电子商务供应链环境下选址——库存问题优化模型与算法研究

《电子商务供应链环境下选址——库存问题优化模型与算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

⑥M—ASTER一'STHE潞硕士学位论文电子商务供应链环境下选址一库存问题优化模型与算法研究论文作者：姚兰指导教师：李延晖教授学科专业：管理科学与工程研究方向：供应链与物流管理华中师范大学信息管理学院2013年5月 ResearchonIntegratedOptimizationModelandAlgorithmforLocation-·InventoryProblemine-SCEnvironmentATheSiSSubmittedinPartialFulfillmentoftheRequirementFortheMasterDegreeinEngineeringYao，LanPostgraduateProgramSchoolofInformationManagementCentralChinaNormalUniversitySupervisor：Li，YanhuiAcademicTide：ProfessorSignature．2竺!竺ApprovedMay,2013 硕士学位论丈MASTER’STHESIS华中师范大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名：＆钯乡日期：沙I’年y月加日学位论文版权使用授权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅：学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释：本学位论文属于保密，在——年解密后适用本授权书。√E保密论文注释：本学位论文不属于保密范围，适用本授权书。作者签名：攻牝至日期：沙117年f月加日导师签名：日期：么1许。厂月乃日本人已经认真阅读“CALLS高校学位论文全文数据库发布章程”，同意将本人的学位论文提交“CALIS高校学位论文全文数据库”中全文发布，并可按“章程”中的脱喜鬈≯募尹燃逝世驾急霸作者签名：次牝≥导师签名：∥t日期：z一，>年1月z—口日日期：沙、坪r月≈日 ⑧硕士学位论文MASTER’STHESIS摘要随着人们环保意识的增强，企业受到经济利益的驱动，使得企业管理者和相关学术领域研究者开始关注与传统供应链相反的物流活动～一逆向物流(reverselogistics)。客户需求不断提高，信息技术、信息系统以及电子商务的发展使得电子商务供应链管理(e．SupplyChainManagement，e．SCM)的思想应运而生。相对于传统商务模式，电子商务活动中的退货现象更为普遍。有效的、包含逆向渠道的闭环物流系统是改善供应链绩效和退货过程的一个关键因素，其为解决网络销售中的退货问题提供必要的物流支撑。由此，物流企业如何在电子商务供应链环境下进行科学的物流系统规划，是当前管理者和学者共同关注的热点话题。在物流系统优化中，配送中心选址和库存控制是两个关键的要素，国内外已有不少学者对由此形成的选址．库存问题的集成物流系统规划开展了卓有成效的研究，但很少有研究将退货渠道引入集成优化的物流系统中，形成闭环物流系统的研究则更少。鉴于此，本文在总结前人物流系统规划研究的基础之上，对电子商务供应链环境下考虑退货的选址库存问题集成优化模型与算法进行研究，并通过算例验证模型及算法的有效性和先进性。本文主要通过五部分内容展开：第一部分本文的研究背景及意义、研究现状，本文的研究内容和主要的创新之处。第二部分主要介绍了算法设计的相关理论及知识。在分析总结前人的研究成果之上，结合具体实际介绍了遗传算法及改进方向，指出了本文的改进思路。第三部分，首先分析e．SC环境下退货问题的特点，然后针对e．SC环境下退货特点建立了考虑无质量问题退货的选址．库存问题模型，通过实数编码，利用遗传算法对模型进行求解。第四部分在上一部分研究的基础上，分析本文所要解决的退货混合质量问题的特点及所满足的约束条件，构建退货混合质量问题的选址一库存问题的优化模型。利用改进的遗传算法对模型进行优化求解，采用标准数据库中的实例对本文算法和传统的遗传算法进行对比分析，验证本文中改进算法的有效性和先进性。第五部分对所做的工作进行总结，并对下一步的研究工作进行展望。关键词：电子商务供应链：逆向物流；选址．库存问题；改进的遗传算法 ⑧硕士学位论文MASTER’STHESISAbstractTheconstructionofresource．．savingandenvironment．．friendlysocietyarousedtheattentionofpeopletoreverselogistics．Thepressurefromenvironment·relatedlawsandregulationsandprofitpurposemakesreverselogisticsbeimportantissuesofthebusinessmanagersandacademicresearchersfocusintherelatedfield．E-SCM(e—SupplyChainManagement)emergedbecauseoftheincreaseofcustomerdemandandthedevelopmentofinformationtechnology,informationsystems，ande-commerce．Studieshaveshownthatreturnpercentageine-commerceishigherthantraditionalbusiness．Effectiveclosed-looplogisticssystem、^，itllreversechannelisakeyfactorinimprovingsupplychainperformanceandreturnprocess，anditprovidesnecessarylogisticssupporttoresolvetheproblemofreturninnetworksales．Thus，howlogisticsenterprisesplanscientificlogisticssystemintheenvironmentofe-SCisthecurrenthotissuethatmanagersandscholarsconcerncommonly．Intheoptimizationofthelogisticssystem，theestablishmentofthedistributioncenterlocationandinventorycontrolarcbothtwokeyelements。Manydomesticandforeignscholarshavedonesomeproductiveresearchonlogisticssystemlocation-inventoryproblemintegratedoptimizationmodelandalgorithm．However，therearefewstudiesonintegratedlogisticssystemoptimizationwithreRlrnchannel，letalonetoformaclosed-looplogisticssystem．Inviewofthis，onthebasisofpreviouslogisticssystemplanningstudies，thispaperdoesresearchonlocation-inventoryproblemwithreturnoptimizationmodelandalgorithmintheenvironmentofe-supplychainintegrationandshowsthevalidityandadvancementofthemodelandalgorithmthroughtheinstancedata．Thispaperismainlydividedintofivesections：section1introducestheresearchbackgroundandthesignificanceoftheresearch，anddescribesoverseasanddomesticresearchstatusassociatedwiththeproblems，summarizestheresearchcontentsandinnovations．Section2mainlyintroducesthetheoryandknowledgeaboutthedesignofalgorithm．Onbasisofanalysisandsummarizingtheresearchachievementsofpredecessors，thispartexplainsgeneticalgorithmanditsimprovementideasintheactualconditionsandpointsouttheimprovementideasofthispaper．Section3firstanalyzes廿lecharacteristicsofthereturnsproblemine-SCenvkonment,andestablisheslocation．inventorymodelconsideringreturn晰t11noqualityproblemaccordingtospecificenvironment．Throughtherealnumbercoding，themodelissolvedbygeneticalgorithm．Basedonsection3，section4analyzesthecharacteristicsofretlJ．rll谢也qualityproblemandtheconstraintconditionsthatneedstomeet，thenbuildslocation—inventoryoptimizationmodelconsideringreturnwimqualityproblemsoftheproblemine-SCII ⑧硕士学位论丈MASTER’STHESISenvironment-。111issectionsolvesthemodelbyimprovedgeneticalgorithmandshowsthevalidityandadvancementoftheimprovedalgorithmthroughcomparativeanalysisofimprovedalgodthmandtraditionalgeneticalgorithmbyusingsanlestandarddatabaseinstance·Section5summarizesthep—orworkdone，andputforwardthesuggesfiononfutureresearchworks．