下载文档原格式
南京理工大学运输物流工程课程论文题目：物流设施选址模型研究现状及新思考————针对B to C的商品配送与服务的物流系统的选址1摘要现代意义上的第三方物流在近二十年得到快速的发展并逐步成为一个独立的产业体系。
国内研究者对第三方物流运作，第三方物流的评价体系，第三方物流在国外的发展及我国第三方物流的市场等方面进行了广泛而充分的研究这些研究，为我国第三方物流企业的发展提供了有价值的指导意义。
但是对于第三方物流企业的核心竞争力之一的仓库网络布局的研究，目前还没有。
本文将在前人研究的基础上，对物流设施选址模型进行研究（由于个人能力与时间有限，在此仅针对第三方物流公司的仓库网络布局，即配送与服务中心选址进行研究）。
2研究背景与研究意义2.1国内外的研究现状：（1）参考国外对物流配送选址问题的研究已有60余年的历史，对各种类型物流配送中心的选址问题在理论和实践方面都取得了令人注目的成就，形成了许多可行的模型和方法。
归纳起来，这些配送中心选址方法可分为三类：(1)应用连续型模型选择地点；(2)应用离散型模型选择地点12】；(3)应用德尔菲(Delphi)专家咨询法选择地点。
第一类方法是以重心法为代表，认为物流中心的地点可以在平面上取任意点，物流配送中心设置在重心点时，货物运送到各需求点的距离将最短。
该方法不限于对特定的备选点的选择，灵活性较大，特别是在单个物流中心选址的应用中，已得到多数人的接受和认可。
但是，由于这个地址可能位于河流、建筑物或其他无法实现的地点，实际上找到的最优地址往往难以实际实施。
第二类方法认为物流中心的各选地点是有限的几个场所，最合适的地址只能按照预定的目标从有限个可行点中选取。
第三类方法的中心思路则是将专家凭经验、专业知识做出的判断用数值形式表示，从而经过综合分析后对选址进行决策。
国内在物流中心选址方面的研究起步较晚，只有10余年历史，但也有许多学者对其进行了较深入的研究，在理论和实践上都取得了较大的成果。
关于物流配送选址问题的研究作者：闫宁宁来源：《科技视界》2016年第27期【摘要】随着物流业的快速发展，越来越多的人开始更加重视物流配送中心选址问题的研究。
我们可以看到经过十余年的发展，我国无论是在物流选址理论还是物流选址实践方面都取得了不错的成绩。
本文将从物流配送中心选址问题的划分、解决选址问题的方法、经典选址的模型三个方面来分析一下物流配送中心选址问题的研究成果。
【关键词】重心法；P-中值模型；覆盖选址模型；反町氏法1 物流配送中心选址问题的划分对于物流配送中心选址问题的划分，较经典的划分方法如下：1.1 按照设施选址的数量划分，可以将选址问题分为单个设施选址和多个设施选址1.1.1 单个设施选址问题单个设施选址是指只建立一个配送中心，由一个配送中心来完成整个配送过程。
对于单个设施选址模问题，成本是首要考虑的条件。
因为只有一个配送中心，所以管理的成本势必会下降，但是配送中心的工作必然会加重。
1.1.2 多个设施选址问题对于大部分的企业来说一般需要决定两个或多个的设施的选址，而且它们之间不是相互孤立的，要考虑彼此之间的影响，因此问题的解决就变的相对复杂了。
1.2 按照选址目标区域的特征，可将选址问题分为连续选址、网格选址及离散选址[1]。
1.2.1 连续选址，可选址区域是一个连续的平面，不去过多地考虑其它结构及现实因素，在这个连续的平面中可能的选址位置的数量是无限的[2]。
连续选址模型的可选址区域是连续的，因此可以在连续的区域内进行建模求解，一般可以求得最优解。
这个问题的缺点是只是简単的进行最优解的求解，而没有考虑现实问题，求解出的地点很可能是并不适合建立物流配送中心的点，如求解出的点很可能就是一片海洋。
1.2.2 网格选址，可选区域是一个平面，这个平面被细分为许多相等面积的区域，通常情况下是被细分为许多面积相等的正方形。
可选址的数量通常是有限的，相比连续性选址较少，但是总的来说数量也还是相当大。
基于覆盖理论的物流节点选址及应用基于覆盖模型的配送中心选址模型及应用研究1 引言随着现代物流的发展,物流合理化被称为是“企业脚下的金矿”,是当前企业“最重要的竞争领域”。
无论从经济还是技术的角度,发展现代物流己是世纪经济发展的必然趋势配送作为物流活动的一个重要的直接与消费者相连的环节,随着物流的深入不断发展起来,并对物流活动的顺利展开发挥着重要作用。
