现金押运路线问题——基于多类型的风险

以人民币现金押运为研究背景,考虑了一种基于多类型风险的现金押运路线问题,以在途风险成本、库存现金风险成本以及运输成本为优化目标,建立了混合整数线性规划模型,并提出了一种基于多样化策略和改进邻域搜索的混合遗传算法,其中遗传算法对押运路线进行选择,贪心算法用来求解各类风险指标。数值实验分别对问题特性和算法性能进行了分析。实验结果表明:1)混合遗传算法能求解更大规模的问题,得到较好的解,并很好地平衡了运行时间和求解质量;2)多类型风险影响了行驶路线;3)客户的期望需求影响了库存现金风险。     

竞争环境下截流问题的选址-价格模型

研究了竞争环境下考虑产品定价的截流设施选址问题。连锁企业在市场上新建设施时,市场上已有属于竞争对手的设施存在,在连锁企业新建设施位置确定之后,两个企业关于产品定价进行双寡头完全信息非合作博弈。定义了效用函数,引入Huff模型,以企业利润最大为目标,建立双层规划模型,证明了模型纳什均衡价格的存在性,并构造启发式算法对模型进行求解。算例分析表明,该算法求解结果较为理想,可用于大中型网络的规划选址问题。     

物流配送网络选址的模糊数学模型及其算法

本文从供应链上企业的生产和客户需求的不确定性出发,提出了物流配送网络选址优化问题的带模糊约束规划的数学模型,并结合算法的特点提出其对应的混合遗传求解算法,模拟结果表明此算法可得到质量更高的优化解.     

多车场一体化集货送货车辆路径问题的混合遗传算法

为满足电子商务客户多样化和个性化的需求,建立多车场一体化装卸混合车辆调度模型。针对模型的特点,采用混合遗传算法求解。即利用模拟退火算法的Boltzmann机制,控制遗传算法的交叉、变异操作,加强染色体的局部搜索能力,提高了算法的收敛速度和搜索效率。仿真结果表明在解决大规模实际问题时,混合遗传算法在求解质量和计算效率上好于标准遗传算法。     

竞争环境下截流设施选址问题

研究企业新建设施时,市场上已有设施存在的情况下,使本企业总体利润最大的截流设施选址问题。在一般截留设施选址模型的基础上引入引力模型,消费者到某个设施接受服务的概率与偏离距离及设施的吸引力相关,同时设施的建设费用与设施吸引力正相关,建立非线性整数规划模型并使用贪婪算法进行求解。数值分析表明,该算法求解速度快,模型计算精度较高。     

危险品物流中的多目标定位-路径问题

随着经济的增长,危险化学品需求呈日益增长的趋势,其安全储运问题已成为政府和企业关注的焦点。本文通过建立危险品物流中多配送中心、多目标定位—路径问题优化模型,并设计混合遗传算法对模型进行求解,最后通过算例验证该模型和算法的可行性和有效性。结果表明:与只考虑系统总成本的结果相比,考虑运输风险的结果能够以较小的风险和成本、较少的人力资源配备实现危险品的储运;所设计混合遗传算法具有良好的性能。     

电动汽车充电站选址问题研究

研究了电动汽车作为通勤工具情况下的充电站选址问题.首先根据城市通勤道路长度、各条道路上的通勤人员拟使用电动汽车的数量,以及电动汽车的最大续航里程等信息,构建了包含两种边的赋权网络图,进一步将电动汽车充电站选址问题转化为赋权网络图的最大覆盖问题,并建立了以极大化满足用户需求为目标的充电站选址问题整数非线性规划模型,设计了求解模型的启发式算法.最后,通过一个具体算例对模型及算法进行了验证,结果显示,模型和算法是解决电动汽车充电站选址问题有效方法.     

带退货和软时间窗的多仓库选址-路径问题研究

选址-路径问题(location routing problems, LRP)是集成物流网络研究中的难题,也是任何一个大型物流配送企业必须面对的管理决策问题。本文在仓库容量约束和车辆容量约束的基础上,结合送取货一体化的配送模式和客户服务时间要求,建立了带退货和软时间窗的多仓库选址-路径(MDLRP)数学模型。针对MDLRP问题求解的复杂性,引入局部搜索算法和重组策略,设计了自适应混合遗传算法,对模型进行整体求解。最后进行数值实验,表明本文提出的模型和改进算法具有实用性和优越性,可为选址和车辆运输决策提供重要参考依据。     

带时效性约束的配送中心多源选址问题研究

应用启发式算法求解带时效性约束的多源选址问题.分析物流配送的时效性问题,建立带时效性约束的配送中心多源选址模型.构造两步启发式算法:1)借助传统迭代算法,求解物流服务分配矩阵,把多源选址问题转化为单源选址问题;2)基于M ATLAB函数,设计优化程序,计算带时效性约束的单源选址模型.并给出算例,验证模型和算法的可行性.研究表明两步启发式算法是求解带时效性约束的物流配送中心多源连续选址问题的有效算法.     

