A. 請教選址研究問題！
物流配送中心選址方法研究綜述
內容摘要：物流配送中心的選址決策在物流運作中有著重要的地位。本文對近年來國內外有關配送中心選址方法的文獻進行梳理和研究。研究結果發現：各種選址方法有著各自的優缺點和一定的適用范圍，各種方法的組合是未來該領域研究的趨勢。
關鍵詞：物流配送中心 選址 文獻綜述
在物流系統的運作中，配送中心的選址決策發揮著重要的影響。配送中心是連接工廠與客戶的中間橋梁，其選址方式往往決定著物流的配送距離和配送模式，進而影響著物流系統的運作效率。因此，研究物流配送中心的選址具有重要的理論和現實應用意義。
本文對近年來國內外有關物流配送中心選址方法的文獻進行了梳理和研究，並對各種方法進行了比較。選址方法主要有定性和定量的兩種方法。定性方法有專家打分法、Delphi法等，定量方法有重心法、P中值法、數學規劃方法、多准則決策方法、解決NP hard問題（多項式復雜程度的非確定性問題）的各種啟發式演算法、模擬法以及這幾種方法相結合的方法等。由於定性研究方法及重心法、P中值法相對比較成熟，因此，本文將主要分析定量方法中的數學規劃、多准則決策、解決NP hard問題的各種啟發式演算法、模擬在配送中心選址中應用的研究狀況。
數學規劃方法
數學規劃演算法包括線性規劃、非線性規劃、整數規劃、混合整數規劃和動態規劃、網路規劃演算法等。在近年來的研究中，規劃論中常常引入了不確定性的概念，由此進一步產生了模糊規劃、隨機規劃、模糊隨機規劃、隨機模糊規劃等等。不確定性規劃主要是在規劃中的C(價值向量)、A(資源消耗向量)、b(資源約束向量)和決策變數中引入不確定性，從而使得不確定規劃更加貼近於實際情況，得到廣泛地實際應用。
國內外學者對於數學規劃方法應用於配送中心的選址問題進行了比較深入的研究。姜大元(2005)應用Baumol-wolf模型，對多物流節點的選址問題進行研究，並通過舉例對模型的應用進行了說明，該模型屬於整數規劃和非參數規劃結合的模型。各種規劃的方法在具體的現實使用中，常常出現NP hard問題。因此，目前的進一步研究趨勢是各種規劃方法和啟發式演算法的結合，對配送中心的選址進行一個綜合的規劃與計算。
多准則決策方法
在物流系統的研究中，人們常常會遇到大量多准則決策問題，如配送中心的選址、運輸方式及路線選擇、供應商選擇等等。這些問題的典型特徵是涉及到多個選擇方案(對象)，每個方案都有若干個不同的准則，要通過多個准則對於方案(對象)做出綜合性的選擇。對於物流配送中心的選址問題，人們常常以運輸成本及配送中心建設、運作成本的總成本最小化，滿足顧客需求，以及滿足社會、環境要求等為准則進行決策。多准則決策的方法包括多指標決策方法與多屬性決策方法兩種，比較常用的有層次分析法(AHP)、模糊綜合評判、數據包絡分析(DEA),TOPSIS、優序法等等。
多准則決策提供了一套良好的決策方法體系，對於配送中心的選址不管在實務界還是理論方面的研究均有廣泛的應用與研究。關志民等(2005)提出了基於模糊多指標評價方法的配送中心選址優化決策。從供應鏈管理的實際需要分析了影響配送中心選址的主要因素，並建立相應的評價指標體系，由此給出了一種使定性和定量的方法有機結合的模糊多指標評價方法。Chen-Tung Chen(2001)運用了基於三角模糊數的模糊多准則決策對物流配送中心的選址問題進行了研究。文章以投資成本、擴展的可能性、獲取原材料的便利性、人力資源、顧客市場的接近性為決策准則，並對各個准則採用語義模糊判定的方式進行了權重上的集結。
