物流配送最优路线选择研究..
物流配送中的最优路径规划算法研究
物流配送中的最优路径规划算法研究一、绪论物流配送中的路径规划问题，是指针对一定的地理区域，如城市，通过确定运输路线和运输方式，使得物流系统在满足各项条件前提下，达到最优的物流配送效果。
其中最优路径规划算法研究，是物流系统中核心的问题，对于物流公司的效益、社会资源的合理利用及环境保护，具有重要的理论和现实意义。
二、算法概述1. 蚁群算法蚁群算法是一种基于模拟蚂蚁群体寻找食物的行为而发展起来的一种优化算法。
在路径规划问题中，蚁群算法通过模拟蚂蚁在寻找食物时的行为，选择较短距离的路线，并根据信息素浓度来调整蚂蚁的寻找方向，从而找到物流配送中最佳路径。
2. 遗传算法遗传算法是一种基于进化论思想设计出来的一种优化算法。
在路径规划问题中，遗传算法通过对所有路径进行编码，如常用的2进制编码、10进制编码等，以染色体代表路径，将染色体作为遗传信息进行进化，达到最优的路径规划结果。
3. Tabu搜索算法Tabu搜索算法是一种基于禁忌搜索的优化算法。
在路径规划问题中，Tabu搜索算法通过对路径进行邻域搜索，并设置禁忌列表，排除先前搜索过的路径，限定搜索范围，从而达到找到物流配送中最优路径的目的。
三、算法比较分析1. 算法优点（1）蚁群算法在寻找最优路径过程中，具有较高的全局搜索能力，能够在复杂的路径情况下达到较优的最终结果。
（2）遗传算法具有自适应、强的全局搜索能力，在多峰寻优问题上具有很大优越性。
（3）Tabu搜索算法能够通过对搜索空间的约束和禁忌列表的设计，限定搜索空间，达到较快的收敛速度。
2. 算法不足（1）蚁群算法在全局搜索时，需要较长时间的计算和较大的内存存储，因此在较复杂的算法中，其效率较低。
（2）遗传算法计算时需要编码、解码和选择操作，较难在高维问题中达到较优解。
（3）Tabu搜索算法解决路径规划问题时，需要合理设置禁忌表列表，从而避免陷入局部最优解。
四、算法应用实例以快递配送系统为例，应用最优路径规划算法，提高物流公司的配送效率。
物流配送路线优化的研究
物流配送路线优化的研究随着物流业的不断发展与进步，物流配送路线优化也成为了重要的研究领域。
优化物流配送路线可以降低物流成本，提高物流效率和服务质量，对于物流企业和顾客都有着巨大的经济利益。
本文将从优化的策略、方法和实践方面来阐述物流配送路线的优化。
一、优化策略物流配送路线的优化策略可以分为两种：传统策略和新颖策略。
1.传统策略- 遗传算法：通过模拟自然界生物进化规律，优化配送路线，遗传算法是物流配送路线最常用的优化方法之一。
- 动态规划：动态规划是一种优化算法，它通过数学模型和最优化原理，求解出最优化的物流配送路线。
- 贪心算法：贪心算法是一种通过局部最优解来得到全局最优解的算法，它可以优化物流配送路线。
2.新颖策略- 人工智能：人工智能有着广泛的应用，对于物流配送路线的优化也能产生积极作用。
如，深度学习算法用于对车辆的驾驶路线进行优化。
- 云计算：云计算是一种新的计算和数据存储方法，通过云计算平台，可以在更低的成本、更高的效率下，进行路线优化。
- 物联网技术：物联网技术能够将各个物流节点之间的信息进行传输和共享，可以实现配送路线的实时监控和管理。
物流配送企业可以依据实时信息对路线进行优化，提高配送效率和服务水平。
二、优化方法1.分区域优化物流配送区域是指物流企业实际主要服务的配送范围。
不同地区的路况、交通、地形、环境等因素都会影响物流配送路线。
因此，分区域对问题进行分割和求解是一种有效的方法。
首先，将配送区域划分为多个小区域，然后针对每个小区域的物流配送路线分别进行优化。
最后将各个小区域优化的路线综合起来，得到全局最优解。
2.双重遗传算法优化双重遗传算法优化是指将遗传算法应用到传统物流配送路线问题中，进行改进和优化。
