演算法設計與分析選址問題的思路

① 演算法分析與設計題目

第一題用貪心思想 找出用時最短的m個作業交給機器同時開始加工 然後再依次將剩下的作業中最短完成作業取出放入已完成的機器加工 當最後一台機器完工時間就是所用最短時間 思路是這樣子 具體演算法實現的話。。由於我也是學生=、=寫代碼還不是很熟練。。可能等我寫好了你考試來不及。。。你還是自己來吧

第二題
1.背包問題是什麼=、=我們教材不一樣 不了解具體問題。。
2.4皇後
#include<iostream.h>
const int n = 4 ;
const int n_sub = n - 1 ;
int queen[n] ;
bool row[n] ;
bool passive[2*n-1];
bool negative[2*n-1];
int main()
{
int cur = 0 ;
bool flag = false ;
queen[0] = -1 ;
int count = 0 ;
while(cur>=0)
{
while(cur>=0 && queen[cur]<n && !flag)
{
queen[cur]++ ;
if(queen[cur] >= n)
{
queen[cur] = -1 ;
cur-- ;
if(cur>=0)
{
row[queen[cur]] = false ;
passive[queen[cur] + cur] = false ;
negative[n_sub + cur - queen[cur]] = false ;
}
false ;
}
else
{
if(row[queen[cur]] == false)
{
flag = true ;
if( passive[queen[cur] + cur] == true || negative[n_sub + cur - queen[cur]] == true) {
flag = false ;
}
else
flag = true ;
if(flag) {
if(cur == n-1)
{
count++ ;
}
row[queen[cur]] = true ;
passive[queen[cur] + cur] = true ;
negative[n_sub + cur - queen[cur]] = true ;
cur++ ;
if(cur >= n) {
cur-- ;
row[queen[cur]] = false ;
passive[queen[cur] + cur] = false ;
negative[n_sub + cur - queen[cur]] = false ;
}
flag = false ;
}
}
}
}
}
cout<<n<<"皇後問題一共有"<<count<<"種解法"<<endl ;
return 0 ;
}
這個是代碼。。。狀態空間樹這里畫不出來。。。

第三題
你網路下基本都有的=、=。。。我網路出來不好意思貼了你自己去看下吧
比如1.的答案：
最壞情況給出了演算法執行時間的上界，我們可以確信，無論給什麼輸入，演算法的執行時間都不會超過這個上界，這樣為比較和分析提供了便利。

② 演算法設計問題，求大神給個思路，現在一點頭緒都沒有

23*29*31=20677立方米
0.3*0.4*0.7=0.084
20677/0.084=246154
應該可以塞進246100個0.3m*0.4m*0.7m的長方形木笑掘箱
假如先放了個1m*1m*1m的大木箱一件,應該就是少了10個0.3m*0.4m*0.7m的長方形木箱
就剩246090個!
這麼大的數量不需要算碰判核到那麼精細!
就沖凱算少了100個也不影響大數據.

③ 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

④ 企業選址的主要考慮因素

1、企業要選在和產品原料供應方較近的地方。因為這樣能節省運輸費用，降低成本開支。

2、選擇企業產品消費市場集中的地方，消費市場集中就會讓企業產品易銷售。

3、選擇便於運輸的交通樞紐地，交通運輸對於企業來說非常重要，如果交通不便，很有可能延誤出貨時間，還會導致成本的上升。

4、企業可以選擇能源充足的地方，企業如果是使用電量很大的企業，那麼在能源豐富的地區，電費的價格就相對少很多。

5、選擇勞動資源豐富地區，勞動力是企業必須的生產關系，如果沒有廉價的勞動力猜扒，企業成本上升，甚至出現招不到工的情況發生。

6、企業可以選擇有優惠政策的園區，很多地區都有優惠政策，主要是為了扶持企業更好的發展，知凱在稅收上給予了一定的退稅和減稅的政策，企業在這種地方經營，稅負減輕不少。

(4)演算法設計與分析選址問題的思路擴展閱讀：

注意事項：

1、必須仔細權衡所列出的這些因素，決定哪些是與設施選址緊密相關的，哪些雖然與企業經營或經營結果有關，但是與設施位置的關系並不大，以便在決策是分清主次，抓住關鍵。否則有時候所列出的影響因素太多，在具體決策時容易主次分不清楚，做不出最佳的決策。

2、在不同情況下，同一影響因素會有不同的影響作用，因此決不可穗猛昌生搬硬套任何原則條文，也不可完全模仿照搬已有的經驗。最後還應該注意的一點時，對於製造業和非製造業的企業而言，要考慮的影響因素以及同一因素的重要程度可能有很大不同。

3、在選址決策中，一些產業側重考慮市場因素，如一些對售後服務要求較高，時效性要求較強，運輸成本佔比較大的產業。就倉儲物流業而言，選址就須以倉儲物流中心的服務目標需求量作為約束條件，建立選址模型，評估交通便捷程度等因素，完成投資選址。

