。假如貨車走完該地區(qū)用時(shí)遠(yuǎn)小于8小時(shí)，則回到出發(fā)點(diǎn)后進(jìn)行其余地區(qū)的運(yùn)貨任務(wù)（相當(dāng)于此外一輛車）。接下來(lái)我們只需確立貨車在一個(gè)地區(qū)的最短行駛路線即可。運(yùn)用Floyd算法[5]確立每?jī)蓚€(gè)卸貨點(diǎn)之間的最短距離要給出將貨物送到七個(gè)卸貨點(diǎn)并返回的最短路線，我們將卸貨點(diǎn)之間的距離求出。利用圖論中的Floyd算法和哈密爾頓圈求解來(lái)回最短路線問(wèn)題，在matlab中能夠得出它的最正確路線和最短行程。第一，我們繪制用戶地點(diǎn)、卸貨點(diǎn)以及其鄰近交通道路的圖像，如圖3所示。圖3卸貨點(diǎn)地點(diǎn)圖由圖可知，卸貨點(diǎn)均選在用戶密集的地址，即卸貨點(diǎn)選擇正確。而后，我們需要利用Floyd算法，計(jì)算每?jī)牲c(diǎn)之間的最短距離。Floyd算法是一種用于找尋給定的加權(quán)圖中極點(diǎn)間最短路徑的算法。我們能夠經(jīng)過(guò)一個(gè)圖的權(quán)值矩陣求出它的每?jī)牲c(diǎn)間的最短路徑矩陣。從圖的帶權(quán)毗鄰矩陣A=[a(i,j)]n×n開(kāi)始，遞歸地進(jìn)行n次更新，即由矩陣D(0)=A，按一個(gè)公式，結(jié)構(gòu)出矩陣D(1)；又用相同地公式由D(1)結(jié)構(gòu)出D(2)；；最后又用相同的公式由D(n-1)結(jié)構(gòu)出矩陣D(n)。矩陣D(n)的i行j列元素即是i號(hào)極點(diǎn)到j(luò)號(hào)極點(diǎn)的最短路徑長(zhǎng)度，稱D(n)為圖的距離矩陣，同時(shí)還可引入一個(gè)后繼節(jié)點(diǎn)矩陣path來(lái)記錄兩點(diǎn)間的最短路徑。為了簡(jiǎn)易計(jì)算，我們找尋離卸貨點(diǎn)近來(lái)的公路節(jié)點(diǎn)作為“真切卸貨點(diǎn)”，由此可知卸貨點(diǎn)之間經(jīng)歷的公路編號(hào)和ID。進(jìn)而我們能夠知道七個(gè)卸貨點(diǎn)之間的最短距離，注意此距離并不是是卸貨點(diǎn)間直線距離，而是經(jīng)過(guò)floyd算法而獲得的公路折線距離。比如卸貨點(diǎn)1到卸貨點(diǎn)2之間的最短距離為KM，此間一次經(jīng)歷的公路編號(hào)為：①12105119071295612204142451427214271142701426914268詳細(xì)情14259況以下表14266所示。②表8卸貨點(diǎn)間距表起點(diǎn)終點(diǎn)距離（KM）0122.209580224.290470324.361570428.184460533.595560632.580550735.66729123.4583141329.60301146.1924211544.337311616.658421720.347852325.14470242.7341072532.623842613.20012716.889543422.410593523.989463611.94460378.2551604529.889734610.465994714.465995619.423745715.73430673.689438哈密爾頓圈[6]模型求解貨車最短行駛路線送貨員要將貨物送到七個(gè)卸貨點(diǎn)（加上配送中心共八個(gè)點(diǎn)）并返回，即經(jīng)過(guò)此中每一個(gè)點(diǎn)恰好形成一個(gè)圈。對(duì)于這類狀況設(shè)計(jì)它的最短路線問(wèn)題，我們成立哈密爾頓圈模型。哈密頓圖（Hamiltonianpath）是一個(gè)無(wú)向圖，由天文學(xué)家哈密頓提出，由指定的起點(diǎn)前去指定的終點(diǎn)，途中經(jīng)過(guò)所有其余節(jié)點(diǎn)且只經(jīng)過(guò)一次。在圖論中是指含有哈密頓回路的圖，閉合的哈密頓路徑稱作哈密頓回路，含有圖中所有頂?shù)穆窂椒Q作哈密頓路徑。一、對(duì)于這一模型我們開(kāi)始要畫出8個(gè)點(diǎn)的坐標(biāo)圖，聯(lián)合圖形便于模型的求解和優(yōu)化。圖4地區(qū)①送貨地址的坐標(biāo)圖425二、任取初始哈密頓回路:C1[12345678];對(duì)所有的i，j，1i1jn，若W(Vi,Vj)W(Vi1,Vj1)W(Vi,Vi1)W(Vj,Vj1)，則在C1中刪去邊Vi,Vi1和Vj,Vj1而插入新邊Vi,Vj和Vi1,Vj1，形成新的H圈C，即C[V1,V2,V3Vi,Vj,Vj1,Vi1,Vj1,Vn]，1對(duì)C重復(fù)這一步驟，直到條件不知足為止，V聯(lián)合圖一的路線圖察看，進(jìn)而進(jìn)行優(yōu)化，使用這類方法，借助matlab編程使用迭代的方法能夠求出它的最優(yōu)路徑（見(jiàn)附錄程序）。綜合上述方法，可求：最短路線：812467538最短行程：84.4332KM。最短運(yùn)貨用時(shí)為2.11小時(shí)。