它实质上是两个优化算法相结合，将第一个算法产生的优化结果作为第二个算法的种群基础，从而得到更加优化的路线。
该方法相对于传统单一遗传算法来说，具备计算速度快、计算效果好等优点。
三、优化实践1.数据采集与处理数据采集和处理是物流配送路线优化的基础，要得到有效的数据，首先要进行数据采集。
基于遗传算法的物流配送路径最优化研究
基于遗传算法的物流配送路径最优化研究在当今社会，随着电商的不断发展，物流配送成为了企业重要的一环。
如何将物流成本降到最低，同时保证配送时间和质量，一直是物流配送领域最为关心的问题。
基于遗传算法的物流配送路径最优化研究，正是为了解决这一难题而生。
一、遗传算法的基本原理遗传算法是一种通过模拟生物进化机制解决问题的数学算法。
在此算法中，借助于遗传、交叉、变异等操作，模拟自然界中生物个体遗传信息的传递、组合、选择和迭代过程，从而逐步搜索最佳解决方案。
在基于遗传算法的物流配送路径最优化研究中，可以将物流的路径规划问题看作是求解一个最优化的问题。
我们需要在满足所有物流要求的情况下（如送达时间、货物数量等），寻找到一个路径方案，使得成本最低。
二、遗传算法的应用基于遗传算法的物流配送路径最优化研究，可以分为以下几个步骤：1. 状态表示物流配送路径问题需要将配送路径表示为状态，而状态表示方式可以根据实际问题需求进行自定义，例如将物流配送路径表示为一个节点集合，每个节点表示在某一时间访问某一仓库或派送点，并且模拟此过程中货车的运输状态。
（下面的状态表示均以此为例）2. 初始种群的生成初始种群即为所有可能的物流配送路径，每一个物流配送路径表示为一个状态。
对于n辆货车，可以使用随机生成n条路径作为初始种群。
3. 适应度函数的设计适应度函数可以评价一个个体的好坏，基于此来对个体进行选择。
在物流配送路径最优化的问题中，适应度函数可以定义为路径的总成本。
4. 进化操作遗传算法迭代的过程中，涉及到两个进化操作，即选择和交叉变异。
其中选择操作一般采用“轮盘赌”方式或“锦标赛”方式，而交叉变异操作则是为了繁衍后代，以便能够在足够的代数中寻找到更优秀的个体。
在物流配送问题中，交叉和变异操作可以分别对应为路线的交叉和点的变异。
在路线交叉中，可以选取两条路径的随机位置，将路径进行交换；在点的变异中，可以随机选择一个节点进行变异。
5. 最终解的搜索与收敛在遗传算法的迭代过程中，最终会搜索到一组可行解，但不一定是最优解。
物流配送中的最优路径选择方法分析
物流配送中的最优路径选择方法分析物流配送是现代物流供应链管理中的重要环节，对于企业来说，选择一条最优路径进行货物的配送，能够有效提高物流效率，降低成本，增强竞争力。
而在众多可供选择的路径中，如何选取最优路径成为了一个值得思考和研究的问题。
本文将从物流配送中的最优路径选择方法进行深入分析。
最优路径选择方法主要包括启发式算法、优化模型和智能算法。
每种方法都有其独特的优点和适用场景，下面将逐一进行介绍。
启发式算法是一种基于经验和直觉的路径选择方法。
这种方法强调快速地找到一个相对好的解决方案，虽然不能保证找到最优解，但在时间和资源有限的情况下，启发式算法能够提供较好的解决方案。
常见的启发式算法有贪心算法、模拟退火算法和遗传算法。
贪心算法通过每一步的局部最优选择来最终达到全局最优，速度快，但容易陷入局部最优。
模拟退火算法模拟固体物质退火过程，通过接受劣解的概率，跳出局部最优解，但时间复杂度较高。
遗传算法仿照生物进化过程，通过选择、交叉和变异产生新的解决方案，具有较好的全局搜索能力。
优化模型方法基于数学模型和决策理论，通过建立数学模型和制定目标函数，将路径选择问题转化为优化问题。
常见的优化模型方法有整数规划、线性规划和网络流模型。
整数规划模型适用于路径选择中存在离散决策的情况，能够通过线性规划求解器得到最优解，但时间复杂度较高。