參考資料來源：網路-選址

參考資料來源：網路-選址問題

參考資料來源：網路-企業

⑤ C語言中我如果看到一個題目,我該如何著手去編寫程序

面向過程
編程的一般思路：分析問題->設計流程和模塊->編碼和測試->改進並總結
做演算法問棗野題的一般思路：先用
數學方法
計算分析，充分理解問題。在思考程序哪些地方應該用循環、指針或數組等細節問題之前，先要確定程序的大體框架，可以自己先試著用
偽代碼
描述整個演算法，然後再一步步的確定應該怎麼編碼。最後驗證結果並反思能否改進演算法。
本題思路：1.在
草稿紙
上簡單的分析發現，這個報數過程可以用數組來模擬。
2.建一個21位的數組，數組索引代表每個人的編號，數組值代表1代表在圈中0代表離開。
3.在只剩一人之前不斷的循環報數，故考慮用while循環。
4.while沒循環一次就相當於報一個數（num++），如果此時報的數能被5
整除
，就把數組索引（i）處的值改為0，然後下一個人報數（i++）。i大於21的時候需要把i變成i除21的
余數
(人是圍成一個圈編號21的
下一位
是1)。
5.考慮一般情況，所以把人數和報數倍數定義為宏，就能辯含只修改宏的值就能計算所有的此類問題凳灶喊
#include
#include
#define
N
21//人數
#define
M
5//報數的倍數
int
main()
{
int
i,
num,//報的數字
left
=
N,//圈子剩餘的人數
people[N];//1表示還在圈中，0表示出去
for(i=0;i
1)
{
if(i>=N)
i=i%N;
if(people[i]==1)
{
++num;
if(num%M==0)
{
people[i]=0;
--left;
}
}
++i;//繼續報
}
for(i=0;i
評論
0
15
載入更多

⑥ 選址問題、模型與演算法

背景音樂： Demons - Imagine Dragons

最近在研究選址問題，順便就做了一個歸納整理。
這篇文章是第一部分，關於傳統的、基於統計學的選址。
之後會有另一篇，是關於機器學習、深度學習在現代的選址問題的應用。

【來自網路】選址問題是運籌學中經典的問題之一。選址問題在生產生活、物流、甚至軍事中都有著非常廣泛的應用，如工廠、倉庫、急救中心、消防站、垃圾處理中心、物流中心、導彈倉庫的選址等。選址是最重要的長期決策之一，選址的好壞直接影響到服務方式、服務質量、服務效率、服務成本等，從而影響到利潤和市場競爭力，甚至決定了企業的命運。好的選址會給人民的生活帶來便利，降低成本，擴大利潤和市場份額，提高服務效率和競爭力，差的選址往往會帶來很大的不便和損失，甚至是災難，所以，選址問題的研究有著重大的經濟、社會和軍事意義。

所謂選址問題，就是指在規劃區域里選擇一個或多個設施的位置，使得目標最優 。
PS：這個「設施」可以是工廠、飯店等實體，為了統一，我們都稱呼它為設施。

從它的定義，我們可以抓住四個要素：設施、規劃區域、位置（距離）、目標，我們來一個個分析：

按照設施的空間維度劃分，可以將選址問題分為：

還有，按照設施的規劃數量劃分，可以將選址問題分為：

按照規劃區域的結構劃分，可以將選址問題分為：

或許說距離會更合適，因為我們確定設施位置的目的，就是為了獲得設施與其他需求點的距離。
按照設施與需求點位置的關系，可以將所要獲取的距離分為：

我們的目標是找到最好的位置，那麼什麼是最好的位置呢，換句話說，該如何量化這個目標呢？距離最短、費用最少、利潤最大，或者其他定製的目標？
按照目標的數量，可以將選址問題分為：

可能洋洋灑灑看了上面一堆，對於選址問題還是沒有一個清晰的概念，所以我整理了三個選址問題中的基本問題。而目前選址問題里的一些難題，都是它們的拓展（或者說延伸），比如無容量限制設施選址問題。

研究：在備選設施集合里，如何選擇p個設施，使所有需求點得到服務，並且需求點到其最近設施的加權距離總和最小。

這是一個MinSum問題，可由以下整數規劃模型表示：

應用場景：在物流領域應用得非常廣泛，加權距離代表了運輸成本，目標是總成本最少。

研究：在備選設施集合里，如何選擇p個設施，使所有需求點得到服務，並且每個需求點到其最近設施的最大距離最小。

這是一個MinMax問題，可由以下整數規劃模型表示（符號說明與上面類似）：

應用場景：應急設施的選址，比如警局、消防局、醫院，要求盡可能快地到達任意位置。

覆蓋問題分為最大覆蓋問題和集覆蓋問題兩類。

應用場景：追求覆蓋面的場景，比如移動基站的選址、物流中心的選址。

對於演算法的解釋，我總是比較偷懶的，因為解釋起來很麻煩，所以就做個總結，感興趣的話再自行搜索哈。

按照求解的方式，可以分為：

「定性」很好理解，不要求具有統計意義，但是憑借研究者的經驗以及有關的技術，能有效地洞察研究對象的性質，以及可能帶來的影響等。

一般是如下步驟：

常用的評價方法有：加權因素評分法、模糊綜合評判法、風險型方法、德爾菲法(Delphi)

定性方法有著明顯的缺點——受主觀影響極大。可實際過程中，很多東西都是無法定量的，比如政策、環境的影響~因此定性分析具有非常強的實際意義，往往與定量分析相輔相成。

給大家介紹一個效率挺高的演算法，不一定最好，但我看了還不錯，很多作者靠它水了一些文章哈哈哈~

目標是從N個備選位置里，選擇p個位置建設施，使得目標最優。

該演算法的優點和缺點：

因為時間太短，沒時間研究得太深，其他演算法就不班門弄斧了~

下回試試用Python解決幾個實際問題。

⑦ 幾種常見物流選址模型的優劣和發展

1、連續型選址模型

連續模型認為設施的地點可在平面上取任意點, 較為典型的研究方法是和用重心法解決歐式距離選址問題。這個方法的優點是不限於在特定的備選地點進行選擇, 靈活性較大。但由於自由度較大、城市的地理條件限制, 因此, 選出的地址很可能是無法實現的地點;同時將線路考慮為直線也是不符合實際的。魯曉春對重心法選址作了深入的研究, 認為原有重心法存在問題, 並用流通費用偏微分方程來取代原有的計算公式。