作为进行配送活动的主要基础设施,物流配送中心是物流网络中最具有影响力的节点,是物流系统的重要基础设施。
物流配送中心选址是指在一个具有若干供应网点及若干需求网点的经济区域内,选一个或多个地址设置物流配送中心的规划过程,它在整个物流系统中占有非常重要的地位,属于物流管理战略层的研究问题。
合理地选址可以有效节省费用,促进生产和消费两种流量的协调和配合,保证物流系统的高效和平衡发展,从而降低成本,增加企业的利润。
正是基于配送中心位置的重要作用,迫切需要对其选址问题开展研究。
2 配送中心选址集合覆盖模型理论研究覆盖模型主要针对离散型选址问题，是对于需求已知的一些需求点，确定一组服务设施来满足这些需求点的需求。
在这个模型中，需要确定服务设施的最小数量和合适的位置。
该模型适用于商业物流系统，如零售点的选择问题、加油站的选址、配送中心的选址问题等。
覆盖模型常用的又有集合覆盖模型和最大覆盖模型两种，本节主要对集合覆盖模型理论进行研究。
2.1 集合覆盖模型集合覆盖模型的目标是用尽可能少的设施去覆盖所有的需求点，其数学模型如下。
Obj:min j j Mx ∈∑ (1)S.t.()1ij j B i y ∈=∑i N ∈ (2)()i ijj j i A j d yD x ∈≤∑ j M ∈ (3){0,1}j x ∈ j M ∈ (4) 0ij y ≥ ,i N j M ∈∈ (5)其中：N －区域中的需求点（客户）集合，N={1,2,…,n }； M －区域中可建设设施的候选点集合，M={1,2,…,m }； d i －第i 个需求点的需求量； D j －设施点j 的服务能力；A(j )－设施节点j 可以覆盖的需求点i 的集合； B(i )－可以覆盖需求节点i 的设施节点j 的集合；X j 为0-1变量，x j =1,在j 点建立设施；x j =0,不在j 点建立设施，j ∈M y ij —节点i 需求中被分配给设施点j 的部分(比例)。
配送中心选址常见的方法和模型嘿，咱今儿就来唠唠配送中心选址常见的那些方法和模型！这可不是小事儿啊，就好比咱给自己家找个最舒服的地儿一样重要呢。
你想想看，要是这配送中心选得不好，那可就麻烦啦！就像你出门穿错了鞋，一路上不是硌脚就是别扭。
常见的方法呢，有那个啥，成本因素考虑法。
这就好比咱去菜市场买菜，得看看哪家的菜又新鲜又便宜不是？得算算运输成本、土地成本、人工成本啥的，都得考虑周全咯，不然到时候亏得你想哭都没地儿哭去。
还有个市场需求导向法呢！这就好像你知道大家都爱吃苹果，你就专门去卖苹果的地儿摆摊儿呀。
得看看哪儿的市场需求大，哪儿的货好卖，就往哪儿凑呗。
不能瞎选个没人的地儿，那不是白瞎功夫嘛。
再说那模型，有个重心法。
哎呀，就跟你找平衡点似的。
要让配送的各个点都能平衡起来，不能这边重那边轻的，那就得乱套啦。
就好比挑担子，得两边平衡了才能走得稳当呀。
还有个覆盖模型呢！这就好像你要给一大片地儿都盖上被子，得看看怎么盖才能盖得最全最省事儿。
得把该覆盖的地方都照顾到，不能漏了哪个角儿。
咱选配送中心可不能马虎啊！这就跟你找对象似的，得好好挑挑，找个最合适的。
要是随随便便就定了，那以后可有你苦头吃呢。
你说是不是？你想想，如果配送中心选在了一个交通不方便的地方，那货物进不来出不去的，那不就傻眼啦？就跟你家住在深山老林里，买个东西都得翻山越岭，那多不方便呀。
或者选在了一个成本超高的地方，那利润都被成本给吃掉啦，还赚啥钱呀。
所以啊，这配送中心选址可得好好琢磨琢磨。
不能只看眼前，得长远考虑。
要考虑到未来的发展，考虑到各种可能出现的情况。
这可不是闹着玩儿的事儿呢！咱再回过头来看看那些方法和模型，它们就像是我们的好帮手。
帮我们分析，帮我们决策，让我们能选到一个最适合的地方。
就好像你有个聪明的军师在旁边给你出谋划策一样。
总之呢，配送中心选址是个大事儿，得认真对待。
要用好那些方法和模型，不能瞎搞。
要像爱护自己的眼睛一样爱护我们的配送中心选址呀！你说是不是这个理儿呢？。
基于集合覆盖模型的物流配送中心选址问题研究作者：苏慧敏葛炬来源：《物流科技》2017年第02期摘要：集合覆盖模型在设施选址的应用中有着重要的地位和很高的研究价值。