线性规划模型适用于路径选择中存在连续决策的情况，通过求解线性规划问题得到最优解，时间复杂度较低。
网络流模型适用于具有网络结构的路径选择问题，通过建立网络模型和网络流算法得到最优路径。
智能算法方法是近年来兴起的一种路径选择方法，主要基于人工智能和机器学习技术，通过对大量数据进行分析和学习，从中找到最优路径。
智能算法方法主要有神经网络、遗传算法和粒子群算法。
神经网络通过模拟人脑的神经元网络结构，通过学习来优化路径选择。
遗传算法和前面提到的遗传算法类似，通过选择、交叉和变异来寻找最优解决方案。
物流配送最优路线选择研究
物流配送最优路线选择研究1.引言物流配送是指将货物从供应商运输到顾客手中的过程。
为了提高物流配送效率和降低成本，选择最优路线成为了研究的重点之一、本文旨在探讨物流配送最优路线选择的研究方法和相关理论。
2.最优路线选择的问题描述最优路线选择问题是指在给定的起点和终点之间，如何选择经过的中间点，使得总体路程最短或成本最低。
这是一个复杂的组合优化问题，需要使用数学建模和优化算法来解决。
3.数学建模最优路线选择可以通过图论和网络分析来建模。
一种常用的方法是使用最短路径算法，如迪杰斯特拉算法或弗洛伊德算法。
这些算法可以通过计算顶点间的最短路径来确定最优路线。
4.优化算法除了最短路径算法，还可以使用其他优化算法来解决最优路线选择问题。
例如，遗传算法、模拟退火算法和粒子群算法等启发式算法可以在大规模问题中找到近似最优解。
5.相关理论最优路线选择问题涉及到一些相关的理论，如图论、网络优化和运输问题等。
这些理论提供了解决最优路线选择问题的基础和方法。
6.实际应用最优路线选择问题在实际的物流配送中有广泛的应用。
例如，在城市货物配送中，选择最优路线可以减少行驶距离和时间，提高配送效率。
在航空货物运输中，选择最优路线可以最大程度地降低油耗和运输成本。
7.研究挑战最优路线选择问题面临一些研究挑战。
首先，随着问题规模的增加，解决最优路线选择问题的时间复杂度也会增加。
其次，最优路线选择可能受到一些限制条件的约束，如时间窗口和交通拥堵等。
这些挑战需要进一步的研究来解决。
8.结论（备注：本文主要介绍了物流配送最优路线选择问题的研究方法和相关理论，但是对于最新的研究进展和具体案例缺乏详细介绍，需要进一步提取和补充信息。
物流配送中的最优路径规划算法研究
物流配送中的最优路径规划算法研究一、引言物流配送是现代供应链管理中不可或缺的一环，涉及到货物从生产地到目的地的运输过程。
为了提高物流效益，降低成本并提高运输效率，研究最优路径规划算法对于物流配送具有重要意义。
二、最优路径规划算法1. Dijkstra算法Dijkstra算法是一种常用的最优路径规划算法，通过计算不同节点之间的最短路径，确定物流配送中货车的行进路线。
它以单一源点为出发点，逐步确定离源点最近的点，并不断更新其他节点的最短距离。
然而，Dijkstra算法在处理大规模物流配送问题时运算速度较慢，因此需要进一步改进。
2. A*算法A*算法是一种基于启发式搜索的最优路径规划算法，结合了Dijkstra算法和启发函数的优点。
它通过评估每个节点到目标节点的估计距离，选择最佳的下一步前进方向。
A*算法在解决物流配送中的路径规划问题时，能够更快地找到最优路径，并在保证最优解的同时，有效地减少了搜索空间。
3. 动态规划算法动态规划算法是一种较为通用的最优路径规划算法，通过将大问题分解为小问题来求解。
在物流配送中，可以将整个路径划分为多个子路径，通过计算每个子路径的最短距离，并进行累加得到最优路径。
动态规划算法在处理物流配送中复杂问题时，能够有效地降低计算复杂度。
三、最优路径规划算法在物流配送中的应用1. 提高运输效率通过应用最优路径规划算法，在物流配送过程中选择最短路径，能够减少货车行驶的路程和时间，提高运输效率。
