配送中心选址方法综述

配送中心选址方法综述

摘要：物流配送中心选址方案直接关系到物流的效率和成本。本文将所收集方法分为定性和定量方法两类，并且总结了这些方法的优缺点和适用范围，为实际选址决策提供理论参考。

关键词：配送中心选址方法综述优缺点适用范围

1选址问题研究的起源和发展

国外学者对配送中心选址问题的研究起步较早，大致可分为两个阶段：早期选址研究阶段和选址研究繁荣及理论更加丰富阶段。

(1)早期选址研究。选址理论最初由Alfred Weber于 1909年提出，他所考虑的选址问题是确定一个仓库的位置，使仓库与一系列分散的需求点之间的旅行距离最短[1]。运输成本在选址决策中的重要作用是贯穿早期选址研究的共同主题[2]

(2)选址研究繁荣及理论更加丰富阶段。20世纪60年代中期以前，选址理论的研究在各个不相关的领域内展开，并未形成统一的理论。直到1964年，Hakimi[3]的论文激发了人们对选址问题的更大兴趣，他对选址问题进行了更加理论化的研究，考虑了一个带有一般性的问题：网络多设施选址。该成果是设施选址问题发展为一个系统、科学理论的里程碑。此后，大量不同类型的问题被确定并被求解，选址理论研究进入繁荣时期 [4]。20世纪80年代以后，现代物流理念的产生，使得设施选址理论的研究内容更加丰富。

国内开展选址理论研究的起步较晚，建立在吸收国外相关研究优秀成果的基础上，始于多目标问题，发展较快。蔡希贤等[5]于20世纪80年代中期对国外的一些经典选址模型进行了介绍。随后较长一段时间内，选址问题的模型研究并未引起国内学者的足够重视，直到90年代中后期，随着供应链管理和物流研究的兴起，广大学者才开始关注选址问题。近十年来，国内发表了很多有关选址研研的文章，选址研究达到高峰。

2配送中心选址方法综述

2.1定性方法

定性方法，通常也称“多准则决策”“综合因素评价”，是将专家凭经验、专业知识作出的判断以数值形式表示。根据选址时需考虑的各种影响因素(准则），通过综合的定性分析，建立评价指标体系，且常常采用层次分析法、模糊综合评判法、德尔菲法(Delphi)等评价方法对等各个备选方案进行指标评价，从中选择相对最优方案。

定性方法在实际中很常用，能从较全面的角度将较多因素考虑在内，且可有效结合决策者的经验、偏好、意愿等来进行方案评价。但由于研究过程中主观性较强，定量因素的比较性被削弱，决策结果常受专家知识结构、经验等诸多因素的限制和影响，造成评价偏差较大，不够客观、准确。因此，虽然很多学者认为它是一种定性与定量方法有机结合的量化决策方法，但本质上它仍属于定性研究。为有效克服其缺陷，实际选址中应与至少一种以上的量化技术有效结合，才能保证选址的科学性。

任春玉等[6]建立了关于具有NP-hard性质的配送中心选址的0-1混合整数线性规划模型，然后用定量化的遗传算法与定性化的模糊综合评价法相结合的方法来求解该模型，以此确定配送中心地址。王晓博(2006)[7]提出利用启发式算法与模糊综合评价法相结合来初步确定电子商务环境下配送中心选址方案，然后综合运用协调分析与专家评分来决策，进而确定配送中心最优位置。林娜(2010)[8]在深入研究传统物流配送中心选址方法定性定量分析优缺点的基础上，提出了一个基于GIS和遗传算法的物流配送中心选址模型。借用GIS 强大的空间分析能力来进行定量分析，得出一系列候选地点，再利用遗传算法求得最优配送中

