Optimization of logistics business process decision model based on multi-objective optimization algorithm

Junfeng Fan

doi:10.1016/j.eij.2025.100835

Optimization of logistics business process decision model based on multi-objective optimization algorithm

2025-11-17

0

OA

AI

DOI：10.1016/j.eij.2025.100835

原文链接

查看原文

摘要

En 中文

物流因多种困难而变得更加复杂。全球化、不断变化的客户需求以及复杂的供应链网络是其中的例子。传统规划往往令人失望。缺乏适应、灵活和快速找到有效解决方案的能力是最大的问题。本研究发现，自适应算法和人工智能使物流智能多目标决策模型（LIMOD）能够优化复杂的物流业务流程。随后，研究结果被揭示。在设计LIMOD时考虑了多个竞争性目标。目标是缩短交货时间、节省成本并最大化资源利用。LIMOD的实时优先级调整技术是先进的。这一机制代表了LIMOD的主要进展。该概念的动态适应性使其在多种物流场景中具有价值，尤其是在包含供应链不确定性的情况下。这在模糊的供应链网络中尤为真实。具有多层供应链的生产、在线零售和运输公司可以从LIMOD中获益。它可以在不影响业务应用的情况下进行连接，并可针对特定领域进行定制。物流经理可以利用LIMOD最大化决策可能性和权衡，从而改善战略规划。这提升了能力。本研究推进了智能、可持续的物流优化系统。企业可以借助这项技术有信心地驾驭全球供应链网络。实验表明LIMOD具有更好的性能。这些测试使用了各种数据集和物流场景。在同时处理三个或更多目标时，与典型优化过程相比，LIMOD提供了质量高出18%的解决方案、完成时间快27%以及有效性高出23%。与其他优化方法相比。了解更多关于LIMOD的信息，请访问此处。

Keyword:

Optimization of logistics

Multi-objective decision models

Supply chains

Evolutionary algorithms

Adaptive optimization

And smart decision-making

Optimization of logistics business process decision model based on multi-objective optimization algorithm

摘要

AI总结

期刊

机构

引用论文