这不仅可以节约成本，还可以更好地满足顾客的需求，提供快速准时的配送服务。
2. 降低成本在物流配送中，通过最优路径规划算法合理安排货车的行驶路线，能够避免长途绕行和不必要的里程，减少燃料消耗和车辆维护成本，从而降低了物流配送的总成本。
3. 应对复杂环境物流配送中常常面临复杂的道路环境，例如交通拥堵、气候条件等。
最优路径规划算法能够及时根据实时的交通信息进行调整，在遇到路况不佳时选择替代路径，保证货车能够顺利到达目的地。
物流配送中的运输路线选择与优化
物流配送中的运输路线选择与优化在日常的物流配送中，运输路线的选择和优化对于提高效率和降低成本非常重要。
合理的运输路线规划能够减少行驶里程、节省燃料消耗、提高货物送达速度等，从而满足客户的需求，增强企业的竞争力。
本文将探讨物流配送中运输路线选择和优化的相关因素和方法。
一、运输路线选择的因素1. 货物特性：货物的重量、体积、脆弱程度、保存条件等因素会影响运输路线的选择。
重量大的货物可能需要选择更宽敞的道路，而脆弱的货物则需要选择比较平稳的路线。
2. 目的地要求：不同的目的地有不同的要求，包括送达时间、交付方式等。
有些目的地可能需要快速送达，此时应选择较短的路线；有些目的地可能对交付时间要求不那么严格，这时可以选择更经济的路线。
3. 道路状况：道路的状况会影响货物的安全性以及运输效率。
有些道路可能存在拥堵、施工等情况，这时需要选择绕行路线或优化路径，以避免延误。
4. 环境因素：运输路线的选择还需要考虑环境因素，如气候条件、交通规则等。
在恶劣的天气情况下，需要选择较为安全的路线；同时，也需要考虑交通规则和限制，以遵守相关法律法规。
二、运输路线优化的方法1. 路程最短法：该方法是最常用的路线优化方法，通过计算不同路径的距离，选择最短的路线。
可以借助地图软件或物流系统来快速计算。
2. 时间最短法：对于有时间限制的配送任务，可以使用时间最短法进行路线优化。
该方法考虑交通拥堵、高峰期等因素，选择能够在最短时间内到达目的地的路线。
3. 成本最低法：该方法考虑配送过程中的成本因素，包括燃料费用、人工费用等。
通过综合考虑不同路线的成本，选择最低成本的运输路线。
4. 多目标优化法：对于物流配送中的复杂情况，往往需要考虑多个目标，如时间、成本、货物安全等。
这时可以使用多目标优化算法，通过建立数学模型，找到一个最优的平衡解。
5. 实时路径规划：物流配送过程中，往往会面临实时变化的情况，如交通堵塞、客户需求变动等。
此时，需要实时进行路径规划和调整，选择最优的运输路线。
物流配送路线优化方法研究
物流配送路线优化方法研究现如今，物流配送已经成为了日常生活中不可或缺的一部分。
随着物流业的发展，越来越多的企业开始寻求更加高效、快捷、可靠的物流配送模式，而物流配送路线的优化则成为了一个非常重要的问题。
本文将探讨一些物流配送路线优化的方法。
一、遗传算法遗传算法是一种仿生计算方法，适用于解决许多优化问题。
对于物流配送路线优化问题，可以利用遗传算法求解最优解。
首先，将每个节点表示为遗传算法的个体，这些个体的适应度由配送的成本决定。
根据选择、交叉和变异操作来模拟天然遗传机制，得到更优的配送路线。
在多次迭代后，可以得到最优化的结果。
二、模拟退火算法模拟退火算法是一种解决优化问题的全局搜索方法。
它将问题看作一个能量函数，通过渐进式的随机搜索来解决问题。
在物流配送路线优化问题中，可以将每个可能的配送路线看作一个状态，每个状态的能量由配送成本来衡量。
通过模拟退火算法，可以不断地调整路线来降低总成本，得到更优的解决方案。
三、遗传进化神经网络遗传进化神经网络是结合了遗传算法和神经网络方法的一种优化算法。
这种算法可以通过遗传算法来确定神经网络的结构，再通过神经网络来得到物流配送路线的优化解。