Keywords：Electronicsupplychain；Reverselogistic；Location-inventoryproblem；Improvedgeneticalgodthmiii ⑧硕士学位论文MASTER’STHESIS1．1研究背景及意义1绪论1．1．1研究背景客户需求的多样性和不确定性，全球经济一体化的发展，使得当前企业的市场竞争日趋激烈，已经从企业与企业之间的竞争转变为供应链与供应链之间的竞争，发展电子商务供应链(e-SupplyChainManagement，e-SCM)尸经成为企业建立竞争优势的有效手段。物流系统作为供应链的核心组成部分之一，也需要在组织模式上作出相应的调整和改进。(1)电子商务中退货比例高，要求物流系统考虑退货的情形。在发展电子商务供应链的过程中，供应链的终端客户对于产品的购买提出了更高的要求，所购产品与描述是否相符、卖家的服务态度、发货速度等都是影响消费者购买的因素，而其中退货保障就是企业致胜的关键因素。因此物流网络应具有退货渠道来适应这一现实的市场环境。有研究表明，电子商务比传统商务更容易产生退货，网络销售中的退货比例有时候可高达初始订单的35％[1,zl。相对于传统商务，电子商务的退货渠道也不相同。传统商务中，客户如想要返回产品，只要返回商店退货即可。这种方式显然不完全适用于基于intemet的电子商务。在电子商务供应链中，退货产品如何返回?在哪里对它们进行更新处理(如更换产品、更换包装等)?在考虑了退货商品重新进入销售渠道的时滞性后，如何管理商品的库存?等等，这一系列问题都需要进行统筹考虑。因此，有效的、包含逆向渠道的物流系统是e．SC环境下改善供应链绩效和退货过程的一个关键因素，其为解决网络销售中的退货问题提供必要的物流支撑。(2)集成优化是物流系统优化的发展趋势131，其为提高供应链系统对客户个性化需求的响应能力提供支撑。在物流系统优化中，配送中心选址和库存控制是两个关键的要素，国内外已有不少学者对由此形成的选址库存问题的集成物流系统规划开展了卓有成效的研究，但很少有研究将退货渠道引入集成优化的物流系统中，形成闭环物流系统的研究则更少。鉴于此，本文在总结前人物流系统规划研究的基础之上，研究电子商务供 ⑧硕士学位论文MASTER’STHESIS应链环境下的选址库存问题(Location．InventoryProblem，LIP)，建立考虑退货的选址库存问题优化模型，通过设计有效的启发式算法求解模型，是十分有意义的。本论文的研究受到国家自然科学基金项目(No．：71171093)和(No．：70871050)的资助，属于考虑电子商务供应链环境下的物流系统优化子模块的部分内容。1．1．2研究意义在理论研究上，当前关于物流系统集成优化模型与算法的研究主要集中于两类：一是传统供应链环境下不考虑退货的物流系统集成优化模型与算法，主要集中在选址、库存、路径的两两集成；二是考虑逆向物流的以制造，再制造系统为研究对象的物流系统集成优化模型与算法的研究。针对电子商务供应链的动态闭环物流系统集成优化的研究还非常缺乏。本研究将以能满足电子商务活动要求的动态闭环物流系统作为研究的目标对象，充分考虑电子商务退货商品的属性特征及其面向最终客户开展配送和退货服务的特点，对选址库存模型与算法进行深入系统的研究，从而补充和扩展当前对e-SC和物流系统集成优化的研究领域，也促进了优化理论与技术在这两个研究领域的应用。在企业实践上，发展电子商务和对物流系统进行集成化管理已经成为企业建立竞争优势的有效手段。企业在运用这些先进的管理思想和技术方法时，还有许多亟待解决的科学问题需要理论界予以回答。本研究致力于探索能适应电子商务发展的物流系统集成化管理的模型和算法，并因此为企业通过发展电子商务而获得竞争优势提供可靠的物流保障。在社会效益上，在当前B2B／B2C等电子商务模式得到广泛应用的市场环境下，人们还没有找到一套科学可行的解决电子商务供应链环境下考虑退货选址．库存问题的有效方法和技术，面向终端客户的退货服务缺乏物流支持、总体物流成本高居不下、物流系统缺乏柔性等问题普遍存在，企业的管理者迫切需要学术界对相关问题进行深入系统的研究，这使得本文的研究具有广阔的应用前景。尤其是随着世界经济的一体化，企业注重实施基于服务的全球化经营战略，如海尔、TCL、联想等企业已在海外建立了制造基地，使得这些企业在广泛应用基于intemet的电子商务系统的同时，其供应和销售渠道也大大拉长，相应的设施选址、库存控制的难度也相应的增加。由于本研究的方法和结论具有一般性，对于提高我国企业的全球竞争力将具有积极的影响。 ⑧硕士学位论文MASTER’STHESIS1．2国内外研究现状分析1．2．1国外研究现状(1)有关电子商务供应链管理的研究近年来，信息技术、信息系统以及电子商务的发展使得虚拟集成整个供应链成为可能，将供应链管理(SupplyChainManagement，SCM)与Intemet结合起来，是企业管理者和学者们日益关注的一个重要领域，并由此产生了电子商务供应链管理(e-SupplyChainManagement，e-SCM)理论与思想。Johnson&Whang从电子商务(e．Commerce)电子获取、(e．Procurement)和电子协作(e．Collaboration)对1981年至2002年之间有关e．SCM的论文进行了梳理【4】。Gunasekaran&Ngai则从SCM中的IT战略规划、虚拟企业与SCM、电子商务与SCM、SCM中的IT基础设施、SCM中的知识与Ⅱ管理、SCM中的Ⅱ应用几个方面整理了文献[5】。这两篇文章对早期有关e．SCM的研究论文进行了较好的综述。我们检索、整理了1995年至2012年美国和欧洲运作管理(OpelationsManagemem，OM)／运筹学(OperationalResearch，OR)类和物流管理类的20本主流学术杂志中有关e．SCM的研究论文，每年的发文数量见图1．1：图1．11995年．2012年的发文数量由上图不难看出：在最著名的运营管理和物流期刊e．SCM已成为公认的突出的话题。我们注意到，从2003年以后，有关逆向物流与退货方面的研究论文一直保持了每年l～3篇的数量，主题涉及退货信息共享‘6，7，81、退货与客户忠诚度【9,101、 ⑧硕士学位论炙MASTER’S下HESIS退货商品采购与再定价‘11,12J、退货管理信息系统【13,14]等。在研究方法上，则采用了实证研究、概念框架、决策模型等。(2)有关选址库存问题的研究国外关于选址库存问题的研究起步比较早，Kenderdine&Larson主张将所有的物流活动集成在一起，构成一个完整的物流系统，这样有可能大幅度降低物流总成本【151。国外较早就开展了选址～库存问题(LocationInventoryProblem，LIP)的研究，研究对象主要是供应链二级分销网络，如一个中心仓库、两个零售商【l6】和一个供应商，多个零售商11。7】的情形。Miranda&Garfido等人也对LIP的早期研究作出了积极的贡献【I8】。shen和Daskh引入了安全库存，建立了非线性整数规划，分别用拉格朗日松弛算法和集覆盖来求解模型【I9，20】。近年来，Jean-Sdbastien，Ha．1itUster，OdedBerman等人也对相关问题做了富有成效的研究口1，22．231，但他们的研究仅针对传统商务环境，由于缺乏对退货服务的考虑，并不适用于电子商务环境。(3)有关逆向物流系统优化的研究当前有关逆向物流系统优化的研究主要涉及退货策略决策、退货商品库存与定价决策、闭环供应链网络设计等领域，其中的闭环供应链网络设计是与本研究密切相关的，这其中又以逆向物流系统中设施选址问题的研究为最，Daskin、Shen、Melo对这方面的工作做了很好的综述[24．25．261。关于逆向物流网络设计问题的研究中，选址定位是最重要的问题，因为确定仓库位置和仓储容量，才形成了真正的物流网络。在传统物流环境下的物流网络设计中，选址定位模型主要是采用混合整数规划(MixIntegerLinearProgram，MILP)模型来求解。而逆向物流网络中的回收物品多数需要经过检测、分级、修复等运作工序，因而需要确定相应处理设备的安装地点及处理能力，使得逆向物流环境下的选址定位闯题比传统环境下的更为复杂，所建立的模型也很难求解。Easwaran&Uster建立了考虑逆向物流的混合整数线性规划模型127]。Listes提出了一个包含供应和退货渠道的二级供应链网络设计模型【28】。Salemaeta1．设计了一个包含逆向物流的仓库选址定位模型，分为供应链战略层和战术层，其中将网络设计作为模型的战略决策，生产，储存和配送规划作为战术决策129]。E1Saadany&E1一Kharbofly建立了一个包含逆向物流的混合整数规划选址定位模型[301。在求解模型的算法方面，Sahyounieta1．采用经典的拉格朗日松弛法求解模型【3¨，一部分学者采用遗传算法来求解逆向物流网络设计模型中的设施选址模型[32．33,341，Kriscta1．则将排队模型应用于逆向物流网络的设施选址问题中，他们的研究同时考虑了库存成本的影响1351。 ⑧硕士学位论炙MASTER’STHESIS目前有关逆向物流库存系统研究方面，Fleischmann较早地提出了包含退货的库存管理框架，与传统的库存控制模型相比，有两个主要区别，一是形成了内部物流，二是可供使用的库存有多种来源【36】。随后，Fleischmann等提出了一个需求和回收服从Poission分布的随机需求基本库存模型，并分析了逆向物流对于库存系统的影响【)7J。其后，Fleischrnann又考虑了独立随机需求和(s，S)订货政策，在传统单一物品库存模型的基础上，引入逆向物流，得到传统模型的改进形式，并采用Markov决策过程求解得到最优平均成本，并通过实例说明了逆向物流对系统总成本的影响[381。Mukhopadhyay&Ma对质量和需求不确定的再制造环境下的联合采购和生产决策进行了综述13引。上述文献均假设需求率和退货率是独立的，大多数文献假设随机需求率和退货率服从参数确定的特定分布[40,41，421。1．2．2国内研究现状国内对LIP的研究相对较少，但也取得了一些成果143-47】。考虑逆向物流的研究中，向盛斌(4引、柳键[491、朱道立等口01较早开展了对逆向物流的研究。达庆利等㈨、孙林岩等归2J对早期逆向物流系统的研究进行了较好的综述。黄祖庆，达庆利，狄卫民【53，54J等以制造／再制造系统为研究对象，涉及产品拆卸，修复等流程。顾巧论、陈双秋、季建华155≯6J开始关注制造／再制造(Manufacturin幽锄anufactu血曲系统的物流网络优化问题。马祖军及其领导的研究团队以绿色制造为背景，对制造／再制造系统的闭环物流网络优化设计进行了持续的研究。马祖军以绿色制造为背景，关注含有逆向物流活动的集成物流网络优化问题【s7,ss]。李延晖基于时间竞争的市场环境，对时间竞争环境下的LIRP进行了研究【59-62]。而在e．