基于批量订购的铁路集装箱货运多等级运价研究

铁路集装箱货运发展迅速,在铁路货运中占比逐渐增大.当前铁路总公司没有针对 大批量订购采取优惠折扣,导致部分客户转向其他运输方式.针对这个问题,设计了多等级运 输价格策略来吸引大客户,建立了铁路集装箱货运收益最大的动态价格模型,求解出各订购 量对应的最优价格等级.本文以大朗到大红门的集装箱货运班列为例,求解出不同时刻各订购 量的最优等级运价.通过对比优化前后的结果,证明了该模型可以显著提高铁路集装箱运输的 收益.     

需求不确定状态下的航班机型分配问题研究

机型分配问题是飞机、机组排班问题的基础,是整个航班计划中的关键环节。文章针对市场需求高度不确定的情况,建立了两阶段随机混合整数规划模型,其中第一阶段考虑机族层次的分配,确保每个航节均分配1种且仅有1种机族,第二阶段根据进一步的市场需求信息及预测,考虑每个航节所分配的机族内具体机型的分配问题。针对建立的模型,设计了Benders分解算法,并通过算例验证了该模型较传统确定型模型更具有效性,能够为航空公司的机型分配提供决策支持。     

随机产出和随机需求下的供应链生产与订购策略

为了使随机供给侧和随机需求侧更好地匹配,针对由单一供应商和单一零售商组成的单周期两阶段供应链,分别构建基于传统契约以及期权契约的供应链生产与订购策略模型,得出两种模型下买方最优订购决策以及卖方最优生产决策的显性解。分析表明:与传统契约相比,期权契约能够有效应对产出和需求双边随机性给供应链带来的风险,提高供应链买卖双方的期望利润。     

带折扣的多阶段库存系统的优化算法

针对供应商提供数量折扣、需求率随时间变化、周期性检查并补充库存的多阶段库存控制策略，提出一种优化算法．该算法以各时段的累计需求为根节点建立搜索树，从而将带折扣的库存问题转化为典型的动态批量问题，运用动态规划法即可求解．利用该算法可以找出在计划时段内总成本最小的补充策略．用算例说明了该算法的有效性．     

基于不确定理论的多阶段工序计划模型与算法

介绍在不确定条件下的多阶段工序计划问题,设计基于可信性测度的模糊多阶段工序计划模型,并通过一个结合模糊模拟和遗传算法的混合智能算法进行求解。最后,结合一个实例来说明该模型的应用和可行性。计算结果表明该算法所得结果令人满意并有效地缩短求解该问题的时间。     

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

基于均值-方差理论的多阶段公交走廊设计

随机性是公交出行需求的重要特性.随机需求下的公交系统中,不同风险态度（中立风险、规避风险和寻求风险）的决策者会选择不同的设计方案,这在多阶段公交系统走廊设计中更为明显.为研究不同决策风险态度下随机特性对公交服务设计的影响,首先,基于均值-方差理论,提出不同风险态度下的决策方法,并构建对应的多阶段公交走廊设计模型,同时优化不同阶段的公交线路长度、站点选址和发车间隔;之后,利用局部分解法和最优化理论,得出模型的解析解;最后,对不同设计策略（全覆盖设计、单阶段和多阶段的公交线路非全覆盖设计）和风险决策态度下的公交走廊设计进行对比分析.结果表明：1）公交线路多阶段设计具有比全覆盖设计和单阶段设计更低的期望系统成本,以及比单阶段设计更稳定的方案;2）在不同设计策略中,决策风险态度对公交系统的参数配置（即公交线路长度、站点分布和发车间隔）有不同的影响,例如规避风险态度决策者在全覆盖设计中追求更密集的站点分布,而在单阶段设计中则会追求相对更低的站点密度,在多阶段设计中这就更为复杂.该研究从政府管理者和运营商的角度,提供基于需求随机增长下公交系统多阶段设计的风险投资决策方法.     

随机需求下的CDL系统多目标优化

为了增强越库配送对市场随机需求的适应性,兼顾总体利益和零售商门店的个体利益,充分考虑随机需求、库存、配货和原始订单等因素,以提高最终订单满足随机需求的置信水平、增加配送车辆满载率和降低总运营成本为目标,建立了多目标随机规划模型,构建了正规化的多目标适应度函数,设计了具有自适应特点的遗传算法,并进行了实例研究.结果表明:与原始订单相比,最终订单满足随机需求的置信水平、配送车辆满载率分别增加了3.59%、12.71%,每天的总成本平均减少了631 845元,降低了13.73%.     

商用车维护周期多目标规划下的最优解

在多目标规划理论的基础上，根据国产某型商用车实际运行情况，在车辆行驶安全性、发动机润滑油使用可靠性、车辆单位行程检测诊断与维修费用等多个不能同一化的目标下，研究实现多目标意义下的车辆维护周期的最优化，并给出具体的车辆最优二级维护周期值。本研究成功地运用多目标优化理论，解决了车辆的最优维护周期问题，从而对解决各种复杂和大型机械设备的维护周期最优化问题具有普遍的指导意义。     

�г����������µĿ��˼۸��Ż�����ģ�ͼ��㷨

本文考虑了在市场竞争条件下的不同客运方式之间的客流分配，以及在同一种方式中不同服务方式之间的客流分配问题，建立了随机用户平衡配流模型。在此基础上，同时考虑了乘客与客运部门两方面的利益，构造了一个三层规划模型以得到在市场竞争条件下制定客运价格的优化策略模型。既保证乘客的出行费用最优，又能使总的客运需求在不同的运输方式之间合理的分配。     

停车许可证的动态最优供给策略

考虑可预约和不可预约公共停车设施共存情况,制定停车许可证动态最优供给策略.构建随机最优控制模型以实现系统总时间损失期望值最小化,利用动态规划原理推导出最优性条件,即哈密尔顿-雅克比-贝尔曼方程,采用一种预设最优值函数方法得到动态最优供给策略的解析解.结果表明：动态最优供给策略为一个反馈控制,即车辆排队时间的函数;依据排队时间是否存在,动态最优供给策略分为两种情况.以北京市国贸地区为例进行蒙特卡洛实验可知：相较停车许可证完全供给策略,动态最优供给策略可节约时间0.45~1.94 min/veh;随着停车许可证用户行为不确定性增加,动态最优供给策略节约时间的平均值上升,变异系数下降.     