由於重心法選址具有演算法簡單、應用靈活的特點, 人們將重心法與其它方法相結合, 並將其引入到多目標組合優化問題中, 但都只針對單一設施選址問題。其中, Point-Objective問題、連續型多目標( min-sum)選址問題、網路多目標中位數選址問題等被認為是最具代表性的研究。後來, 連續模型的擴展模型針對是多個設施的選址問題, 稱其為多源Weber問題, 該問題是個NP難題。Rosing提出了求解該問題的精確演算法, Goldengorin提出了求解該問題的啟發式演算法, 上述擴展模型只針對單一設施選址問題。對於選擇兩個設施的特例, Brimberg和Chen對該模型進行了進一步的研究和分析, 並提供相應的啟發式演算法。

2、離散型選址模型

這類方法認為配送中心的備選地點是有限的幾個場所, 最合適的地點只能從中選出, 經典的方法有Kuehn-Hamburger模型法、鮑姆爾沃爾夫法、混合整數規劃法、CFLP法(Capacitatied Facility Location Problem)和P-中值問題。

鮑姆爾沃爾夫法的優點是:將中心的可變費用表為凹函數, 可估計選定的配送中心流量, 提供的啟發式演算法較為簡單易行。不足:沒考慮配送中心的固定費用及容量限制, 可能造成選定的中心個數過多(或過少) 。

為彌補其缺陷, 又建立混合整數規劃模型, 將中心的固定費用、經營管理費用、運輸費用和庫存費列入目標函數, 將容量限制及中心個數限制列入約束條件。不足:將可變費用改為按線性關系處理, 這種倒退主要來自求解的考慮, 但求解此模型的計算量仍很大。由於變數和約束條件眾多、形式復雜, 一般用啟發式演算法求解。

設計使用法求解, 用組合進化方法求解該類問題。上述求解都是基於這兩個基本假設:一是主要考慮運輸費用;二

是不存在競爭對手。提出了九個基本的選址模型, 包括簡單選址模型、有容量限制的選址模型、需求變動的選址模型、動態選址模型等, 目標函數是使運輸費用和固定選址投資費用最小。除考慮了選址的固定費用、運輸費用外, 還考慮了庫存費用;用分解演算法進行了求解。考慮了非線性運輸費用的選址問題, 用分枝定界法求解。採用雙層規劃求解運輸網路中公共物流轉運站點的選址。魏巧雲考慮運輸成本和運營可變成本, 建立了多個配送中心的選址模型。盧安文建立了緊急情況下的配送模型, 以時間、費用為優化目標。劉海燕在分析了系統中庫存管理、運輸、配送中心之間的聯系後,用最優化方法構建了選址模型。對進行一個較為全面的研究, 展示了以前的研究所沒有考慮的一些問題, 如多商品問題等。研究的問題在結構上是兩級的, 包括多個工廠、倉庫和目的地。上述研究不足之處:均沒有考慮設施的固定運行成本的問題。

P-中值問題是指在一個給定數量和位置的需求集合和一個候選設施位置的集合下, 分別為個設施找到合適的位置, 並指派每個需求點到一個特定的設施, 使之達到在設施和需求點之間的運費最低。研究基於歐式距離的中值問題。提出了使用禁忌搜索和可變鄰域搜索方法來求解中值模型的啟發式演算法。尹傳忠提出了使用局部搜索和可變鄰域搜索方法來求解中值模型的啟發式演算法。提出了運用詞典區域局部搜索法求解中值問題。用模擬退火演算法、用遺傳演算法求解中值問題。

離散型選址問題的目標函數涉及到運輸(交通成本)、投資成本(建設成本)、客戶服務水平(在特定時間、距離為客戶提供服務)、設施能力利用率等兩個及以上的目標優化時, 就是所謂的多目標規劃選址問題。與單目標選址問題比較, 多目標選址問題的求解更加困難。提出的應用整數目標規劃來求解多目標選址問題。與對多目標問題的處理方法是將一個主要目標作為總目標, 將要實現的目標作為限制條件來將它轉化為單目標規劃問題。通過對對稱解的研究, 解決離散型多目標選址問題。

3、動態模型

動態選址模型是解決如何在需求和成本變化的跨時間周期的規劃期內對設施進行選址, 使得總的長期成本最小的問題。通過以下幾種方法可以找到隨時間變化的最優布局:

可以使用現期條件和未來某年的預期情況, 找出倉庫最佳位置。

認為設施地點配置不能長期保證最優, 提出隨時間變化的動態選址模型。研究多個設施在分階段時期選址分配的問題, 並應用動態規劃法來解決該問題。孫會君對新增配送中心如何進行有效的選址決策問題進行了研究, 並給出了求解的迭代演算法。

( )可以找到一個隨時間變化的最優布局變化軌跡, 精確地反映什麼時候需要轉換成新布局, 應該轉換成什麼樣的布局。考慮了選址問題的動態特性和需求的隨機變動性, 建立動態選址模型和隨機選址模型。根據實際問題的特點, 建立了一個考慮時間因素的動態選址的基本模型。

( )找出目前最優網路布局, 並進行實施;隨後, 利用未來的數據,找出新的最優布局。研究了在整個規劃期內, 建立新的設施而原有的設施可以被關閉。模型考慮資金的時間價值, 目標函數是整個規劃期內的成本最小。

