算法与物流

‘壹’ 物流总成本的总测算法

方法一
美国物流成本核算方法
历年来，美国权威物流成本核算机构在计算物流成本时即采用下述公式，该公式也是其在多年的实践中不断改进的结果，具有普遍性，也是人们的重要参考公式：物流总成本=存货持有成本+运输成本+物流行政管理成本
存货持有成本=利息+税、折旧、贬值、保险+仓储成本；
运输成本=公路运输+铁路运输+水路运输+油料管道运输+航空运输+货运代理相关费用；
物流行政管理成本=订单处理及IT成本+市场预测、计划制定及相关财务人员发生的管理费用；
其数据来源主要有：
1．存货持有成本的存货价值数据来源于美国商务部的《国民收入和生产核算报告》（NationalIncomeandProctAccount），《当前商业状况调查》（）和《美国统计摘要》（U。S。StatisticalAbstract）等。将得到的数据带入用Alford-Bangs公式来测算存货持有成本。
2．运输成本数据直接来自于《美国运输年度报告》（TransportationinAmerica）。
3．在计算物流行政管理成本时，从第一篇《美国物流年度报告》于1973年出版时起，就一直用4%乘以存货持有成本和运输成本之和作为物流行政管理成本数据。
方法二
日本物流成本核算方法
日本估算物流总成本的公式中的一些比例和比率需要获取专家的帮助进行估计。物流总成本=运送费+保管费+物流管理费

‘贰’ 物流信息系统中“启发式算法”的概念是什么

1、启发式算法是一种能在可接受的费用内寻找最好的解的技术,但不一定能保证所得解的可行性和最优性,甚至在多数情况下,无法阐述所得解同最优解的近似程度。
2、 解决实际的问题，要建模型，在求解。求解要选择算法，只有我们对各种算法的优缺点都很熟悉后才能根据实际问题选出有效的算法。

‘叁’ 传统企业物流仓储系统优化的十个最基本的原则

关于传统企业物流仓储系统优化的十个最基本的原则

对于大多数的企业来说，物流系统优化是其降低供应链运营总成本的最显着的商机所在。但是，物流系统优化过程不仅要投入大量的资源，而且是一项需要付出巨大努力，克服困难和精心管理的过程。下面，我为大家分享传统企业物流仓储系统优化的十个最基本的原则，希望对大家有所帮助!

数据(Data)——数据必须准确、及时和全面

数据驱动了物流系统的优化过程。如果数据不准确，或有关数据不能够及时地输入系统优化模型，则由此产生的物流方案就是值得怀疑的。对必须产生可操作的物流方案的物流优化过程来说，数据也必须全面和充分。例如，如果卡车的体积限制了载荷的话，使用每次发货的重量数据就是不充分的。

集成(Integration)——系统集成必须全面支持数据的自动传递

因为对物流系统优化来说，要同时考虑大量的数据，所以，系统的集成是非常重要的。比如，要优化每天从仓库向门店送货的过程就需要考虑订货、客户、卡车、驾驶员和道路条件等数据。人工输入数据的方法，哪怕是只输入很少量的数据，也会由于太花时间和太容易出错而不能对系统优化形成支持。

表述(Delivery)——系统优化方案必须以一种便于执行、管理和控制的形式来表述

由物流优化技术给出的解决方案，除非现场操作人员能够执行，管理人员能够确认预期的投资回报已经实现，否则就是不成功的。现场操作要求指令简单明了，要容易理解和执行。管理人员则要求有关优化方案及其实施效果在时间和资产利用等方面的关键标杆信息更综合、更集中。

目标(Objectives)——设定的目标必须是定量的和可测评的

制定目标是确定我们预期愿望的一种方法。要优化某个事情或过程，就必须确定怎样才能知道目标对象已经被优化了。使用定量的目标，计算机就可以判断一个物流计划是否比另一个更好。企业管理层就可以知道优化的过程是否能够提供一个可接受的投资回报率(Return On Investment)。比如，一项送货作业可能被确定的目标是“日常分摊的资产使用成本，燃料和维修成本，以及劳动力成本之和最小”。这些成本目标既定量，也容易测定。

