單一物流中心貨物配送模式之研究ppt課件

1、研究流程修正與回饋研究問(wèn)題界定結(jié)論與建議測(cè)試結(jié)果與比較例題測(cè)試發(fā)展研究架構(gòu)演算功能文獻(xiàn)回顧研究動(dòng)機(jī)和目的nnApproaches)n(6)最正確解法(Exact Procedures)n (7)人機(jī)互動(dòng)法(Interactive Optimization)故本研討引入空間分析中集群分析Clustering Analysis的相關(guān)技術(shù)，來(lái)作為VRP的分群求解啟始解方式。Y806040200X706050403020100 12 11 10 9 8 7 6 5 4 3 2 1222120191817161413121110987654321X706050403020100Y706050403020

2、100CLUSTER 5 4 3 2 1 0群聚型隨機(jī)型1. UPGMA (unweighed pair-group method using arithmetic averages) 利用接近值算數(shù)平均數(shù)2. WPGMA (weighed pair-group method using arithmetic averages) 參與了權(quán)重值的計(jì)算3. SLINK (single linkage clustering method) 利用最小接近值4. Clink (complete linkage clustering method ) 利用最大接近值5. Wards minimum var

3、iance method E=(x1-Cmean1)2+(y1-Cmean1)2+.取MIN6. K-means algorithms(Macqueen,1967) 在一群需求(demand)點(diǎn)中找出k個(gè)供應(yīng)(supply)中心的位置使得需求點(diǎn)至供應(yīng)中心的總本錢(qián)最 低(鄒明城 ，2000)7. K-medoid algorithmsg (Vinod,1969) 對(duì)於K-means法容易掉入去最正確解的問(wèn)題加以修正。8. CLARANS(clustering large applications base on randomize search)(Ng and Han,1994)9. DBSCA

4、N (density-based clustering algorithm )(Easter,1996) 以空間分佈的密度為考量發(fā)展求解模10. GDBSCAN(generalized density-based spatial clustering of application with noise)(SANDER et. al,1998) VRP空間群聚求解模組配送以及物流之空間資料庫(kù)車輛及路線的指派物流業(yè)特性分析VRP求解方式分析地理空間分析GIS系統(tǒng)比較其他求解戰(zhàn)略不同空間Pattern分析歸納結(jié)果行車距離的限制No.Problem NameNodesVehicle CapacitySourceCost and Fleet Data#1E-n51-k550160Christofieds & Eilon(1969)採(cǎi)用Christofieds & Eilon(1969)所提出的測(cè)試?yán)}進(jìn)行測(cè)試此結(jié)果為尚未進(jìn)行改善解之初步結(jié)果，未