5.1 动态性
许多LRP的参数是随时间变化的,如库存费用会随员工的人数、员工的工资水平等因素的变化而变化;运输费用也会因车辆装载情况、油料费用等的改变而改变。所以LRP具有动态性,对动态LRP的研究是有现实意义的。
运筹学理论被认为是解决优化问题十分有效的工具。但是如果实际问题发生变化,就会引起数学模型改变和模型求解程序的改变。对于动态问题,这种连锁反应是时时刻刻都在发生的。因而用传统的运筹学理论解决动态的优化问题会力不从心。其原因是传统的运筹学理论缺乏基于知识的推理机制和处理动态问题的自适应能力。为了克服这一缺陷,八十年代以来国内外学者将人工智能和知识工程理论引入运筹学,开辟了智能运筹学[25, 26]这一新的研究方向。使运筹学由过去的仅能解决静态问题变为可以解决动态问题,它必将有助于动态LRP的求解
5.2 实时调控
在实际情况下,特别是在如今被广泛重视的电子商务物流的实施过程中,商品供货点、运输工具、运输路径和送货时间等需要实时作出决择。这就涉及到实时调控的问题。
近年来,Agent技术发展迅速,Agent具有的自主性、主动性、反应性和智能性为改进基于运筹学知识表示理论的动态问题的实时优化控制系统创造了条件。将Agent技术与运筹学理论有机结合和交叉渗透,必将对最终解决实际规模LRP有决定性的意义。
5.3 随机性
在实践中,物品的供应/需求量、客户点位置、车辆行驶时间等等在很多情况下是不能事先确定的,这些参数就带有随机性。把随机性引入LRP,更有利于解决实际问题。
已经有许多学者对随机性LRP进行了研究,如Laporte等人[29]对供应/需求量不确定的LRP作了探讨。他们提出了一种两阶段算法:第一阶段,在供应/需求量未知的情况下,确定中心位置、运输路线、车队数量;第二阶段,由于一条路线上的供应/需求量有可能超出车辆的装载能力,车辆在某点装满时要返回中心点装货/卸货,然后回到返回点恢复运输,以上的车辆操作产生了惩罚项。为了解决这类问题,引入两种方法:(1)在保证出现车辆返回的概率不小于某一预定值的情况下,确定第一阶段值。(2)在保证由于车辆返回而产生的费用不超过某一预定费用的情况下,确定第一阶段值。这类问题就可以采用整数规划来解决了。
上一页 [1] [2] [3] [4] [5] [6] [7] 下一页