首先，通过遗传算法来生成不同的神经网络结构，对于每个神经网络，可以通过神经网络的输出来计算配送路线的成本。
在遗传算法的迭代过程中，神经网络将不断地发生改变，直至找到最优解。
四、蚁群算法蚁群算法是模拟蚁群在寻找食物的过程中形成的路线寻优的算法。
在物流配送路线优化问题中，可以将每个节点看作蚂蚁，雇佣车和仓库看作食物、路径上的费用看作距离、蚂蚁顺序走的距离则是整个配送路线的成本。
在蚂蚁寻找食物的过程中，它们会释放一种被称为“信息素”的物质，这种物质可以吸引其他蚂蚁在同一路径上前进。
在物流配送路线优化问题中，可以将信息素看作物流配送路径上成本的反馈信息。
在不断模拟蚂蚁走路的过程中，最终可以得到一组路径，满足整体的成本要求。
以上方法都可以用于物流配送路线的优化问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
运输工程课程设计题目物流配送最优路线选择研究院(部) 交通与物流工程学院专业物流工程班级学生姓名学号指导教师2014年12月11 日摘要物流配送是物流中的一个重要环节，为了提高配送效率，降低物流成本，提高服务质量，必然要悬着路线优化和合理的车辆调度来优化配送方案。
文中介绍了物流配送在国内外的现状和发展前景，以及里程节约法在实际中的应用，得出了配送路线优化方案，节约了配送里程，减少了配送车辆，并通过一次实际配送验证了其可行性；文中节约里程法应用于配送中心和配送点所在的实际地理位置是特殊的，它验证了节约里程法同样适用于配送路线为非规则多变性问题。
关键词节约里程法，物流配送，路线优化目录1物流配送的含义 (1)1.1配送概念 (1)1.2配送的要素 (1)1.3配送的作用 (1)1.4配送的一般流程 (2)2配送的现状 (2)2.1国外物流配送现状 (2)2.2国内物流配送现状 (4)2.3我国配送发展趋势 (4)3.里程节约法及其运用 (5)3.1里程节约法概念及核心思想 (5)3.2里程节约法在实例中应用 (5)3.2.1设计原始资料 (5)3.2.2里程节约法在实例中的运用 (5)4结论 (8)5参考文献 (9)1物流配送的含义1.1配送概念配送是指在经济合理区域范围内，根据客户要求，对物品进行拣选、加工、包装、分割、组配等作业，并按时送达指定地点的物流活动。
配送是物流中一种特殊的、综合的活动形式，是商流与物流紧密结合，包含了商流活动和物流活动，也包含了物流中若干功能要素的一种形式。
1.2配送的要素（1）集货：集货，即将分散的或小批量的物品集中起来，以便进行运输，配送的作业。
（2）分拣：分拣是将物品按品种、出入库先后顺序进行分门别类堆放的作业。
（3）配货：配货是使用各种拣选取设备和传输装置，将存放的物品，按客户要求分拣出来，配备齐全，送入指定发货地点。
（4）配装：在单个客户配送数量不能达到车辆的有效运载负荷时，就存在如何集中不同客户的配送货物，进行搭配装载以充分利用运能、运力的问题，这就需要配装。
（5）运输：运输中的末端运输、支线运输和一般运输形态的主要区别在于；配送运输是较短距离、较小规模、额度较高的运输形式，一般使用汽车做运输工具。
（6）加工：配送加工是按照配送客户的要求所进行的流通加工。
1.3配送的作用（1）推行配送有利于物流运动实现合理化。
（2）完善了运输和整个物流系统。
（3）提高了末端物流的效益。
（4）通过集中库存使企业实现低库存或零库存。
（5）简化事务，方便用户。
（6）提高供应保证程度。
（7）配送为电子商务的发展提供了基础和支持。
1.4配送的一般流程配送的一般流程比较规范，如图1.4图1.42配送的现状2.1国外物流配送现状（1）美国现代物流配送现状从20世纪60年代起，货物配送的合理化在美国普遍得到重视。
为了在流通领域产生效益，美国企业采取了以下措施:一是将老式的仓库改为配送中心;二是引进电脑管理网络，对装卸、搬运、保管实行标准化操作，提高作业效率;三是连锁店共同组建配送中心，促进连锁店效益的增长。