针对区域物流配送中心的选址问题，文章主要通过集合覆盖模型在物流配送中心选址中的应用，考虑在建立最小数量的物流配送中心的前提下将货物送达需求方，在节约运输成本的同时，对于研究时效性要求较高的生鲜农产品的配送具有一定的实际意义。
关键词：集合覆盖模型；物流配送中心；选址Abstract： The set covering model plays an important role in the application of facility location. Aiming at the location problem of regional logistics distribution center， by applying the set covering model in logistics distribution center location， we deliver the goods to the demand-side by establishing a minimum number of logistics distribution centers. Meanwhile it is of practical significance for the study of the distribution of fresh agricultural products with high timeliness.Key words： set covering model； logistics distribution center； location引言物流配送中心选址是指在一个具有若干物流需求网点及若干物流供应网点的区域内，根据一定的方法，选择一个或多个地址确定物流配送中心的规划过程。
《聚类算法在物流配送中心选址问题中的研究与应用》一、引言随着电子商务的飞速发展，物流配送的需求和复杂性逐渐增长。
有效的配送中心选址对于企业运营的效率、成本及客户服务质量具有关键性的影响。
近年来，聚类算法在物流配送中心选址问题中得到了广泛的应用和研究。
本文旨在探讨聚类算法在物流配送中心选址问题中的研究进展、应用实例及未来发展趋势。
二、聚类算法概述聚类算法是一种无监督学习方法，其目标是将数据集划分为几个不同的组或簇，使得同一簇内的数据具有相似性，而不同簇间的数据差异较大。
在物流配送中心选址问题中，聚类算法可以通过分析地理位置、交通状况、客户需求等因素，将潜在选址地点划分为不同的簇，从而帮助决策者选择最合适的配送中心位置。
三、聚类算法在物流配送中心选址中的应用1. 数据准备与处理：首先，收集与物流配送中心选址相关的数据，包括地理位置、交通状况、客户需求、成本等因素。
然后，对数据进行预处理，如数据清洗、标准化等，以便于聚类算法的应用。
2. 聚类算法选择：根据问题的特点和数据的性质，选择合适的聚类算法。
常见的聚类算法包括K-means聚类、层次聚类、DBSCAN等。
3. 聚类分析与解释：运用选定的聚类算法对数据进行聚类分析，得到各个簇的选址地点。
然后，对聚类结果进行解释和评估，如计算各簇的密度、距离等指标，以确定最合适的配送中心位置。
4. 决策支持：根据聚类分析的结果，为决策者提供选址建议和方案。
决策者可以根据企业的实际情况和需求，选择最合适的配送中心位置。
四、研究与应用实例1. K-means聚类算法在物流配送中心选址中的应用：某物流公司采用K-means聚类算法对潜在选址地点进行聚类分析。
通过分析地理位置、交通状况、客户需求等因素，将潜在选址地点划分为几个簇。
然后，计算各簇的密度、距离等指标，确定最合适的配送中心位置。
最终，该公司成功选择了新的配送中心位置，提高了物流配送的效率和服务质量。
2. 层次聚类算法在快递企业物流网络优化中的应用：某快递企业采用层次聚类算法对物流网络进行优化。
