下载文档原格式
数学建模之运输问题1. 引言运输问题是指在给定产地到销售地之间有若干个供应点和需求点的情况下，如何安排运输使得总运输成本最低。
这是一个经济管理中的经典问题，也是数学建模中常见的一个研究方向。
2. 问题描述假设有n个供应点和m个需求点，其中每个供应点的供应量和每个需求点的需求量已知，并且每个供应点到每个需求点的运输成本也已知。
我们的目标是确定供应点到需求点的运输量，使得总运输成本最小。
3. 模型建立为了建立数学模型，我们可以引入一个矩阵来表示供应点和需求点之间的运输成本。
设C为一个n行m列的矩阵，其中Cij表示供应点i到需求点j的运输成本。
我们需要引入决策变量X，其中Xij表示从供应点i到需求点j的运输量。
那么，目标函数可以定义为最小化总运输成本，即$$\min \sum_{i=1}^{n} \sum_{j=1}^{m} C_{ij} X_{ij}$$同时，我们需要保证供应点和需求点的供需平衡，即满足每个供应点的供应量和每个需求点的需求量。
这可以表示为以下约束条件：1. 对于每个供应点i，有 $\sum_{j=1}^{m} X_{ij} = s_i$，其中$s_i$ 表示供应点i的供应量。
2. 对于每个需求点j，有 $\sum_{i=1}^{n} X_{ij} = d_j$，其中$d_j$ 表示需求点j的需求量。
进一步地，我们需要确保运输量的非负性，即$X_{ij} \geq 0$。
4. 求解方法对于较小规模的问题，我们可以使用线性规划方法求解运输问题。
线性规划是一种数学优化方法，可以在满足一定约束条件的前提下，使得目标函数达到最小值。
对于大规模的问题，我们可以使用近似算法或启发式算法进行求解。
这些算法可以快速找到较好的解，但不能保证找到最优解。
常用的算法包括模拟退火算法、遗传算法等。
5. 应用领域运输问题在许多实际应用中都有广泛的应用。
例如，在物流管理中，优化运输方案可以减少运输成本、提高运输效率；在生产计划中，合理安排运输可以确保供应链的稳定性和高效性。
基于混合整数线性规划的多目标物流路径规划数学建模多目标物流路径规划是指在满足多个目标的前提下，确定物流运输网络中各个节点之间的最佳路径和运输量。
在实际生产和配送过程中，物流路径规划的优化对于提高物流效率和降低物流成本具有重要意义。
本文将介绍基于混合整数线性规划的多目标物流路径规划数学建模方法。
首先，我们需要明确多目标物流路径规划的目标。
一般来说，物流路径规划需要同时满足以下多个目标：最短路径、最小成本、最小运输时间、最小能源消耗、最小污染排放等。
在实际问题中，可能还会根据具体需求提出其他目标。
我们将这些目标定义为优化目标函数。
其次，我们需要建立多目标物流路径规划的数学模型。
多目标规划中，常用的方法是加权法。
即将每个目标根据其重要性分配一个权重，然后将多个目标函数线性组合成一个总目标函数。
以最短路径和最小成本为例，假设分别对应的权重为w1和w2，则总目标函数可以表示为Z = w1 * f1 + w2 * f2，其中f1和f2分别表示最短路径和最小成本的目标函数。
在建立目标函数之后，我们需要确定决策变量，即模型中需要优化的变量。
在物流路径规划中，常用的决策变量包括运输路径、运输量、起点和终点等。
我们可以使用二维矩阵表示网络节点之间的路径，使用变量x[i,j]表示节点i到节点j的路径是否存在。
同时，使用变量y[i,j]表示节点i到节点j的运输量。
接下来，我们需要定义约束条件，以限制变量的取值范围。
常见的约束条件包括物流路径一致性条件、运输量限制条件、起点和终点限制条件等。