美国连锁店的配送中心有多种，主要有批发型、零售型和仓储型三种类型。
首先是批发型，该类型配送中心主要靠计算机管理，业务部通过计算机获取会员店的订货信息，及时向生产厂家和储运部发出定货指示单。
其次是零售型，以美国沃尔玛公司的配送中心为典型。
该类型配送中心一般为某零售商独资兴建，专为本公司的连锁店按时提供商品，确保各店稳定经营。
第三是仓储型，美国福来明公司的食品配送中心是典型的仓储式配送中心，它的主要任务是接受独立杂货商联盟的委托业务，为该联盟在该地区的若干家加盟店负责货物配送。
（2）日本物流配送概念在日本，零售业是首先建立先进物流系统的行业之一。
便利店作为一种新的零售业迅速成长，现己遍及日本，正影响着日本其他零售商业形式。
这种新的零售业需要利用新的物流技术，以保证店内各种货物的供应顺畅。
因此，日本的物流配送具有以下特点:第一，分销渠道发达。
许多日本批发商过去常常把自己定位为某特定制造商的专门代理商，只允许经营一家制造商的产品。
为了保证有效地供应商品，日本许多物流公司不得不对旧有的分销渠道进行合理化改造，更好地做到与上游或下游公司的分销一体化。
第二，频繁、小批量进货。
日本的物流配送企业的很大一部分服务需求来自便利店，便利店依靠的是小批量的频繁进货，只有利用先进的物流系统才有可能发展连锁便利店，因为它使小批量的频繁进货得以实现。
第三，物流配送体现出共同化、混载化的趋势。
共同化、混载化的货物配送使原来按照不同生产厂、不同商品种类划分开来的分散的商品物流转变为将不同厂家的产品和不同种类的商品混合起来配送的聚合商品物流，从而得以发挥商品物流的批量效益，大大提高了配送车辆的装载率。
第四，合作型物流配送。
在日本，生产企业、零售企业与综合商社、综合物流公司之间基本上都存在一种长期的物流合作关系。
并且这种合作关系还随着日本工业生产的国际化延伸到国外。
第五，政府规划在现代物流配送发展过程中具有重要作用。
（3）欧洲现代物流配送概念在欧洲诸国，尤其是德国，物流配送是指按照用户的订货要求，在物流据点进行分货、配货以后，将配好的货物送交收货人的活动。
德国的物流配送产业是第二次世界大战以后，随着现代科技的兴起和经济的高速发展而逐步发展起来的。
特别是近10年来，德国的物流配送己经摈弃了商品从产地到销地的传统配送模式，基本形成了商品从产地到集散中心，从集散中心(有时通过不止一个集散中心)到达最终客户的现代模式。
走遍德国，可以说德国的物流配送已经形成了以最终需求为导向，以现代化交通和高科技信息网络为桥梁，以合理分布的配送中心为枢纽的完备的运行系统。
在总结德国零售业发展的经验时可以看出德国是十分重视按照连锁经营的规模和特点来规划配送中心的，往往是在建店的同时就考虑到了配送中心的建设布局。
2.2国内物流配送现状中国加入世贸组织后，我国物流发展迅猛，国家在十年里已经建立了100 个物流中心和8 个国家级的交易平台，物流配送作为物流非常重要的组织部分。
众所周知，世界经济一体化后，整个物流配送体系都能维系中国经济发展，中国作为世界第二经济体，就必须将国际最先进的现代物流的组织方式和管理技术引入中国，这样可以给中国的民众带来更加便捷的服务。
为了发展，我国物流费用就占据了货品成本的百分之三十，运输成本甚至比西方发达国家的成本还要高出3 倍，所以从我国产品的供应链结构进行分析，90%的时间都是损耗在流通过程中，而生产环节的时间却只有10%。
在2012 年，全国社会物流配送额只有60 亿，同比增长了30%，国内现代物流业实际增长只有9500 亿，同比增长只有9%，第三方物流在整个物流需求只占份额的5%，远远低于发达国家。
