低碳环境下城市配送路径优化研究
这是一篇关于低碳,城市配送,品类,路径优化,成本的论文, 主要内容为随着我国城市化步伐的加快,城市规模迅速扩张,城市经济高速发展,人口数量急剧增长,带来了城市配送需求的急速增加;加上电子商务的快速发展,网购的频次越来越高,快递配送、冷链运输、家电大件运输等流通领域对配送的需求也大幅攀升。然而,城市配送需求量的增加会带来运输车辆的大量投放,加剧城市交通系统的堵塞,并且导致大量的碳排放。在全社会重视低碳环保的背景下,城市配送业的低碳化势在必行。本文正是着眼于城市配送中的二氧化碳减排问题,在国内外低碳政策研究的基础之上,以城市配送业各主要品类的配送特点为切入点,进行生鲜冷链类、快递包裹类、家电大件类产品的城市配送路径优化分析,以探究低碳政策对城市配送路径规划的影响。首先,在对城市配送各主要品类的配送特点进行分析的基础上,将城市配送行业的主要配送产品分为三大类:生鲜冷链类、快递包裹类、家电大件类,以针对各类的配送特点进行相应分析;接着,基于实际城市配送的可通行时段、城市路网各路段可通行速度以及配送车辆燃油量的影响因素进行全面分析,为城市配送过程中的燃油量计算提供理论基础;然后,针对三大品类的配送特点,进行城市配送各项成本构成以及相应约束条件的分析,在此基础上构建生鲜冷链类、快递包裹类和家电大件类的城市配送路径优化模型;接着,在此基础上将碳税政策的影响加入模型之中作为对比,依次构建出生鲜冷链类、快递包裹类和家电大件类的低碳城市配送路径优化模型。然后,进行模型求解算法的设计,在传统的遗传算法基础上加入禁忌搜索算法,提高算法求解的精度。最后,以广州市果蔬生产经营企业、同城快递企业以及家电自营电商企业3家实际企业为例,采用MATLAB软件进行相应模型的算法求解,分别计算考虑碳排放因素和不考虑碳排放因素的最优配送路径方案,并从成本构成、碳排放量、社会效益三个方面进行对比分析,以探究低碳因素对不同品类城市配送路径规划的影响。最终得出,基于实际路网信息,在不同品类的城市配送过程中,考虑低碳因素进行路径优化,均能有效减少配送过程中产生的CO2,并且降低企业与社会的总成本,以更小的成本实现更大的社会效益。因而,城市配送企业在低碳政策下进行各品类配送的路径规划,有利于降低碳排放,实现企业和社会的双赢。
考虑能耗的多目标柔性作业车间调度问题研究
这是一篇关于柔性作业车间调度,多目标优化,能耗,调整时间,成本的论文, 主要内容为随着先进制造技术、信息技术以及网络技术的迅猛发展以及在国家创新管理、提质增效的引导下,传统的制造模式正朝着智能制造方向发展。由于柔性作业车间调度可以对车间资源进行合理配置,达到提高设备利用率、降低能耗和成本的目的,因此成为企业关注的热点。柔性作业车间调度问题(Flexible Job shop scheduling problem,FJSP)作为传统作业车间调度问题(Job shop scheduling problem,JSP)的延伸,增加了工件对机器选择,因此很大程度上提升了调度的灵活性和计算的复杂度,符合现代制造的生产模式。本文以能耗问题为研究核心,在复杂的车间环境中进行深入分析和研究,建立相应的数学模型并采用相关算法对考虑能耗的多目标问题进行求解,达到节能生产的目的。具体工作如下:首先,针对考虑能耗的柔性作业车间调度问题,建立了以能耗和最大完工时间为优化目标的数学模型,并提出适用于求解该模型的NSGA-Ⅱ-SA算法。算法以节能生产为出发点,在算法的解码操作中引入空闲时间优先的方法,并根据节能要求设计两条优先规则,实现不降低加工效率的情况下节约能源,接着对Pareto前沿中的个体执行模拟退火方法进而提升个体的质量,最后通过实验仿真,证明本章提出的NSGA-Ⅱ-SA算法的有效性。其次,针对考虑机器调整的柔性作业车间调度能耗问题,建立了以最大完工时间、总调整时间和总能耗为优化目标的节能优化模型,并设计求解该模型的多目标混合算法(MOGATS)。算法设计多种初始化规则来保证初始种群的多样性,并在变异算子中执行模拟退火操作来提升算法的局部搜索能力,然后在Pareto前沿中找到各个目标的最优个体作为初始解进行禁忌搜索,从而提高解的质量,最后通过与其他算法进行实验仿真,证明MOGATS能够有效求解考虑机器调整的柔性作业车间调度能耗问题。最后,针对考虑机器和工人双约束的柔性作业车间调度能耗问题,建立了考虑加工时间、调整时间、工人成本和能耗成本等要素以最大完工时间、总调整时间和总成本为优化目标的数学模型,并提出多种群协同进化算法(Multi-population coevolutionary algorithm,MPCEA)对该模型进行求解。算法中多个种群的精英个体利用相互作用提高种群质量,并在选择算子中使用聚类排序方法代替了经典的拥挤排序方法来提高算法的搜索能力,最后,利用实际案例进行仿真实验,证明MPCEA能够有效求解考虑机器和工人双约束的柔性作业车间调度能耗问题。
基于微服务架构的金融成本决策系统设计与实现