例如，路径一致性条件可以表示为sum(x[i,j]) = 1，即每个节点只能有一条进出路径。
运输量限制条件可以表示为y[i,j] <= C[i,j]，即运输量不能超过节点i到节点j的最大运输能力。
最后，我们可以使用混合整数线性规划求解器对建立的多目标物流路径规划模型进行求解。
求解过程中，需要根据具体情况设置目标函数权重和约束条件，并根据求解结果进行调整和改进。
城市物流配送方案优化模型数学建模清晨的阳光透过窗帘的缝隙，洒在满是数据报表的桌面上，我的大脑像一台启动的电脑，开始飞速运转。
10年的方案写作经验告诉我，这个“城市物流配送方案优化模型数学建模”的题目，需要我从无数细节中寻找最优解。
那么，就开始吧。
我们要明确这个方案的目标：优化城市物流配送，降低成本，提高效率。
听起来简单，但背后的数学建模却是复杂而精妙的。
一、数据收集与分析1.1数据来源城市物流配送的数据来源包括交通部门、物流公司、电商平台等。
我们需要收集的数据有：城市道路状况、配送车辆类型、配送路线、配送时间、货物种类、配送成本等。
1.2数据处理将收集到的数据进行清洗、整理，去除无效数据，确保数据的一致性和准确性。
然后，对数据进行统计分析，了解城市物流配送的现状。
二、模型构建2.1基本模型我们可以将城市物流配送问题抽象为一个图论问题，其中节点代表配送点，边代表配送路线。
我们的目标是找到一条最优路径，使得总成本最小。
2.2约束条件货物种类：不同种类的货物可能有不同的配送要求，如冷链货物需要保持低温。
配送时间：客户对配送时间有要求，不能超过规定时间。
车辆容量：配送车辆有一定的容量限制，不能超载。
2.3目标函数我们的目标函数是总成本，包括运输成本、时间成本、人力成本等。
目标函数可以表示为：f(路径)=∑(运输成本+时间成本+人力成本)三、模型求解3.1求解方法蚁群算法：通过模拟蚂蚁的觅食行为，找到最优路径。
遗传算法：通过模拟生物进化的过程，找到最优解。
粒子群算法：通过模拟鸟群、鱼群的行为，找到最优解。
3.2求解步骤（1）初始化参数：包括蚂蚁数量、迭代次数、路径长度等。
（2）构建信息素矩阵：表示不同节点间的信息素浓度。
（3）迭代搜索：蚂蚁根据信息素浓度选择路径，更新信息素矩阵。
（4）判断终止条件：当迭代次数达到预设值或找到最优解时，停止搜索。
四、模型优化4.1参数调整通过多次实验，我们可以找到最优的参数设置，提高模型的求解精度。
快递分配问题数学建模快递分配问题是指在快递行业中，如何高效地将快递包裹分配给各个快递员的问题。
随着电子商务的兴起和快递行业的快速发展，快递分配问题变得日益重要。
快递分配问题的重要性在于，好的分配策略能够提高快递公司的运营效率和客户满意度。
快递公司通常面临着大量的快递包裹和有限的快递员资源，因此如何合理分配快递包裹给快递员，能够极大地影响快递公司的业务运作和业绩。
为了解决快递分配问题，数学建模方法被广泛应用。
数学建模可以将分配问题转化为数学模型，并通过求解模型来得出最优的分配策略。
这种方法能够帮助快递公司在考虑各种约束条件的情况下，找到最佳的分配方案。
本文将围绕快递分配问题展开讨论，通过数学建模的角度，探讨如何解决这一问题，并探索可能的解决方案。
通过对快递分配问题的研究，我们可以提供给快递公司和相关业界的从业人员一些有益的思考和决策参考，以提高快递行业的效率和质量。
本文将明确描述快递分配问题，并讨论其相关的数学建模方面。
快递分配问题是一个常见的物流管理问题，涉及到如何合理分配快递员的工作任务，以最大程度地提高效率和满足客户的需求。