基于集合覆盖模型的“快递专柜”网点规划-以杭州下沙高教园区为例李淑芳;唐绮遥;丁宁;王佳媛;唐婧【期刊名称】《物流技术》【年(卷),期】2014(33)5【摘要】In this paper, in order to improve the current status of the end-point dispatch in express parcelldeliveries, we proposed to set up the stop-type express counters to help the couriers deal with the existing problems in this respect. First we introduced the express counter based parcelldispatching mode. Next, to test whether the mode could improve the efficiency of the couriers, we used the set coverage model to optimize the express delivery network planning of the Hangzhou Xiasha higher education park and at the end, discussed some of the findings.%为改善快递末端派送效率低下、安全性低的现状，提出了设置站点式“快递专柜”帮助快递员进行派件的解决方法。
首先对“快递专柜”派件模式进行介绍。
其次为验证“快递专柜”是否能够提高派件员派件效率，利用集合覆盖模型结合杭州下沙高教园区实际情况得出该地最优网点规划方案。
计算结果表明，“快递专柜”确实通过设立少量的网店，减少了快递员派件的时间，且能有效保护快递安全和提高客户满意度，值得进一步研究及推广。
《聚类算法在物流配送中心选址问题中的研究与应用》一、引言随着物流业的迅猛发展，物流配送中心选址问题已成为物流系统优化中至关重要的环节。
一个合适的配送中心选址不仅能提高物流效率，降低运营成本，还能有效提升客户满意度。
传统的选址方法往往依赖于经验判断和定性分析，难以满足日益复杂的物流需求。
近年来，聚类算法作为一种有效的数据分析工具，在物流配送中心选址问题中得到了广泛的应用。
本文将详细探讨聚类算法在物流配送中心选址问题中的研究与应用。
二、聚类算法概述聚类算法是一种无监督学习方法，它将数据集划分为若干个簇，使得同一簇内的数据具有较高的相似性，而不同簇间的数据相似性较低。
在物流配送中心选址问题中，聚类算法可以通过分析地理位置、交通状况、客户需求等数据，将潜在的选址地点划分为不同的簇，从而为决策者提供更为科学的选址依据。
三、聚类算法在物流配送中心选址中的应用1. 数据准备与处理：首先，收集与物流配送中心选址相关的数据，包括地理位置、交通状况、客户需求等。
然后，对数据进行预处理，如数据清洗、格式化等，以便于聚类算法的分析。
2. 聚类算法选择：根据数据的特点和问题的需求，选择合适的聚类算法。
常见的聚类算法包括K-means聚类、层次聚类、DBSCAN等。
3. 聚类分析：运用选定的聚类算法对数据进行聚类分析，将潜在的选址地点划分为不同的簇。
在聚类过程中，可以通过调整聚类参数来优化聚类效果。
4. 结果评估与决策：对聚类结果进行评估，如簇的紧凑性、分离性等。
根据评估结果，结合实际情况，为决策者提供科学的选址依据。
四、案例分析以某城市物流配送中心选址为例，采用K-means聚类算法对潜在选址地点进行分析。
首先，收集该城市的地理位置、交通状况、客户需求等数据。
然后，运用K-means聚类算法对数据进行聚类分析，将潜在的选址地点划分为不同的簇。
最后，根据聚类结果和实际情况，选择合适的簇作为物流配送中心的候选地点。
经过实际运营验证，该选址方案有效提高了物流效率，降低了运营成本。
物流配送中心选址优化模型及算法研究一、概述随着电子商务和全球化的快速发展，物流配送中心在供应链管理中的作用日益凸显。
合理的物流配送中心选址不仅有助于降低运营成本、提高物流效率，还能对整个供应链的顺畅运作产生深远影响。
物流配送中心选址优化问题一直是学术界和工业界研究的热点。
本文旨在深入研究物流配送中心选址优化模型及算法，旨在为实际应用中的物流配送中心选址提供科学、高效的决策支持。
本文首先对物流配送中心选址问题的背景和意义进行介绍，分析现有研究的进展和不足，并指出本研究的必要性和创新性。
在此基础上，本文将构建物流配送中心选址优化模型，综合考虑成本、时间、服务质量等多个因素，以实现选址决策的全面优化。
同时，本文将研究并应用先进的优化算法，如遗传算法、粒子群优化算法等，以提高选址决策的速度和准确性。