模型(Models)——模型必须忠实地反映实际的物流过程

建立模型是把物流运营要求和限制条件翻译成计算机能够理解和处理的某种东西的方法。例如，我们需要一个模型来反映货物是如何通过组合装上卡车的'。一个非常简单的模型，诸如发货的总重量或总体积就能够忠实地反映某些货物的装载要求，如大宗液体货物。然而，如果总重量或总体积模型被用于往拖车上装载新汽车，则该模型就会失效，因为它不能充分地反映实际的物流情况。比如，用“可运载45000磅汽车”来描述拖车的载货能力就是不适用的。

因为，拖车所能够装运汽车的数量取决于汽车的外形，拖车的结构，和其他一些因素。在这种情况下，如果使用简单的重量或体积模型，许多计算机认为合适的载荷将无法实际装车，而实际上更好的装载方案会由于计算机认为不合适而被放弃。所以，如果模型不能忠实地反映装载的过程，则由优化系统给出的装车解决方案要么无法实际执行，要么在经济上不合算。

回报(ROI)——投资回报必须是可以证实的，必须考虑技术、人员和操作的总成本

物流系统优化从来就不是免费的午餐。它要求大量的技术和人力资源投入。要证实物流系统优化的投资回报率，必须把握两件事情： 一是诚实地估计全部的优化成本;二是将优化技术给出的解决方案逐条与标杆替代方案进行比较。

在计算成本的时候，企业对使用物流优化技术的运营成本存在着强烈的低估现象，尤其是在企业购买的是“供业余爱好者自己开发使用”的基于PC的软件包的情况下。这时要求企业拥有一支训练有素的使用者团队和开发支持人员在实际运行的过程中调试技术系统。在这种情况下，有效使用物流优化技术的实际年度运营成本极少有低于技术采购初始成本的(如软件使用许可费、工具费等)。如果物流优化解决方案的总成本在第二年是下降的，则很可能该解决方案的质量也会成比例的下降。

在计算回报的时候，要确定物流优化技术系统的使用效果，必须做三件事：一是在实施优化方案之前根据关键绩效指标(Key Performance Indicators)测定基准状态。二是将实施物流优化技术解决方案以后的结果与基准状态进行比较。三是对物流优化技术系统的绩效进行定期的评审。

要准确地计算投资回报率必须采用良好的方法来确定基准状态，必须对所投入的技术和人力成本有透彻的了解，必须测评实际改进的程度，还必须持续地监测系统的行为绩效。但是，因为绩效数据很少直接可得，而且监测过程需要不间断的实施，所以，几乎没有哪个公司能够真正了解其物流优化解决方案的实际效果。

算法(Algorithms)——算法必须灵活地利用独特的问题结构

不同物流优化技术之间最大的差别就在于算法的不同(借助于计算机的过程处理方法通常能够找到最佳物流方案)。关于物流问题的一个无可辩驳的事实是每一种物流优化技术都具有某种特点。为了在合理的时间段内给出物流优化解决方案就必须借助于优化的算法来进一步开发优化技术。因此，关键的问题是：

(1)这些不同物流优化技术的特定的问题结构必须被每一个设计物流优化系统的分析人员认可和理解。

(2)所使用的优化算法应该具有某种弹性，使得它们能够被“调整”到可以利用这些特定问题结构的状态。物流优化问题存在着大量的可能解决方案(如，对于40票零担货运的发货来说，存在着1万亿种可能的装载组合)。如果不能充分利用特定的问题结构来计算，则意味着要么算法将根据某些不可靠的近似计算给出一个方案，要么就是计算的时间极长(也许是无限长)。

计算(Computing)——计算平台必须具有足够的容量在可接受的时间段内给出优化方案

因为任何一个现实的物流问题都存在着大量可能的解决方案，所以，任何一个具有一定规模的问题都需要相当的计算能力支持。这样的计算能力应该使得优化技术既能够找到最佳物流方案，也能够在合理的时间内给出最佳方案。显然，对在日常执行环境中运行的优化技术来说，它必须在几分钟或几小时内给出物流优化方案(而不是花几天的计算时间)。采取动用众多计算机同时计算的强大的集群服务和并行结构的优化算法，可以比使用单体PC机或基于工作站技术的算法更快地给出更好的物流优化解决方案。