在快递业务中，有大量的快递需求，因此需要合理地安排快递员的工作路线和工作量。
数学建模在快递分配问题中发挥着重要作用。
通过数学建模，可以将问题转化为数学形式，并利用数学方法来求解最优的分配方案。
数学建模可以考虑的因素包括快递员的工作时间、快递包裹的数量、客户的需求等。
通过建立适当的目标函数和约束条件，可以得到最佳的快递员工作路线和工作量分配方案。
快递分配问题的数学建模可以采用多种方法，包括整数规划、线性规划、图论等。
其中整数规划可以用来确定快递员的工作路线，线性规划可以用来确定工作量的分配，图论可以用来分析快递的送货路线和时间。
通过数学建模，可以对快递分配问题进行科学的分析和求解，优化快递员的工作效率和客户的满意度。
因此，数学建模在快递行业中具有重要的应用价值。
在本文中，我们将详细讨论快递分配问题的数学建模方法，为快递行业提供科学的解决方案和决策支持。
第三节整数规划选址方法一、0-1整数规划方法选址问题的提出建设一个消防站，应合理选择位址。
假设候选地点有s个，分别用D1，D2…表示;火灾发生点M个，分别用A1、A2…表示,二、引入0-1变量的实际问题相互排斥的选址项目需引入0-1变量。
三、用0-1变量建立规划模型的思路与技巧第四节连续选址模型一、交叉中值模型交叉中值模型是用来解决连续点选址问题的一种十分有效的模型。
通过交叉中值的方法可以对单一的选址问题在一个平面上的加权的城市距离进行最小化。
二、重心法模型重心法是一种模拟方法。
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，利用求物体系统重心的方法来确定物流网点的位置。
三、重心法的迭代计算步骤1.将运输距离用坐标来表示，并认为运输费用是两点间直线距离的函数，这与实际情况有较大的差距。
五、重心法选址示例假设物流设施选址范围内有5个需求点，其坐标、需求量和运输费率如表所示。
现在设置一个物流设施，问物流设施的最佳位置为何处？表4-1 需求点的需求状况表4-2 迭代结果列表二、（生产系统）重心法当运输费用占总费用的比例较大，并且多种原材料由各个现有设施供应时，可用重心法来选择新设施场址，使所选的场址位置距各原材料供应点的距离与供应量、运费率之积的总和为最小。
由于该方法中设施位置用坐标描述．所以，也叫坐标法。
令P0(x0，y0)表示新设施的位置Pi(xi,yi)(i＝1，2，3，…，n)表示现有设施(或各供应点)的位置，wi表示第i个供应点的运量，ci表示各供应点的运费率，c0表示新设施场址的运费率，则有：由以上两式可得：若各供应点和新场址的运费率相等，即则有：上式即为运费率相等时，用重心法求解的新设施的坐标位置，然后根据坐标位置确定可行位置进行改进，改进的方法又叫展开图表法。
三、线性规划法对设施选址问题，总是希望各种费用的总和最小。
物流预选址问题2摘要错误!未定义书签。
一、问题重述3二、问题的分析32.1 问题一：分析确定合理的模型确定工厂选址和建造规模42.2 问题二：建立合理的仓库选址和建造规模模型42.3 问题三：工厂向中心仓库供货的最正确方案问题42.4 问题四：根据一组数据对自己的模型进展评价4三、模型假设与符号说明53.1条件假设53．2模型的符号说明5四、模型的建立与求解64.1 问题一：分析确定合理的模型为两个工厂合理选址并确定建造规模64.1.1模型的建立64.2 问题二：建立合理模型确定中心仓库的位置及建造规模84.2.1 基于重心法选址模型94.2.2 基于多元线性回归法确定中心仓库的建造规模104.3 问题三：工厂向中心仓库供货方案114.4 问题四：选用一组数据进展计算12五、模型评价175.1模型的优缺点175.1.1 模型的优点175.1.2 模型的缺点17六参考文献17物流预选址问题摘要在物流网络中，工厂对中心仓库和城市进展供货，起到生产者的作用，而中心仓库连接着工厂和城市，是两者之间的桥梁，在物流系统中有着举足轻重的作用，因此搞好工厂和中心仓库的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。