考虑需求不确定的多级应急物流设施选址研究

为了对急物流设施选址问题进行合理的研究,建立了包含配送中心、配送点和需求点的多级应急物流网络。基于应急物资需求特点,使用三角模糊数表示应急物资需求的不确定性,同时考虑应急救援成本和应急救援时间两个目标,建立了应急物流设施选址模型。采用去模糊化方法将三角模糊数转化为确定数,利用成本和时间的单目标的最优结果将多目标转化为相对值,再对时间和成本目标进行加权处理,既消除了不同目标之间的单位及数量级差异,还可以进行动态调整。设计了遗传算法对模型进行求解,通过实际算例表明了模型和算法可以有效地解决应急物流设施选址问题。     

多目标应急物流中心选址的鲁棒优化模型

针对重大突发事件的应急物资救援,研究了应急物流中心的选址及应急物资的调运问题。利用离散的情景集合描述受灾点应急物资需求的不确定性以及应急物资运输成本和运输时间的不确定性,同时考虑应急救援成本和应急救援时间两个目标,建立了多目标应急物流中心选址的确定型模型和鲁棒优化模型。为将多目标问题转化为单目标问题,利用成本单目标和时间单目标的最优结果将多目标转化为相对值再加权处理,该方法既可消除多个目标之间的单位及数量级差异,还可以根据问题的数据变化进行动态调整。以提供应急物资救援服务的设施作为编码,设计了一种通用的混合蛙跳算法。为检验模型和算法的有效性,设计了一个多情景的算例,结果表明两个模型和算法具备良好的可行性和有效性,且鲁棒优化模型能较好地保持对各种不确定性的抗干扰能力;最后,讨论分析了成本偏好权重和鲁棒约束系数的影响,结果表明可根据成本偏好权重的取值范围来区分各种应急救援阶段,体现不同救援阶段的救援要求及特征,并给出了成本偏好权重和鲁棒约束系数的取值建议。     

基于NSGA-Ⅱ的应急储备库多目标

应急物资储备库选址问题是在近年世界灾害多发的现实背景下产生的,根据具体选址问题特点建立了多目标选址决策模型。该模型综合考虑了两种灾害风险下储备库的成本费用、覆盖效率以及对重点地区的备用覆盖,以使模型更加符合实际目标及约束情况。算法设计上,首次采用带精英策略的非支配排序遗传算法(Fast and elitist Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)解决储备库多目标选址问题,得到了Pareto非劣解分布并同不带精英策略的常规NSGA算法下的仿真结果进行对比分析。验证了模型的可行性以及NSGA-Ⅱ在解决储备库多目标选址问题的有效性。     

A multi-objective heuristic approach for the casualty collection points location problem

In this paper, we formulate the casualty collection points (CCPs) location problem as a multi-objective model. We propose a minimax regret multi-objective (MRMO) formulation that follows the idea of the minimax regret concept in decision analysis. The proposed multi-objective model is to minimize the maximum per cent deviation of individual objectives from their best possible objective function value. This new multi-objective formulation can be used in other multi-objective models as well. Our specific CCP model consists of five objectives. A descent heuristic and a tabu search procedure are proposed for its solution. The procedure is illustrated on Orange County, California.     

Solving a new stochastic multi-mode p-hub covering location problem considering risk by a novel multi-objective algorithm

In this paper, we develop a novel stochastic multi-objective multi-mode transportation model for hub covering location problem under uncertainty. The transportation time between each pair of nodes is an uncertain parameter and also is influenced by a risk factor in the network. We extend the traditional comprehensive hub location problem by considering two new objective functions. So, our multi-objective model includes (i) minimization of total current investment costs and (ii) minimization of maximum transportation time between each origin–destination pair in the network. Besides, a novel multi-objective imperialist competitive algorithm (MOICA) is proposed to obtain the Pareto-optimal solutions of the problem. The performance of the proposed solution algorithm is compared with two well-known meta-heuristics, namely, non-dominated sorting genetic algorithm (NSGA-II) and Pareto archive evolution strategy (PAES). Computational results show that MOICA outperforms the other meta-heuristics.     