5、隨機模型

隨機模型其研究方法主要分為兩類:概率方法和情景計劃方法, 這兩種方法的系統輸入參數都是不確定性的。

對隨機的個中點問題和無能力限制的選址問題進行了研究, 模型中時間、距離、供應和需求為隨機變數。袁慶達建立了優化區域公共物流中心規模和選址問題的二級非線性規劃模型, 並設計了遺傳模擬退火演算法求解。先研究了行程時間狀態隨馬爾可夫狀態轉移矩陣變化的多個設施選址問題, 後又擴展到需求服從均勻分布時的最大最小和最小最大選址問題。和在網路節點需求和行程時間都是不確定的情況下, 建立了目標函數為服務最小、需求最大的隨機情景問題模型。楊波提出了一個隨機化的模型, 給出單個配送中心選址問題的一個量化的處理方法。

選址分配問題的定性研究這類方法是將專家憑經驗、專業知識做出的判斷以數值形式表示, 再經過綜合分析後對選址進行決策。首先, 根據影響物流設施選址的因素, 建立備選方案的評價指標體系;然後, 採用一定的評價方法(如:偏好理論、權重因素分析方法、專家評分法、層次分析法、模糊層次分析法、模糊綜合評判法、或者模糊多准則決策方法等)得到所需的評價指標的權重;最後, 通過求出各備選方案的優劣排序, 得到最優方案。

和用偏好理論將所有主觀因素兩兩比較從而為主觀因素賦予了權重值。和提出了一種權重因素分析方法將定量的數據和定性的評價值相結合, 在多個備選項中選擇合適的地址。先建立層次結構評價模型, 再用層次分析法確定配送中心最優位置。陸琳琳引入模糊評價方法, 全面考慮選址過程中的各項因素, 使選址評價更客觀、合理。提出模糊多准則決策方法, 用於解決模糊環境下的配送中心選址問題。

值得注意的是, 在應用定性評價時有兩個關鍵環節, 其中首要環節是評價指標體系的設計;其次是評價指標的量化。無論是定性還是定量, 評價指標的隸屬度的量化都要科學合理。一方面, 要採取定性與定量分析相結合的方法准確地進行評價指標隸屬度的刻畫, 另一方面, 要注意不同評價指標的隸屬度在量級上的一致性與可比性。

在綜合考慮各種影響因素的基礎上, 對影響選址的因素劃分為兩層指標體系;構建出包括自然條件、經濟因素、投資環境情況與其他因素個一級指標和個二級指標。通過真實的案例對軍事物流系統的選址進行了研究, 劃分為兩層指標體系;包括氣候、地質、軍事、經濟和基礎設施個一級指標和個二級指標。

採用模糊定量的方法, 對轉運型的國際配送中心進行評價, 構建出包括內在因素和外在因素個一級指標和個二級指標的兩層評價體系。傅新平結合物流中心的職能, 從經濟和社會效益兩個方面出發, 建立了個一級指標和個二級指標。吳迎學設計了多因素評價指標體系, 第一層次是物流環境、生產能力、經濟效益指標, 它們是決定物流中心設計方案優劣的主要因素;第二層次是對上述指標進一步評價而細分的因素集, 共計個二級指標。韓世蓮運用多准則模糊層次分析法進行配送中心選址的綜合評價與決策, 從自然環境、交通運輸、經營環境、地理條件和公共設施五個方面綜合考慮, 並建立了由三層共計條准則構成的評價指標體系。夏景虹設計了包括區位條件、交通設施、其他設施、建設條件和社會環境個一級指標和個二級指標。劉文歌用德爾斐法建立了配送中心選址方案評價指標體系, 採用成本型、效益型和區間型三個指標為級指標, 並設計了個二級指標。劉曉峰將經濟效益、社會效益及技術效能作為級指標, 又建立了個二級指標。

總體而言, 國內外相關研究對選址的評價指標主要考察社會效益、經濟效益以及技術效能個方面.

⑧ GIS選址方法

歸納起來，GIS選址方法主要有層次分析法、重心法、網路覆蓋模型和模擬模擬法等幾種方法，下面對這幾種方法進行簡要的分析。

1.層次分析法

層次分析法是美國運籌學家T.L.Saaty教授於20世紀70年代提出的一種實用的多方案或多目標的決策方法。它合理地將定性與定量的決策結合起來，按照思維、心理的規律把決策過程層次化、數量化，特別適合那些難於完全定量進行分析的復雜問題。它首先將所要分析的問題層次化，即根據問題的性質和要達到的總目標，將問題分解成不同的組成因素，按照因素間的相互關系及隸屬關系，將因素按不同層次聚集組合。形成一個多層分析結構模型，最終歸結為最低層（方案、措施、指標等）相對於最高層（總目標）相對重要程度的權值或相對優劣次序的問題。

層次分析法的優點是：(1)簡單明了，提供了層次框架，便於整理思路；(2)通過對比進行標度，增加了判斷的客觀性；(3)把定性判斷與定量推斷結合，增強科學性和實用性。

然而層次分析法也存在明顯的不足：(1)層次分析法客觀性很高，因素較多（超過9個）時，標度工作量太大，易引起標度專家反感和判斷混亂；(2)層次分析法也有致命的缺點，它只能在給定的策略中去選擇最優的，而不能給出新的策略；(3)層次分析法中所用的指標體系需要有專家系統的支持，如果給出的指標不合理則得到的結果也就不準確；(4)構造判斷矩陣時，由於受資料、信息和分析人員水平的限制，很難准確地用「稍微！ 重要」、「較為重要」 和「極端！ 重要」 等模糊字眼來表示兩元素間的關系，評價結果受人為主觀因素影響大，且判斷矩陣的一致性不甚理想。

層次分析法可用於CO₂地質封存選址工作中，這主要是由地質封存選址的多因子性決定的（參見第六章第四節多因子排序選址技術的GIS實現）。在因子權重分配結構表中可以看出，因子根據特性劃分為指標層A、指標亞層B、指標亞層C和具體指標層D。在劃分層次時，要考慮因子的歸屬關系。另外，具有一票否決的因子應予以關注，並在評價時單獨考慮，不計入同一層級的因子權重計算中。