本论文在综述工厂和中心仓库选址问题研究现状的根底上，对二者选址的模型和算法进展了研究。
对于问题一二，通过合理的分析，我们采用了重心法选址模型找到了工厂和中心仓库的大致位置并给出了确定工厂和中心仓库建造规模的参数和公式，通过用数据进展实例化分析，我们确定了工厂和中心仓库位置和建造规模。
对于问题三我们运用LINGO软件简单的解决了工厂对中心仓库的供货情况。
问题四我们选用了一组数据通过求解多元线性规划对问题进展了实例化分析。
为中心仓库的选址问题做了合理说明。
最后我们对模型进展了评价和分析。
关键词：物流网络重心法选址模型多元线性规划一、问题重述某公司是生产某种商品的省知名厂家。
该公司根据需要,方案在本省建立两个生产工厂和假设干个中心仓库向全省所有城市供货。
货物配送问题数学建模一、问题描述在物流配送中，如何合理地安排货物的配送路线，使得货物能够最快地到达目的地，同时保证配送成本最小化，是一个重要的问题。
本文将以某物流公司为例，探讨如何利用数学建模的方法解决货物配送问题。
二、问题分析该物流公司需要将货物从A地配送到B地，其中A地有n个发货点，B地有m个收货点。
每个发货点的货物重量不同，每个收货点的需求量也不同。
为了保证配送效率，该物流公司需要在每个发货点选择最优的配送路线，使得货物能够最快地到达目的地，同时保证配送成本最小化。
具体而言，该问题需要考虑以下因素：1.货物重量：每个发货点的货物重量不同，需要考虑不同重量的货物在配送过程中的影响。
2. 配送路线：如何选择最优的配送路线，使得货物能够最快地到达目的地，同时保证配送成本最小化。
3. 配送成本：配送成本包括人工成本、车辆成本、油费等，需要考虑如何在保证配送效率的同时最小化配送成本。
三、数学建模为了解决上述问题，我们可以采用数学建模的方法。
具体而言，我们可以将该问题建模为一个最小费用最大流问题。
最小费用最大流问题是图论中的一个经典问题，其主要思想是在网络流的基础上，引入费用这一概念，使得在满足流量限制的同时，最小化总费用。
在本问题中，我们可以将发货点看作源点，收货点看作汇点，货物的重量看作每个边的流量限制，配送成本看作每个边的费用。
具体而言，我们可以将该问题建模为以下几个步骤：1. 建立网络模型：将发货点和收货点看作网络中的节点，将货物的配送路线看作网络中的边，建立网络模型。
2. 确定流量限制：将每个发货点的货物重量看作每个边的流量限制。
3. 确定费用：将配送成本看作每个边的费用。
4. 求解最小费用最大流：利用最小费用最大流算法，求解最小费用最大流，得到最优的配送路线。
四、实际案例为了验证上述方法的有效性，我们在某物流公司的实际配送中进行了测试。
具体而言，我们将该问题建模为一个最小费用最大流问题，并利用最小费用最大流算法求解最优的配送路线。
物流配送路径优化问题的数学建模与求解研究随着全球化的发展，物流配送成为现代社会不可或缺的一环。
物流配送路径的优化对于提高效率、减少成本以及满足客户需求非常重要。
因此，数学建模与求解研究是解决物流配送路径优化问题的有效方法之一。
物流配送路径优化问题的数学建模主要涉及到两个方面的内容：节点选择和路径生成。