Multi-objective competitive location problem with distance-based attractiveness and its best non-dominated solution

The multi-objective competitive location problem (MOCLP) with distance-based attractiveness is introduced. There are m potential competitive facilities and n demand points on the same plane. All potential facilities can provide attractiveness to the demand point which the facility attractiveness is represented as distance-based coverage of a facility, which is “full coverage” within the maximum full coverage radius, “no coverage” outside the maximum partial coverage radius, and “partial coverage” between those two radii. Each demand point covered by one of m potential facilities is determined by the greatest accumulated attractiveness provided the selected facilities and least accumulated distances between each demand point and selected facility, simultaneously. The tradeoff of maximum accumulated attractiveness and minimum accumulated distances is represented as a multi-objective optimization model. A proposed solution procedure to find the best non-dominated solution set for MOCLP is introduced. Several numerical examples and instances comparing with introduced and exhaustive method demonstrates the good performance and efficiency for the proposed solution procedure.     

计及多重阻塞的电动汽车移动储能特性建模

为实现城市交通电力耦合系统在城市道路、充电设施、输电线路阻塞环境下的优化运行,提出了计及多重阻塞的动态交通电力流联合优化方法。首先,基于时空网络模型,提出了计及电动汽车移动、静止、充电、排队模式的队列时空网络模型,构建了适用于电动汽车的车辆调度模型,进而形成动态交通分配模型,以减少交通出行损失。其次,通过优化发电机组、储能等的出力和备用计划,计及城市电网安全、备用约束,构建了安全约束动态经济调度模型,以降低碳排放及发电成本。随后,形成多目标动态优化模型,并将其转换为混合整数凸二次规划问题。最后,在耦合IEEE-30、Sioux Falls系统中验证了所提模型的有效性。     

基于改进NSGA-II算法的多级服务设施备用覆盖选址决策模型

为了应对跨区域突发事件过程中受灾点服务差异化需求的问题,建立了应急储备设施点的多级备用覆盖选址决策模型,即一个需求点由多个应急设施提供不同质量水平的服务,并考虑设施繁忙状态下由其他设施点提供服务的状况,使模型更加符合实际应用。首次通过设计分段的染色体编码方式改进NSGA-II算法提升运算效率以更好地解决多目标选址决策问题,将改进方法下得到的Pareto解分布与NSGA-II算法下的仿真结果进行对比分析,结合设施点的部署策略得到不同的空间布局方案。证明了模型的可行性及改进NSGA-II算法在解决设施点多目标选址决策问题时的有效性。     

A Multi-Objective Production Inventory Model with Backorder for Fuzzy Random Demand Under Flexibility and Reliability

In this paper, an Economic Production Quantity (EPQ) model is developed with flexibility and reliability consideration of production process in an imprecise and uncertain mixed environment. The model has incorporated fuzzy random demand, an imprecise production preparation time and shortage. Here, the setup cost and the reliability of the production process along with the backorder replenishment time and production run period are the decision variables. Due to fuzzy-randomness of the demand, expected average demand is a fuzzy quantity and also imprecise preparation time is represented by fuzzy number. Therefore, both are first transformed to a corresponding interval number and then using the interval arithmetic, the single objective function for expected profit over the time cycle is changed to respective multi-objective functions. Due to highly nonlinearity of the expected profit functions it is optimized using a multi-objective genetic algorithm (MOGA). The associated profit maximization problem is illustrated by numerical examples and also its sensitivity analysis is carried out.     

服务大规模定制模式下的供应链调度优化

为了提升服务大规模定制(SMC)模式下供应链系统的运作柔性,应对客户较强的多样化需求特征,本文在对服务定制特征分析、服务阶段界定以及服务规模效应探讨的基础上,指出SCM模式下的供应链调度问题是一个典型的随机需求与随机资源约束的多目标动态优化问题。研究了SMC模式下供应链调度的优化目标与约束条件,建立了完整的随机多目标动态调度优化数学模型。基于SMC运作的特点,运用改进的蚁群算法对调度问题进行了求解。最后,通过实例分析了模型及算法的可行性、有效性及适用性。