2.重心法

重心法是單個設施選址最常用的方法，如物流配送中心、油庫選址、庫房、工具設備存放點、停車場等，重心法也常常用於剔除一些不合適的備選方案。重心法是一種靜態的方法，將需求點看成是分布在某一平面范圍內的物體系統，各點的需求量和資源量分別看成是物體的重量，物體系統的重心點將作為選址空間的最佳設置點。

GIS中的最短路徑分析是重心法中常用的方法。

重心法的優點是：(1)計算簡單，數據容易搜集，易於理解；(2)對於單一設施定位時應用解析方法簡便易行；

重心法的不足有：(1)自由度過多導致計算量較大；(2)迭代法計算求得的最佳地點實際上往往很難找到；(3)對於復雜的選址問題，使用重心法常常感到困難，通常需要藉助其他更為綜合的分析技術。

若碳源分布清楚，目標靶區地質條件相似，為求得最佳CO₂運輸路由，即可用該方法進行選址。

3.網路覆蓋模型

網路覆蓋模型可用於移動基站覆蓋、服務網點覆蓋、油庫最大覆蓋面積選址等多方面，可解決對於需求已知的一些需求點，如何確定一組服務設施來滿足這些需求點的需求，也就是需要確定服務設施的最小數量和合適的位置。可分為兩種不同的模型：集合覆蓋模型（用最小數量的設施去覆蓋所有的需求點）和最大覆蓋模型（在給定數量的設施下，覆蓋盡可能多的需求點）。前者常用啟發式演算法；後者常用貪婪演算法。移動基站覆蓋等選址可以首先根據GIS中地圖進行場址初選，根據數字地形圖，生成正射三維影像，或進行三維瀏覽，從而能夠快速地把握整個地區的地形特點，同時參考已有的站點、居民區位置、道路位置，就可以初步推測若干個比較合理的站址。初選出部分地址點後可以使用DEM分析方法優化站址選擇方案，使用GIS中的同時分析計算出幾個候選站點的可視域，並把可視域疊加到地圖上，依此衡量是否能夠覆蓋決策者感興趣的區域。

在綜合考慮碳源（需求點）、場地封存規模（最大覆蓋模型）、交通條件或道路位置，在選址地質條件清楚的情況下，可用此法確定場地范圍，為灌注井布置提供經濟上的依據。

4.模擬模擬法

模擬模擬方法是將實際問題用數學方法和邏輯關系表示出來，建立數學邏輯模型，利用計算機來運行模擬模擬模型，模擬時間系統的運行狀態及其隨時間變化的過程，對一個系統按照一定的作業規則由一個狀態變換為另一個狀態的動態行為進行描述或分析，並通過對模擬模擬運行過程的觀察和統計，得到被模擬模擬系統的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，然後通過模擬計算及邏輯推理確定最佳布局方案。

模擬模擬法的優點有：(1)直觀形象，清晰明了；(2)研究結果相對解析方法更接近於實際的情況。

其缺點是：(1)進行相對比較嚴格的模型的可信性和有效性的檢驗；(2)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；(3)要求設計人員必須具備豐富的經驗和較高的分析能力，面對相對復雜的模擬系統。

模擬模擬方法在CO₂地質封存選址工作中主要應用於具體的單點位置選取及灌注井施工選點等工作。在具體使用時應結合其他數值模擬方法綜合運用。

當然，應用空間選址方法進行選址不是單一方法的簡單運用，可以是好幾種方法綜合的使用，另外，還可以使用模糊聚類法、遺傳演算法等眾多演算法進行數學建模。

⑨ 演算法是解決問題的思路,確定演算法以後可以通過什麼什麼什麼或什麼來描述。

1、演算法就是解決問題的【方法】和【步驟】.
2、演算法描述可以有多種表達方法,一般用【自然語言】【流程圖】和【偽代碼】描述.
3、【偽代碼(Pseudocode)】是介於自然語言和計算機程序語言之間的一種演算法描述.它也是專業軟體開發人員描述演算法的一種常用方法.
4、【演算法】是程序設計的「靈魂」,世界著名計算機科學家【尼克勞斯沃思(NWirth)】指出：【演算法】 + 數據結構=程序.
5、程序設計語言的發展經歷了機器語言、匯編語言到【高級語言】的過程.其中計算機可以直接識別的是【機器語言】,它是由【一串由「0」和「1」構成的二進制】代碼.
望採納.

⑩ (1) 如何為兩個生產工廠選址 (建多大規模)

倉庫選址時除考慮以上自然環境、經營環境、基礎設施狀況等方面的因素外，利用數學方法對倉庫位置進行量化分析也是倉庫選址的重要方法之一。
設施選址的方法有基於盯虛正選址成本因素的盈虧點平衡評價法、重心法、線性規劃的表上作業法、啟發式演算法等，也有基於選址諸多因素的綜合因素評價法。這些方法都是設施選址的量化分析方法，各有計算簡繁，各有優勢特點，也各有不足。

(一) 重心法

1. 單一倉庫的選址

倉庫是物流過程中的一個站點，理論上說，它應該是貨品集中和分發過程中費用發生最小的理想地點。我們用數學方法建立一個分析模型，找出倉庫理想所在位置，這就是單一倉庫的選址的重心法，該方法又稱為靜態連續選址模型方法。因為應用時只考慮運輸費率和該點的貨物運輸量，所以這種方法很簡單，也很實用。

