那么这里头用的语言是NCL叫自然约束语言，那么另外通过这个平台可以把你任何地区需要导入的电子海图、电子地图都是联运的地图导进来而且可以进行编辑，在这个平台上这个地图是可以进行二次编辑的，因为你的仓库你的配送中心在什么地方或者你新建的配送中心你有新的客户那个电子地图原来是没有的，你要重新进行标注。那么另外就是刚才图示的，就是说它生成的这种排班，排产的这种干涉图，仓库的选址优化、运送优化、运送方案的优化这主要都是运用式方案优化，现在排程优化，所以我们可以通过一个平台这种建模语言优化平台，可以归纳出来这么几组规划问题，同时呢可以根据你比如说生产制造业的关心，物流就关心这些。那么一般的生产排程他用不到这个电子地图了。那么第一个主要是一个基础性的实验，了解这些建模、了解这些建模语言，一些通用的算法模型在这里面进行实验，后面主要是一些物流和制造业结合在一起。第三个我们和大家一起讨论优化决策物流信息系统的解决方案，就是说你在优化和决策这个物流系统，刚才其实我们看到了一个样子，就说他是一个可视化的一个界面，但是到底怎么样去做这个事情呢，怎么样把这个特殊语言的一个的优化的一个系统、工具或者是我们一个软件，能够嵌入到我们的物流信息系统中呢或者物流信息平台当中去呢。有这么几个办法或者是解决方案，第一个在物流信息系统后台中嵌入优化工具，就是让这个工具在后台运行，来支持你的前台的这些优化的一些应用，就刚才我们说的，那么后台的服务器他有这个优化的引擎，优化的平台、工具然后你前端这些应用做好了以后你给这个仓库，你的车辆你的资源包括你规划的目标，然后后台自动就给你优化一个结果，这是一个，你不能说我每一个客户端都带一个优化的软件，因为这个优化软件成本是比较高，而且一般的用户把也不能够就是说自己去不经过二次开发就去应用。 那么这里有一个参数传递的问题，因为这些优化软件的这个数据格式，界面它有自己特殊的一些格式，比如说它是有一些数学符号或者是数学逻辑的语言，用的是一些参数而我们中用的东西，我们管理系统中有的东西是什么，都是数据库或者EXCLE表格，管理数据一般是通过这两个方式来实现的，那么这之间就有一个参数传递的问题，怎么样把我管理信息系统数据库或者EXCLE表格的一些基本的数据比如车辆的数据、客户的数据配送货物的数据，这些仓库配送表的一些数据，那么传递到这个优化平台中去呢，中间要进行转换，格式转换。那么再一个是用可视化的工具软件展示它的结果，这是必须的，如果是GS新地图可以编，另外这个结果都是图形化的，就不但能够通过这种表格数据库的这种界面能够传递参数、展示结果。这个结果展示是两层，一个是需要一些表格的，那么它比如说派车单，他需要表格什么车干什么，什么车干什么，另外呢他要用图形工具展示这个优化的线路，展示这种排班的班车图，另外要进入商务智能进行数据挖掘。这个其实我们讲前面这些话它还不是数据挖掘你优化了之后，包括原来的数据，包括你优化了之后你可以进一步的进行数据挖掘，进行更高层次的决策，所以说这是和这个在物流信息平台当中怎么样优化工具软件系统，那么另外怎么样进行展示，还有怎么样进一步对这些优化的结果再去通过优化的方案去进行物流的资源调配或者是作业调度然后产生新的数据进一步的挖掘，或者是再去仿真他说这个优化结果好不好。 那么我们这里有几个例子其实是一些企业实际用到，我们拿出来跟大家一起分享，比如说发育计划这个话，它的目标就是服务最大化，运输成本最小化，通过最可能多的服务用我这些资源使运输成本最小，这个优化决策包括路径、包括计时、包括整合、包括模式、设备、服务供应商，算法包括多线路多模式整合，多停靠点的整合，常规路径的整合，多层次的网络非整车的整合，就是不是整车货，拼车货，零担货，那么集装箱就是拼箱货，那么工具说是零担拼车，连续运输，那么引擎和规则就是服务时间计算，时间窗口，时间跨度，集装箱的这种优化，线路的设计资源能力，产出量还有费用的计算等等。那么这样，其实这是一个平台、工具化的软件，里面有规则有算法，那么它支持的优化需求呢那么可以是集装箱拖车的优化配置，运输分派及持续运输车队的规划和分派，国际货运都是联运资源的平衡，招标协同与优化等等项目招标给出你一些建议的，怎么样去招标，怎么样去设计招标的一些目标，那么这是个运输计划和优化的一个应用场景图，这是零担拼车，都张订单一个车，合并运输业务，那么这是多站点拼车，多个站点比如说那种送货取货或者说我们叫多个订单在多个工厂，你送货或者是取货的时候出口拼箱货你怎么样去合并运输。那么还有多层次网络，不同的供应商有多家订单，怎么样去运输，那么还有连续运输，从这个供应商到另外一个配送中心，从一个供应商再从另外一个配送中心到另外一个供应商，这种连续运输的情况，我们叫做运输计划的优化。那么更微观的装箱的配置也非常

