简谈逆向基于改善粒子群算法逆向物流网络模型

论文导读：着的退货物流,提出以运营费用最小化和提升用户体验为目标的逆向物流模型。通过对逆向物流模型中关键的回收站选址不足的探讨,提出了以粒子群算法为基础,通过改善惯性权重提升全局搜索能力的改善粒子群算法,并将算法运用于对模型的求解。为了验证模型和算法的有效性,本论文将它们运用于真实案例,进而验证了模型的有效性和粒子
摘要：进入21世纪后,信息技术和互联网的进展转变了人们的生活方式、购物方式以及消费习惯。在这个历程中,电子商务得到了广泛的重视并得以迅速进展成为当今人们生活的主要购物渠道,大量的电商企业如雨后春笋般涌现,大大小小的企业和个人都可以参与进这场影响深远的变革中。随着国家进展方式的转变,对扩大内需的要求,电子商务方式更受到来自国家政策上的支持以及大力推动。但电子商务的进展,依然处于初期阶段,电子商务进展的方式与管理都需要不断的提升与改善。电子商务历程中有着一定程度的虚拟性,顾客在网上选购商品时,因不能接触到商品本身,可能有着预期与实际质量之间的差别,这种差别最终会导致一定程度的退货,进而产生退货物流。随着电子商务的不断进展,退货物流的规模必将不断增加,因而对退货物流管理的改善与提升是电子商务企业必定要面对的不足。退货物流的改善具有重要的社会价值,改善的退货物流不仅可以减少商品的浪费,而且能够减轻对环境与资源的压力。因而,电子商务环境下逆向物流的探讨对企业和社会都具有重要的作用。本论文主要探讨电子商务环境下,逆向网络模型。逆向物流可以分为退货逆向物流与回收逆向物流两种类型,本论文主要针对电子商务中有着的退货物流,提出以运营费用最小化和提升用户体验为目标的逆向物流模型。通过对逆向物流模型中关键的回收站选址不足的探讨,提出了以粒子群算法为基础,通过改善惯性权重提升全局搜索能力的改善粒子群算法,并将算法运用于对模型的求解。为了验证模型和算法的有效性,本论文将它们运用于真实案例,进而验证了模型的有效性和粒子群算法对于求解逆向物流网络选址不足的可行性。通过对粒子群惯性因子的探讨,揭示了其对于粒子全局寻优能力的影响。关键词：电子商务论文逆向物流论文粒子群算法论文物流中心选址论文惯性因子论文
本论文由www.7ctime.com,需要论文可以联系人员哦。论文摘要6-7
ABSTRACT7-10
第一章 引言10-16

1.1 探讨背景10-11

1.2 国内外探讨近况及浅析11-13

1.2.1 国外探讨近况11-12

1.2.2 国内探讨近况12

1.2.3 探讨近况浅析12-13

1.3 本论文探讨的内容及拟解决的关键不足13-14

1.3.1 本论文探讨内容13

1.3.2 本论文拟解决的关键不足13-14

1.3.3 本论文的特点与革新之处14

1.4 论文主要结构安排14-16

第二章 逆向物流网络基本论述知识16-25

2.1 逆向物流的涵义16-17

2.2 逆向物流产生的背景17-19

2.3 逆向物流的与正向物流的联系与区别19-21

2.3.1 逆向物流与正向物流的联系19-20

2.3.2 逆向物流与正向物流的区别20-21

2.4 逆向物流的特点21-22

2.5 逆向物流的分类22-24

2.6 本章小结24-25

第三章 逆向物流在电子商务中的运用25-33

3.1 电子商务环境下逆向物流产生的理由25-26

3.

1.1 信息的不对称25

3.

1.2 冲动性消费25-26

3.

1.3 激烈的竞争26

3.

1.4 物流历程中的商品价值下降26

3.2 电子商务环境下逆向物流的作用26-27
3.

2.1 有利于提升顾客价值,提升竞争优势26

3.

2.2 有利于减少成本,增加效益26-27

3.

2.3 推动物流产业的进展27

3.3 国内电子商务逆向物流近况27-28

3.4 电子商务逆向物流网络方式28-30

3.4.1 用户自行退货28-29

3.4.2 自建物流,上门取货29-30

3.4.3 第三方物流公司30

3.4.4 零退货对策30

3.5 电子商务逆向物流与电子商务正向物流的不同30-32

3.6 本章小结32-33

第四章 逆向物流网络模型33-39

4.1 不足描述33-35

4.2 模型建立35-38

4.

2.1 模型假设35

4.

2.2 下标符号35

4.

2.3 模型参数35-36

4.

2.4 决策变量36-37

4.

2.5 目标函数37

4.

2.6 约束条件37-38

4.3 本章小结38-39
第五章 改善粒子群优化算法39-47

5.1 粒子群优化算法概述39-40

5.2 粒子群算法原理40-42

5.3 粒子群算法参数浅析42-43

5.4 改善粒子群算法43-44

5.5 改善粒子群算法在本论文的运用44-46

5.6 本章小结46-47

第六章 实验浅析及讨论47-55

6.1 实验数据获取47-48

6.2 模型运用48-52

6.

2.1 模型参数48-51

6.

2.2 模型求解51-52

6.3 计算结果52-53

6.4 结果浅析53-54

6.5 本章小结54-55

第七章 结论与展望55-57

7.1 本论文工作总结55-56

7.2 工作展望56-57

附录：作者攻读硕士学位期间发表论文57-58
参考文献58-60
致谢60