本课题研究的基本内容，拟解决的主要问题和难点问题

本课题的主要研究内容是基于随机信息的物流配送模型，物流配送模型可以看做是一种物流配送的路径问题。随机信息的情况主要大概有三种情况，简约概括为随机需求，随机的配送时间（旅行时间和服务时间）和用户的随机出现。以一个供应商或配送中心和多个销售商所构成的网状供应链为研究对象，分别从供应链中各成员的角度研究供应链各环节的库存补货策略、各环节之间的配送组织方案(运输线路、车辆数量、送货时间)设计，以及各策略间的协调问题，建立相应优化模型，设计智能优化算法求解模型，最后用实例分析模型参数变化对最优解的影响。

 拟解决的主要问题是如何构建基于随机需求、随机配送时间等不确定信息的路径优化模型。具体包括：

（1）如何用0/1决策变量表示路径决策，进一步地，如何表示多车辆多路径的决策；

（2）如何建立运输路线长度和车辆数量的目标函数，如何表示配送时间窗，特别是模糊时间窗的约束条件；

（3）如何用多目标优化理论解决多目标的车辆路径问题。

 拟解决的难点问题主要包括：

（1）用如何将复杂的车辆路径规划模型用LINGO编程求解。

（2）如何通过构造模型实例，分析模型参数变化对物流配送模型最优配送方案的影响。

研究步骤、方法及措施：

研究步骤：

1、学习库存论和物流配送车辆路径优化（VRP）的基本知识和经典结论；

2、学习多目标规划理论；

3、通过查阅文献和实际考察，了解物流配送与供应链管理现状，以获得一些重要的信息与数据，分析存在的问题；

4、结合实际调研和文献研究，建立起基于随机信息的物流配送模型；

5、设计程序对所建立的数学规划模型进行求解，用实例说明求解过程；

6、对模型进行分析、评价和改进；对模型参数进行灵敏度分析；

7、得出最终结论后总结成果，撰写论文，准备答辩材料。

方法及措施：

复习概率论、线性规划内容，学习模糊线性规划和多目标规划理论；经过调研后着手建立基于随机信息的车辆路径模型，综合分析后确定相应的规划模型；运用规划软件编写程序，求出最优的车辆数及物流配送路径；最后通过数值实例检验优化算法的性能，通过灵敏度分析推断车辆路径策略的规律。