首先，节点选择指的是在给定的一组客户节点中选择一部分节点作为配送路径的起点、终点和经过的中间节点。
其次，路径生成是指根据所选择的节点，生成一条满足要求的最优路径，使得物流配送的总成本和时间最小化。
在数学建模的过程中，我们需要定义一些关键的参数和变量。
其中，节点的位置和距离、客户需求量以及运输成本是决定物流配送路径的关键因素。
我们可以使用图论的方法来表示物流网络，其中节点代表客户信息，边表示节点之间的路径。
然后，运用数学模型来表示路径选择和路径生成的过程。
在路径选择方面，我们可以考虑使用贪心算法或者启发式算法。
贪心算法的思想是每次选择最优的局部解作为全局解，通过不断的迭代求得最优路径。
启发式算法则是通过设置适应度函数来评估路径的好坏，然后通过模拟退火等策略来寻找最优解。
在路径生成方面，可以使用最短路径算法，比如迪杰斯特拉算法或者弗洛伊德算法。
这些算法可以帮助我们找到从起点到终点的最短路径，并考虑物流配送中的特殊要求，比如货物的体积和重量限制。
同时，我们还可以考虑使用动态规划来解决具有多个约束条件的问题，以得到更加精确的求解结果。
数学建模和求解研究在物流配送路径优化问题中有着广泛的应用。
它可以帮助企业优化运输成本，在有限资源的情况下提供快速、高效的物流配送服务。
通过合理的路径规划和资源调度，企业可以降低成本、提高效率，并且满足客户的不同需求。
然而，在实际应用中，物流配送路径优化问题依然存在一些挑战。
比如，在大规模网络中，节点数量庞大，路径的组合爆炸性增长，导致求解问题变得非常困难。
此外，还有一些其他的实际约束条件需要考虑，比如交通拥堵、道路限制等。
数学建模在物流管理中的应用一、物流管理概述物流管理是指在生产和流通过程中对物流信息、物流资金、物流财务、物流设备和物流资源的协调管理。
物流管理涵盖了货物从供应商到客户全过程的储存、运输、配送、调度等一系列环节，并将这些环节集成在一起以实现最佳化的物流效果。
物流运作是企业重要的资源和成本支出，因此物流管理被视为企业竞争力的重要组成部分。
二、数学建模概述数学建模是将实际问题转化为数学模型并运用数学方法，从而获得解决方案的一种方法。
数学建模广泛应用于各个学科领域中，包括物理学、工程学、经济学和管理学。
数学建模技术通过数学计算机仿真和优化算法对大型和复杂问题进行求解，可以节约时间和成本，并提高问题解决的准确性和效率。
三、数学建模在物流管理中的应用在物流管理中，数学建模被广泛应用于运输计划、库存管理、供应链管理和运输成本控制等方面。
下面将分别介绍这些方面的应用。
1. 运输计划运输计划是指企业如何安排车辆和货物的运输路线和时间，以达到最佳的运输效果。
运输计划中存在的问题包括如何合理地安排货物的运输路线、如何在有限的时间内完成配送任务、如何在配送中防止货物受损等。
运用数学建模技术可以对这些问题进行求解。
例如，一个快递公司需要为多个客户配送货物，并需在规定时间内完成任务。
数学建模技术可以通过建立运输路径优化模型，确定最短路径，避免或减少道路拥堵情况的发生，以减少配送时间和节约成本。
利用数学建模技术，快递公司可以进行在线距离计算和路径优化，同时配合大数据技术，可以实现自动化的路线规划和实时跟踪，提高配送效率和准确性。
2. 库存管理库存管理是指企业如何在保持足够的存货量的基础上，尽可能地降低存货成本和增加销售收入。
库存管理中存在的问题包括如何确定最优的库存水平、如何安排存货的采购和生产、如何跟踪销售情况等。
运用数学建模技术可以对这些问题进行求解。