SC环境下，客户的退货产生原因一般不是质量原因，更多的是不满意商品颜色、型号等，因此退回产品大多数只需简单包装即可重新进入正向供应链中，因而无需设立单独的维修中心。上述研究都只针对制：造／再制造闭环系统，对面向e．SC的闭环物流系统集成优化的研究还非常缺乏。1．2．3对研究现状的简要述评根据以上国内外现状研究分析，可以总结出以下两点：(1)传统供应链下，虽然物流系统集成优化的研究较多，但均只考虑了正向物流，没有考虑到逆向物流的问题。(2)在考虑逆向物流的研究中，物流系统集成优化的研究较少。当前的研究以制造／再制造系统为研究对象，涉及产品拆卸，修复等流程，而在e．SC环境下，客户的退货产生原因一般不是质量原因，更多的是不满意商品颜色，型号等。因此退 ⑧硕士学位论丈MASTER’STHESIS回的大多数产品只需简单包装即可重新进入正向供应链中，而不需要设立单独的修复中心。1．3本文的研究内容和创新点1．3．1本文的研究内容根据电子商务供应链的特点，同时考虑物流系统强调柔性、兼顾成本的快速响应性以及系统发展的高度适应性等特点，针对B2B和B2C的商务模式，研究面向e．SC的单一生产基地、多配送点、多需求点的选址库存问题。建立设施选址、库存控制集成优化的LIP模型。所建立的模型应体现电子商务的特征，尤其是在处理退货方面。具体而言，在退货商品性质上，是无需进行再制造(remanufacturing)或翻新(refurbishing)的，而仅需进行简单的再包装(recovery)即可；在库存策略上，考虑扣减退货商品而形成对上游供应商订货时的净需求，考虑其对库存持有成本的影响。由于LIP是NP难题，因此，求解算法的设计上，结合已有算法并根据具体问题来设计开发相应的专门的求解算法。主要包括以下内容：(1)考虑e．sc环境下的选址库存问题本身所具有的退货量大等特性，从现实意义出发，建立无质量问题退货的选址．库存问题集成优化模型。(2)在上～模型的基础上，进一步深入研究，结合实际，将退货分为重新包装返回销售渠道、返回供应商修复和在分拨中心直接废弃处理三种情况，建立相应的退货混合质量问题的选址．库存问题集成优化模型。(3)提出合理的启发式算法，对考虑退货的LIP数学模型进行求解，并用实例验证模型的可行性和算法的有效性。针对本文的研究内容，本文一共分为五个部分进行系统研究：第一章：绪论。本章主要介绍本文的研究背景及意义、国内外研究现状、研究内容和创新之处。第二章：算法设计的相关理论及知识。本章在分析总结前人的研究成果之上，并结合具体的应用情况，主要介绍了遗传算法及改进思路，并指出了本文的改进思路。第三章：考虑无质量问题退货的选址一库存问题模型与算法研究。本章首先分析争SC环境下退货问题的特点，然后针对e．SC环境下退货特点建立了考虑无质量问6 ⑧硕士学位论文MASTER’S下HESIS题退货的选址．库存问题模型，通过实数编码，利用遗传算法对模型进行求解；最后进行算例分析，证明了本文模型是可行的。第四章：考虑退货混合质量问题的选址一库存问题模型与算法研究。本章在第三章研究的基础上，分析本文所要解决的退货混合质量问题的特点及所满足的约束条件，构建退货混合质量问题的选址一库存问题的优化模型。利用改进的遗传算法对模型进行优化求解；最后，通过算例分析采用Matlab软件编写相应的程序。引入标准数据库中的实例数据对本文改进的遗传算法和传统的遗传算法进行对比分析，通过对比证明本文算法比传统算法更有效。第五章：总结和展望。概括总结全文，指出本文研究中存在的不足之处和未来的研究方向。1．3．2本文的创新之处本文研究的创新主要从研究视角、研究内容两个方面阐述。(1)研究视角的创新：电子商务的蓬勃发展导致了大量的退货物流，e．SC的有效运作离不开物流系统的支持。但目前国内外有关闭环物流系统优化的研究主要针对制造／再制造系统，注重对退货／回收商品的分类处理(维修、翻新、废弃等)，相关的研究成果还不能满足电子商务活动对逆向物流要求。本论文正是从这一客观实际出发，站在“面向e．SC”这一新的角度来考虑物流系统的集成优化问题，是符合市场发展和社会要求的、创新性的选题。(2)研究内容的创新：目前有不少学者进行了选址、库存两者集成的研究，但引入逆向物流之后大多是单独考虑逆向物流选址问题或库存的研究，关于两者集成的研究较少，而在e．SC环境下考虑逆向物流的两两集成的研究就更少。 硕士学位论文MAS丁ER’STHESIS2算法设计的相关理论及知识2．1遗传算法介绍2．1．1基本理论从20世纪40年代，仿生学已经成为计算科学的重要组成部分，早期的自动机理论假设是机器与生物类似，由类似神经元的基本要素组成。遗传算法的发展也得益于仿生学的的思想影响，其思想来源于达尔文的进化论思想，魏斯曼的物种选择学说和孟德尔的群体遗传学说【631。上世纪三四十年代，很多生物学家已经使用计算机来模拟自然遗传过程。六十年代美国密西根大学的J．H．Holland教授使用计算机模拟生物进化过程中的适应性问题，试图发现能解决复杂问题优化的算法嗍。1967年，J．H．Holland教授的学生Bagley在其博士毕业论文中首次提出了“遗传算法(GeneticAlgorithm)”一词【651。1975年，DeJong基于遗传算法的思想在计算机上进行了大量函数优化与模式理论结合的计算实验【66】。在一系列研究工作的基础上，80年代Goldberg[671首次将遗传算法应用于解决实际的工程系统优化问题，同时对研究成果进行系统概括，形成了遗传算法的基本框架。遗传算法是模拟自然界生物遗传进化过程而开发的一种随机搜索方法，是一种宏观意义下的仿生算法。自然界中，物种进化过程遵循物竞天择，适者生存的原理，因而是一个自然、随机、稳健的搜索与优化过程。遗传算法正是通过模拟这种进化过程，并应用于科学研究来实现复杂的组合优化问题。由于遗传算法的适应度函数可以不连续，不可导甚至于不规则，处理对象也易于在计算机中采用数据结构表示，因此自提出后便得到了广泛认可。特别是在解决复杂的组合优化问题的方面的应用研究令人瞩目，因为大部分组合优化问题都是NP难题，本文需要解决的选址．库存问题即是如此，遗传算法在处理这些问题时能表现得非常好。遗传算法采用了生物学中的一些专有名词，但又不完全同于其在生物学上，因此有必要对遗传算法中相关概念简单介绍。遗传算法相关名词介绍如下：(1)基因：即遗传因子，上面拥有大量遗传信息，用于表示个体的特征。生物体通过将其特征传递给予代。它是遗传算法中最小的单位，一般使用一个二进制数 硕士学位论文MASTER’STHESIS或整数等来表示一个基因。(2)染色体：由一定数目的基因组成，是基因的物质载体。遗传算法中通过编码来模拟生物体细胞中的染色体。编码方式可根据实际问题而定，最常用是二进制编码，因为其与生物体的染色体非常相似，简单实用。编码串的长度成为染色体的长度。每个染色体就是实际问题的一个可能解。(3)种群：在遗传进化过程中某一代的所有染色体总和，由一定数量的个体组成。每一个染色体对应实际问题的解，种群即实际问题某一代解的空间，及所有可能解的集合。种群为遗传算法提供了搜索解的空间。(4)适应度：用来评价遗传算法中个体的好坏。遗传算法中对种群的每个个体(即染色体)进行编码，每个个体对应实际问题的一个解，每个解可以求出对应函数(指适应度函数)值，而函数值即适应度值。适应度函数需要能够反映出待解决的问题，因而根据目标函数而定。遗传算法中重要操作介绍如下：(1)选择：遵循适者生存原法。从种群中选出适应环境的个体，从而使得被选择的个体可以将遗传信息遗传到下一代。在遗传算法中，根据个体适应度值，选出当前种群中适应度值较大的个体，适应度值越大，被选中的概率就越高。从父代个体中以某一概率选择复制相应数量的个体到子代中，因此选择不会改变个体(即染色体)的基因。通过选择算子，适应性强的个体以较高概率被选中，从而体现达尔文的适者生存法则。(2)交叉：交叉操作是遗传算法中最重要的操作之一，模拟的是物种进化中的基因重组过程。交叉即在种群中选出两个需要进行交叉的父代个体(即染色体)，在父代个体中选出需要进行交叉的点，进行互换，生成新的个体即为子代个体(即染色体)，新的个体继承了父代个体的性状。(3)变异：物种进化过程中性状不会一成不变，受环境影响会发生微小变化。遗传算法中对其进行模拟即为变异操作，变异操作也是遗传算法的重要操作之一。在种群中任选一条染色体，以某一概率对该染色体编码上某一位置的基因进行改变，即得到变异后染色体。这样使得遗传算法增强的找到最优解的能力。2．1。2算法流程遗传算法主要步骤【6sJ如下：(1)编码：根据待解决问题对解结构进行分析，从而对问题的解进行编码。染色体不同，组成的基因编码不同，代表所求问题的可能解不同。9 硕士学位论文MASTER’STHESIS(2)初始化：即初始染色体群体的生成。随机产生Ⅳ个初始染色体，Ⅳ个染色体构成了一个种群。种群内每个染色体由某种编码形式表示，每个初始染色体就代表所求问题的初始解。(3)适应度值评估。根据适应度函数计算每个染色体的适应度值，适应度值的高低对应染色体的优劣性。通常适应度值函数根据目标函数来定义，不同的问题对应不同的定义方式。(4)选择。根据个体的适应度值，以某种规则选择进入下一代的个体。(5)交叉。以给定交叉概率R，对选择出的个体进行交叉操作，产生新个体。(6)变异。以给定概率厶，对个体进行变异操作，由于染色体是否发生变异受到变异概率进行控制，遗传算法变异概率岛取值通常很低，在0．001—O．01之间。(7)检验终止条件：若在给定迭代次数内满足收敛或达到给定迭代次数则终止运算；否则转入步骤(3)。算法流程如图2．1所示：10 ⑧硕士学位论文MASTER’STHESIS2．1．3算法特点遗传算法的优点如下[691：(1)可行解易于表示。直接处理的对象是通过参数集进行编码得到的个体，而不是问题本身。(2)适应度函数根据目标函数设定，不需要其他辅助信息，对问题的依赖性较小。(3)适应度函数不受连续和可导性的约束，定义域也可任意设定。(4)具备群体搜索特性。可以同时搜索多个区域，并对多个解进行评估，有较好的全局搜索性能。(5)随机搜索特性。遗传算法采用交叉、变异、重组三种基本算子进行搜索，采用概率变迁规则指导搜索方向，而不是确定性规则。(6)遗传算法可扩展性强，易于与其他算法结合使用。(7)遗传算法基本思想简单，易于具体使用，因此应用广泛。遗传算法的缺点如下：(1)遗传算法容易出现早熟收敛。(2)遗传算法计算量大，效率通常比其他传统的优化方法低。(3)局部搜索能力差。2。2遗传算法的改进2．2．1遗传算法的改进策略简单遗传算法通过选择、交叉、变异3种操作来实现对进化过程的模拟。然而，同生物进化类似，由于受到原始祖先、生长环境及自身因素的限制，当一个种群进化到平衡态之后，其特性就不会再有很大改变。由于实际需要解决的问题十分复杂，在遗传算法的研究和应用中，可以利用多种方法改进遗传算法，产生许多改进遗传算法，提高遗传算法性能【70】。通常的改进策略【7l】有如下几种：(I)控制参数(包括种群规模，交叉概率，变异概率等)的改进。由于GA是启发式的优化算法，参数设定通常需要依靠经验。