如果是或者是连锁超市也是CDC、RDC，如果是快递就不一样了，快递的下面RDC还有一层叫配货点，它既收货又负责最后一公里的配送，我们叫或者是京东商城或者是学这个亚马逊或者是他们叫什么履约中心，就是最后有一个配送。物流网络优化的实施方法，它分这么六个阶段，六个阶段，那么前面一个阶段业务模型的调研，就说一次分析评估现状是什么样子，搜集例子数据，这个例子数据当然了是通过实际调研也可以当然主要是从原始信息系统中提取，所以说我们说物流系统优化它必须借助原来数据，数据不完整是不可能进行一个很好的优化。第二阶段是物流网络的数据模型，所以说要分析整合数据建立基础模型。这里可能除了优化要用一些仿真。那么第六个阶段就说是设计未来的场景模型，就是未来我优化后什么样的，确定继续优化方案，这个场景分析与优化。那么这是一个非常复杂的供应链网络的一个优化，就是数据分析基础上建立基准的模型，当前配送网络的基准模型就是这个样子，这么复杂一个网络，这么多配送点。然后根据客户的分布与RDC的布局这个基础模型，就是说你客户分别是在什么地方，你不同的这种配送中心或者客户的服务范围是多少，这个是CDC，这是RDC，不同的颜色标图，这是一个基准模型。另外就是说出货量和配送距离的分析，这是2006年做的白店，白店家电的一个出货量，就是说不同的地方它的出货量是多少，那么RDC平均距离要进行分析，在不的配送距离和配送量百分比占多少，基于这样一种分析最后得出优化方案的设计，网络优化从战略层面呢考虑各种成本因素，满足客户需求的情况下计算需要开设关闭的网络结点，就刚才的家电从60多个关闭到20多个，使各结点节约流量总的物流成本最小这是它的决策目标，租船费用、装卸费用、库存费用、运作费用都要尽量的小，当然整体是最小，虽然每一项费用不一定是最优，但是整体最优，RDC开设那些关哪些，出货量RDC出货量多少，服务区域是多大的半径，配送线路怎么优化，每种产品每个周期在每个线路的运输量是多少。那么这就需要最后有一个基础的支持的一个平台，规划平台就是说商业单位的需求，干线的配送费率、配送费率、距离引擎这些基础的数据包括基础的这些模型放在里面实现这样一个决策优化的目标和决策的内容。 好，这是它的一个图形化的界面像仪表盘一样，它通过这样一个RDC辐射的范围大幅降低二次配送成本，就说优化前和优化后的比较。那么这个是基础模型，这一个是规划后的模型，使配送单位的成本降低。好，那么再就是通信化的追踪，追踪。在电子地图上这都是联运，有海铁或者海陆联运可以在电子地图中追踪，哪一段它的运输的情况，还有成本。包括总成本，总的运输量，总的重量等等这些数据，包括装箱的优化，这是运输的商务智能提供对业务的深度分析就是数据挖掘了。数据挖掘通过一些数据库系统这是数据挖掘系统，这个叫DW。这是多种技术集成实现供应链的可视化，除了这种优化还有这种数据挖掘，那么这里要集成什么，这种这个各种运输、配送、库存信息还有集成有GPS、GPRS技术，这种线路优化技术，就说把信息技术把物流信息技术把物流系统优化技术都集成在一个平台上才能做到这种可视化还有优化。 第四个大问题是人才的培养，就是物流系统优化的实验，前面讲了可以归纳或者提炼出七个方面的研究问题或七个方面的实验，针对这些理论研究再通过实验去验证，那么这样培养出的人才能够结合实际，那么作为这个优化实验呢它要有一套体制来设计。那么第一个是物流系统优化实验课程教学目标，第二个是物流系统优化实验的课程与总得教学任务，第三个是通过这样的平台进行物流系统优化实验的一个体系建设，那么这体系就包括，这是理化体系包括教材、师资、实验平台、包括实验教程，那么第四个是物流系统优化平台演示，就是你让一些学校培训机构去用这个平台，你得给他一个演示，向前面说那些案例一些，那么参考资料呢就是我编写的一个基于这个或者什么叫做北京…使优化平台我们建立这样一个实验室系统，那么编写了一门物流系统优化评估实验教程，这是人民大学出版社2009年已经出版的，那么还有在培训时候结合用的一个，优化实验手册。那么如何实现运程学物流系统，如何把物流优化用到实际当中呢，就说这种复杂的约束逻辑化，抽象问题的实际化，复杂问题简单化，为贴近实际应用方便学生理解，我们这个优化实验系统可以熟悉物流系统优化中的一些实际问题，又可以帮助学生对自己身边的一些优化问题进行简单的求解，比如说刚才说的田忌赛马的问题，比如说一些排课、排班的问题，以及日常生活中遇到的一些典型的问题，都可以进行一些体验和求解，因为学生还没有接触过这个实际他可以通过一些例子上的典型的比如说相商问题，他可以体验这个系统，它的优越性，解决这个问题的能力。 那么物流系统中存在很多复杂优化问题，前面已经讲过了，这些问题符合实现工具化、平台化的求解，它是业