1. 连续型选址模型
连续模型允许设施地点在平面上任意选择，典型的研究方法包括利用重心法解决欧式距离选址问题。这种方法的优势在于其灵活性，可以选择非特定的备选地点。然而，由于自由度较大和城市地理，选定的地点可能不可行；此外，将配送线路视为直线也不符合实际情况。鲁晓春深入研究了重心法选址，指出原有方法存在问题，并采用流通费用偏微分方程替代原有计算公式。重心法虽然算法简单、应用灵活，但主要用于单一设施选址问题。后续研究扩展到多设施选址，称为多源Weber问题，这是NP难题。Rosing提出了解决该问题的精确算法，而Goldengorin提出了启发式算法。对于两个设施的特例，Brimberg和Chen进行了进一步研究，并提供了启发式算法。
2. 离散型选址模型
离散模型认为配送中心的备选地点是有限的几个场所，最合适的地点必须从中选择。经典方法包括Kuehn-Hamburger模型、Baum沃尔夫法、混合整数规划法、CFLP法（容量化的设施选址问题）和P-中值问题。鲍姆尔沃尔夫法将中心的可变费用表为凹函数，可以估计选定的配送中心流量，但其固定费用和容量未考虑，可能导致选定的中心数量过多或过少。混合整数规划模型将固定费用、经营管理费用、运输费用和库存费用纳入目标函数，并将容量和中心数量作为约束条件，但将可变费用改为线性处理，求解计算量仍然很大。启发式算法常用于求解此类问题。
3. 动态选址模型
动态选址模型解决如何在需求和成本随时间变化的规划期内对设施进行选址，以实现总长期成本最小化。研究方法包括使用现状和未来预期数据确定仓库最佳位置，以及考虑设施地点配置随时间变化的动态选址模型。孙会君研究了新增配送中心如何进行有效选址决策，并给出了求解的迭代算法。动态选址模型考虑了选址问题的动态特性和需求的随机变动性，建立了动态选址模型和随机选址模型。
4. 随机模型
随机模型的研究方法主要分为概率方法和情景计划方法，系统输入参数都是不确定性的。袁庆达建立了二级非线性规划模型，并设计了遗传模拟退火算法求解。研究了行程时间状态随马尔可夫状态转移矩阵变化的多个设施选址问题，扩展到需求服从均匀分布时的最大最小和最小最大选址问题。建立了目标函数为服务最小、需求最大的随机情景问题模型。
5. 选址分配问题的定性研究
这类方法将专家经验和专业知识以数值形式表示，通过综合分析对选址进行决策。首先建立备选方案的评价指标体系，然后采用偏好理论、权重因素分析方法、专家评分法、层次分析法、模糊层次分析法、模糊综合评判法或多准则决策方法等确定评价指标权重，最后通过各备选方案的优劣排序得到最优方案。在应用定性评价时，有两个关键环节：评价指标体系的设计和评价指标的量化。评价指标隶属度的量化需要科学合理，注意不同评价指标量级的一致性和可比性。在综合考虑各种影响因素的基础上，建立了包括自然条件、经济因素、投资环境情况和其他因素的两层指标体系。
下载本文
