基于集成定位—运输路线安排问题的废旧家电逆向回收物流网络优化

doi:10.3724/SP.J.1087.2012.02652

计算机应用 ›› 2012, Vol. 32 ›› Issue (09): 2652-2655.DOI: 10.3724/SP.J.1087.2012.02652

基于集成定位—运输路线安排问题的废旧家电逆向回收物流网络优化

张军^*

重庆工商大学电子商务及供应链系统重庆市重点实验室,重庆400067

收稿日期:2012-01-10 修回日期:2012-03-09 发布日期:2012-09-01 出版日期:2012-09-01
通讯作者: 张军
作者简介:张军(1977-),男,重庆人,副教授,博士,主要研究方向:物流系统建模与优化、应急供应链网络优化。
基金资助:
国家社会科学基金资助项目(10XGL013)

Reverse logistic networks optimization of home appliances return based on combined location routing problem

ZHANG Jun^*

Chongqing Key Laboratory of Electronic Commerce and Supply Chain System,Chongqing Technology and Business University,Chongqing 400067,China

Received:2012-01-10 Revised:2012-03-09 Online:2012-09-01 Published:2012-09-01
Contact: Jun ZHANG

摘要/Abstract

摘要： 针对废旧家电逆向回收物流成本高、效益差而导致其回收率低的问题,提出一种应用离散微粒群智能算法优化废旧家电逆向回收物流网络模型的方法。在系统分析废旧家电逆向回收物流网络结构与要素基础上,构建基于集成定位—运输路线安排问题的废旧家电逆向回收物流网络优化模型,引入随机交换序与部分映射交叉(PMX)算子使离散微粒群优化(DPSO)算法具备良好的全局及局部搜索能力,来对该模型进行智能优化与求解。实例仿真结果表明,通过该优化模型及算法得到的全局最优解具有良好的收敛性和有效性;同时,能有效降低废旧家电逆向回收物流运作总成本。

关键词: 家电回收, 离散微粒群优化, 逆向物流网络

Abstract: Concerning the low recovery rate caused by high costs and low margins of the reverse logistics of the waste home appliances, the paper put forward a method which adopted the application of Discrete Particle Swarm Optimization (DPSO) to optimize the reverse logistics network model of the waste home appliances. After analyzing the structure and elements of the reverse logistics network model of the waste home appliances based on integrated location-routing problem, random swap sequence and Partially Mapped Crossover (PMX) operator were introduced to make DPSO possess overall and partial searching ability for intelligently optimizing and solving the model. The simulation results illustrate that the globally optimal solution achieved through this optimization model and algorithm has good convergence and effectiveness, at the same time, it can reduce the total cost of reverse logistics of the waste home appliances effectively.

Key words: home appliances return, Discrete Particle Swarm Optimization (DPSO), reverse logistics network

中图分类号:

TP181

张军. 基于集成定位—运输路线安排问题的废旧家电逆向回收物流网络优化[J]. 计算机应用, 2012, 32(09): 2652-2655.

ZHANG Jun. Reverse logistic networks optimization of home appliances return based on combined location routing problem[J]. Journal of Computer Applications, 2012, 32(09): 2652-2655.