心地址，既有效克服了传统量化方法考虑因素不全的弱点，又大大减少了定性研究中主观因素所带来的负面影响，该方法为以后的研究提供了一些新的思路。

2.2定量方法

定量方法一般用可量化的描述成本的数学公式为目标函数进行优化选址，常以物流过程总费用最小为目标，通过设定一些参数、变量，并对问题作一定的假设，建立一个比实际情况简单的模型，通过求解模型得出方案。比较典型的定量方法包括重心法，Baumol-Wolfe 法，混合整数规划法，启发式算法等。

2.2.1解析法

解析法把选址抽象成一种数学表达式，通过求解纯数学模型找到最优方案。最典型代表是Francis和White所用的物流地理重心法(CentroidMethod)解决欧式距离选址问题。该方法根据距离、需求量、时间或三者的结合，在坐标上显示，以配送中心位置为因变量，用代数方法来求解配送中心的坐标，通常只考虑线性的运输成本，是研究单设施选址的常用模型。重心法灵活性较大，模型简单，但缺点是自由度过多，另外该模型所用解法主要是迭代法，而迭代计算常常复杂且求得的最佳地点不能和现实的地理条件结合起来，往往无法实现。针对这一缺陷，谢静等[9]对重心法进行了改进，将位置度量法和重心法相结合,从而得到最佳的配送中心地址，并通过实例说明了该方法有较好的实用性。人们一般认为针对单一配送中心选址，重心法是一种有效的选址方法，如吴润涛等(1986)[10]将重心法视为一种可在实践中应用、无需证明的正确选址方法。这种观点和看法，已被大多数人接受和认可。但鲁晓春等(2000严]对重心法选址作了深入的研究，认为原有重心法存在问题，并主张用更为科学的流通费用偏微分方程来取代原有计算公式，先对总运输费用求偏导，得到微分方程，然后进行迭代计算，得到最佳配送中心地址值。

2.2.2最优化规划法

最优化规划法，也称运筹学方法，主要运用数学方法研究各种系统的优化途径及方案，在特定约束条件下，从可行方案中挑选最优方案。该方法已逐渐成为求解复杂配送中心选址问题的常用方法，主要包括线性规划、非线性规划、整数规划、连续优化(数学规划）、离散优化(组合优化)和动态规划、网络规划等。其中，线性、整数规划是目前应用最广泛，也是最主要的选址技术，其优点是能获得精确最优解，但对一些复杂情况很难建立合适的规划模型，或者模型太复杂，难以得到最优解。国内外学者对配送中心选址中最优化规划法的运用问题进行了深入研究。各种规划方法在具体使用中，常出现 NP-hard问题，因此大量学者尝试先用各种解析规划方法建立数学模型，然后有效结合启发式算法、计算机仿真技术来求解、评价，在成功解决NP-hard问题方面取得了较好效果。Baumol和Wolfe构造了一个适用于多配送中心选址的整数规划模型:在满足供应及需求约束条件下，追求由运输费、输送费及可变费用组成的总费用最低，以此选定配送中心。杨茂盛(2007)[11]对于将Baumo1- Wolfe模型运用于配送中心选址进行了重点研究，并系统分析了该模型的优缺点。混合0-1整数规划模型常常用于解决物流网络设计中常见的大型、复杂选址问题，但缺点是将可变费用改为线性关系处理，这种倒退主要来自求解的考虑由于变量和约束条件众多、形式复杂，一般用启发式算法求解。

2.2.3智能启发式方法

启发式算法建立在经验和判断基础上，体现人的主观能动作用和创造力。该算法不是精确式算法，而是一种逐次逼近最优解的方法，不能保证最优，但只要处理得当，获得的可行解与最优解非常接近，且计算简单、求解速度快。目前启发式算法可大致分为两大类：一般启发式算法和智能启发式算法(如:遗传算法，禁忌搜索算法，模拟退火算法，神经网络算法，贪婪算法，蚁群算法，进化算法，气球搜索算法等）。近些年，智能计算成为研究热点，这些方法呈现出相互融合的趋势，它们优势互补大大增强了解决实际问题的能力。各种智