根椐科学数据分析，我国的外包物流服务中，基础性服务占了86%，运输管理占了53%，而仓储管理占了30%，其增值服务和物流信息的收益却只占了20%，反之美国，其增值服务的比例却高达40%，所以我国社会物流需求正在高速增长，而且物流业增加值也在稳步上升，将来物流的服务仍然占主要的地位。
2.3我国配送发展趋势（1）物流配送呈现共同化和计划化，从无序走向有序（2）物流配送模式由生产者和销售商自己组织物流配送转变为以第三方物流配送为主（3）物流配送的区域范围不断扩大直达配送发展迅速（4）物流配送运用现代技术和方法与电子商务发展相结合（5）物流供应链采用先进的系统模式3.里程节约法及其运用3.1里程节约法概念及核心思想里程节约法又称节约里程法或节约法，是指用来解决运输车辆数目不确定的问题的启发式算法。
节约里程法核心思想是依次将运输问题中的两个回路合并为一个回路，每次使合并后的总运输距离减小的幅度最大，直到达到一辆车的装载限制时，再进行下一辆车的优化。
优化过程分为并行方式和串行方式两种。
3.2里程节约法在实例中应用3.2.1设计原始资料下图为一配送网络，P 为配送中心，现要利用2吨和4吨的厢式卡车，将货物配送到各个客户，并限制车辆一次运行距离在30公里以内，作出最优配送方案。
G EDBA F PIJH C5(1.5)(0.4) (1.4)(1.5) (0.8)(0.6)(0.8)52695(0.5)(0.6) (0.7) 368 7594236410 7 81110746 43.2.2里程节约法在实例中的运用 （1）里程法(2)里程节约表(3)节约里程从大到小排列 序号 路线 节约里程序号 路线 节约里程 序号 路线 节约里程 1 AB 15 9 AC 8 17 BI 4 2 AJ 13 10 BJ 8 18 FH 4 3 BC 11 11 BD 7 19 DF 3 4 CD 1012CE620GI 2需求量 P 0.7 10 A 1.5 9 4 B 0.8 7 9 5 C 0.4 8 14 10 5 D 1.4 8 18 16 9 6 E 1.5 8 18 17 15 13 7 F 0.6 3 13 12 10 11 11 6 G 0.8 4 14 13 11 12 12 8 2 H 0.5 10 11 15 17 18 18 17 11 9 I 0.67481315151510118J需求量 P 0.7 10 A 1.5 9 4 (15) B 0.8 7 9 (8) 5(11) C 0.4 8 14(4) 10(7) 5(10) D 1.4 8 18(0) 16(1) 9(6) 6(10) E 1.5 8 18(0) 17(0) 15(0) 13(3) 7(9) F 0.6 3 13(0) 12(0) 10(0) 11(0) 11(0) 6(5) G 0.8 4 14(0） 13(0) 11(0) 12(0) 12(0) 8(4) 2(5) H 0.5 10 11(9) 15(4) 17(0) 18(0) 18(0) 17(1) 11(2) 9(5) I 0.674(13)8(8)13(1)15(0)15(0)15(0)10(0)11(0)8(9）J5 DE 1013 FG 5 21 BE 1 6 AI 9 14 GH 5 22 FI 1 7 EH 9 15 HI 5 23 CJ 1 8 IJ 9 16 AD 4（4）配送方案如图所示：根据节约里程排序表和配车（车辆的载重和容积因素）、车辆行驶里程等约束条件，渐进绘出配送路径：（如图4.3所示）路径A ：P ——J ——A ——B ——C ——P ，4t 车，运输27Km,载重量3.6t 路径B ：P ——D ——E ——F ——G ——P, 4t 车，运输30Km,载重量3.9t 路径C ：P ——H ——I ——P, 2t 车，运输23Km,载重量1.3t 节约里程15+13+11+10+9+5+5=68Km 总共行走了80Km ，节约了68Km 。