圖5地區(qū)①貨物的最正確路線圖設(shè)計(jì)車輛調(diào)動(dòng)方案上述，我們已經(jīng)解決了某個(gè)地區(qū)的供貨方式和行駛路徑問(wèn)題，以下我們做出整體的配送方案。1.依據(jù)貨物的每天和每周的需求量，我們做以下安排，當(dāng)當(dāng)天運(yùn)送量Q遠(yuǎn)小于一輛貨車的載貨量（5180箱）的，由相鄰地區(qū)安排貨車同時(shí)運(yùn)送兩個(gè)地區(qū)的貨物或許積壓貨物到一周以內(nèi)運(yùn)送，我們其余狀況則為一個(gè)地區(qū)獨(dú)自安排車次M，保證貨物趕快送到。粗拙模型時(shí)，貨物運(yùn)送采納一周兼顧的方式。M=Q/5180(四舍五入)（14）2..車次不代表安排貨車的數(shù)目，同一輛貨車一天能夠走多個(gè)車次。每天貨車行駛車次N需要依據(jù)計(jì)算貨車行走某一路線（一個(gè)車次）所需的時(shí)間T來(lái)設(shè)定。已知司機(jī)每天工作八小時(shí)。N=8/T(取整法)（15）貨車數(shù)目確立后，則可分別安排每輛車的負(fù)責(zé)地區(qū)，盡量保證幾輛車的行駛時(shí)間和行駛車次相等。表9各地區(qū)車次安排周1車周2車周3車周4車周5車周6車周總車地區(qū)任一天次次次次次次次A443400015B00011002C21101005D22221009E01101003F10011003G11001003H01000001I01000001J01010002K01201002L21120006M00110002N10010002O01101003P12010004Q23121009R521510014S323140013T432310013共計(jì)282719251500112一、粗拙模型、經(jīng)過(guò)步驟我們已知每個(gè)地區(qū)所需的車次數(shù)目，以及總車次數(shù)為112。依據(jù)以上結(jié)果，近來(lái)的地區(qū)出一個(gè)車次需要2.11小時(shí)，我們近似預(yù)計(jì)行駛一個(gè)車次均勻需要的時(shí)間為4小時(shí)。按每個(gè)司機(jī)每天行駛8小時(shí)，每天行駛2個(gè)車次，則每輛車一周能夠行駛16個(gè)車次計(jì)算，需要7輛車分送所有的貨物。進(jìn)一步考慮到貨車到卸貨點(diǎn)卸貨花銷的時(shí)間，貨車維修和司機(jī)輪休的影響，我們安排15輛車來(lái)進(jìn)行運(yùn)送。將圖中20個(gè)兼顧區(qū)分為5部分，每3輛貨車分管一個(gè)部分，均勻送貨，詳細(xì)狀況參照步驟中的車次表。2、若所有貨物都一定當(dāng)天送到，則不論貨物多少都要出車，仍按每輛車一天行駛2個(gè)車次計(jì)算，表中給出周一最忙碌需要出28個(gè)車次，即公司要安排14輛車。能夠看出以前我們安排總合15輛車的計(jì)劃是合理的。二、最后配送方案下邊給出車輛的詳細(xì)較優(yōu)調(diào)動(dòng)方法和運(yùn)輸公司所需擁有的最少車數(shù)。因?yàn)閷?duì)所有給定地區(qū)內(nèi)的所有點(diǎn)進(jìn)行優(yōu)化兼顧過(guò)于繁瑣，但假如只考慮全局中的一小塊又會(huì)失掉兼顧規(guī)劃的意義，為此我們對(duì)題目給定范圍進(jìn)行扇形分區(qū)?？偤蠀^(qū)分為10個(gè)地區(qū)。則對(duì)于每一塊地區(qū)，其總的貨物需求量為它所包含的所實(shí)用戶的貨物需求量之和。貨物由配送中心運(yùn)至該地區(qū)的均勻時(shí)間因?yàn)榭紤]到用戶利益優(yōu)先，最遠(yuǎn)點(diǎn)保證送到的原則，定為到此中較遠(yuǎn)點(diǎn)的距離。則有配送中心分別到各地區(qū)所需要的時(shí)間和各地區(qū)的貨物需求量以下表：表10配送狀況表地區(qū)ABCDEFGHIJ到貨8h8h5h4.4h2.3h3.5h3.5h4h6.5h8h時(shí)間需求7410053706123041316974774088714439332301021111586量件件件件件件件件9件1件優(yōu)化調(diào)動(dòng)方案所要達(dá)到的目標(biāo)是所需的車輛數(shù)最少，所需發(fā)車的車次數(shù)最少。車輛的總閑置時(shí)間最少，以及車輛的總節(jié)余可載貨空間最少。經(jīng)多次試驗(yàn)（窮舉法）獲得一種較優(yōu)的調(diào)動(dòng)方案，見(jiàn)下表：表11調(diào)動(dòng)方案表禮拜目的地禮拜一禮拜二禮拜三禮拜四禮拜五禮拜六禮拜日車輛小車1F,HF,HF,HF,CBH,HB小車2BBBBBBB小車3JJJJJJJ小車4JJJJJJJ小車5JJJJJJJ小車6IIIIIIJ小車7IIIIIIJ小車8IIIIIIA中車1B,ED,GD,GC,FF,HII大車1AAAAAAA經(jīng)剖析知此方案所有車輛均沒(méi)有閑置時(shí)間，車輛總數(shù)僅需10輛，總的節(jié)余可載貨量?jī)H有4000件左右，發(fā)車次數(shù)也僅有80車次，是一種較優(yōu)的調(diào)動(dòng)方案。