A. 请教选址研究问题！
物流配送中心选址方法研究综述
内容摘要：物流配送中心的选址决策在物流运作中有着重要的地位。本文对近年来国内外有关配送中心选址方法的文献进行梳理和研究。研究结果发现：各种选址方法有着各自的优缺点和一定的适用范围，各种方法的组合是未来该领域研究的趋势。
关键词：物流配送中心 选址 文献综述
在物流系统的运作中，配送中心的选址决策发挥着重要的影响。配送中心是连接工厂与客户的中间桥梁，其选址方式往往决定着物流的配送距离和配送模式，进而影响着物流系统的运作效率。因此，研究物流配送中心的选址具有重要的理论和现实应用意义。
本文对近年来国内外有关物流配送中心选址方法的文献进行了梳理和研究，并对各种方法进行了比较。选址方法主要有定性和定量的两种方法。定性方法有专家打分法、Delphi法等，定量方法有重心法、P中值法、数学规划方法、多准则决策方法、解决NP hard问题（多项式复杂程度的非确定性问题）的各种启发式算法、仿真法以及这几种方法相结合的方法等。由于定性研究方法及重心法、P中值法相对比较成熟，因此，本文将主要分析定量方法中的数学规划、多准则决策、解决NP hard问题的各种启发式算法、仿真在配送中心选址中应用的研究状况。
数学规划方法
数学规划算法包括线性规划、非线性规划、整数规划、混合整数规划和动态规划、网络规划算法等。在近年来的研究中，规划论中常常引入了不确定性的概念，由此进一步产生了模糊规划、随机规划、模糊随机规划、随机模糊规划等等。不确定性规划主要是在规划中的C(价值向量)、A(资源消耗向量)、b(资源约束向量)和决策变量中引入不确定性，从而使得不确定规划更加贴近于实际情况，得到广泛地实际应用。
国内外学者对于数学规划方法应用于配送中心的选址问题进行了比较深入的研究。姜大元(2005)应用Baumol-wolf模型，对多物流节点的选址问题进行研究，并通过举例对模型的应用进行了说明，该模型属于整数规划和非参数规划结合的模型。各种规划的方法在具体的现实使用中，常常出现NP hard问题。因此，目前的进一步研究趋势是各种规划方法和启发式算法的结合，对配送中心的选址进行一个综合的规划与计算。
多准则决策方法
在物流系统的研究中，人们常常会遇到大量多准则决策问题，如配送中心的选址、运输方式及路线选择、供应商选择等等。这些问题的典型特征是涉及到多个选择方案(对象)，每个方案都有若干个不同的准则，要通过多个准则对于方案(对象)做出综合性的选择。对于物流配送中心的选址问题，人们常常以运输成本及配送中心建设、运作成本的总成本最小化，满足顾客需求，以及满足社会、环境要求等为准则进行决策。多准则决策的方法包括多指标决策方法与多属性决策方法两种，比较常用的有层次分析法(AHP)、模糊综合评判、数据包络分析(DEA),TOPSIS、优序法等等。
多准则决策提供了一套良好的决策方法体系，对于配送中心的选址不管在实务界还是理论方面的研究均有广泛的应用与研究。关志民等(2005)提出了基于模糊多指标评价方法的配送中心选址优化决策。从供应链管理的实际需要分析了影响配送中心选址的主要因素，并建立相应的评价指标体系，由此给出了一种使定性和定量的方法有机结合的模糊多指标评价方法。Chen-Tung Chen(2001)运用了基于三角模糊数的模糊多准则决策对物流配送中心的选址问题进行了研究。文章以投资成本、扩展的可能性、获取原材料的便利性、人力资源、顾客市场的接近性为决策准则，并对各个准则采用语义模糊判定的方式进行了权重上的集结。
有关多准则决策方法，特别是层次分析法和模糊综合评判的方法，在配送中心的选址研究中有着广泛的应用。但是，这两种方法都是基于线性的决策思想，在当今复杂多变的环境下，线性的决策思想逐渐地暴露出其固有的局限性，非线性的决策方法是今后进一步的研究的重点和趋势。
启发式算法
启发式算法是寻求解决问题的一种方法和策略，是建立在经验和判断的基础上，体现人的主观能动作用和创造力。启发式算法常常能够比较有效地处理NP hard问题，因此，启发式算法经常与其它优化算法结合在一起使用，使两者的优点进一步得到发挥。目前，比较常用的启发式算法包括：遗传算法；神经网络算法；模拟退火算法。
（一）遗传算法