有關多准則決策方法，特別是層次分析法和模糊綜合評判的方法，在配送中心的選址研究中有著廣泛的應用。但是，這兩種方法都是基於線性的決策思想，在當今復雜多變的環境下，線性的決策思想逐漸地暴露出其固有的局限性，非線性的決策方法是今後進一步的研究的重點和趨勢。
啟發式演算法
啟發式演算法是尋求解決問題的一種方法和策略，是建立在經驗和判斷的基礎上，體現人的主觀能動作用和創造力。啟發式演算法常常能夠比較有效地處理NP hard問題，因此，啟發式演算法經常與其它優化演算法結合在一起使用，使兩者的優點進一步得到發揮。目前，比較常用的啟發式演算法包括：遺傳演算法；神經網路演算法；模擬退火演算法。
（一）遺傳演算法
遺傳演算法（genetic algorithm, GA）是在 20 世紀 60 年代提出來的，是受遺傳學中自然選擇和遺傳機制啟發而發展起來的一種搜索演算法。它的基本思想是使用模擬生物和人類進化的方法求解復雜的優化問題，因而也稱為模擬進化優化演算法。遺傳演算法主要有三個運算元：選擇；交叉；變異。通過這三個運算元，問題得到了逐步的優化，最終達到滿意的優化解。
對於物流配送中心的選址研究，國內外有不少學者將遺傳演算法同一般的規劃方法結合起來對其進行了研究。蔣忠中等（2005）在考慮各種成本(包括運輸成本等)的基礎上，結合具體的應用背景，建立的數學規劃模型(混合整數規劃或是一般的線性規劃)。由於該模型是一個組合優化問題，具有NP hard問題，因此，結合了遺傳演算法對模型進行求解。通過選擇恰當的編碼方法和遺傳運算元，求得了模型的最優解。
遺傳演算法作為一種隨機搜索的、啟發式的演算法，具有較強的全局搜索能力，但是，往往比較容易陷入局部最優情況。因此，在研究和應用中，為避免這一缺點，遺傳演算法常常和其它演算法結合應用，使得這一演算法更具有應用價值。
（二）人工神經網路
人工神經網路(artificial neural- network, ANN)是由大量處理單元(神經元)廣泛互連而成的網路，是對人腦的抽象、簡化和模擬，反應人腦的基本特徵。可以通過對樣本訓練數據的學習，形成一定的網路參數結構，從而可以對復雜的系統進行有效的模型識別。經過大量樣本學習和訓練的神經網路在分類和評價中，往往要比一般的分類評價方法有效。
對於神經網路如何應用於物流配送中心的選址，國內外不少學者進行了各種有益的嘗試。韓慶蘭等（2004）用BP網路對物流配送中心的選址問題進行了嘗試性地研究，顯示出神經網路對於解決配送中心選址問題具有一定的可行性和可操作性。
這一研究的不足是神經網路的訓練需要大量的數據，在對數據的獲取有一定的困難的情況下，用神經網路來研究是不恰當的。在應用ANN時，我們應當注意網路的學習速度、是否陷入局部最優解、數據的前期准備、網路的結構解釋等問題，這樣才能有效及可靠地應用ANN解決實際存在的問題。
（三）模擬退火演算法
模擬退火演算法(Simulated Annealing, SA)又稱模擬冷卻法、概率爬山法等，於1982年由Kirpatrick提出的另一種啟發式的、隨機優化演算法。模擬退火演算法的基本思想由一個初始的解出發，不斷重復產生迭代解，逐步判定、舍棄，最終取得滿意解的過程。模擬退火演算法不但可以往好的方向發展,也可以往差的方向發展,從而使演算法跳出局部最優解,達到全局最優解。