5.2對(duì)問(wèn)題二的求解問(wèn)題二中，我們需要在原圖中再布置5個(gè)配送中心，進(jìn)而使配送更快捷，服務(wù)更優(yōu)化，使目標(biāo)函數(shù)獲得最優(yōu)解。確立八個(gè)待定的配送中心坐標(biāo)第一我們利用excel對(duì)數(shù)據(jù)進(jìn)行歸并，利用經(jīng)緯度切割的方法，使16764個(gè)用戶位置聚合到100個(gè)用戶聚合點(diǎn)（每個(gè)地區(qū)的中心地點(diǎn)）。并用三維圖進(jìn)行表示，此中坐標(biāo)x,y代表100點(diǎn)的經(jīng)緯度，坐標(biāo)z表示某個(gè)點(diǎn)的貨物總需求量，以下列圖所示。圖6用戶需求三維圖從圖中能夠看出，有顯然的貨物量突出的部分，為貨物緊需地區(qū)。我們利用matlab挑選出局部最長(zhǎng)處，給出八個(gè)待定的配送中心地點(diǎn)，即需要從這八個(gè)點(diǎn)中進(jìn)行選擇。八個(gè)待定配送中心的地點(diǎn)以下：表10待定點(diǎn)信息待定點(diǎn)編號(hào)經(jīng)度緯度1107.791497226.224783552108.198075826.223576263108.056801526.717164454108.67965126.96689015108.689218525.97394826109.211669326.895898637109.174977326.16367028107.75715826.65597414在matlab中繪制二維圖能夠看出八個(gè)待定點(diǎn)的地點(diǎn)以下：圖7待定點(diǎn)方向圖選定最后的配送中心地點(diǎn)和配送范圍我們此刻要做的工作是在8個(gè)待定點(diǎn)中確立5個(gè)最后要選用的配送中心地點(diǎn)并為各配送網(wǎng)點(diǎn)區(qū)分派送范圍。顯然能夠看出，這是一個(gè)多韋伯問(wèn)題[7]（multi-Weberproblem）,它既包含用戶的分派，又包含設(shè)備在空間上的定位，所以往常又把設(shè)備定位問(wèn)題稱為設(shè)備定位分派問(wèn)題。設(shè)備定位問(wèn)題是指在空間上找尋適合的設(shè)備布局，使用戶與設(shè)備互相作用的花費(fèi)知足某一準(zhǔn)則的問(wèn)題，共有18種準(zhǔn)則，但最常用有三種準(zhǔn)則，即“總和最小化”（MinSum）準(zhǔn)則、“最大最小化”（Maxmin）準(zhǔn)則和“最小最大化”（Minmax）準(zhǔn)則。設(shè)備定位問(wèn)題又有單設(shè)備定位問(wèn)題和多設(shè)備定位問(wèn)題。此題為多設(shè)備定位問(wèn)題。為了簡(jiǎn)化問(wèn)題，我們利用第一步中聚合的100個(gè)用戶聚合點(diǎn)取代實(shí)質(zhì)的用戶地點(diǎn)。一、問(wèn)題簡(jiǎn)化為：有5個(gè)配送中心的需要選址，有100個(gè)已知地點(diǎn)的用戶分派給不一樣的配送中心，每個(gè)用戶需求的為aj,j=1,2,n。我們需要找到①配送中心的地點(diǎn)（選址）②顧客對(duì)配送中心的分派使顧客和服務(wù)他們的配送中心的距離之和最短。同時(shí)考慮配送中心應(yīng)當(dāng)離用戶需求量大的地方近一些。二、我們用0-1規(guī)劃來(lái)解決這個(gè)問(wèn)題設(shè)配送中心Pi坐標(biāo)為(xi,yi)(i=1,2,36)（包含了原有的配送中心P6），用戶Rj坐標(biāo)為（vj,uj）(j=1,2,3100),每個(gè)用戶的需求量為wj，配送點(diǎn)i能否對(duì)用戶j服務(wù)為zij，值為1表示服務(wù)，0表示不服務(wù)。1006目標(biāo)函數(shù)Minf(xixj)2+(yiyj)2wjzijj1i16zij1j=1,2,3,100(16)i1zij=0或1此問(wèn)題為非線性0-1規(guī)劃問(wèn)題，不易求解，所以我們將配送中心的可能地點(diǎn)定在備選的八個(gè)待定點(diǎn)上。我們計(jì)算出用戶Rj到配送中心Pi的距離為dij，。從頭設(shè)定用戶Rj坐標(biāo)為（vj,uj）(j=1,2,3100),每個(gè)用戶的需求量為wj，配送點(diǎn)i能否對(duì)用戶j服務(wù)為zij，值為1表示服務(wù)，0表示不服務(wù)。si表示能否在i點(diǎn)建立配送中心。