遗传算法（genetic algorithm, GA）是在 20 世纪 60 年代提出来的，是受遗传学中自然选择和遗传机制启发而发展起来的一种搜索算法。它的基本思想是使用模拟生物和人类进化的方法求解复杂的优化问题，因而也称为模拟进化优化算法。遗传算法主要有三个算子：选择；交叉；变异。通过这三个算子，问题得到了逐步的优化，最终达到满意的优化解。
对于物流配送中心的选址研究，国内外有不少学者将遗传算法同一般的规划方法结合起来对其进行了研究。蒋忠中等（2005）在考虑各种成本(包括运输成本等)的基础上，结合具体的应用背景，建立的数学规划模型(混合整数规划或是一般的线性规划)。由于该模型是一个组合优化问题，具有NP hard问题，因此，结合了遗传算法对模型进行求解。通过选择恰当的编码方法和遗传算子，求得了模型的最优解。
遗传算法作为一种随机搜索的、启发式的算法，具有较强的全局搜索能力，但是，往往比较容易陷入局部最优情况。因此，在研究和应用中，为避免这一缺点，遗传算法常常和其它算法结合应用，使得这一算法更具有应用价值。
（二）人工神经网络
人工神经网络(artificial neural- network, ANN)是由大量处理单元(神经元)广泛互连而成的网络，是对人脑的抽象、简化和模拟，反应人脑的基本特征。可以通过对样本训练数据的学习，形成一定的网络参数结构，从而可以对复杂的系统进行有效的模型识别。经过大量样本学习和训练的神经网络在分类和评价中，往往要比一般的分类评价方法有效。
对于神经网络如何应用于物流配送中心的选址，国内外不少学者进行了各种有益的尝试。韩庆兰等（2004）用BP网络对物流配送中心的选址问题进行了尝试性地研究，显示出神经网络对于解决配送中心选址问题具有一定的可行性和可操作性。
这一研究的不足是神经网络的训练需要大量的数据，在对数据的获取有一定的困难的情况下，用神经网络来研究是不恰当的。在应用ANN时，我们应当注意网络的学习速度、是否陷入局部最优解、数据的前期准备、网络的结构解释等问题，这样才能有效及可靠地应用ANN解决实际存在的问题。
（三）模拟退火算法
模拟退火算法(Simulated Annealing, SA)又称模拟冷却法、概率爬山法等，于1982年由Kirpatrick提出的另一种启发式的、随机优化算法。模拟退火算法的基本思想由一个初始的解出发，不断重复产生迭代解，逐步判定、舍弃，最终取得满意解的过程。模拟退火算法不但可以往好的方向发展,也可以往差的方向发展,从而使算法跳出局部最优解,达到全局最优解。
对于模拟退火算法应用于物流配送中心选址的研究，大量的文献结合其它方法（如多准则决策、数学规划等）进行了研究。任春玉(2006)提出了定量化的模拟退火遗传算法与层次分析法相结合来确定配送中心地址的方法。该方法确保总体中个体多样性以及防止遗传算法的提前收敛，运用层次分析法确定 物流配送中心选址评价指标权重，并与专家评分相结合进行了综合评价。该算法对于解决物流配送中心的选址具有较好的有效性和可靠性。
除以上三种比较常用的方法之外，启发式算法还包括蚁群算法、禁忌搜索算法、进化算法等。各种算法在全局搜索能力、优缺点、参数、解情况存在着一定的差异。各种启发式算法基本上带有随机搜索的特点，已广泛地应用于解决NP hard问题，同时也为物流配送中心选址的智能化处理提供了可能。用解析的方法(包括线性规划等)建立数学模型，然后运用启发式算法进行求解是目前以及未来研究物流配送中心选址的一种较为可行和可操作的研究方法。
仿真方法
仿真是利用计算机来运行仿真模型，模拟时间系统的运行状态及其随时间变化的过程，并通过对仿真运行过程的观察和统计，得到被仿真系统的仿真输出参数和基本特征，以此来估计和推断实际系统的真实参数和真实性能。国内外已经不少文献将仿真的方法运用于物流配送中心选址或是一般的设施选址的研究，研究结果相对解析方法更接近于实际的情况。