例如，在零售企业中，为了确保商品的供应和及时售出，需要对库存进行有效的管理。
物流园区绩效评价与空间布局优化研究摘要物流园区是现代物流一体化、集约化发展的产物,同时也是适应经济、物流、环境等发展的需要。
系统而科学规划和建设我国物流园区是时代的呼唤,也是我国经济快速和可持续发展的要求,是提升物流企业的竞争水平和降低社会物流成本的触发器。
本文在分析甘肃省物流园区建设布局与评价等方面的基础上，通过分析物流园区的形成机理,建立了物流园区空间布局优化模型和物流园区绩效评价指标体系，并且对于如何优化、提高提出了一些建议。
关键词：物流园区;绩效评价;模糊综合评价一、问题的提出要实现物流园区的绩效优化管理，首先就要完成物流园的绩效评价。
要对一个物流园进行科学的绩效评价，除了一些一般的共性评价指标外，还必须根据物流园区特殊的地域和功能特点的个性评价指标。
甘肃物流园区除了众所周知的地域和居高不下的成本特征外，还具有鲜明的组合功能特征，承担着包括西北应急物流中心、西藏供应中转站以及维护边疆稳定在内的诸多非经济功能。
所以以甘肃物流园区为研究样本建立绩效评价的指标体系，从而建立物流区绩效评价与空间布局的优化模型，并运用所建立的模型对甘肃物流园区的绩效水平及布局合理性作出总体评价就显得迫切需要。
二、问题的分析物流园区绩效评价指标体系具有一般评价体系的整体性、层次性、动态性等特征，由于物流园区自身的特点，其绩效评价指标体系也有其自身的特征。
甘肃省的经济总量扩张、基础设施不断完善、城市化步伐加快，这样就为甘肃省物流业的发展带来了新的机遇。
十二五期间，甘肃省将重点建设“一个物流核心圈、四大物流通道、六大物流枢纽城市、六大物流聚集区”，建设一批特色物流中心，最终形成主干线贯通、支线流畅、覆盖全省、服务西部、面向中亚西亚的多层次、全方位、多功能并与区域经济联动发展的物流产业新格局。
甘肃物流存在的问题就甘肃省物流的现状看，现代物流的发展尚处在起步阶段，物流规模、物流质量与经济发展水平极不相称，物流企业远不能适应社会发展需求。
具体存在以下几个方面的问题：1.地理条件甘肃地形狭长，东南大部分地区是山地丘陵，西北多为戈壁荒漠，其地理致使甘肃的物流主要依靠公路进行，且公路的等级和路况较差。
2、物流行业的管理机构不健全。
物流活动各环节分属于商贸、铁路、公路、民航、水运等多个管理领域，在计划经济体制下建立的甘肃物流体系，管理体制比较分散，法规、政策、利益部门条块分割化，在物流规划、建设中难以科学、有效、统一地配置资源。
3、物流中心无规模效益。
据初步统计，全省90％的仓库、80％的铁路专用线、60％的运输车辆分散在商业、物资、粮食、供销、外贸五大系统的批发和零售企业里，这种条块分割、各自为政、“大而全、小而全”作坊式的经营方式，重复布点，重复投资，是一种分散、低效率、高耗能的物流组织形式。
4、物流作业效率不高。
在货物运输设施和装备方面、铁路的货运重载、高速、自动化管理，目前仍处在起步阶段，且区域布局不尽均衡；各种运输方式之间无合理分工关系，企业在同类货源上进行盲目竞争；各种运输方式之间装备标准不统一，物流器具标准不配套，物流包装标准与物流设施标准之间缺乏有效衔接。
三、模型的建立物流园区空间布局优化模型（一）、问题描述某一城市有n个物流功能区域，为了充分利用该城市物流资源，提高城市物流的效益，准备从m个备选物流园区中修建k个，服务周边物流功能区域，使之成为与其他城市的物流流通枢纽，满足物流功能区域的物流需求，使得整个城市的物流总成本为最小。