(1) 重心法原理

可利用費用函數求出由倉庫至顧客間運輸成本最小的地點，因為選址因素只包括運輸費率和該點的貨物運輸量，所以這個方法很簡單。

設有一系列點分別代表生產地和需求地，各自有一定量貨物需要以一定的運輸費率運向位置待定的倉庫，或從倉庫運出，那麼倉庫該位於何處呢?我們以該點的運量乘以到該點的運輸費率，再乘以到該點的距離，即可求出上述乘積之和（即總運輸成本）最小的點

(2) 重心法計算的假設條件

重心法是在理想條件下求出的倉庫位置，但模型中的假設條件在實際會受到一定的限制。重心法計算中簡化的假設條件包括以下幾方面：

⑴模型常常假設需求量集中於某一點，而實際上需求來自分散於廣闊區域內的多個消費點。

⑵模型沒有區分在不同地點建設倉庫所需的資本成本，以及與在不同地點經營有關的其他成本的差別，而只計算運輸成本。

⑶運輸成本在公式中是以線性比例隨距離增加的，而運費是不隨運距變化的固定的部分和隨運距變化的可變部分組成。

⑷模型中倉庫與其他網路節點之間的路線通常假定為直線。而應該選用的是實際運輸所採用的路線。

⑸模型未考慮未來收入和成本的變化。

從以上假設中可以看出模型存在諸多的限制條件，但這也並不意味著模型沒有使用價值。重要的是選址模型的結果對事實問題的敏感程度。如果簡化假設條件，對模型設施選址的建議影響很小或根本沒凱悔有影響，那麼可以證明簡單的模型比復雜的模型更有效。

2. 多個倉庫的選址的多重心法

對於現代物流網路規劃而言，物流網路包含眾多的倉庫，這就會出現多個倉庫的選址問題。這個問題可以分解為以下若干問題：

⑴應該建多少倉庫?

⑵倉庫應該建在什麼地方？

⑶倉庫的規模應該建多大?

⑷每個倉庫所服務的客戶是哪些?

⑸每個倉庫的供應渠道是什麼?

⑹每個倉庫中應該存放什麼貨品?

⑺送貨的方式應如何選擇?

對於這些問題的研究有很多的方法，雖然有些方法不很完善，但依然為我們提供了多個倉庫選址的數學上的規劃方法。多重心法就是其中的方法之一。

精確重心法是一種以微積分為基礎的模型，用來找出起訖點之間使運輸成本最小的中間設施的位置。如果要確定的點不止一個，就有必要將起訖點預先分配給位置待定的倉庫。這就形成了個數等於待選址倉庫數量的許多起訖點群落。隨後，找出每個起訖點群落的精確重心點。

針對倉庫進行起訖點分配的方法很多，尤其是在考慮多個倉庫及問題涉及譽渣眾多起訖點時。方法之一是把相互間距離最近的點組合起來形成群落，找出各群落的重心位置，然後將各點重新分配到這些位置已知的倉庫，找出修正後的各群落新的重心位置，繼續上述過程直到不再有任何變化。這樣就完成了特定數量倉庫選址的計算。該方法也可以針對不同數量的倉庫重復計算過程。

增加倉庫數目，通常運輸成本會下降，但物流過程中其他成本會上升，特別是倉庫建設的固定成本和庫存持有成本的上升，最優解使總成本最小。多庫房的選址問題也可以採用其他方法，我們在這里不一一介紹。

(二) 綜合因素評價法

綜合因素評價法是基於影響設施選址的諸多因素而設計出的一種選址定量分析的方法。

設施選址的影響因素很多，有從地區選址宏觀角度考慮的市場條件、資源條件、運輸條件、社會環境等因素，它們對地理位置與設施特點的關系有很大的影響；有從選址的具體地點微觀角度考慮的地形地貌條件、地質條件、施工條件、供排水條件、成本條件等因素。上述因素有些可以進行定量分析，並用貨幣的形式加以反映，稱為經濟因素或成本因素，可以採用基於選址成本因素的盈虧點平衡評價法、重心法、線性規劃的表上作業法、啟發式演算法等方法進行選址分析評價。而有些因素諸如政策法規、氣候條件、人文環境、環境保護等則是非經濟因素，對這些非經濟因素採用基於選址成本因素的盈虧點平衡評價法、重心法、線性規劃的表上作業法、啟發式演算法等方法評價目前尚存在較大的難度。我國對這些非經濟因素在設施選址上的影響，長期以來一直採用定性的經驗分析方法，此方法很大程度上依賴於設計者個人的經驗和直覺，使得有些決策存在較大的失誤。

設施選址的一個重要原則是應根據系統分析的方法，求得整體優化，同時把定性分析與定量分析結合起來，避免決策的失誤。如何採用更加科學的定量分析方法來避免或者減少定性分析方法的個人主觀化色彩，是設施選址定量分析的經典，同時也是亟待解決和完善的問題。

綜合因素評價法是目前設施選址對非經濟因素影響進行定量分析的好方法。它是基於數理統計與概率論分析問題的方法，將非經濟因素進行量化處理，然後用一定的方法計算各選址方案得分，以得分高的方案為合理方案。綜合因素評價法的作用在於可以對影響設施選址的非經濟因素(非成本因素)進行量化分析，為設施選址決策提供重要依據；不僅如此，綜合因素評價法中的因次分析法還可以將影響選址的經濟因素和非經濟因素一並納入進行計算分析評價，為設施選址決策提供重要依據，這一點是目前盈虧點平衡評價法、重心法、線性規劃的表上作業法、啟發式演算法等方法很難做到的。