人员(People)——负责物流系统优化的人员必须具备支持建模、数据收集和优化方案所需的领导和技术专长

优化技术是“火箭科学”，希望火箭发射后能够良好地运行而没有“火箭科学家”来保持它的状态是没有可能的。这些专家必须确保数据和模型的正确，必须确保技术系统在按照设计的状态工作。现实的情况是，如果缺乏具有适当技术专长和领导经验的人的组织管理，复杂的数据模型和软件系统要正常运行并获得必要的支持是不可能的。没有他们的大量的工作，物流优化系统就难以达到预期的目标。

过程(Process)——商务过程必须支持优化并具有持续的改进能力

物流优化需要应对大量的在运营过程中出现的问题。物流目标、规则和过程的改变是系统的常态。所以，不仅要求系统化的数据监测方法、模型结构和算法等能够适应变化，而且要求他们能够捕捉机遇并促使系统变革。如果不能在实际的商务运行过程中对物流优化技术实施监测、支持和持续的改进，就必然导致优化技术的潜力不能获得充分的发挥，或者只能使其成为“摆设”。

‘肆’ 聚类算法在物流仓储中的应用有哪些

才发现原来在用力研究的算法是用在机器学习上！要继续努力搞懂！

‘伍’ 物流成本最低的算法有哪些

一些物流企业只注意到运输、存储、配送等单要素发生的成本，实际上要对各要素综合控制，才能实现物流总成本的最小化。
物流总成本是由运输、存储保管、流通加工、包装、装卸、配送等要素的成本构成。
当各成本同时为最小时总成本也最小。但由于“效益悖反”规律，各成本一般不可能同时为最小，必须对各个环节汇总进行协调和整合，加强物流各个环节的成本控制。
运输成本在物流总成本中占很大比例，从欧洲发达国家来看，一般也占到1/3以上，因此运输合理化也是降低物流成本的一个重要方法。
运输成本在很大程度取决于运输量（以及存储量）和运输方式，根据物流总成本最小化原则来确定相应的运输量（由存储量确定运输量），运输量既定时，运输方式成为影响运输成本的主要因素。

‘陆’ 物流。什么是重泡货和轻泡货，算法告诉我

泡货就是体积相对较大，质量较轻的货物。重货就是质量较重，体积相对小的货物。而重泡货就是绝对质量比较重，体积也比较大的货物。

轻泡货物又称“轻货”，“泡货”，“轻浮货物”。体积大而自重轻的货物。在铁路运输中，指装满货车容积而总重达不到车辆标记载重的货物，如棉花、芦苇等。公路运输中，指平均每立方米不满333kg的货物。航空运输中，指每立方米不满167kg的货物。水路运输中，指每立方米小于It的货物。

(6)算法与物流扩展阅读：

泡货和重货的区分：

一般都使用重泡比或者泡重比。

重泡比=重量/体积

泡重比=体积/重量

实际使用中我们经常会听到以下描述：

1、长(cm)X宽(cm)X高(cm)除以6000cm³/kg的值大于货物实际重量算泡货，小于实际重量为重货。

2、我们的泡重比为7。

3、重量/体积。如果大于210算重货，小于210算轻货。

‘柒’ 最新的智能优化算法有哪些，关于物流管理类的

优化算法有很多，关键是针对不同的优化问题，例如可行解变量的取值（连续还是离散）、目标函数和约束条件的复杂程度（线性还是非线性）等，应用不同的算法。
对于连续和线性等较简单的问题，可以选择一些经典算法，如梯度、Hessian 矩阵、拉格朗日乘数、单纯形法、梯度下降法等。
而对于更复杂的问题，则可考虑用一些智能优化算法，如遗传算法和蚁群算法，此外还包括模拟退火、禁忌搜索、粒子群算法等。