(2)种群选择的改进。包括群体的初始化，大小设定及在运行过程中对其规模的控制。(3)编码方式的改进。编码方式的选取主要取决于实际待解决问题的性质。遗传算法最早使用的是二进制编码。如果问题中存在多个参数，二进制编码会很长，这样会造成计算机内存的极度浪费。因而出现了Gray编码，动态编码，浮点数编码和混合编码等编码方式。(4)三种遗传操作的改进。选择方法的改进如期望值法、随机抽样法、锦标赛选择法等。交叉方法常见的为单点交叉方法，多点交叉、均匀交叉等。改进的如 ⑧硕士学位论文MASTER’STH巨SIS自适应交叉。简单遗传算法中采用二进制编码，变异操作即将基因为上的值取反，将0变l，或者1变为O。根据不同的编码方式，改进的变异不同，如针对浮点数编码，改进的包括均匀变异，非均匀变异及自适应变异等。2．2．2本文逮传算法的改进本文中主要涉及的遗传算法改进包括编码方式的改进、采用自适应的交叉算子和变异算子。具体编码方式见3．3．1。除了编码之外，遗传算法中涉及的参数对遗传算法的可靠性及计算时间等因素产生十分重要的影响，并且会影响到运算结果的质量，因此对遗传算法的参数选择十分重要。因此本文采用自适应的交叉算子和变异算子对遗传算法进行改进，具体交叉算子及变异算子的改进见4．3．2。 ⑧硕士学位论文MASTER’STHESIS3考虑无质量问题退货的选址．库存问题模型及算法研究表明，电子商务比传统商务更容易产生退货，网络销售中的退货比例有时候可高达初始订单的35％。同时，由于网购的特点，消费者因色差、型号不符等原因产生的退货较多，而真正有质量问题的退货却很少，通常不必返厂维修，仅需进行简单的再包装处理即可重新进入销售渠道。因此，研究e-sc(Eg子商务供应链)环境下考虑无质量问题退货的选址．库存问题模型(Location-InventoryProblem，LIP)是十分必要的。3．1问题描述本文的研究对象是电子商务系统中具备退货功能的供应链二级分销网络，网络中包含一个供应商，多个备选的分拨中心和多个零售商，网络中的各节点位置由坐标形式确定。从供应商到分拨中心为一级网络，从分拨中心到零售商为二级网络。零售商的需求分布己知，分拨中心需有一定数量的安全库存，分拨中心的配送方式为直送，退货为原配送过程逆过程，即从分拨中心将产品配送到零售商之后，返回过程中将退货带回分拨中心。最终需要确定如下问题：(1)如何确定将哪些备选的分拨中心选作分拨中心；(2)如何确定每个分拨中心为哪些零售商提供服务；(3)如何确定每个分拨中心的订货次数，通过解决以上问题使整个供应链网络成本(包括选址、运输、活动库存和安全库存成本)最小化。3．2数学建模3．2．1假设条件(1)零售商和分拨中心无容量限制；(2)只有在备选分拨中心被选作分拨中心时才能给零售商提供服务；(3)每个零售商仅能由一个分拨中心为其提供服务；“)零售商库存成本忽略不计；(5)分拨中心的建设成本已知；(6)退货服从均匀分布，且退货量只对分拨中心库存水平有影响，对分拨中心订货量无影响：(7)零售商需求满足正太分布；(8)零售商需求为单一品种的产品；(9)退货商品均无质量问题，只需简单包装即可重新进入销售渠道。 ⑧硕士学位论文MASTER’STHESIS!!!=!===!!自Es!!自!!!!!I—————一一一II!!!e!!!!!!!!!!s!!13．2．2符号定义本文研究的考虑退货的选址．库存问题模型的相关符号定义为：^零售商节点集合：^分拨中心节点集合：输入和参数：R为年工作日数；以为零售商j的日平均需求；q为零售商i的日需求方差；D，为零售商f的年平均退货需求：以为零售商，选作分拨中心的固定成本；V，∽为从供应商运输x单位产品到当地分拨中心／的运输成本；g，为供应商到分拨中心歹的固定运输成本；口，为供应商到分拨中心_『的可变运输成本；办为单位产品从分拨中心_，到零售商j的单位距离的运输成本：位为安全系数；声与运输相关的成本系数；乙标准正态分布的分位点，且P扛≤乙)=口：0与库存相关的成本系数：w，∽分拨中心，的需求量为x时，分拨中心／的年周转库存成本；y与重新包装相关的成本系数；^单位产品年库存持有成本；E分拨中心_，订货一次的固定成本；三分拨中心订货的提前期；决策变量：■=l，如果零售商_『被选作分拨中心，否则为o；巧=l，如果零售商／由分拨中心j供应，否则为o；3．2．3数学模型本文研究的考虑退货的选址一库存问题数学模型可表示为：14 ⑩硕士学位论文MASTER’STHESiSMin：yJ‘』jd。‘一+业，乩弓尺+y善％弓+％(善o，匕+V，_))+OhZ。√∑仃；工，K、i日s．I．：t∑巧=l，Vy∈J；i日巧‘‘≤o，Vf∈l,j∈l，；匕∈{o，I}，VieLjeJ；■￡{0，1)，W∈J．(3．I)(3．2)(3．3)(3．4)(3．5)约束条件(3．2)表明每个零售商只由一个分拨中心提供服务，约束条件(3．3)表示只有在备选分拨中心被选为分拨中心时才能给零售商提供服务，约束条件(3．∞和(3．5)表示分配变量和选址变量的取值范围。(3．1)式中的第一项表示建立DC的成本。第二项表示从DC到零售商的运输成本及从零售商到DC的运输成本。第三项表示从零售商退回DC的重新包装成本。第四项表示DC的活动库存成本。包括订货的固定成本，从供应商到DC的运输成本和DC的库存成本。为简化表达，将下标，暂时省去，D表示DC的年总需求，打表示订货次数，则兰表示每次订货量。所以第四项表示如下：砌+硝旦1斛o*(n．+oJ(3．6)(3．6)式中三项分别表示分拨中心的订货疗次的固定成本，从供应商到DC的运输成本，DC的库存(活动库存和退货库存)持有成本。第五项表示安全库存成本，每个零售商维持其安全库存，则零售商i维持服务水平为a的安全库存量为乙q√厶，分拨中心维持服务水平为a的安全库存量为乙、／∑砰厶巧，假设所有零售商提前期相同，则安全库存量可化为乞√￡∑仃?巧。关于第四项成本，将(3．6)式对拧求导，并令其等于零，有：F+以韵一肋7(罚(爿-臼掣吼d钓∥㈦knA旦njl∞掣=on7，假设如)对工是线性的，如)=g+似，因此v1旦l是一个常量口，因此(3．7) ⑨硕士学位论文MASTER’STHESIS式可以化简为F+孵)-印仁＼n㈣j＼nj-口掣吼詹一日掣=。@8，故，(3．6)式可化为：F网+风璧需+脚枷掣=42磊(F+flgXD+Dr)+flaD则，目标函数(3．1)式可化为：(3．9)Ⅻn若I+、网芹砑耐：睨、痃荔l＼V，￡』VIE』／(／ix，+卢∑札；+Vtk毛足+日，以必匕+y∑吩巧“喇洒善11阿若现丽+眈。、腰荔lBlo)3．3模型求解以上所建模型为非线性整数规划模型，可采用改进的遗传算法进行求解。遗传算法(GeneticAlgorithm，GA)是通过模拟生物的自然进化过程来搜索最优解的方法。它是由美国Michigan大学的J．Holland教授在1975年首次提出的。遗传算法的特点是没有函数连续性限定，不存在求导，采用概率化的寻优方法，进行自动搜索，并通过优胜劣汰保留每一次迭代过程中最优解。遗传算法主要由编码，适应度，选择，交叉，变异等基本要素组成，针对本文模型的求解，各要素具体设计如下：3．3．1编码由于实数编码更能接近问题空问，适用于表示问题中存在范围较大数的情形，同时避免了编码和解码的过程。采用实数编码能提高遗传算法的精度要求，并提高运算效率，便于设计专门问题的遗传算子。因此本文采用基于序数的非定长实数编码。通过对选址一库存问题的解结构进行分析，得出其解包含以下3方面内容：选 ⑩硕士学位论文MASlER’STHESIS址，分配，配送中心与零售商的对应关系，因而对解的编码须反映以上3项内容。本研究中采用自然数I，2，3，⋯，M脚I，⋯，M+N(M表示备选配送中心的数量，Ⅳ表示零售商的数量)排列的编码来对节点进行编号，编号的随机排列表示一组染色体。每一组染色体由若干子串组成，子串中的第一个数字为配送中心编码，最后一个数字为下一个配送中心编码的前一位数字，每一子串就表示了该配送中心为其后编码的零售商提供服务。假定一子串表示为詹I=(‘l如毛缸⋯0)，‘I为配送中心编号，如，岛，k⋯，0为零售商编号，则一条染色体由ce{R1恳⋯Rt⋯忍}表示，若其满足给定的约束条件，即可对应一组可行解。例如，有2个备选的配送中心和6个零售商节点，那么编号1，2为可选的配送中心编号，3，4。5，6，7，8为零售商编号。假设某一染色体Ck={l，3，7，2，4，8，5，6)，则该染色体中有2个子串，Rl={l，3，7)，R2--{2，4，8。5，6}，表示编号为3和7的零售商由配送中心l提供服务，编号为4，5，6，8的零售商由配送中心2提供服务。若编码中出现两个配送中心相邻的情形，如{3，7，l，2，4，8，5，6)，则表示由配送中心l未被选中，由配送中心2为其他6个零售商提供服务。3．3．2个体评价计算染色体的适应度值，适应度需要反映染色体适应环境的能力，本文中适应度函数以为总成本z的倒数，值域在[0，1]之间，适应度值大(总成本小)的染色体将会被保留。适应度函数为：心≥3．3．3选择选择运算将适应度值高的个体直接遗传到下一代，本文采用最常用的轮盘赌选择法，也称为适应度比例法嘲。该方法选择的过程如下：首先对种群中所有个体(假设有Ⅳ个个体)的适应度值求和，得到种群的总的适应度值凡用每个个体的适应度值^除以总适应度值只即得到每个个体的相对适应度p。。^在0到1之间(不包括和1)，个体相对适应度之和为I。这样，在编程过程中，可以在进行选择运算之前给出一个大于0且小于1的随机数■，计算每个个体相对适应度的累加值g。，其中qI=∑P』。若吆≤ql，则选中第一个个体；若g¨≤_≤吼，2≤七≤Ⅳ，则选j=|中第定个个体。这样跟轮盘赌中的转大盘很类似，即个体的适应度越高，它在轮盘17 ⑩硕士学位论文MASTER’STHESIS中对应的区域就越大，被选中的概率就越大，反之就越小。3．3．4交叉交叉运算是遗传算法产生新个体的主要方法。由于交叉操作没有利用个体的适应度信息，因此交叉运算应该保证群体的均值不变，同时由于选择运算会导致群体的方差变小，因此交叉操作应适当增加群体的方差使其保持在合适的范围内。常用的交叉算法有单点交叉、两点交叉、多点交叉、均匀交叉、算术交叉等，本章选用单点交叉方法【73】，实现步骤如下：Stepl从群体中选择两个个体作为父代；Step2随机产生0至l之问的随机数Randnum，决定两个个体是否进行交叉。如果Randnum小于交叉概率，转Step3；否则直接将两个个体遗传到下一代，返回Stepl。Step3随机产生l·Ⅳ之间的随机数Randnum2，子代继承Randnum2节点前的基因，节点后的基因根据对方的基因，除去重复基因，选取剩下基因。Step5结束交叉过程，并得到两个子代个体。例如，选中两个父代个体，个体如下：父代l154I3267父代2247Il356随机数Randnum小于交叉概率，进行交叉。产生随机数Randnum2为3，第3个基因之前的基因直接继承为154，之后的基因为2垒7I13三6中消除l54之后得到的基因，即为2736，同理得到子代2，两个子代如下：子代Il54f2736子代2247Il5363．