對於模擬退火演算法應用於物流配送中心選址的研究，大量的文獻結合其它方法（如多准則決策、數學規劃等）進行了研究。任春玉(2006)提出了定量化的模擬退火遺傳演算法與層次分析法相結合來確定配送中心地址的方法。該方法確保總體中個體多樣性以及防止遺傳演算法的提前收斂，運用層次分析法確定 物流配送中心選址評價指標權重，並與專家評分相結合進行了綜合評價。該演算法對於解決物流配送中心的選址具有較好的有效性和可靠性。
除以上三種比較常用的方法之外，啟發式演算法還包括蟻群演算法、禁忌搜索演算法、進化演算法等。各種演算法在全局搜索能力、優缺點、參數、解情況存在著一定的差異。各種啟發式演算法基本上帶有隨機搜索的特點，已廣泛地應用於解決NP hard問題，同時也為物流配送中心選址的智能化處理提供了可能。用解析的方法(包括線性規劃等)建立數學模型，然後運用啟發式演算法進行求解是目前以及未來研究物流配送中心選址的一種較為可行和可操作的研究方法。
模擬方法
模擬是利用計算機來運行模擬模型，模擬時間系統的運行狀態及其隨時間變化的過程，並通過對模擬運行過程的觀察和統計，得到被模擬系統的模擬輸出參數和基本特徵，以此來估計和推斷實際系統的真實參數和真實性能。國內外已經不少文獻將模擬的方法運用於物流配送中心選址或是一般的設施選址的研究，研究結果相對解析方法更接近於實際的情況。
張雲鳳等(2005)對汽車集團企業的配送中心選址運用了模擬的方法進行了研究。先確定了配送中心選址的幾種方案，應用了Flexim軟體對各方案建立了模擬模型，根據模擬結果進行了分析和方案的選擇。該方法為集團企業配送中心選址問題提供了一種較為理想的解決方法。薛永吉等(2005)通過建立數學模型對物流中心的最優站台數問題進行研究，在一定假設和一系列限制條件下，求解最優站台數量，並針對數學模型的復雜性和求解的種種不足，以ARENA模擬軟體為平台，建立模擬模型確定了最優化方案。Kazuyoshi Hidaka等(97)運用模擬對大規模的倉庫選址進行了研究。該研究對倉庫的固定成本、運輸成本，和同時滿足6800名顧客進行了模擬，以求得臨近的最優解(near-optimal solution)。在求解的過程中，結合了貪婪－互換啟發式演算法(Greedy-Interchange heuristics)和氣球搜索演算法(Balloon Search)兩種啟發式演算法進行求解。該演算法能比較有效地避免陷入局部最優解和得到比較滿意的選址方案。但是，研究的結果容易受到運輸車輛的平均速度變化的影響。
模擬方法相對解析的方法在實際應用中具有一定的優點，但是，也存在一定的局限性。如模擬需要進行相對比較嚴格的模型的可信性和有效性的檢驗。有些模擬系統對初始偏差比較敏感，往往使得模擬結果與實際結果有較大的偏差。同時，模擬對人和機器要求往往比較高，要求設計人員必須具備豐富的經驗和較高的分析能力，而相對復雜的模擬系統，對計算機硬體的相應要求是比較高的。關於未來的研究，各種解析方法、啟發式演算法、多准則決策方法與模擬方法的結合，是一種必然的趨勢。各種方法的結合可以彌補各自的不足，而充分發揮各自的優點，從而提高選址的准確性和可靠性。
物流配送中心的選址決策對於整個物流系統運作和客戶滿意情況有著重要的影響。本文在對國內外有關物流配送中心選址方法文獻研究的基礎上，對比分析了數學規劃方法、多准則決策、啟發式演算法、模擬方法在配送中心選址中的應用。研究發現數學規劃方法、多屬性決策方法、啟發式演算法、模擬方法各自有自己的優缺點和一定的適用范圍，各種方法的組合研究是未來研究的一種趨勢。同時，由於選址問題本身具有的動態性、復雜性、不確定性等特性，因此，開發和研究新的模型與方法也是進一步解決配送中心選址問題的必需途徑。