綜合因素評價法在設施選址上的應用目前包括加權因素法和因次分析法。

1. 加權因素法

若在設施選址中僅對影響設施選址的非經濟因素進行量化分析評價，一般可以採用加權因素法。

加權因素法的應用步驟是：

(1). 對設施選址涉及的非經濟因素通過決策者或專家打分，再求平均值的方法確定各非經濟因素的權重，權重大小可界定為1—10。

(2). 專家對各非經濟因素就每個備選場址進行評級，可分為五級，用五個字母母音A、E、I、O、U表示。各個級別分別對應不同的分數，A＝4分、E＝3分、I＝2分、O＝1分、U＝0分。

(3). 將某非經濟因素的權重乘以其對應選址方案該級別分數，得到該因素所得分數。

(4). 將各方案的各種非經因素所得分數相加，即得各方案分數，分數最高的方案即為最隹選址方案。

案例：某配送中心選址，設計了甲、乙、丙、丁四種方案，專家對非經濟因素的權重和評級分數進行確定和對步驟3、4的計算如表1所示：

表1

非經經因素
權 重
各選址方案等級及分數

甲方案
乙方案
丙方案
丁方案

場址位置
9
A/36
E/27
I/18
I8/18

面積和位置
6
A/24
A/24
E/18
U/0

地勢和坡度
2
O/2
E/6
I/6
I/6

風向、日照
5
E/15
E/15
I/10
I/10

鐵路接軌條件
7
I/14
E/21
I/14
A/28

施工條件
3
I/6
O/3
E/9
A/12

同城市規劃的關系
10
A/40
E/30
E/30
I/20

合計

137*
126
105
94

從上表計算結果上可以看出甲方案得分數最高，因此選甲方案場址為佳。

2. 因次分析法

因次分析法是將經濟因素(成本因素)和非經濟因素(非成本因素)按照相對重要程度統一起來，確定各種因素的重要性因子和各個因素的權重比率，按重要程度計算各方案的場址重要性指標，以場址重要性指標最高的方案作為最佳方案。

因次分析法設經濟因素的相對重要性為M，非經濟因素的相對重要性為N，經濟因素和非經濟因素重要程度之比為m : n，則M＝ ，N＝ ＝1。

(1) 確定經濟因素的重要性因子

設有k個備選場址方案， 為每個備選場址方案的各種經濟因素所反映的貨幣量之和(即該備選場址方案的經濟成本)，則：

＝

在上式中，取成本的倒數進行比較是為了和非經濟因素進行統一，因為非經因素越重要其指標應該越大，而經濟成本就越高，經濟性就越差，所以取成本倒數進行比較，計算結果數值大者經濟性好。

(2) 確定非經濟因素的重要性因子

非經濟因素的重要性因子 的計算分三個步驟：

[1] 確定單一非經濟因素對於不同候選場址的重要性

即就單一因素將被選場址兩兩比較，令較好的比重值為1，較差的比重值為0。將各方案的比重除以所有方案所得比重之和，得到單一因素相對於不同場址的重要性因子 ，計算公式為：

＝

式中： ——單一因素對於備選場址j的重要性因子；

——單一因素所獲得比重值；

——單一因素對於各備選場址的總比重和。

[2] 確定各個因素的權重比率

對於不同的因素，確定其權重比率 可以用上面步驟兩兩相比的方法，也可以由專家根據經驗確定，所有因素的權重比率之和為1。

[3] 將單一因素的重要性因子乘以其權重，將各種因素的乘積相加，得到非經濟因素對各個候選場址的重要性因子 ，計算公式為：

＝ ·

式中： ——非經濟因素I對備選場址的重要程度；

——非經濟因素I的權重比率；

k——非經濟因素的數目。

(3) 將經濟因素的重要性因子和非經濟因素的重要性因子按重要程度疊加，得到該場址的重要性指標

＝M· ＋N·

式中： ——經濟因素重要性因子；

——非經濟因素重要性因子；

M——經濟因素的相對重要性；

——場址方案的重要性指標(選最高者為最佳方案)

案例：某公司擬建一爆竹加工廠，有三處備選場址方案A、B、C，重要經濟因素成本如下表2所示，非經濟因素主要考慮政策法規、氣候因素和安全因素。就政策因素而言，A方案最寬松，B方案次之，C方案最次；就氣候因素而言，A、B兩個方案相平，C方案次之；就安全因素而言，C方案最好，B方案次之，A方案最差。據專家評估，三種非經濟因素比重為：政策法規因素0.5、氣候因素0.4、安全因素0.1。要求用因次分析法確定最佳場址。

表2

經濟因素
成本(萬元)