3．5变异变异操作的目的是通过变异算子维持群体的多样性，以防止过早进入局部最优。本文中选用简单有效的互换变异。首先随机选取一条父代染色体，然后产生两个随机数代表需要变异的节点位置，然后交换这两个节点位置上的基因即产生了一条新的子代染色体。例如，假设选取的父代染色体为{1，3，7，2，4，8，5，6l，随机产生两个数为2和5，{1，三，7，2，4，8，5，6}，则对应于染色体中下划线部分的3和4，交换3和4的位置，产生新的子代为(1，4，7，2，3，8，5，6'。 3．3．5参数值由于遗传算法中部分参数对其性能的影响十分重大，因此需要对参数做出合理的选择，根据大多数学者的验证，建议一般设定N=100-1000，交叉概率路O．6~l，变异概率P捌．005．．．．43．Ol。3．4算例分析本节主要验证本章模型与算法的有效性，实例数据算例来自于UniversityofAveiro的LRp[74]数据库中的christofides69-50x5，本算例中采用数据库中给出了客户的坐标以及候选配送中心的坐标，需求数据采用MATLAB随机生成的一组正态分布数据。模型中有关数据如下：表3．1分拨中心各点参数DC(m)l2345石(xj矾2030253228ai658lllO局2022322426鼬2738433529表3．2零售商坐标零售商编号X坐标Y坐标l3752249352644202654030621477176383l6295233105l21ll424l123l32135251412421536】616524117272318173319 ⑧硕士学位论文MASTER’STHESIS191320575821624222425723165724852257382627682730482843672958483058273l37693238463346lO346133356263366369373222384535395915405641101742211043564443015453910463239472532482555494828505637表3．3配送中心坐标配送中一fi,编号x坐标Y坐标110492203035254541754353popsize=20，chromle馏忙55，尸产o．6，P萨O．001，迭代次数hum=1000。其中零售商l至50在程序中分别对应编号6—55。重复运行程序20次，最终得 ⑩硕士学位论文MASTER’STHESlSm到结果，配送中心与其服务的零售商对应关系如表3-4所示，选中的配送中心为l，2，3，5。表3．4配送中心与对应的零售商配送中心对应的零售商配送次数l34，10，35。42。22，43，29，8，30。46，14，51，1534219，lg，50，49，38，11，44，33，54，20，24，1730355，13，27，31，23，26，32，93946，45，21，16，36，39，53，7，47，54328，25，37，40，52，41，12．48经计算得知，总成本为81169。最大适应度(本文中即为成本倒数)曲线如图3．1所示。=％目“‘“目％B“”Ⅻ∞4。目#％8“。””“目#“”5⋯8“Ⅺw％2“8“8“《*88““88“8∞⋯H“ⅫⅪ●一|_--j‘|●图3．1适应度曲线21 ⑧硕士学位论文MASTER’STHESIS3．5本章小结本章结合电子商务供应链环境的特点，考虑了无质量问题退货的选址．库存问题，建立了考虑退货的选址一库存的非线性混合规划模型，包括选址成本，运输成本，重新包装成本，库存成本，采用惯用的遗传算法求解模型，并通过实例验证了模型的可行性和算法的有效性。 硕士学位论文MASTER’STHESIS4考虑退货混合质量问题的闭环选址．库存模型及算法当前有关闭环物流系统优化的研究成果不少，研究主要涉及退货策略决策、退货商品库存与定价决策、闭环供应链网络设计等领域，与本研究密切相关的闭环物流系统网络设计方面，也已经有了丰富的研究成果。但当前这一主题的研究主要集中在以制造／再制造系统为研究对象上，针对电子商务供应链的闭环物流系统优化的研究很少。因此，研究电子商务供应链环境下的考虑退货混合质量问题的闭环选址．库存问题是十分有必要的。4．1问题描述本文所考虑的选址．库存问题是基于考虑退货的闭环供应链二级分销网络，即一个供应商，多个备选的分拨中心(同时具备检测功能)和多个零售商。零售商的需求服从正太分布，分拨中心需有一定数量的安全库存，且配送方式为直送。与上一模型不同的是，本章考虑的混合质量问题的退货问题，退货退回分拨中心后，经过配送中心检测，分为3种情况处理：(1)部分退货只需简单的重新包装即可重新进入销售渠道；(2)部分退货存在可修复的质量问题，需返回工厂，修复后可重新进入销售渠道，这样就形成了闭环物流系统；(3)部分退货存在严重的质量问题，直接由分拨中心作废弃处理。现需确定如下问题：(1)选址决策：确定将从哪些备选分拨中心被选作分拨中心，即选中分拨中心的具体数量和位置；(2)分配决策：确定选中的分拨中心为哪些零售商提供服务，即分拨中心和零售商的对应关系；(3)库存决策：确定每个分拨中心的订货次数，通过解决以上问题使整个供应链网络成本(包括选址、运输、分拨中心运作成本和安全库存成本)最小化。4．2数学建模4．2．1条件假设本文研究的有质量问题退货的闭环选址一库存问题的条件假设有：(1)零售商和分拨中心无容量限制：(2)只有在备选分拨中心被选作分拨中心时才能给零售商提 ⑧硕士学住论文MASrrER’STHESIS供服务；(3)每个零售商仅能由一个分拨中心为其提供服务：(4)零售商库存成本忽略不计：(5)分拨中心的建设成本已知：(6)退货服从均匀分布，且退货量只对分拨中心库存水平有影响，对分拨中心订货量无影响；∽零售商需求为随机需求，服从正太分布；(8)零售商需求为单一品种的产品；(8)零售商订货提前期相同；(9)分拨中心具备检测功能，在供应商允许下能对退货迸行重新包装或废弃处理；(10)退回供应商修复的产品由分拨中心提供配送。4．2．2符号定义本文研究的考虑退货混合质量问题的闭环选址．库存问题模型的相关符号定义为：^零售商节点集合；^分拨中心节点集合；输入和参数：R为年工作日数；“为零售商i的日平均需求；or，为零售商f的日需求方差；u为零售商f的年平均退货需求：六为备选分拨中心．，选作分拨中心的固定成本；v，(x)为从供应商运输x单位产品到当地分拨中心，的运输成本；g，为供应商到分拨中心，的固定运输成本；口，为供应商到分拨中心，的可变运输成本；以为单位产品从分拨中心J到零售商f的单位距离的运输成本；叱为单位退货从分拨中心，到供应商的单位距离的运输成本；口为安全系数；卢与运输相关的成本系数：乙标准正态分布的分位点，且P扫≤乙}=口；0与库存相关的成本系数；w，G)分拨中心，的需求量为x时，分拨中心，的年周转库存成本；，，与重新包装相关的成本系数：h单位产品年库存持有成本；E分拨中心歹订货一次的固定成本；三分拨中心订货的提前期；24 硕士学位论文MASTER’STHESISP。退货重新包装比例；p。丢弃率；P。退货的可修复比例；c幽分拨中心检测成本；c订分拨中心废弃处理成本；c。供应商单位退货的修复成本；决策变量：X，=1，如果零售商，被选作分拨中心，否则为O；巧=1，如果零售商，由分拨中心i供应，否则为o；4．2．3数学模型本文研究的考虑退货混合质量问题的闭环选址．库存问题的数学模型可表示为：MinyJ_jEJfjxj+∥∑(以+哆k巧月+c厶∑t‘+心J∑(以巧+哆巧)l+y仇∑_霉I勺。p。∑_巧+p。多羔_哦』弓+kc。i6pl。"∑_弓+7(4．1)S．t。：∑】j；，=1，vj∈J；(4。2)l￡，艺。Xj≤0，Vi∈，，J∈J；(4．3)匕E{o，1}，Vi∈t，∈J；(4．4)x，∈{0Jl}，W∈，；(4．5)P6+P。+P。=1；(4．6)0≤见≤1；(4．7)0≤P。≤1；(4．8)0≤P。≤1．(4．9)约束条件(4．2)表明每个零售商只由一个分拨中心提供服务，约束条件(4．3)表示只有在备选分拨中心被选为分拨中心时才能给零售商提供服务，约束条件(4．4)，(4．5)表示分配变量和选址变量的取值范围。约束条件(4．6)表示退货分为三种且仅有三种方式处理，重新包装进入销售渠道，丢弃处理及返厂修复处理。约束条件(4．7)，(4．8)，(4．9)表示三种处理方式所占比例的取值范围。西．蔚*乙眈 ⑩硕士学住论文MASTER’STHESIS(4．1)式中的第一项表示建立分拨中心的成本。第二项表示从DC到零售商的运输成本及从零售商到DC的运输成本。第三项表示DC的运作成本包括订货的固定成本，从供应商到DC的运输成本和DC的库存成本。第四项表示分拨中心对退货的检测成本。第五项表示从零售商退回DC检测无质量问题退货的重新包装成本。第六项表示分拨中心检测后存在严重质量问题的废弃处理成本。第七项表示检测为可修复退货后返回供应商的运输成本。第八项表示退货返回供应商修复的修复成本。第九项表示分拨中心的安全库存成本。目标函数的第九项表示安全库存成本，分拨中心维持服务水平为a的安全库存量为z。，肛∑盯；匕。其中第四项将下标，暂时省去，表示如下：叶阻"，‘矿Fn-I-略卜掣㈣＼拒，／＼7‘／‘，‘(4．io)式中三项分别表示分拨中心的订货n次的固定成本，从供应商到DC的运输成本，DC的库存(活动库存和退货库存)持有成本。将(4．10)式对，z求导得：Joh(o+4)V2(F+磨)(4．10)式化为：．d2m(F+pgXD+D,)+p．D(4．it)砌∑f乃■+∑札。R+_域‘+a／“≯匕+、卢币再画厦腼丽ⅣL75’V。“](4．12)+◇+‰+巩+c州九+％P。泛¨毛+p。声∑yI屯弓+％、卢∑砰弓ff“fE，VieiI4．3模型求解本节采用与3．3．1相同的编码方式和选择算子，适应度函数也采用总成本的倒数，遗传算法中遗传算子对遗传算法的运行结果及计算时间等因素产生十分重要的影响，并且会直接影响到遗传算法的收敛速度，同时影响到运算结果的质量，因此 ⑩硕士学位论文MASTER’STHESIS对遗传算法的参数选择十分重要。简单遗传算法中通常根据经验设定参数，由于交叉概率和变异概率不能反映进化过程，这样会导致很大的盲目性，同时影响算法的收敛性。本文采用了自适应的交叉算子和变异算子。判断遗传算法是否收敛可以通过观察群体的平均适应度值／和最大适应度值-，o的差／纛一／，收敛到最优解时的／二一厂大于分散时的／二一，。当群体收敛到局部最优解时需要增大交叉概率和变异概率才能使群体从局部最优中跳出来，因此有：k．k，成2乙号’以2瓦专然而，当群体进入局部最优解时，P。和几增大可能会破坏群体中的优秀个体，这样导致算法不容易收敛至最优解。因此，群体中每个个体的交叉概率和变异概率应该不同因此本章采用自适应的交叉算子和变异算子17s,76}来改进遗传算法。4．3．1自适应交叉算子交叉运算是以较大概率从染色体群中随机选择两个个体作为父代，交换两个父代的部分基因形成两个新的子代。传统的遗传算法中，交叉概率通常随机选取一个较大的值，一般取值为0．