参考文献

[1]马祖军,代颖.产品回收逆向物流网络优化设计模型[J].管理工程学报,2005,19(4):114-117.
[2]狄卫民,胡培.回收物流网络优化设计模糊规划模型[J].中国机械工程,2007,18(23):2840-2843.
[3]秦小辉.废旧电子产品逆向物流网络优化设计研究[D].成都:西南交通大学,2008.
[4]董景峰,王刚,吕民,等.产品回收多级逆向物流网络优化设计模型[J].计算机集成制造系统,2008,14(1):33-38,49.
[5]伍星华,王旭,代应,等.再制造闭环物流网络的多周期优化设计模型[J].计算机集成制造系统,2011,17(9):2015-2021.
[6]KENNEDY J,EBERHART R C.Particle swarm optimization [C]// Proceedings of the IEEE International Conference on Neural Networks.Piscataway,NJ:IEEE Press,1995:1942-1948.
[7]POLI R,KENNEDY J,BLACKWELL T.Particle swarm optimization:An overview [J].Swarm Intelligence,2007,1(1):33-57.
[8]CLERC M.Discrete particle swarm optimization [EB/OL].[2011-10-10].http://clerc.maurice.free.fr/pso/pso_tsp/Discrete_PSO_TSP.htm.
[9]肖健梅,黄有方,李军军,等.基于离散微粒群优化的物流配送车辆路径问题[J].系统工程,2005,23(4):97-100.
[10]潘全科,王凌,高亮.离散微粒群优化算法的研究进展[J].控制与决策,2009,24(10):1441-1449.
[11]王雅琳,王宁,阳春华,等.求解任务分配问题的一种离散微粒群算法[J].中南大学学报:自然科学版,2008,39(3):571-576.
[12]张军,张学尽,杜文,等.基于微粒群算法的城市公交线网模型研究[J].计算机应用研究,2007,30(1):131-132,147.
[13]KASHAN A H,KARIMI B.A discrete particle swarm optimization algorithm for scheduling parallel machines [J].Computers and Industrial Engineering,2008,35(10):3243-3261.
[14]TSENG C T,LIAO C J.A discrete particle swarm optimization algorithm for lot-streaming flowshop scheduling problem [J].European Journal of Operation Research,2008,191(2):360-373.
[15]PAN Q K,WUNG L.No-idle permutation flow shop scheduling based on a hybrid discrete particle swarm optimization algorithm [J].International Journal of Advanced Manufacturing Technology,2008,39(7/8):796-807.

基于集成定位—运输路线安排问题的废旧家电逆向回收物流网络优化

Reverse logistic networks optimization of home appliances return based on combined location routing problem

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	袁勋. 组合结式理论的初步应用[J]. 计算机应用, 2014, 34(1): 175-178.
[2]	陈洪涛肖如良倪友聪杜欣龚平蔡声镇. 融合推荐潜力的个性化趋势预测的混合推荐模型[J]. 计算机应用, 2014, 34(1): 218-221.
[3]	张建朋金鑫陈福才陈鸿昶候颖. 基于近邻传播的分布式数据流聚类算法[J]. 计算机应用, 2013, 33(09): 2477-2481.
[4]	李国柱. 基于云模型的实数编码量子进化算法[J]. 计算机应用, 2013, 33(09): 2550-2552.
[5]	翟嘉胡毅庆徐尔. 用于多分类问题的最小二乘支持向量分类—回归机[J]. 计算机应用, 2013, 33(07): 1894-1897.
[6]	王丽娟郝志峰蔡瑞初温雯. 基于随机取样的选择性K-means聚类融合算法[J]. 计算机应用, 2013, 33(07): 1969-1972.
[7]	赵学武刘广亮程新党冀俊忠. 基于拓扑序列和量子遗传算法的贝叶斯网结构学习[J]. 计算机应用, 2013, 33(06): 1595-1603.
[8]	毛文涛赵中堂贺欢欢. 基于隐特征空间的极限学习机模型选择[J]. 计算机应用, 2013, 33(06): 1600-1603.
[9]	毛文涛赵胜杰张俊娜. 基于主曲线的多输入多输出支持向量机算法[J]. 计算机应用, 2013, 33(05): 1281-1293.
[10]	郑延斌刘晶晶王宁. 基于社会学习机制的改进人工鱼群算法[J]. 计算机应用, 2013, 33(05): 1305-1329.
[11]	张永军刘金岭. 基于特征词的垃圾短信分类器模型[J]. 计算机应用, 2013, 33(05): 1334-1337.
[12]	郑仙花骆炎民. 改进克隆选择算法的收敛性分析[J]. 计算机应用, 2013, 33(03): 810-813.
[13]	王海珍廉佐政滕艳平. 智能办公环境温度控制方法[J]. 计算机应用, 2012, 32(09): 2545-2547.
[14]	张伟柳先辉丁毅史德明. 基于支持向量回归的多时间序列自回归方法[J]. 计算机应用, 2012, 32(09): 2508-2511.
[15]	石陆魁张军宫晓腾. 基于邻域保持的流形学习算法评价模型[J]. 计算机应用, 2012, 32(09): 2516-2519.