A方案
B方案
C方案

原材料
300
260
285

勞動力
40
48
52

運輸費
22
29
26

其他費用
8
17
12

總成本
370
354
375

解；1. 首先確定經濟性因素的重要因子

＝ ＝2.703×10

＝ ＝2.833×10

＝ ＝2.667×10

則: ＝8.203×10

＝ ＝ ＝0.330

同理: ＝ ＝0.354

＝ ＝0.325

2. 確定非經濟因素的重要性因子

首先確定單一因素的重要性因子 ：

(1) 政策法規因素比較如下表3

表3

場址
兩兩相比
比重和

A-B
A-C
B-C

A
1
1

2
2/3

B
0

1
1
1/3

C

0
0
0
0

(2) 氣候因素比較如下表4：

表4

場址
兩兩相比
比重和

A-B
A-C
B-C

A
1
1

2
2/4

B
1

1
2
2/4

C

0
0
0
0

(3) 安全因素比較如下表5

表5

場址
兩兩相比
比重和

A-B
A-C
B-C

A
0
0

0
0

B
1

0
1
1/3

C

1
1
1
2/3

3. 各非經濟因素匯總如下表6：

表6

因素
A方案
B方案
C方案
權重

政策法規
2/3
1/3
0
0.5

氣候條件
2/4
2/4
0
0.4

安全因素
0
1/3
2/3
0.1

4. 計算各選址方案非經濟因素重要性因子

＝ ×0.5＋ ×0.4＋0×0.1＝0.533

＝ ×0.5＋ ×0.4＋ ×0.1＝0.4

＝0×0.5＋0×0.4＋ ×0.1＝0.067

5. 計算總的重要性指標

＝M· ＋N·

假定經濟因素和非經濟因素同等重要

則： M＝N＝0.5

＝0.5×0.330＋0.5×0.533＝0.4315

＝0.5×0.343＋0.5×0.4＝0.3726

＝0.5×0.325＋0.5×0.067＝0.196

根據以上計算，A方案重要性指標最高，故選A方案作為建廠場址。

假定經濟因素權重為0.7，非經濟因素權重為0.3

則： ＝0.7×0.330＋0.3×0.533＝0.3909

＝0.7×0.343＋0.3×0.4＝0.3601

＝0.7×0.325＋0.3×0.067＝0.2485

根據以上計算，A方案重要性指標最高，故選A方案作為建廠場址。

四、倉庫選址的程序和步驟

在進行倉庫選址時，可以按照圖3－2中所示的程序進行。具體可分為以下幾個步驟

市場適應性，購置土地條件，服務質量，總費用；商流、物流的職能及其他

多個倉庫選址方法（如鮑摩－瓦爾夫模型）

NO

單一倉庫選址方法（如重心法等）

選址的約束條件

地理、地形、地價、環境、交通條件、勞動條件及有關法律的研究

確定選址結果

復查

地址篩選

收集整理資料

地圖、地價、業務量、費用分析、配送路線、設施現狀的分析及需求預測

物流系統的現狀分析

選址約束條件分析

定量分析

結果評價

YES

圖3－2 倉庫的選址程序

⒈選址約束條件分析

選址時，首先要明確建立倉庫的必要性、目的和意義；然後根據物流系統的現狀進行分析，制定物流系統的基本計劃，確定所需要了解的基本條件，以便大大縮小選址的范圍。

⑴需要條件。它包括倉庫的服務對象——顧客的現在分布情況及未來分布情況的預測、貨物作業量的增長率及配送區域的范圍。

⑵運輸條件。應靠近鐵路貨運站、港口和公共卡車終點站等運輸據點；同時，也應靠近運輸業者的辦公地點。

⑶配送服務的條件。向顧客報告到貨時間、發送頻次，根據供貨時間計算的從顧客到倉庫的距離和服務范圍。

⑷用地條件。是用現有的土地還是重新取得地皮?如果重新取得地皮，那麼地價有多貴?地價允許范圍內的用地分布情況如何?

⑸法規制度。根據指定用地區域等法律規定，有哪些地區不允許建立倉庫。

⑹流通職能條件。商流職能是否要與物流職能分開?倉庫是否也附有流通加工的職能？如果需要，從保證職工人數和通勤方便出發，要不要限定倉庫的選址范圍?

⑺其他。不同的物流類別有不同的特殊需要，如為了保持貨物質量的冷凍、保溫設施，防止公害設施或危險品保管等設施，對選址都有特殊要求，是否有滿足這些條件的地區?

⒉搜集整理資料

選擇地址的方法，一般是通過成本計算。也就是將運輸費用、配送費用及物流設施費用模型化，採用約束條件及目標函數建立數學公式，從中尋求費用最小的方案。但是，採用這種選擇方法，尋求最優的選址解時，必須對業務量和生產成本進行正確的分析和判斷。

⑴掌握業務量。選址時，應掌握的業務量包括如下內容：

①工廠到倉庫之間的運輸量；

②向顧客配送的貨物數量；

③倉庫保管的數量；

④配送路線別的業務量。

由於這些數量在不同時期會有種種波動，因此要對所採用的數據進行研究。另外，除了對現狀的各項數據進行分析外，還必須確定設施使用後的預測數值。

⑵掌握費用。選址時，應掌握的費用如下：

①工廠至倉庫之間的運輸費；

②倉庫到顧客之間的配送費；

③設施、土地有關的費用及人工費、業務費等。

由於①和②兩項的費用隨著業務量和運送距離的變化而變動，所以必須對每噸公里的費用進行成本分析；③項包括可變費用和固定費用，最好根據可變費用和固定費用之和進行成本分析。

⑶其他。用縮尺地圖表示顧客的位置、現有設施的配置方位及工廠的位置，並整理各候選地址的配送路線及距離等資料。對必備車輛數、作業人員數、裝卸方式、裝卸機械費用等要與成本分析結合起來考慮。

⒊地址篩選

在對所取得的上述資料進行充分的整理和分析，考慮各種因素的影響並對需求進行預測後，就可以初步確定選址范圍，即確定初始候選地點。

⒋定量分析

針對不同情況選用不同的模型進行計算，得出結果。如對多個倉庫進行選址時，可採用奎漢·哈姆勃茲模型、鮑摩—瓦爾夫模型、CELP法等；如果是對單一倉庫進行選址，可採用重心法等。

⒌結果評價

結合市場適應性、購置土地條件、服務質量等條件對計算所得結果進行評價，看其是否具有現實意義及可行性。

⒍復查

分析其他影響因素對計算結果的相對影響程度，分別賦予它們一定的權重，採用加權法對計算結果進行復查。如果復查通過，則原計算結果即為最終結果；如果復查發現原計算結果不適用，則返回第3步繼續計算，直至得到最終結果為止。

⒎確定選址結果

在用加權法復查通過後，則計算所得的結果即可作為最終的計算結果；但是，所得解不一定為最優解，可能只是符合條件的滿意解。