則模型簡(jiǎn)化為：1009目標(biāo)函數(shù)Minf1dijwjzijj1i19zij1j=1,2,3,100i1(17)zij=0或1si=0或1運(yùn)算過(guò)程見(jiàn)附錄程序，結(jié)果見(jiàn)下表：表11配送中心地點(diǎn)信息配送中心編號(hào)經(jīng)度緯度3108.056801526.717164454108.67965126.96689015108.689218525.97394826109.211669326.895898637109.174977326.1636702原107.97255461516226.6060305362822同時(shí)我們也知道了各個(gè)配送中心的配送范圍，因?yàn)槲覀兪怯?00個(gè)聚合點(diǎn)取代的所有用戶地點(diǎn)進(jìn)行計(jì)算，所以范圍在圖中的表示是網(wǎng)格狀的，詳細(xì)狀況見(jiàn)下列圖：圖11配送網(wǎng)點(diǎn)配送范圍區(qū)分結(jié)論：各個(gè)配送中心的地點(diǎn)較為分別，近似均勻的區(qū)分了圖中所有的用戶地點(diǎn)點(diǎn)，且用戶相對(duì)密集的地方配送中心比較密集。同時(shí)，本模型將“距離*需求量”作為0-1規(guī)劃的權(quán)重，綜合考慮了這兩個(gè)指標(biāo)，全面地剖析了模型。所以本模型合理。六、模型推行在基本模型中我們只考慮了所有車輛一次只對(duì)一個(gè)地區(qū)服務(wù)的狀況。假如大、中、小型貨車同時(shí)使用，則使模型更為復(fù)雜。可能一輛大貨車能夠一次性運(yùn)送幾個(gè)區(qū)的貨物，則貨車路徑需要從頭設(shè)計(jì)。貨車調(diào)動(dòng)表也更為復(fù)雜。已知：大型貨車：長(zhǎng)：6M寬：2.0M高:2.7M滿載量：182852箱中型貨車：長(zhǎng)：5M寬：1.9M高:1.9M滿載量：9576箱小型貨車：長(zhǎng)：3M寬：1.8M高:1.8M滿載量：6800箱實(shí)質(zhì)狀況中要將貨物在指準(zhǔn)時(shí)間送到指定地址，我們會(huì)考慮指準(zhǔn)時(shí)間早的先送貨物，后送指準(zhǔn)時(shí)間比較晚的?；A(chǔ)這樣的考慮問(wèn)題的方向，我們將貨物送貨時(shí)間和送到地址進(jìn)行分塊分組。因?yàn)閿?shù)據(jù)量巨大，我們能夠采納局部最優(yōu)、模擬退火法和遺傳算法計(jì)算出每一塊中貨物送到點(diǎn)的路線，求出此中耗時(shí)最短的路線即最短行程和最短時(shí)間。設(shè)計(jì)出送貨員將貨物所有送到指定地址并返回的路線時(shí)，送貨員有要半途返回取貨的可能性。所以我們我們能夠?qū)⑺拓泦T的送貨地區(qū)的路線分為四條支路。聯(lián)合這一狀況，我們考慮到圖論中的最小生成樹(shù)。因?yàn)樽钚∩蓸?shù)能夠解決連線問(wèn)題，而設(shè)計(jì)路線就屬于連線問(wèn)題。對(duì)于多個(gè)送貨地址，送貨員的線路比許多，所以我們采納Prim算法結(jié)構(gòu)最小生成樹(shù)。依據(jù)最小生成樹(shù)，將送貨員的送貨地區(qū)區(qū)分為四組，進(jìn)而得出它們的最正確路線。對(duì)于這樣的模型，我們能夠推行到飛機(jī)送貨路線，輪船運(yùn)輸?shù)葐?wèn)題。七、模型查驗(yàn)7.1層次剖析法的查驗(yàn)因?yàn)榇祟}的數(shù)據(jù)量，未能做出整個(gè)城市完好的模型，沒(méi)法對(duì)模型進(jìn)行合理度的計(jì)算。所以我們利用matlab隨機(jī)生成3個(gè)矩陣，查驗(yàn)層次剖析法的9個(gè)權(quán)重設(shè)置的合理性，證明該方法的正確性。查驗(yàn)生成的隨機(jī)值以下：取貨距到貨時(shí)庫(kù)房存出車次大車數(shù)中車數(shù)小車數(shù)總行程離間貨量數(shù)60233707922151068908則依據(jù)計(jì)分標(biāo)準(zhǔn)可計(jì)算出各分項(xiàng)得分以下：取貨距到貨時(shí)庫(kù)房存公司車出車次

總里程車總數(shù)車種類總油耗離間貨量數(shù)數(shù)歸一化后所得的分項(xiàng)得分以下：取貨距到貨時(shí)庫(kù)房存公司車出車次總里程車總數(shù)車種類總油耗離間貨量數(shù)數(shù)0.46310.56170.60330.60330.57320.60330.61200.5732003670210727030758030.70040.75550.42580.59320.58540.42580.36270.5854126142676472946401940.54300.33700.67420.53290.57320.67420.70270.573208369736853967853367則方案的總得分以下：方案號(hào)方案一方案二方案三得分0.2826110.4888560.158854故知方案二最優(yōu)。由此可知，當(dāng)所有點(diǎn)的信息已知時(shí)，我們相同能夠用此方法例劃出較優(yōu)的配送方案。7.2Excel規(guī)劃求解精準(zhǔn)重心法的查驗(yàn)與剖析此中一個(gè)卸貨點(diǎn)求解的剖析報(bào)告以下列圖所示。八、模型的評(píng)論7.1模型的長(zhǎng)處1）充分利用Excel對(duì)特別錯(cuò)亂的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)辦理，為模型的成立確立了基礎(chǔ)。