这是一篇关于金融,成本,规则,微服务,gRPC的论文, 主要内容为金融公司承接不同资金银行,面临着多种多样个性化约束限制而导致贷款审核失败问题,贷款交易审核时间长,通过率低等问题。金融成本决策系统通过将审核限制前置,设计个性化约束规则集,提升审核通过率,控制资金银行的投放占比决策,进而实现控制公司资金成本。通过对公司实际业务流程瓶颈问题进行调研分析与设计,结合流行软件架构对比分析,采用Go语言、gRPC框架作为主要技术栈,采用grpc-proxy,grpc-bridge作为基础框架研发金融成本决策系统,并应用Kafka消息队列做系统间解耦,异步交互;采用Redis订阅消费者模型进行分布式系统内存实例同步方案。金融成本决策系统功能主要包含试算、路由审核、成本决策、规则变量管理四个模块。与风控、信审、订单等系统形成微服务集群,实现系统间功能低耦合、插件化、易扩展。本文作者完成的主要工作如下:(1)金融试算,采用channel消息通信控制试算并发协程goroutine调度,采用职责链模式、策略模式、模版模式设计实现规则集;(2)路由审核,设计实现任务审核work-pool组件,持久化消息存储,失败补偿,异步审核,设计任务审核有限状态机;(3)成本决策,基于稳定性排序原理,实现多层次多维度成本排序;(4)变量meta原型配置,基于反射原理实现资方属性变量与内存实例映射,采用发布订阅模型进行分布式实例同步,实现规则配置化,灵活可插拔使用;根据系统实际使用情况表明,金融成本决策系统符合功能设计预期,有效解决了金融贷款交易流程瓶颈问题,提升了审核通过率,缩短了交易等待时长,合理调配资金成本。本系统具有高可靠性,具备服务降级、容灾能力,采用熔断、限流、监控、报警等多种工具保障系统安全可靠运行,具有良好的应用价值。
基于微服务架构的金融成本决策系统设计与实现
这是一篇关于金融,成本,规则,微服务,gRPC的论文, 主要内容为金融公司承接不同资金银行,面临着多种多样个性化约束限制而导致贷款审核失败问题,贷款交易审核时间长,通过率低等问题。金融成本决策系统通过将审核限制前置,设计个性化约束规则集,提升审核通过率,控制资金银行的投放占比决策,进而实现控制公司资金成本。通过对公司实际业务流程瓶颈问题进行调研分析与设计,结合流行软件架构对比分析,采用Go语言、gRPC框架作为主要技术栈,采用grpc-proxy,grpc-bridge作为基础框架研发金融成本决策系统,并应用Kafka消息队列做系统间解耦,异步交互;采用Redis订阅消费者模型进行分布式系统内存实例同步方案。金融成本决策系统功能主要包含试算、路由审核、成本决策、规则变量管理四个模块。与风控、信审、订单等系统形成微服务集群,实现系统间功能低耦合、插件化、易扩展。本文作者完成的主要工作如下:(1)金融试算,采用channel消息通信控制试算并发协程goroutine调度,采用职责链模式、策略模式、模版模式设计实现规则集;(2)路由审核,设计实现任务审核work-pool组件,持久化消息存储,失败补偿,异步审核,设计任务审核有限状态机;(3)成本决策,基于稳定性排序原理,实现多层次多维度成本排序;(4)变量meta原型配置,基于反射原理实现资方属性变量与内存实例映射,采用发布订阅模型进行分布式实例同步,实现规则配置化,灵活可插拔使用;根据系统实际使用情况表明,金融成本决策系统符合功能设计预期,有效解决了金融贷款交易流程瓶颈问题,提升了审核通过率,缩短了交易等待时长,合理调配资金成本。本系统具有高可靠性,具备服务降级、容灾能力,采用熔断、限流、监控、报警等多种工具保障系统安全可靠运行,具有良好的应用价值。
A公司退货检查作业人员排班优化问题研究
这是一篇关于退货物流,排班,优化,订单,成本的论文, 主要内容为在网络零售行业退货行为日益增长的现代社会,网络零售商如何提高退货物流管理能力来满足客户的退货需求,保证退货服务水平的同时减少运营成本,提高退货物流运作效率是企业面临的普遍问题。A公司的网上商城是国内最大的自营式电商平台,为消费者提供优质的线上浏览、交易、售后等全流程一站式购物服务,近几年随着网络零售额的不断增长,退货数量也不断增加,为了保障消费者的退货权益、提升退货体验,A公司通过规范退货服务流程、应用大数据技术等方式,持续优化退货物流服务水平,但是,由于退货订单具有不确定性、缓慢性、多样性的特点,A公司仍然面临着如何调度人力资源,来提高退货物流服务水平、降低人力成本的难题。本文从A公司逆向仓库退货检查作业的特点和现状出发,分析其业务流程、退货订单特点和员工排班现状,通过实地调研,发现退货检查作业的人员排班存在人力成本浪费、人效不均衡、包裹积压量大等问题,需要对其人员排班方法进行优化,来提高退货检查效率、减少人力成本浪费。本文主要解决A公司退货检查作业人员排班优化问题。首先定性分析了影响人员排班的因素,然后依据A公司的作业流程和作业要求,将总成本分为不能达到服务水平要求的惩罚成本和员工空闲时间浪费的人力成本,以总成本最小为目标,以各个时段的预测退货量、员工技能构成、工作效率、服务水平等作为输入变量,建立了整数规划模型。最后,以A公司华北区北京3C逆向仓库为例,将实际生产数据代入模型,采用变邻域搜索算法,在Python程序中求解出排班方案,并通过可行性分析对方案进行调整、改进,得到最终的排班方案。结果表明,优化后的方案能够有效节约人力成本、平衡人效和降低包裹积压数量,证明了模型的有效性和实用性。本论文共有图9幅,表12个,参考文献47篇。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计客栈 ，原文地址：https://m.bishedaima.com/lunwen/47647.html