本文的研究不仅有助于丰富物流配送中心选址优化理论，还将为实际应用中的物流配送中心选址提供有力支持，对提升我国物流行业的整体竞争力具有重要意义。
1. 物流配送中心选址的重要性物流配送中心选址问题是物流系统规划中的核心问题之一，其重要性不容忽视。
合理的选址决策不仅能够优化物流网络布局，提高物流效率，降低运营成本，还能够促进区域经济发展，增强企业的市场竞争力。
具体来说，物流配送中心选址的重要性体现在以下几个方面：选址决策直接关系到物流网络的运行效率。
物流配送中心作为物流网络中的关键节点，其位置的选择将影响到货物在供应链中的流动速度和成本。
合理的选址能够使货物在运输、仓储、配送等环节中的流动更加顺畅，减少不必要的转运和等待时间，从而降低物流成本，提高物流效率。
选址决策对于企业的运营成本具有重要影响。
物流配送中心的建设和运营成本包括土地购置费用、设施设备投入、人力成本等多个方面。
选址决策的合理与否将直接影响到这些成本的高低。
通过科学的选址优化模型，企业可以在保证物流服务水平的前提下，尽可能降低建设和运营成本，提高企业的盈利能力。
集合覆盖模型在京东快递配送中心选址问题中的研究赖垠淳1，徐辉1，庄埴栩1，陈晓铜1，徐晓洁1，刘子晴2（广东财经大学1.工商管理学院；2.会计学院，广东广州510320）摘要：集合覆盖模型在设施选址决策中有着重要的地位和实际应用价值。
针对区域快递配送中心的选址问题，本文以京东快递在佛山市快递配送中心选址为例，通过层次分析法定性定量分析配送中心选址的影响因素，确定主要指标评价体系，在最低费用成本和覆盖所有需求点的约束条件下，建立集合覆盖模型并运用贪婪算法进行求解，确定京东快递配送中心在佛山区域的理想布设。
通过对佛山市京东快递配送中心选址研究，本文证实了在考虑建立数量最少快递配送中心的前提下货物能够按时送达需求方，同时充分利用模型的有效性和优越性，实现总成本最小化的目标，对于京东快递配送中心的选址方法具有普适性与推广性。
关键词：京东快递；配送中心选址；层次分析法；集合覆盖模型中图分类号：F252文献标识码：A收稿日期：2019-08-02基金项目：大学生创新创业训练计划国家级立项（201810592003）作者简介：赖垠淳（1996—），女，广东潮州人，广东财经大学工商管理学院。
徐辉(1963—),男,江西南康人,广东财经大学工商管理学院教授,博士，硕士研究生导师。
一、引言据最新年度数据显示，京东计划在更多的区域建立大规模的仓库设施和快递配送中心。
如何科学选择地点，成为影响京东扩张速度的重要因素。
目前暂时没有针对京东快递配送中心在佛山的选址问题所进行的研究，为了填补这方面的空白，本文运用集合覆盖模型研究京东在佛山地区的配送中心选址问题。
国内外学者在物流配送中心选址问题研究方面已经取得很多成果，提出了很多模型与方法。
国外在物流配送中心选址问题上已经有了许多计算方法，这些算法可以大致分为连续型模型和离散型模型两类。
连续性模型在运用上具有较大的灵活性，但真正用于实际案例的过程中可能会出现无法适应的情况。
离散型模型所需基本资料相当庞杂，计算量大且求解复杂。
经典模型有Kuehn-Hamburger 模型法①，灵活配置法CFLP ②、Baumol-wolfe 法③、整数规划问题的分制定界法、混合整数规划问题的分制定界法等。
相较于国外而言，我国研究物流配送中心选址的时间并不是很长，但也取得了一定的成果。
从研究的角度看，朱华桂从市场份额最大化入手，通过建立竞争设施点选址-设计问题的非线性混合整数规划模型，提出了一种实数编码遗传求解算法进行求解④。
秦固针对多物流配送中心选址问题，设计了一种基于蚁群算法求解的算法模型⑤。
赵仁辉等利用改进的蚁群算法和GIS ，将总成本费用成本作为模型的约束条件，构建一种新的配送中心选址方法⑥。
胡伟等提出一种改进的粒子群算法用于解决求解物流配送中心选址问题的过程中容易陷入局部最优解以及寻找最优效果达不到预期目标的缺陷⑦。
陈冰冰考虑客户的时效性，建立了动态选址模型，成本费用包括风险违约金等问题⑧。
传统的集合覆盖模型因素较单一，没有综合考虑建设配送中心的费用成本问题。
此外在当今“互联网+”以及京东的扩张战略背景下，国内还比较缺乏针对京东在佛山的物流选址问题的研究学者。