停车许可证的动态最优供给策略

考虑可预约和不可预约公共停车设施共存情况,制定停车许可证动态最优供给策略.构建随机最优控制模型以实现系统总时间损失期望值最小化,利用动态规划原理推导出最优性条件,即哈密尔顿-雅克比-贝尔曼方程,采用一种预设最优值函数方法得到动态最优供给策略的解析解.结果表明：动态最优供给策略为一个反馈控制,即车辆排队时间的函数;依据排队时间是否存在,动态最优供给策略分为两种情况.以北京市国贸地区为例进行蒙特卡洛实验可知：相较停车许可证完全供给策略,动态最优供给策略可节约时间0.45~1.94 min/veh;随着停车许可证用户行为不确定性增加,动态最优供给策略节约时间的平均值上升,变异系数下降.     

基于铁路客票价格问题的混合优化策略算法

混合智能算法和双层规划模型在城市交通领域已得到了广泛的应用,且实际效果显著。本文采用基于遗传算法（GA）和模拟退火算法（SA）的GASA混合优化策略求解铁路客票价格问题的双层规划模型,并用一个简单的算例表明：本算法在求解该双层规划方面更好发挥了智能搜索的优势,具有更高的效率和可信度。     

面向大规模定制的供应链延迟策略模型

为了有效地发挥供应链的整体效率、为制造商提供最优的生产策略,考虑大规模定制环境下供应链延迟制造活动的特点,以及顾客的个性化需求和等待时间,研究通用化阶段和定制化阶段的成本关系,利用排队论建立了以制造商总成本最小为目标的供应链延迟策略模型.通过模型确立大规模定制生产方式下制造商生产过程的各项成本与通用件比例、通用件库存之间的关系,并采用启发式算法确定最优供应商生产通用件的比例和通用件的库存水平,以求得较小的制造商总成本,为制造商确定生产方式提供有效的决策手段.算例结果表明:库存水平不同,最优通用件比例也不同,通用件比例取值范围为0.45 ～0.65;在库存水平和最优通用件比例分别为19件和0.60时,制造商成本最小值为155.857元.     

广州港物流发展战略研究

运用SWOT方法,分析了广州港发展物流的优势、劣势、机遇与挑战,阐述了广州港发展物流的战略定位、功能设计和空间布局,提出了广州港发展物流的国际航运中心战略、物流园区整合战略、全程物流链构建战略、港区特色业务战略、竞争合作共赢战略、物流企业形象战略.     

市场竞争条件下铁路旅客票价制定的模型与算法

灵敏度分析方法和双层规划模型在城市交通领域已得到了广泛的应用,并且实际效果 非常显著.本文介绍了这两种方法关于铁路旅客票价制定方面的应用,即在市场竞争条件下如 何制定合理的铁路旅客票价.     

面向高速公路混合交通流的车辆协同合流策略

为提高高速公路匝道合流区的运行效率、减少交通事故的发生,面向网联自动驾驶车辆(Connected and Automated Vehicles, CAV)与人工驾驶车辆(Human Driven Vehicles, HDV)混行的交通场景,提出高速公路匝道分层协作合流框架,该框架集成合流序列调度算法和协作合流算法,并根据车辆类型与车辆状态进行实时调整。首先,提出一种基于启发式规则的高速公路合流序列实时调度算法,优化合流区车辆的合流顺序,解决了传统固定合流序列无法适应HDV驾驶行为随机扰动的问题。然后,根据合流序列调度算法及当前车辆位置,判断协作合流的车辆组及其车辆类型,分别建立CAV-CAV、CAV-HDV和HDV-HDV的协作合流控制算法。通过试验仿真发现：相较于无控制情况和“先进先出”策略,总延误分别降低了21.66%、39.88%;协作控制区长度对燃油经济性存在一定影响,能耗随着距离的增加而减小,并存在一个最小值,即300 m,到达该值后能耗将逐渐增大;车辆之间车头时距的增加,对减小车辆能耗存在一定的影响。其中,HDV之间车头时距的影响大于CAV之间车头时距的影响。     

不确定性条件下的设备替换优化的 随机动态规划方法

本文提出了一种解决设备更新换代优化（ERO）问题的随机动态规划（SDP）模 型,用以明确地解释在车辆利用中的不确定性,并采用 Bellman 算法解决 ERO SDP 问题. 针对 SDP 状态空间的增长,提出了特殊简化算法,以解决动态规划方法中固有的“维数 灾”问题,确保所需的内存和计算时间不会随着时间范围的增加而成倍增长.并对 SDP 软 件的实现技术、功能和图形用户界面（GUI）进行了讨论,开发了基于 SDP 的 ERO 软件, 并使用美国得克萨斯交通局（TxDOT）现有车辆数据进行验证.对统计结果、软件计算时 间和求解效果进行综合分析,结果显示,使用该 ERO 软件,估计大量成本可以节省.