（二）、基本假设与符号说明基本假设:(1)假设该城市的总物流量是确定的，短时间内不变化;(2)配选物流园区的建设固定成本、单位处理成本、处理容量等是己知的，且不随外界其他影响因素变化;(3)各物流功能区域的需求量已知，且不变。
参考符号说明：P={j:j=1，2，3，…，n}—表示物流功能区域集合;W={i:i=l，2，3，…，n}—表示候选物流园区集合;—表示第i个候选物流园区修建固定成本;fid—表示第i个候选物流园区的单位处理成本;is—表示第i个候选物流园区的物流处理容量;jq—表示第j个物流功能区域的物流需求量;j—表示第价候选物流园区与翁个物流功能区域间的单位运输成本。
cij决策变量说明:—表示第i个候选物流园区与勒个物流功能区域间的物流量;xijy1.表示第i个候选物理流园区为第j个物流功能区域提供服务ij=0.表示第i个候选物理流园区不为第j个物流功能区域提供服务1.表示第i个候选物流园区修建zi=0.表示第i个物流园区不修建（三）、建立模型模型Ⅰ根据该城市的当前情况，以物流园区的建设和运营成本为目标函数，即使得目标值最小;以各物流功能区域的需求量和候选物流园区的物流容量进行约束;建立瞬间线性规划模型，进行定量分析。
物流园区建设的固定成本:物流园区与物流功能区域间的运输成本:物流园区的运作成本:目标函数:物流园区的物流容量约束:物流功能区域的需求量约束:因此，模型为:利用数学规划软件Lingo8.0即可以求解。
模型11在模型工中，可能出现这种结果，某些物流功能区域会选择多个物流园区提供服务，这样就会增加一些额外费用，而实际情况是，一个物流功能区域只能选择一个物流园区提供服务，并月每个物流功能区域必须选择一个物流园区提供;因此，需对模型I进行。
改进，设置一个是否提供服务决策变量yij改进模型为：实例求解某个城市共有12个物流功能区域，6个备选的物流园区，假设每个物流功能区域的物流需求量确定，见表3一1，各个备选物流园区的建设固定成本、最大建设容量和单位物流量的管理费己知，见表3一2，表3一3是物流功能区域和物流园区之间的运输成本。
为了充分利用物流资源，降低整个城市的物流成本，如何设计修建物流园区以及设计物流功能区域与物流园区间的服务关系?模型I:应用数学规划软件Lingo8.O求解(见图3一2)部分程序代码首先设置集合:1.候选物流园区集合yuanqu/hlhZ二h6/:f，d，s，z;2、物流功能区域集合Peisong/I1 I2 .. I12/:q；3.派生集links(yuanqu，Peisong):C，x;目标函数:运输成本十建设固定成本十运作成本min=@sum(links:e*x)+@sum(yuanqu(i):f(i)*z(i))+@sum(yuanqu(i):d(i)*@sum(Peisong(j):x(i，j)));约束条件:1.拟建k个物流园区@sum(yuanqu(i):Z(i))=k:2.物流功能区域需求量约束@for(Peisong(j):@sum(yuanqu(i):x(i，j))=q(j));3.物流园区物流容量约束@for(yuanqu(i):@sum(Peisong(j):x(i;j))<=z(i)*s(i));4.物流功能区域与物流园区之间运量取整数约束@for(links:@gin(x));5.候选物流园区选取O—1约束@for(yuanqu:@bin(z));数据部分(略)运行结果:目标函数值:38855.20万元，修建4个物流园区，分别是:物流园区2，3，4，6;物流功能区域1(部分)，2，3，9由物流园区2提供服务，物流功能区域4，10由物流园区3提供服务，物流功能区域5，6(部分)，n由物流园区4提供服务，物流功能区域1(部分)，6(部分)，7，8，12由物流园区6提供服务;每年物流园区2的物流总量是500万吨，物流园区3的物流总量是2防万吨，物流园区4的物流总量是280万吨，物流园区6的物流总量是450万吨。