2）運(yùn)用表格和圖像相聯(lián)合，對(duì)于結(jié)果的剖析更為清楚，使圖論問(wèn)題的解答更為了然。3）數(shù)學(xué)軟件MATLAB的運(yùn)用提升了卻果的可行度，數(shù)據(jù)更為精準(zhǔn)。4）多方向、多角度聯(lián)系實(shí)質(zhì)狀況對(duì)于模型進(jìn)行運(yùn)用，層次剖析法時(shí)和車輛調(diào)動(dòng)時(shí)考慮了用戶、公司、社會(huì)多方的利益。7.2模型的弊端1）此題對(duì)數(shù)據(jù)依靠性比較大，不過(guò)依據(jù)題中所給數(shù)據(jù)做了一個(gè)理想化的模型，可能與實(shí)質(zhì)不相符合。2）題目信息錯(cuò)亂，數(shù)據(jù)可信度不是很精準(zhǔn)，所以對(duì)現(xiàn)實(shí)的展望結(jié)論存在限制性。3）此題數(shù)據(jù)量巨大，我們利用了簡(jiǎn)化和聚合的方法，可能使結(jié)果不是實(shí)質(zhì)中的最優(yōu)化模型。九、參照文件鄧愛(ài)民，王少梅，汪利君，城市物流配送系統(tǒng)優(yōu)化研究[J]，武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，30(3)：481-484，2006。張吉軍，模糊層次剖析法(FAHP)[J]，模糊系統(tǒng)與數(shù)學(xué)，14(2):80-88，2000。高新波，模糊聚類剖析及其應(yīng)用[M]，西安：西安電子科技大學(xué)第一版，2004。[4]朱曉敏，張兆強(qiáng)，喬魏乾，鑒于重心法與物流量展望的物流園區(qū)選址[J]，物流技術(shù)，30(5):88-92，2011。[5]周炳生，F(xiàn)loyd算法的一個(gè)通用程序及在圖論中的應(yīng)用[J]，杭州應(yīng)用工程技術(shù)學(xué)院學(xué)報(bào)，11(3):1-9，1999。Lemon_keakea4，哈密爾頓圖，，。[7]維尼，選址分派問(wèn)題——東大公開(kāi)課，http://wenku.百度.com/view/54b08ecfaa00b52acfc7ca82.html，。十、附錄10.1附表附表1地區(qū)①用戶信息表訂貨客戶代碼經(jīng)度緯度時(shí)間周期方向角與中心距離量26.411220916716107.8852896260165.8699880723.6942676326.411402416715107.8847011250165.7059714823.70268411226.4112546126.411093316698107.88362352100165.4773420723.78335074626.410914516699107.8828464260165.3085168323.83731355526.410735216701107.881957270165.1133928123.89677894126.4106557326.409865516702107.8827721230165.4069488723.94658703826.411261316706107.8796138240164.4902440823.95467068726.410532316707107.880608250164.8114729823.98054989926.42939822048107.8467636426154.5429243824.0699467626.410040416713107.8791273280164.5131469224.100237725426.409800516711107.8777107220264.2041076924.19228944626.42715952061107.8466446216154.8576930624.28038471926.409560716708107.8762377215163.8841705324.28778494426.408299916417107.8779826220264.4388080424.32932967426.407719616709107.8764929230164.1544752424.45908811326.408801816712107.8727602215263.1613623124.53529161126.408086716703107.8693195230262.4562569324.78041866726.407964316700107.8663141240261.7913849624.94840461926.406910716729107.861214250160.78764525.32294326926.392332316415107.88979362100268.8296059525.43724333626.392424316721107.8882977220268.4732630425.48818306126.390659116718107.8900801240269.0461113825.59913629126.390782216719107.888789230268.7360989725.63