5至l之间，但是这样优秀个体和交叉个体由于交叉概率相同而不利于被保留，因此本文采用自适应的交叉概率，对适应度值高于平均值的个体，可以适当降低交叉概率使得其能更好的进入下一代，而对于适应度值低于平均值的个体则提高交叉概率，这样可以避免发散和陷入局部最优【161。本文中具体采用的交叉概率只可以表示为：只2{_电气是嘶．，))掰其中，只取值应较大，接近I，可选取0．9。巴取值为0．6，这样，当适应度值低于平均值时，交叉概率为0．9，当适应度值大于平均值时，交叉概率取值在0．6~o．9之间，并随着交叉概率增大而减小，这样优秀的个体有较大的概率被遗传到子代，而适应度值较低的个体就以较大的概率进行交叉运算。4．3．2自适应变异算子交叉概率随着个体的适应度值韵增大而减小，变异概率则应随着个体的适应度值的增大而增大，因而设计变异概率如下：只2k眩，乏)唧妒-f)掰 ⑩硕士学位论文MASTER’STHESIS23(17,42)24(26，17)25(19，21)26(10，32)27(34，56)28(12，47)29(19，38)30(27，41)31(21，35)32(32，45)33(27，45)34(32，38)35(8，22)36(15，25)37(35，16)38(36，47)39(46，51)40(50，40)41(23，22)42(27，30)43(38，39)44(36，32)45(32，41)46(42，36)47(36，26)48(15，19)49(19，14)50(46，19)51(27，5)52(52，24)53(40，22)54(40，52)55(42，42)56(47，48)57(51，48)58(50，55)59(48，57)60(27，22)6l(42，56)62(35，53)29 ⑨硕士学位论文MASTER’SnlESIS63(27，55)64(46，25)65(43，58)66(43，62)67(43，12)68(37，61)69(35，60)70(25，62)71(19，61)72(22，54)73(16，58)74(15，54)75(16，45)76(21，8)77(32，18)78(33，13)79(34，8)80(52，22)81(49，17)82(44，15)83(48，12)84(15，34)85(19，28)备选分拨中心坐标参数如表4．2所示；表4．2备选分拨中心坐标分拨中心编号分拨中心坐标1(39，47)2(28，48)3(32，35)4(32，28)5(37，22)6(23，18)7(15，12)分拨中心各点建设成本，供应商到分拨中心运输的可变成本，固定成本，订货成本参数值如表4．3所示： ⑧硕士学位论文MASTER’STHESIS表4．3分拨中心各点参数DC(m)12345西(×J幻2030253228∞6581110gi2738433529霸2022322426重复运行程序10次，得到GA(遗传算法)与IOA(改进的遗传算法)运行结果。其中采用传统的GA求解模型，得到配送中心与其服务的零售商对应关系如表4．4所示，选中的配送中心为1，2，3，6，7。采用IGA求解模型，得到配送中心与其服务的零售商对应关系如表4．5所示，选中的配送中心为2，3，4，5，7。表4．4GA分拨中心与零售商对应关系分拨中心编号零售商编号配送次数169562357757422764380119081482933823624727982118405498625910454653881222387608352682785152564617371925138913428193517516778325544296148970667750624l39162030315863397843749654247261346表4．5IGA分拨中心与零售商对应关系分拨中心编号零售商编号配送次数2725170326l91743832865854045566727468023907624108443020758669574629873564178366476889295479345541787163738853777584816445219493612414318133984221114609275333211539818225263l3850425934适应度曲线运行结果如图4．1所示： 硕士学位论丈MASTER’STHESIS图4．1适应度曲线总成本曲线运行结果如图4．2所示：图4．2总成本曲线 ⑩硕士学位论文MASTER’STHESIS总成本对比结果如表4．6所示：表4．6总成本对比结果算法总成本算法运行时间GA1628639．6409IGA1621136．4116改进率0．46％33．5％从图4．1和图4．2均可以看出，本文采用改进的遗传算法，迭代次数更少，收敛速度更快，从表4．6可以看出，本文改进的遗传算法比传统的遗传算法总成本更低。在迭代次数更少的情况下，运行时间更短，同时运行的总成本也更低。因而本文提出的改进的遗传算法优于使用传统的遗传算法。4。5本章小结本章考虑到退货问题中存在的退货混合质量问题的情形，将退货分为重新包装，丢弃，返厂修复三种情况考虑，建立了考虑退货混合质量问题的选址．库存模型，更加符合实际情形，通过改进的自适应交叉算子和变异算子，采用改进的遗传算法求解模型，通过改进算法与传统算法在总成本及运行时间上的比较证明了改进算法及模型的有效性。 ⑩硕士学位论文MASTER’STHESIS5总结与展望以下对本文内容做简明总结，并展望下一步的研究工作。5．1全文总结现代企业与企业之间的竞争已经转变为供应链与供应链之间的竞争，发展电子商务供应链能有效的帮助企业建立竞争优势，由此会导致退货比例增大，因而物流系统需要作出相应改变以适应这一新的市场环境。因此，本文的研究工作考虑到电子商务供应链环境下退货的特征，以降低物流系统成本，提高客户服务水平为目标，建立了相应的数学模型，并采用改进的优化算法进行求解，通过实例分析证明本文算法是可行的。首先，本文简单介绍了文章中需要用到的算法及其改进策略，并指出了本文中求解模型算法的改进方向。其次，考虑到电子商务供应链环境下退货的特点，本文第三章中将退货全部假设为无质量问题的退货，仅需重新包装就能重新返回销售渠道。因此建立了考虑无质量问题退货的选址．库存模型，采用惯用的求解NP难题的遗传算法，编码方式采用适合此模型解结构的非定长实数编码，并通过实例验证了模型的可行性和算法的有效性。最后，考虑到电子商务供应链环境下退货并非全无质量问题，本文第四章中将退货分为重新包装、直接废弃、返回供应商修复并重新进入销售三种情况处理。建立了考虑退货混合质量问题的选址．库存模型。为了适应庞大的数据，采用改进的遗传算法对模型进行求解，通过MATLAB软件编程分析，并引入UniversityofAveiro的LRPl74】数据库中的数据进行算例分析，验证改进算法的有效性，与传统遗传算法进行对比，结果证明改进的遗传算法收敛更快，结果更优。通过本文的研究为企业实现考虑退货情况下的运营总成本最优提供了相应的理论依据。5．2研究展望电子商务供应链管理是当前运营管理和物流领域共同关注的议题，选址．库存集 ⑧硕士学位论丈MASTER’STHESIS成优化问题是当前集成物流领域研究的前沿课题。因此，考虑电子商务供应链环境下的选址．库存问题是十分必要的，然而本文的研究也存在一定的局限性，主要表现在以下几个方面：(1)模型改进本文中所建立的模型均考虑的是单一品种的产品，现实中客户需求的产品大多为多品种的产品。同时，电子商务供应链环境下客户对时间的要求更高。因而在进一步研究中，需要考虑多品种、时间竞争等因素。同时由于一个零售商只能由一个配送中心配送，没有考虑配送中心相互补货的情形。同时假设所有运输车辆车型相同，因而在以后的研究中，应该考虑到以上几个方面的改进，使研究更加贴近实际。其次，本文中的选址．库存模型实际上是考虑配送方式为直送方式的特殊的选址．库存．路径模型，一个配送中心在一次配送中仅负责配送一个零售商并原路返回，这样容易导致车辆空驶率高，同时车辆容量达不到充分利用。因而可以考虑配送中心负责的零售商可以采用巡回路线运输方式。(2)求解算法改进由于本文所建立的模型是非线性整数规划模型，研究的问题属于NP难题，一般很难找到快速的精确求解算法，因此本文的算法采用的是启发式算法和智能算法，这样无法保证得到最优解。在今后的研究中，需要熟练掌握数学规划、Petri网建模技术、复杂自适应系统、系统动力学、现代优化算法等基本理论和应用范式，采用数学规划、运筹学、Petri网建模技术等更精确算法求解模型。(3)实例数据的获取本文采用的算例分析数据来源主要是UniversityofAveiro的LRpl741数据库中的数据，没有调研搜集企业的实际数据，因而研究的结果与企业的实际情况可能有出入，这是在今后的研究中将要考虑的一个很重要的方面。 硕士学位论丈MASTER’STHESIS参考文献【1】GentryCR．Reducingthecostofreturns叨．ChainStoreAge，1999，75(10)：124．126．【2】2MeyerH．Manyhappyreturns【J】．TheJournalofBusinessStrategy,1999，20(4)：27—31．[3]Watson-OandyC&DohrnP．Depotlocation、ⅣimVailsalesmen：Apracticalapproach[J]．OmegaJournalofManagementScience，1973，1(3)：321-329．[4】JohnsonME&W-hangS．E—businessandsupplychainmanagement：alloverviewandframework[J】．ProductionandOperationsManagement，2002，11(4)：413—423．[5】GunasekaranaA&NgaiEWT．Informationsystemsinsupplychainintegrationandmanagement[J]．EuropeanJournalofOperationalResearch，2004，159(2)：269-295．【6】SpenglerT&SchrOterM．Strategicmanagementofsparepartsinclosed-loopsupplychains—Asystemdynamicsapproach叨．Interfaces，2003，33(6)：7-17．【7】VanNuenJAEE&ZuidwijkRA．E—enabledclosed—loopsupplychains[J】．CaliforniaManagementReview,2004，46(2)：40·54．【8]RepoussisPP，ParaskevopoulosDC，Zobolas13lTarantilisCD&IoannouGAweb-baseddecisionsupportsystemforwastelubeoilscollectionandrecycling[J】．