受文献的启发，在既定的费用成本约束条件和不影响服务范围的前提下，本文将综合考虑影响选址的因素并进行量化，结合集合覆盖模型，运用贪婪算法多次迭代求出最优解，科学有效地确定佛山配送中心分布点⑨-輥輲訛。
通过实地调研，收集第一手现场数据，再通过层次分析法与集合覆盖模型的结合对此选29址问题进行定性定量研究，提高京东快递配送中心分布点选址决策的科学性，降低不确定性。
在科学选址、节约建设资金、考虑顾客满意度上，该研究对京东的物流选址决策有一定的参考价值。
二、相关理论介绍（一）层次分析法1.定义。
层次分析法（AHP）是一种定性定量相结合的方法。
该方法将目标划分为几个层面，层层递进、层层分解。
AHP起源于20世纪六七十年代，一位美国大学教授在研究国家课题时提出了一种带权重有层次性的决策分析法。
层次分析法旨在将复杂的问题简单化，有顺序有层次地分解，构建一个网状有逻辑性的结构图。
为了确定因素之间的关系，必须有一个标度衡量。
该标度是在判断矩阵基础上比较两个因素重要性程度的标准。
最后利用矩阵运算原理计算得出所有因素的权值并按从大到小排序。
2.步骤：(1)分析影响决策方案选择的因素,构建层次结构模型。
(2)通过专家打分法一一建立各层次的判断矩阵輥輳訛。
(3)利用软件计算不同层次中各因素的权值并进行一致性检验。
根据最大特征值、CI、CR 判断所赋予的权值是否合理。
(4)根据判断矩阵得出的各权值重新进行一次计算得出最终的元素权值，并对总层次结构的权值进行一致性检验，确定检验最终得出的权值是否合理。
（二）集合覆盖模型1.定义。
集合覆盖模型是一类解决离散点如何进行科学选址的模型。
所谓离散点是一些需求已明确的分布点。
研究集合覆盖问题是一个找出一种布置覆盖已知需求点需求的过程。
在这个过程中，需要综合考虑各种因素，包括设施产生的经济效益，设施布置点的数量和地址。
该模型在许多场合被广泛应用，如冷链配送、物流选址、急救中心布置等。
由于解决思路和方法不一致，因此众多学者将集合覆盖模型定义为三类：部分集合覆盖模型、最大集合覆盖模型、集合覆盖模型。
最大覆盖模型和集合覆盖模型最大的区别在于是否考虑设施的数量，是否提前确定设施的数量。
根据本文案例实际情况，本文采用了集合覆盖模型，模型如下：minnj∈N移x is.t.nj∈B(i)移x ij≥1,i∈Nx ij≥0,i、j∈Ny ij∈{0,1}其中N为模型中的需求点，B(i)为可以覆盖需求点的设施集合，i为节点需求中被分配给设施节点的服务部分。
X ij为节点,ij是否被选中成为设施，Y j 选中为1，j没有选中为0。
集合覆盖模型属于NP完全问题，所以需要采用启发式算法求解模型。
在启发式算法中，“贪婪算法”具有步骤简单、计算量小、节约时间，易于进行定性定量分析等优点.因此,本文根据案例实际情况，结合计算机软件采用“贪婪算法”进行求解。
通过“贪婪算法”对建立的集合覆盖模型多次迭代求解，并对求出的解进行检验，达到从求出的解集中找出最优解的目标。
2.基于集合覆盖模型的京东快递配送中心的选址研究第一步,经过调研，确定京东配送站具体的分布位置，并在地图上做出标记。
以目标配送站作为上级分拨中心的需求点，确定两两配送站的距离，并根据配送时间划分配送范围。
第二步,根据配送站自身条件以及极速达所需条件限制，选出配送站构成的配送中心候选点X i与其集合簇A(j)，其中A={1,2,...,m}。
第三步,运用“贪婪算法”对模型进行运算。
第四步，根据计算结果，考虑层次分析法得出的主要影响因素，计算候选点结果的配送中心成本。
第五步，将计算结果与实际的配送中心进行对比分析，得出结论。
三、实例应用（一）需求点与候选点的确定及分析京东快递的配送服务主要包括：限时达、次日达、夜间配和三小时极速达。
本案例按照三小时极速达的时间作为选址约束条件之一，除去装卸、包装、加工等一系列工作的时间，要求每个快递配送中心在接到订单后半小时内将所需物品送至对应需求点，按照货车的平均公路时速60km/h的要求，即每个快递配送中心的平均服务范围为半径30km 的同心圆，配送中心的服务不受限制，由此来分析京东快递在佛山市至少需要建立几个配送中心可以覆盖所有的需求点，同时又能使其建设成本最少。
根据实地调研结果确定了佛山有16个需求点，具体分布如图1所示。
根据案例确定候选点及其服务范围，如表1所示。