张云凤等(2005)对汽车集团企业的配送中心选址运用了仿真的方法进行了研究。先确定了配送中心选址的几种方案，应用了Flexim软件对各方案建立了仿真模型，根据仿真结果进行了分析和方案的选择。该方法为集团企业配送中心选址问题提供了一种较为理想的解决方法。薛永吉等(2005)通过建立数学模型对物流中心的最优站台数问题进行研究，在一定假设和一系列限制条件下，求解最优站台数量，并针对数学模型的复杂性和求解的种种不足，以ARENA仿真软件为平台，建立仿真模型确定了最优化方案。Kazuyoshi Hidaka等(97)运用仿真对大规模的仓库选址进行了研究。该研究对仓库的固定成本、运输成本，和同时满足6800名顾客进行了仿真，以求得临近的最优解(near-optimal solution)。在求解的过程中，结合了贪婪－互换启发式算法(Greedy-Interchange heuristics)和气球搜索算法(Balloon Search)两种启发式算法进行求解。该算法能比较有效地避免陷入局部最优解和得到比较满意的选址方案。但是，研究的结果容易受到运输车辆的平均速度变化的影响。
仿真方法相对解析的方法在实际应用中具有一定的优点，但是，也存在一定的局限性。如仿真需要进行相对比较严格的模型的可信性和有效性的检验。有些仿真系统对初始偏差比较敏感，往往使得仿真结果与实际结果有较大的偏差。同时，仿真对人和机器要求往往比较高，要求设计人员必须具备丰富的经验和较高的分析能力，而相对复杂的仿真系统，对计算机硬件的相应要求是比较高的。关于未来的研究，各种解析方法、启发式算法、多准则决策方法与仿真方法的结合，是一种必然的趋势。各种方法的结合可以弥补各自的不足，而充分发挥各自的优点，从而提高选址的准确性和可靠性。
物流配送中心的选址决策对于整个物流系统运作和客户满意情况有着重要的影响。本文在对国内外有关物流配送中心选址方法文献研究的基础上，对比分析了数学规划方法、多准则决策、启发式算法、仿真方法在配送中心选址中的应用。研究发现数学规划方法、多属性决策方法、启发式算法、仿真方法各自有自己的优缺点和一定的适用范围，各种方法的组合研究是未来研究的一种趋势。同时，由于选址问题本身具有的动态性、复杂性、不确定性等特性，因此，开发和研究新的模型与方法也是进一步解决配送中心选址问题的必需途径。
参考文献：
1.蒋忠中，汪定伟.B2C电子商务中配送中心选址优化的模型与算法(J).控制与决策，2005
2.韩庆兰，梅运先.基于BP人工神经网络的物流配送中心选址决策(J).中国软科学，2004
B. 求大家帮我找一篇论文案例，题目《配送中心选址研究》谢谢啦
物流配送中心选址分析
提要:本文分析物流配送中心选址的影响因素及选址方法；针对重心法在物流配送中心选址中的应用举出实例，并运用选址度量法对重心法在选址决策中存在的缺陷进行改进，通过综合分析得到最佳选址方案。
在物流系统中，配送中心居于重要的枢纽地位。物流配送中心的选址，是指在一个具有若干供应点及若干需求点的经济区域内，选一个或多个地址设置配送中心的规划过程。较佳的物流配送中心选址方案可以有效地节约费用，促进生产和消费的协调与配合，保证物流系统的平衡发展。因此，物流配送中心的合理选址就显得十分重要。
一、物流配送中心选址的影响因素
（一）货物分布和数量。这是配送中心配送的对象，如货物来源和去向的分布情况、历史和现在以及将来的预测和发展等。配送中心应该尽可能地与生产地和配送区域形成短距离优化。货物数量是随配送规模的增长而不断增长的。货物增长率越高，越是要求配送中心选址的合理性，从而减少输送过程中不必要的浪费。
（二）运输条件。物流配送中心的选址应接近交通运输枢纽，使配送中心形成物流过程中的一个恰当的结点。在有条件的情况下，配送中心应尽可能靠近铁路货运站、港口及公路。
（三）用地条件。物流配送中心的占地问题在土地日益昂贵的今天显得越来越重要。是利用现有的土地，还是重新征地？地价如何？是否符合政府规划要求等等，在建设配送中心时都要进行综合考虑。
（四）商品流动。企业生产的消费品随着人口的转移而变化，应据此更好地为企业的配送系统定位。同时，工业产品市场也会转移变化，为了确定原材料和半成品等商品的流动变化情况，在进行物流配送中心的选址时，应考虑有关商品流动的具体情况。
（五）其他因素。如劳动力、运输与服务的方便程度、投资额的限制等。
二、物流配送中心选址方法
（一）定性分析法。定性分析法主要是根据选址影响因素和选址原则，依靠专家或管理人员丰富的经验、知识及其综合分析能力，确定配送中心的具体选址。主要有专家打分法、德尔菲法。定性方法的优点是注重历史经验，简单易行。其缺点是容易犯经验主义和主观主义的错误，并且当可选地点较多时，不易做出理想的决策，导致决策的可靠性不高。