參考文獻：
1.蔣忠中，汪定偉.B2C電子商務中配送中心選址優化的模型與演算法(J).控制與決策，2005
2.韓慶蘭，梅運先.基於BP人工神經網路的物流配送中心選址決策(J).中國軟科學，2004
B. 求大家幫我找一篇論文案例，題目《配送中心選址研究》謝謝啦
物流配送中心選址分析
提要:本文分析物流配送中心選址的影響因素及選址方法；針對重心法在物流配送中心選址中的應用舉出實例，並運用選址度量法對重心法在選址決策中存在的缺陷進行改進，通過綜合分析得到最佳選址方案。
在物流系統中，配送中心居於重要的樞紐地位。物流配送中心的選址，是指在一個具有若干供應點及若干需求點的經濟區域內，選一個或多個地址設置配送中心的規劃過程。較佳的物流配送中心選址方案可以有效地節約費用，促進生產和消費的協調與配合，保證物流系統的平衡發展。因此，物流配送中心的合理選址就顯得十分重要。
一、物流配送中心選址的影響因素
（一）貨物分布和數量。這是配送中心配送的對象，如貨物來源和去向的分布情況、歷史和現在以及將來的預測和發展等。配送中心應該盡可能地與生產地和配送區域形成短距離優化。貨物數量是隨配送規模的增長而不斷增長的。貨物增長率越高，越是要求配送中心選址的合理性，從而減少輸送過程中不必要的浪費。
（二）運輸條件。物流配送中心的選址應接近交通運輸樞紐，使配送中心形成物流過程中的一個恰當的結點。在有條件的情況下，配送中心應盡可能靠近鐵路貨運站、港口及公路。
（三）用地條件。物流配送中心的佔地問題在土地日益昂貴的今天顯得越來越重要。是利用現有的土地，還是重新征地？地價如何？是否符合政府規劃要求等等，在建設配送中心時都要進行綜合考慮。
（四）商品流動。企業生產的消費品隨著人口的轉移而變化，應據此更好地為企業的配送系統定位。同時，工業產品市場也會轉移變化，為了確定原材料和半成品等商品的流動變化情況，在進行物流配送中心的選址時，應考慮有關商品流動的具體情況。
（五）其他因素。如勞動力、運輸與服務的方便程度、投資額的限制等。
二、物流配送中心選址方法
（一）定性分析法。定性分析法主要是根據選址影響因素和選址原則，依靠專家或管理人員豐富的經驗、知識及其綜合分析能力，確定配送中心的具體選址。主要有專家打分法、德爾菲法。定性方法的優點是注重歷史經驗，簡單易行。其缺點是容易犯經驗主義和主觀主義的錯誤，並且當可選地點較多時，不易做出理想的決策，導致決策的可靠性不高。
（二）定量分析法。定量的方法主要包括重心法、鮑莫爾-沃爾夫法、運輸規劃法、Cluster法、CFLP法、混合0-1整數規劃法、雙層規劃法、遺傳演算法等。定量方法選址的優點是能求出比較准確可信的解。其中，重心法是研究單個物流配送中心選址的常用方法，這種方法將物流系統中的需求點和資源點看成是分布在某一平面范圍內的物流系統，各點的需求量和資源量分別看成是物體的重量，物體系統的重心作為物流網點的最佳設置點。
三、物流配送中心合理選址案例分析
（一）重心法模型選址實例。現假設冠芝霖手機大賣場總部要擬建一個物流配送中心來負責其在蘇州市區內各店的物流配送，根據這4個店在地圖上的具體位置建立直角坐標系，以其中一個店的坐標為（0，0），同時假設單位運量單位距離的運輸成本相同，年物流運輸量如表1所示，試用重心法確定物流配送中心的坐標位置。一般來說，根據重心法模型計算得出配送中心的位置坐標為（11.5，9.9），由地圖可知該點恰好位於三香公園所在位置。（表1）