799338826.388381716717107.8893801220269.0856362925.86299524826.400944416728107.8594007220161.1127761925.99963128426.400595916418107.858632240160.9896805826.07477964526.382155616720107.8923879240270.2982066126.39529775126.399218216726107.8551712250160.4214256326.39611789426.399759316727107.8531945250159.943917726.4531037426.381148916725107.8894949230269.7283583926.61006717726.379536616724107.8923411230270.4982504726.6708989316722107.892863826.3786811270270.6833495826.7411785726.377745016723107.8930046220270.788221926.83411078826.376935316419107.8932127215270.8976267426.9114339526.392212016697107.8400045250458.2044432827.92436648126.388392816694107.8243602225155.748164429.22647915726.386632016696107.8244913230155.98615929.38009868126.385717916695107.8244565220156.0902839529.46640966726.381842116405107.8257411230156.7805523529.74606507126.379163216692107.825105220156.9786361530.03369037326.376557316689107.8237095260157.03100430.3606428726.375567116688107.8205115225156.5860486730.64695562426.3744834326.3718339826.3675214726.307861116686107.8551111210268.5014232935.571643841126.304333316408107.856277825268.9228850235.88949547326.303852216684107.8570292225269.0777105335.9094545726.304333316683107.855583325268.8081471535.91728852326.303555516685107.85625225268.967755735.97117274626.322542416651107.8088048280159.9881988736.33949103326.322460916644107.8088906280160.0083284836.34256852126.322244016407107.808452825459.9610021836.38771571926.3218055626.321692616629107.8081229220159.9593352236.45903543626.320166616658107.80991672100160.3629390736.50689499726.321222216412107.8078889230159.9650731336.5172417216642107.809527826.320252100160.296899436.5202254726.321156516630107.8078719230159.9682387436.52449304726.321066316631107.8080061210159.9963350336.52571525126.321033816643107.8078298210159.9725807636.53862969226.320861116659107.8078313230159.987843436.55514581126.320420416648107.8085747280160.1381858936.55635314326.320776216634107.8078696210260.0009938636.56117571726.320789716632107.8077566220259.9828033536.56615254426.320487116641107.8082579220160.0846269136.5674531726.320573416638107.80784472350160.0148710736.58205863316263107.807626.320682590259.9687758736.5853968626.320732316628107.8074933215159.9481721536.5862949326.320608916637107.8076659240159.9848723936.58857