（二）层次分析法分析由于快递配送中心占地面积较大，对交通条件要求较高，要求具有接近客户等的特性和功能，因30表2判断矩阵B1-C表3判断矩阵B2-C图2评价指标层次分析结构图图3评价指标层次分析结构图图1配送站需求点位置表1候选点及其服务范围此快递配送中心在空间布局时要考虑多方面的条件。
本文结合定性和定量因素，建立选址评价指标体系（图2）。
通过实地调研，结合京东快递在佛山地区配送中的实际情况，采用层次分析法和专家打分法对影响快递配送中心选址的各种因素进行分析。
1.建立层次结构模型。
分别为目标层(物流配送选址中心选址A)、准则层（经济条件和物质条件）、方案层（需求点、土地价格、人力资源，交通干道、基础设施、面积），根据层与层和层内因素的关系分配权重，得到选址问题的具体层次分析结构（图3）。
2.专家打分法确定经济条件和物质条件的权重。
其中，经济条件权重为0.6；物质条件权重为0.4。
3.建立层次下各因素的判断矩阵以及进行一致性检验（表2）。
由判断矩阵B1-C ，得CI=0.0162，CR=0.0279<0.10,同时计算得出各因素权重系数，见表2最后一列：重要性排序为需求点（0.6586），土地价格（0.2628），人力资源（0.0786）。
由矩阵B2-C ，得CI=0.0018，CR=0.0032<0.10，同时计算得出各因素权重系数，见表最后一列：重要性排序为交通干道（0.6483），基础设施（0.2297），面积（0.1220）。
4.计算佛山快递配送中心选址因素的权值。
根据上述专家打分和判断矩阵计算最终主要影响因素的总排序权值，具体如表4所示。
（三）集合覆盖模型分析该案例的模型具体为：min nj ∈N移x is.t ．x 1+x 2+x 3≥1x 1+x 2≥1候选点服务设施覆盖需求点X 11、2、3X 21、2X 31、3、4、5、6、8、13、14、15、16X 43、4、5、6、7、8、9、13、14、15、16X 53、4、5、6、7、8、9、13、14、15、16X 63、4、5、6、7、8、9、13、14、15、16X 74、5、6、7、8、9、10、13、15、16X 83、4、5、6、7、8、9、10、13、14、15、16X 94、5、6、7、8、9、10、11、12、15X 107、8、9、10、11、12X 119、10、11、12X 129、10、11、12X 133、4、5、6、7、8、13、14、15、16X 143、4、5、6、8、13、14、15、16X 153、4、5、6、7、8、9、13、14、15、16X 163、4、5、6、7、8、13、14、15、16B2-C需求点C 21土地价格C 22人力资源C 33优劣顺序交通干道C 211350.6483基础设施C 221/3120.2297面积C 231/51/210.1220B1-C需求点C 11土地价格C 12人力资源C 13优劣顺序需求点C 111370.6586土地价格C 121/3140.2628人力资源C 131/71/410.078631表5各项费用表（单位：元）表4配送中心总排序权重x 1+x 3+x 4+x 5+x 6+x 8+x 12+x 14+x 15+x 16≥1x 3+x 4+x 5+x 6+x 7+x 8+x 9+x 13+x 14+x 15+x 16≥1x 4+x 5+x 6+x 7+x 8+x 9+x 10+x 13+x 15+x 16≥1x 3+x 4+x 5+x 6+x 7+x 8+x 9+x 10+x 13+x 14+x 16≥1x 4+x 5+x 6+x 7+x 8+x 9+x 10+x 11+x 12+x 15≥1x 7+x 8+x 9+x 10+x 11+x 12≥1x 9+x 10+x 11+x 12≥1x 3+x 4+x 5+x 6+x 7+x 8+x 13+x 14+x 15+x 16≥1x 3+x 4+x 5+x 6+x 8+x 13+x 14+x 15+x 16≥1用“贪婪启发式算法”分析与求解，先创建一个列表，将16个配送站需求点放入列表中，之后创建一个关联数组，放入候选点集合簇，每一个键值对应一个候选点，然后找出覆盖的、所有未覆盖的配送站的候选点，循环迭代每个配送中心并确定它是否是最佳的配送中心，直至覆盖所有配送站需求点，输出集合簇结果。