EuropeanJournalofOperationalResearch,2009，159(3)：676-700．【9】9RamanathanR．AnempiricalanalysisontheinfluenceofriskonrelationshipsbetweenhandlingofproductreturnsandcustomerloyaltyinE—commerce[J】．IntemationalJournalofProductionEconomics2011doi：10．1016／j．ijpe．2011．01．005．【10】MollenkopfAD，RabinovichE，LaseterTM&BoyerKK．ManagingInteractproductreturns：Afocusoneffectiveserviceoperations[J】．DecisionSciences，2007，38(2)：215-250．[11】VlachosD&DekkerR．Returnhandlingoptionsandorderquantitiesforsingleperiodproducts[J]．EuropeanJournalofOperationalResearch，2003，151(1)：38-53．[12】MuldaopadhyaySK&SetopulroR．Reverselogisticsine—business：Optimalpriceandreturnpolicy明．InternationalJournalofPhysicalDistribution&LogisticsManagement,2004，34(1)：70-88． ⑧硕士学位论丈MASTER’STHESIS[13】TanAWK，YuWS&ArunK．ImprovingtheperformanceofacomputercompanyinsupportingitsreverselogisticsoperationsintheAsia-Pacificregion田．InternationalJournalofPhysicalDistribution&LogisticsManagement，2003，33(1)：59—74．[14]StuartJA，Bonawi-tanW，LoehrS&GatesJ．ReducingcosBthroughimprovedreturnsprocessing【J】．InternationalJournalofPhysicalDistribution&LogisticsManagement,2005，35(7)：468—480．[15】KenderdineDJ&LarsonPD．Qualityandlogistics：afi'ameworkforstrategicintegration【J】．InternationalJournalofPhysicalDistributionandMaterialsManagement，1988，18(7)，5-10．[16】TagarasG&CohenMA．Poolingintwo-locationinventorysystemswithnon-negligiblereplenishmentleadtimes[J】．ManagementScience，1992，38(8)：1067．1083．【17】ChangP&LinC．Ontheeffectsofcentralizationonexpectedcostsinamulti-locationnewsboyproblem【J]。JournaloftheOperationalResearchSociety,1991，42(11)：1025—1030．[18】MirandaPA&GarridoRA．Incorporatinginventorycontroldecisionsintoastrategicdistributionnetworkdesignmodelwithstochasticdemand【J】．TransportationResearch，2004，40E(3)：183-207．[19】ShenZJM，CoullardCR&DaskinMS。Ajointlocation-inventorymodel【J】．TransportationScience，2003，37(1)：40—55．【20]DaskinMS，CoullardCR&ShenZJM．Aninventory-locationmodel：Formulation，solutionalgorithmandcomputationalresults[J]．AnnalsofOperationsResearch，2002，110：83—106．[21]TanerezJS，LangeJC&SemaPI．Alocation-inventorymodelforlargethree-levelsupplychains[J]．TransportationResearchPartE，2011，48：485—502．【22]BermanO，KrassD，TajbakhshMM．Acoordinatedlocation—inventorymodel阴．EuropeanJoumalofOperationalResearch，2012，217(3)：500—508．【23]UsterH，KeskinB&EtinkayaS．Integratedwarehouselocationandinventorydecisionsinathree-tierdistributionsystem明．1iETransactions，2008，40：718-732．37 ⑧硕士学位论文MASTER’STHESIS[24】DaskinMS，SnyderLV&BergerRT．Facilitylocationinsupplychaindesign[A】．LogisticsSystems：DesignandOptimization【碉，NewYork：SpringerUS，2005．【25】ShenZJM．Integratedsupplychaindesignmodels：Asurveyandfutureresearchdirections[J】．JournalofIndustrialandManagementOptimization,2007，3(1)：1—27．[26】MeloMT，NickelS&Saldanha-da-GarnaF．Facilitylocationandsupplychainmanagement：Areview【刀．EuropeanJournalofOperationsResearch，2009，196(2)：401．412．[27】EaswaranG&UsterH．Tabusearchandbendersdecompositionapproachesforacapacitatedclosed-loopsupplychainnetworkdesignproblem叨．Transportationscience，2009，43(3)：301-320．【28】ListesO．Adecompositionapproachtoastochasticmodelforsupply-and．returnnetworkdesign[R]．EconometricInstituteReportsEI，2002．[29]SalemaMI，PovoaAPB&NovalsAQ．Awarehouse-baseddesignmodelforreverselogistics【J]．JoumaloftheOperationalResearchSociety,2006，57(6)：615．629．[30】E1Saadany,AhmedMA&E1一KharbotlyAK．Reverselogisticsmodeling[C]．In8thintemationalconferenceonproductionengineeringanddesignfordevelopment，Alexandria,Egypt．2004．[31】SahyouniK＆SavaskanRC．Afacilitylocationmodelforbidirectionalflows陬TransportationScience，2007，41(4)：484—499．[32】ZhouXY&XuJP．AclassofintegratedlogisticsnetworkmodelunderrandomfuzzyenvironmentanditsapplicationtoChinesebeercompany[J】．InternationalJournalofUncertaintyFuzzinessandKnowledge-basedSystems，2009，17(6)：807．831．[33】PishvaeeMS，JolaiF&RazmiJ．Astochasticoptimizationmodelforintegratedforward／reverselogisticsnetworkdesign[J】．JournalofManufacturingSystems，2009，28(4)：107-114．[34】ZareiM，MansourS&KashanAH．Designingareverselogisticsnetworkforend·of-lifevehiclesrecovery叨．MathematicalProblemsinEngineering，2010．[35]KrisL&VandaeleN．Reverselogisticsnetworkdesignwithstochasticleadtime叨．38 ⑧硕士学位论文MASTER’STHESISComputersandOperationsResearch，2007，34(2)：395-416．[36】FleischmannM，Bloemhof-RuwaardJM，DekkerRLaanEVD，NunenJAEE&WassenhoveLNVQuantitativemodelsforreverselogistics：Areview[J】．EuropeanJournalofOperationalResearch，1997，103(1)：1—17．[37】FleischmarmM，KuikR&DekkerR．ControllingInventorieswithStochasticItemReturns：aBasicModel．EuropeanJournalofOperationalResearch，2002，138：63．75【38】FleischmannM&KuikR．Onoptimalinventorycontrol州廿lindependentstochasticitemreturns阴．EuropeanJournalofOperationalResearch，2003，151(1)：25-37．[39]MukhopadhyaySK&MaH．