038126.320630516409107.8075783220259.969819136.59135382326.320562616640107.8076853250159.9918214436.59194134226.320638216635107.8075245220159.9610392836.5936027826.320507516654107.8076667250159.9938042736.59827008426.320638816639107.8074167220159.9447704436.5995354916657107.807660826.3204308230159.9995937536.6059709126.320333816645107.8076101215260.0003891136.61810896126.320268816650107.8075784230160.0012576736.62610984816647107.807553226.3201925220160.0040931536.6348529826.319521516633107.80743112300160.0438904936.70613832526.319333216653107.8074165240160.0579857236.72505327726.318736016660107.8073563240160.1005008736.78584365426.318781716646107.8071866230160.0711245236.79083841826.318577416636107.8066874220160.0140400436.8381538826.318722216410107.8056944230159.8532474336.8794696216652107.805861126.31725215160.0050620437.0116217626.316932416656107.8062102215260.0842694537.02281434326.316861116655107.8055278220159.9888868437.06750574126.283972216682107.8585833220270.5119437237.9209225226.323480716731107.7791382120155.6068321738.00746177226.298805516758107.8207222210263.7011466238.03920999626.298666616756107.8204444210263.669822338.06669746726.321618716733107.7797714115255.8693501438321537316732107.7781898115155.6592384638.24494853326.322536516730107.7766696210255.3568036538.24908609726.288805516757107.8259722220265.1994234838.78939213626.286361116760107.8303056220266.0115096838.83784143126.284805516748107.8299444210266.0608232939.01190484626.285333316749107.8275278220265.6663954639.06813366316759107.830635126.2826219220266.3069777439.2026935426.283296716754107.8275177225265.8007925439.27468223526.283833316751107.8262222220265.5738629939.27960606326.293027016668107.8063212120162.0276168939.33924021626.291869516413107.8061322120162.0882114439.46257622626.275777716753107.8274722215266.2837732840.03943793826.274888816761107.8266944230266.2276280940.16451524926.271048716750107.8254696210266.2945103440.60943481710.2編程代碼層次剖析法matlab代碼m=[157;1/512;1/71/21];[d,v]=eig(m)z1=[11/2;21][d,v]=eig(z1)z2=[11/31/41/7;311/21/4;4211/3;7431];[d,v]=eig(z2)z3=[111/2;111/2;221];[d,v]=eig(z3)繪制用戶點(diǎn)與配送中心與路圖matlab代碼clc;closeall;clearall;X=107.972554615162;Y=26.6060305362822;file='D:\test\1.xls';[datatext]=xlsread(file);y=data(:,3);x=data(:,2);plot(x,y,'+k',X,Y,'pr');forn=1:1