具体结果见表3—4。
模型Ⅱ：应用数学规划软件lingo8.0求解（见图3-3）其程序只需对模型工的程序稍加修改。
运行结果:目标函数值:39943.80万元，修建4个物流园区，分别是:物流园区2，3，5，6; 物流功能区域2，3，9，10由物流园区2提供服务，物流功能区域4由物流园区3 提供服务，物流功能区域5，6，n由物流园区5提供服务，物流功能区域1，7，8，12由物流园区6提供服务;每年物流园区2的物流总量是464万吨，物流园区3的物流总量是254万吨，物流园区5的物流总量是406万吨，物流园区6的物流总量是392万吨。
具体结果见表3一5、表3一6:四、模型的改进与评价（一）根据政策和经济结构调整物流结构。
根据甘肃省政策和经济结构调整的思路，分为五个经济区：中部经济区、河西经济区、陇东经济区、陇东南经济区、民族经济区。
（二）建立第三方物流模式。
工业、商贸、运输、仓储等部门如何合理布局，如何有效连接，是现代物流发展的关键所在。
一是整合以上几种类型物流企业的现有物流资源，合理设置物流设施，发挥整体合力，避免存量资源闲置，增量资源浪费，共享物流规模效益；二是不论国有、民资、外资，要转变传统观念，改革传统的自我服务模式，逐步将原材料采购、运输、仓储和产成品加工、整理、配送等物流业务剥离和外包，建立第三方物流模式，同时必须注重培植龙头企业；三是将原分属于各公司企业的运营功能作为第三方物流的分支部门，利用物流信息平台大力推进物流的共同化、合理化，积极推进综合配送和第三方配送；四是在资源整合和重组的基础上，要正确引导工商企业的物流需求和物流企业的服务供给。
（三）建立一批物流配送中心。
高效畅通的物流配送体系对联结生产和消费，降低营销成本起着重要作用。
（四）积极进行物流的技术改造。
从总体上看，甘肃省的物流仓储设施比较陈旧落后，物流基础设施结构不合理，货场、低档通用库多，适合当前社会要求的冷藏、调温等专用库少。
应当把新建与现有物流基础设施的改造、重组、挖潜相结合，以较小的投入和代价，尽快形成配套的综合运输网络、完善的仓储配送设施、先进的信息网络平台等，为现代物流发展提供重要的物质基础条件。
（五）构筑现代物流信息平台。
企业应该运用现代信息管理技术，如ERP、MRP等在内部物流管理中的应用，建立完善的物流信息管理系统(MIS)、电子数据交换系统(EDI)和货物跟踪系统，全面提高企业的信息管理水平。
（六）建立完善统一的政策体系。
各经济区应建立物流行业领导机构，对各种运输方式进行合理分工，统一各种运输方式的装备标准，不断完善物流发展的政策措施，尽快废除不利于现代物流发展的法律规章；同时政府应设置综合信息部门，利用物流信息平台，制定有序竞争的法律法规，对各经济区进行全局的协调调度，为发展现代物流业创造良好的外部环境和法制环境，以避免物流竞争的负面效应。
（七）培养、引进物流专门人才，为现代物流的发展服务。
甘肃现代物流的发展，迫切需要既懂物流、商流、又懂信息流的复合型高级专门人才，同时也是发挥甘肃物流“后发优势”的必然选择。
一方面，要动员各方力量呼吁教育主管部门在高等院校设置“现代物流管理”等专业，培养高中级物流专业人才；另-方面，全省要开展统一的物流人才培训工作，有计划、分步骤地开展多层次、多方面的物流教育和培训，尤其要加强物流企业、物流部门经理、物流策划人员和物流信息系统开发人员的培训，以适应现代物流发展的需要。