Jointprocurementandproductiondecisionsinremanufacturingunderqualityanddemanduncertainty．InternationalJournalofProductionEconomics2009，120：5—17．【40】OstlinJ，SundinE&BjorkmanM．Productlife-cycleimplicationsforremanufacturingstrategies阴．JournalofCleanerProduction，2009，17：999-1009。[41】HsuehCEAninventorycontrolmodelwithconsiderationofremanufacturingandproductlifecycle[J】．InternationalJournalofProduaionEconomics，2011，133：645．652．[42]AhiskaSS&KingRE．Lifecycleinventorypolicycharacterizationsforasingle-productrecoverablesystem[J】．InternationalJoumalofProductionEconomiCS，2010，124(1)：51“1．[43】黎青松，袁庆达，杜文．一个结合库存策略的物流选址模型【J】．西南交通大学学报(自科版)，2000，35(3)：315．318．[44]翟恩东，汪定伟．考虑库存分配的多年度二级分销网络优化模型叨．东北大学学报(自科版)，2001，22(2)：175．178．[45】谭凌，高峻峻，王迎军．基于库存成本优化的配送中心选址问题研究【J】．系统工程学报，2004，19(1)：59．65．【46】秦绪伟，范玉顺，尹朝万．随机需求下的选址一库存配送系统集成规划模型及算法四。控制理论与应用，2006，23(6)：853．860．39 硕士学位论文MASTER’STHESIS[47】唐凯，杨超，杨瑁．带市场选择的联合库存选址模型[J]．工业工程与管理，2007(5)：5-10．[48】向盛斌．逆向物流与环境保护【J】．物流技术，2001(1)：44．45．[49】柳键．供应链的逆向物流[J】。商业经济与管理，2002(6)：11．13。[50】朱道立，崔益明，陈姝妮．逆向物流系统与技术[J】．复旦学报：自然科学版，2003，42(5)：673-679．[51]达庆利，黄祖庆，张钦．逆向物流系统结构研究的现状及展望阴．中国管理科学，2004，12(1)：131．138．[52】孙林岩，王蓓．逆向物流的研究现状和发展趋势[J】．中国机械工程，2005，16(10)：928-934．[53】黄祖庆，达庆利．一个允许退货的库存控制策略模型明．东南大学学报(自然科学版)，2003，33(6)：792．795[54】狄卫民，胡培，马祖军，代颖．基于随机规划的制造／再制造物流网络优化设计[J】．系统仿真学报，2008，20(9)：2368．2374．【55]顾巧论，季建华．再制造／制造系统集成物流网络模糊机会约束规划模型【J】．控制理论与应用，2005，22(6)：889．894．[56】顾巧论，陈秋双．再制造／制造系统集成物流网络及信息网络研究叨．计算机集成制造系统，2004，10(7)：721．726．[57】马祖军，代颖，刘飞．制造／再制造混合系统中集成物流网络优化设计模型研究[J】．计算机集成制造系统，2005，11(11)：1551．1557．【58】马祖军，代颖，刘飞．制造／再制造集成物流网络设计的随机规划模型【J】．中国机械工程，2006，17(9)：902—906．[69]吕飞，李延晖．备件物流系统选址．库存．路径问题模型及算法研究【J】．工业工程与管理，2010，15(1)：82．86．[60】DuLJ&LiYH．Modelandalgorithmforlocation—inventory-routingproblemwithtimewindows[A】．mInternationalConferenceofProductionandOperationManagement[C]，XiaMen,2008．【61]TangQ&LiYH．ImprovedSimulatedAnneal吨Algorithmfor4n ⑧硕士学位论文MASTER’STHESISLocation·Inventory-RoutingProblemwi也SoftTimeWindows[A】．The6thInternationalConferenceonInnovationandManagement[C】，Boracay,Philippines，September9—11，2009．【62】CuiFT，LiYH&WeiAX．Researchondynamiclocationproblemmodelandalgorithmofdistributioncenters【J]．AdvancedMaterialsResearch，2012(421)：470-476．[63】HollandJH．Outlineforalogicaltheoryofadaptivesystems．JournaloftheAssociationforComputingMachinery．1962，9(3)：297-314．【64]曹道友．基干改进遗传算法的应用研究【D]．安徽大学，2010【65】BagleyJD．TheBehaviorofAdaptiveSystemwhichEmployGeneticandCorrelationAlgorithm[J]．DissertationAbstractsInternational，1967，28(12)：2-4．[66】DeJongKA，Ananalysisofthebehaviorofaclassofgeneticadaptivesystems[D】．UniversityofMichiganAnnArbor，1975．[67】GoldbergDE．GeneticAlgorithmsinSearch，OptimizationandMachineLearning【M】．Cambridge，MA：AddisonWesley,1989．【68】张晓海．遗传算法在物流中的应用研究[D】．北京：中国地质大学，2007．【69】周明，孙树栋．遗传算法原理及应用[M】。北京：国防工业出版社，1996。[70】吉根林．遗传算法研究综述田．计算机应用与软件，2004，02：69．73．【71】尹元韬，王焱．遗传算法改进策略研究进展【J】．信息技术与信息化，2010，No．14703：40．45．[72]徐磊．基于遗传算法的多目标优化问题的研究与应用[D】．中南大学，2007．【73]郝红娟．物流中心仓储区规划方法研究D)】．吉林大学，2007．[74]UniversityofAveiro．Location-routingproblems[DB／OL]．【2013—3-20]．http：／／sweet．Ua．pt／～iscfl43／_private／SergioBarretoHomePage．htm．[75】史明霞，陶林波，沈建京．自适应遗传算法的改进与应用[J】．微计算机应用2006，27(4)：405-408．【76]雷亮，汪同庆，彭军，杨波。改进的自适应遗传算法应用研究【J】．计算机科学，2009，36(6)：203-205． ⑥硕士擘位论文MASTER’STHESIS附录1：攻读硕士学位期间的论文工作[1]DengS，LiYH，YaoL．Combinecostandtimesatisfactionintoamulti．objectiveprogrammingforintegratedlogisticssystem【A】．Proceedingsof2011InternationalConferenceOnComputerScienceandServiceSystemiC]，Nanjing，China,June27．29，201【2】YaoL，LiYH．Aclosed·loopLocation-InventoryproblemconsideringrettlrllswithmixedqualitydefectsinE-commerce，Workingpaper,Targetpublication：ASCI，SSCIJournal．42 硕士学位论文MASTER’STHESIS附录2：攻读硕士学位期间参与的科研项目(1)国家自然科学基金项目“电子商务供应链环境下动态集成物流管理研究”(No．：71171093)。(2)国家自然科学基金项目“时间竞争环境下选址-库存一路径问题优化模型与算法研究”(No．：70871050)。 ⑥硕士学位论文MASTER’STHESIS致谢本论文是在我的导师华中师范大学信息管理学院教授李延晖博士的指导下完成的。李老师精湛的专业知识、严谨的治学态度、严于律己宽于待人的处事风格，深深影响着我，我深深地感到自己这三年来取得的进步离不开李老师无私的帮助。在三年的学习生涯中，李老师在我身上寄予了很大的期望，对于我所犯下的过失处处包容，然而我却一直没有好好严格要求自己，没有达到李老师的期望，现在回想起来觉得十分惭愧。李老师不仅在学术道路上对我严格要求，指引我前进，在生活上也时刻给予我关怀与照顾，始终都以宽容的态度包容我、鼓励我、支持我。李老师不但是一位可亲可敬的师长，更是一位睿智、民主、治学严谨和关心学生的良师益友。在此，我要向李老师表示由衷的感谢。硕士期间的学习、论文的顺利完成，离不开信息管理学院各位老师、同学、朋友和家人的鼓励与支持：感谢大学四年、研究生三年来华中师范大学信息管理学院王学东老师、张大斌老师、王战平老师、桂学文老师、段钊老师、高劲松老师、李玉海老师、易明老师、曹高辉老师、胡伟雄老师、卢新元老师、胡伟雄老师、娄策群老师、夏立新老师、陈菁华老师等老师在学业上给我的指导和帮助，感谢他们这些年来对我的帮助和照顾。你们的教诲使我得以成长。感谢叶孔森书记、黄老师和张乾红老师这三年来对我思想上、学习上和生活上无微不至的关怀和照顾。在今后的人生道路上，我一定以为母校争光为荣，身体力行，报答母校七年来对我的教导与关怀之情。感谢师兄刘向、吕飞、邓帅、崔飞涛，师姐唐琼、杜丽敬、袁贵、付晶，郭吴，师弟卢猛猛、黄振兴、刘钢、范俊、肖凯、陈辉，师妹王彦、赵飞鸽、柯亚楠等这些年在学术上对我的帮助和生活上对我的关心与照顾；感谢室友温梅、李星星和王萍，我们一起度过了七年的美好时光，建立的深厚的友谊，正是因为有了她们的陪伴和鼓励，我的研究生生活才能充满欢声笑语；感谢我的男友简鸿鹏，在学习上生活上给予我大量的帮助，对我无限的宽容与照顾，让我的生活充满快乐；感谢华中师范大学信息管理学院的潘倩、吴沈云、熊倩、陈琴、张一驰、王崇锦等同学，谢谢你们带给我的快乐和帮助。最后，我要感谢我家人，父亲，母亲和哥哥，感谢他们在我这么多年的求学路上给予我的默默支持和无私奉献，给予我家庭的温暖，教会了我做人的道理，谢谢他们!