（二）對重心法模型的改進。重心法是使用比較早的一種方法，計算簡單，而且其配送中心地點的選擇是不加特定限制的，具有自由選擇的長處。但是從另一個方面來看，重心法模型的自由度過多也是一個缺點，它僅考慮運輸費用而沒有考慮配送中心建設的固定費用（包括基本建設費用和固定經營費用）及因經營管理產生的可變費用。有時由重心法計算求得的最佳地點實際上並不可行，有的地點很可能在河流湖泊上或街道中間等，此時就要根據客觀條件，放棄最優位置而另外選擇一個比較滿意的位置，所以需要對其進行改進。
當由重心法計算所得到的坐標在實際中不可行時，考慮市政規劃和地理條件等因素後，在以重心坐標為圓心，以R為半徑的圓形區域中選擇幾個可行的備選點，然後利用選址度量法從備選點中選出最佳物流配送中心建設點。選址度量法是一種既考慮定量因素、又考慮定性因素用以支持設施選址的方法，是評價綜合因素的另一類選址方法，步驟如下：
1、將各因素分為成本因素和非成本因素，確定其成本因素比重：x和非成本因素比重：1-x（0≤x≤1）。
2、確定客觀度量值OM：
OM=1/［C（1/C）］（1）
C為第i個可行位置的第j項成本；OM=1，m為客觀因素數目；n為可行位置數。
3、確定非成本因素度量值SM：
SM=［I×（W/W）］（2）
W為i位置對k因素的比重；W/W為非成本因素的評價值；I為k非成本因素的權重；M為非成本因素數目。
4、確定位置度量值LM：
LM=xSM+（1-x）OM（3）
5、決策。LM最大者是最佳位置。
由於上述所算坐標點（11.5，9.9）在實際中不可行。根據市政規劃、地理位置和配送中心選址因素，我們在以（11.5，9.9）為圓心以1個單位長為半徑的圓形區域內得到3個備選點：P（10.8，10.3）、P（11.8，10.5）、P（12.3，9.5）。
這些備選點中需要考慮的成本因素有：土地價格、運輸成本和建安費；非成本因素有：自然環境條件、對城市居民的影響、距離交通主幹道遠近。通過德爾非法得成本因素比重x=0.65，非成本因素比重1-x=0.35。成本因素中P、P、P的土地價格：C=4000，C=7000，C=5600，運輸成本C=450，C=340，C=300，建安費：C=2050，C=1800，C=2000；非成本因素中P、P、P的自然環境條件比值：W=0.4，W=0.6，W=0.3；對城市居民影響大小：W=0.5，W=0.6，W=0.4；距離城市主幹道遠近：W=0.2，W=0.4，W=0.7。非成本因素權系數I=0.3，I=0.3，I=0.4。
根據公式（1）、（2）、（3），可以得出，LM=0.33，LM=0.30，LM=0.36。LM＞LM＞LM，所以點P（12.3，9.5）是建該配送中心的最佳位置。
四、結語
定性選址方法比較注重歷史經驗，簡單易行，但是容易犯經驗主義和主觀主義的錯誤，並且當可選地點較多時，不易做出理想的決策，導致決策的可靠性不高。與定性方法相比較，用定量選址方法進行選址時是能求出比較准確、可信的解，但又常常為了量化，使本來比較復雜的事物簡單化、模栩化了，甚至有的意見被量化以後可能被誤解和曲解。因此，定性與定量方法相結合是一種比較科學而又切合實際的選址方法。本文中的選址度量法由於既考慮了定量因素、又考慮了定性因素，並結合了實際情況、成本因素和非成本因素的影響，對重心法改進以後使得物流配送中心的選址更加科學和合理。此方法綜合了定性和定量兩方面的優點，能夠做出比較理想的決策。