（二）定量分析法。定量的方法主要包括重心法、鲍莫尔-沃尔夫法、运输规划法、Cluster法、CFLP法、混合0-1整数规划法、双层规划法、遗传算法等。定量方法选址的优点是能求出比较准确可信的解。其中，重心法是研究单个物流配送中心选址的常用方法，这种方法将物流系统中的需求点和资源点看成是分布在某一平面范围内的物流系统，各点的需求量和资源量分别看成是物体的重量，物体系统的重心作为物流网点的最佳设置点。
三、物流配送中心合理选址案例分析
（一）重心法模型选址实例。现假设冠芝霖手机大卖场总部要拟建一个物流配送中心来负责其在苏州市区内各店的物流配送，根据这4个店在地图上的具体位置建立直角坐标系，以其中一个店的坐标为（0，0），同时假设单位运量单位距离的运输成本相同，年物流运输量如表1所示，试用重心法确定物流配送中心的坐标位置。一般来说，根据重心法模型计算得出配送中心的位置坐标为（11.5，9.9），由地图可知该点恰好位于三香公园所在位置。（表1）
（二）对重心法模型的改进。重心法是使用比较早的一种方法，计算简单，而且其配送中心地点的选择是不加特定限制的，具有自由选择的长处。但是从另一个方面来看，重心法模型的自由度过多也是一个缺点，它仅考虑运输费用而没有考虑配送中心建设的固定费用（包括基本建设费用和固定经营费用）及因经营管理产生的可变费用。有时由重心法计算求得的最佳地点实际上并不可行，有的地点很可能在河流湖泊上或街道中间等，此时就要根据客观条件，放弃最优位置而另外选择一个比较满意的位置，所以需要对其进行改进。
当由重心法计算所得到的坐标在实际中不可行时，考虑市政规划和地理条件等因素后，在以重心坐标为圆心，以R为半径的圆形区域中选择几个可行的备选点，然后利用选址度量法从备选点中选出最佳物流配送中心建设点。选址度量法是一种既考虑定量因素、又考虑定性因素用以支持设施选址的方法，是评价综合因素的另一类选址方法，步骤如下：
1、将各因素分为成本因素和非成本因素，确定其成本因素比重：x和非成本因素比重：1-x（0≤x≤1）。
2、确定客观度量值OM：
OM=1/［C（1/C）］（1）
C为第i个可行位置的第j项成本；OM=1，m为客观因素数目；n为可行位置数。
3、确定非成本因素度量值SM：
SM=［I×（W/W）］（2）
W为i位置对k因素的比重；W/W为非成本因素的评价值；I为k非成本因素的权重；M为非成本因素数目。
4、确定位置度量值LM：
LM=xSM+（1-x）OM（3）
5、决策。LM最大者是最佳位置。
由于上述所算坐标点（11.5，9.9）在实际中不可行。根据市政规划、地理位置和配送中心选址因素，我们在以（11.5，9.9）为圆心以1个单位长为半径的圆形区域内得到3个备选点：P（10.8，10.3）、P（11.8，10.5）、P（12.3，9.5）。
这些备选点中需要考虑的成本因素有：土地价格、运输成本和建安费；非成本因素有：自然环境条件、对城市居民的影响、距离交通主干道远近。通过德尔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的土地价格：C=4000，C=7000，C=5600，运输成本C=450，C=340，C=300，建安费：C=2050，C=1800，C=2000；非成本因素中P、P、P的自然环境条件比值：W=0.4，W=0.6，W=0.3；对城市居民影响大小：W=0.5，W=0.6，W=0.4；距离城市主干道远近：W=0.2，W=0.4，W=0.7。非成本因素权系数I=0.3，I=0.3，I=0.4。
根据公式（1）、（2）、（3），可以得出，LM=0.33，LM=0.30，LM=0.36。LM＞LM＞LM，所以点P（12.3，9.5）是建该配送中心的最佳位置。
四、结语
定性选址方法比较注重历史经验，简单易行，但是容易犯经验主义和主观主义的错误，并且当可选地点较多时，不易做出理想的决策，导致决策的可靠性不高。与定性方法相比较，用定量选址方法进行选址时是能求出比较准确、可信的解，但又常常为了量化，使本来比较复杂的事物简单化、模栩化了，甚至有的意见被量化以后可能被误解和曲解。因此，定性与定量方法相结合是一种比较科学而又切合实际的选址方法。本文中的选址度量法由于既考虑了定量因素、又考虑了定性因素，并结合了实际情况、成本因素和非成本因素的影响，对重心法改进以后使得物流配送中心的选址更加科学和合理。此方法综合了定性和定量两方面的优点，能够做出比较理想的决策。