供应商选择问题的不确定优化模型及其算法

应用了不确定性模型描述供应商选择问题,建立了多目标随机机会约束规划的模型.设计了解决这类问题的混合智能算法;并通过实例计算表明:不确定性优化模型及混合智能算法是解决供应商选择等这类不确定性智能商业问题的有效办法,具有广泛的应用前景.     

集装箱空箱海上调运随机优化研究

应用机会约束规划的方法研究了空箱需求是随机数下的海上空集装箱调运优化问题。论文模型以空箱调运费用和租箱费用最省为目标函数,约束条件包括满足空箱需求、装船时间限制、空箱供给能力限制、空箱存储能力限制以及运输能力限制和运输时间限制等。应用概率分布函数将随机约束转化为确定性约束,从而将随机规划转化为确定性规划模型。运算结果表明本文模型可以有效降低空箱调运费用。     

�޽��ɱ���ȷ���Ľ�ͨ�����������

交通网络设计问题是交通规划理论的一个重要组成部分,即在资金有限且考虑出行者决策行为的情况下,制定最优投资策略.由于人工费、材料费和使用费等的不确定性,路段的修建成本存在不确定性.本文通过改进预算投资约束,应用鲁棒优化的方法同时考虑出行者的路径选择行为,建立路段修建成本不确定的交通网络设计的鲁棒模型,并利用基于割约束的混合整数线性规划算法求解此模型,进而得到一个受修建成本扰动较小的鲁棒最优解.通过算例表明,在修建成本不确定的交通网络设计中,本文提出的鲁棒优化方法可以得到比传统确定性问题更加可靠的解.     

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.     

多品种供应的多供应商选择模型及分解算法

为解决供应链中多品种供应的多供应商选择问题，建立了以供应综合成本最低为目标函数、满足多个约束条件的组合优化模型．为解决求解的困难，采用变换分解算法，将原模型转换为整数规划问题．根据不同迭代方式，给出了2种基本运算步骤．在算例中运用模型和算法，得到了多物资供应环境下多供应商的最优任务分派．新方法克服了常规供应商的选择评价方法只针对单一物资供应过程和面向单一供应商选择过程的局限性．     

有行驶里程限制的满载车辆调度问题

应用网络模型,对有行驶里程限制的多车场满载车辆的调度问题进行了探讨.将行驶里程限制约束转化为目标约束,建立了该约束条件下的路径选择模型;设计了基于自然数编码求解该问题的遗传算法,并用实例进行了验证.结果表明,该方法能有效地解决有行驶里程限制的满载车辆调度问题.     

基于模糊逻辑的路径选择模型

为有效解决路径选择行为中的不确定性问题,采用模糊逻辑方法建立路径选择模型。用三角模糊数描述路径行驶时间,并建立一定的模糊规则,然后,用近似推理方法两两对比可选路径,在对比矩阵基础上计算各条路径的权重,即路径被选择的概率。最后,对路径选择模型进行算例应用,验证了模型的有效性。     

一类完全型区间线性规划的求解

在现有研究的基础上，定义了一类完全型的区间线性规划，其目标系数和约束系数均可为区间数，约束条件可包括等式和不等式类型．给出了一种反映决策者满意度的区间数序关系，基于此将区间不等式约束转化为确定型约束．讨论了区间等式约束的含义并将其化为确定型不等式约束，分析了含有区间数的目标函数并将其转化为一个确定性目标函数．在此基础上，将区间线性规划转化为确定型线性规划并进行求解．最后，给出一个算例．     

约束优化问题的多参量遗传算法

约束优化问题的传统求解方法是拉格朗日乘子法，函数的可导性和多峰性常常成为求解过程中的难题。遗传算法的并行搜索为这类问题的求解提供了一种新的途径。为了提高计算效率，有学者提出用两级遗传算法分别解决拉格朗日乘子入及优化参数的求解问题。用多参量遗传算法可以同时解决两级优化的遗传算法，把分级优化的参数同时编码，就把两级优化转化为一级优化。经试验该算法虽不能使优化算法的计算时间大大降低，却可以使程序设计工作相对简化，同时使遗传算法程序更具通用性。     

远洋集装箱调运随机优化研究

应用机会约束规划系统考虑空箱和重箱的统一调运问题。模型以集装箱调运总利润最大化为目标函数,总利润包括重箱调运利润减去重、空箱调运成本。约束条件考虑到满足空、重箱的需求,航线约束能力及空箱供给数量等,其中,空箱需求数量是随机变量。将机会约束规划转化为整数规划,并应用LINGO 9.0求解整数规划模型。最后,通过数字仿真来优化不同参数影响下的调运策略。研究可为船公司提供合理的远洋集装箱调运策略,从而降低调箱成本,实现船公司集装箱运输效益最大化。     

运输需求与成本不确定下的枢纽港选择

针对轴辐式网络中的枢纽港选择问题，在集装箱航运网络中，考虑运输需求与成本的不确定，根据数据变化规律，构建多个模型. 根据轴辐式网络的运输环节，使用成本函数表征枢纽港间运输成本，构建枢纽港选择的确定性模型；基于此，针对航运需求的离散特性，构建需求不确定的随机模型进行枢纽港选择；基于运输成本难以预测的特点，结合实际数据，使用极小极大值法构建成本不确定的枢纽港选择模型；然后，结合两者构建运输需求与运输成本同时不确定的枢纽港选择模型. 采用欧洲集装箱运输网络实际数据对模型进行验证，求解各因素不确定下枢纽港选择的最优方案，并针对结果进行对比分析，为班轮公司优化航线提供参考.     

��ȷ����������������ѡַ³���Ż�ģ�ͼ����㷨

研究了不确定环境下物流中心的选址优化问题,在随机优化模型的基础上,采用遗憾模型的形式构建了相关问题的鲁棒优化模型。分析了鲁棒优化模型与确定性优化模型、随机优化模型的关系,并在此基础上给出了求解鲁棒优化模型的两种方法——枚举法和遗传算法。以Visual Studio6.0为平台,以Visual C++为开发语言编写了两种算法的代码,代码中通过调用Lingo9.0来求解确定性优化模型和两阶段随机优化模型。利用上述两种算法对若干算例进行了测试,结果表明,本文给出的算法能够满足问题求解需要,与随机优化模型最优解相比,鲁棒优化模型的最优解对各情景下参数扰动的现象敏感程度更低,因此具有更低的风险。     

有约束的随机最短路问题模型及算法

针对不确定网络,研究具有随机参数的最短路径问题,采用随机数表示路径权值的不确定性, 建立有约束的期望最短路模型. 基于随机模拟方法,设计了一种融合退火技术的遗传算法,引入退火机制处理有约束的优化问题.在进化过程中,动态调节对不可行解的惩罚力度,使不可行解逐步被淘汰出去, 最后收敛到问题的全局最优解. 给出的数值实例验证了该算法的有效性.     

随机需求航线网络效应下机队鲁棒优化方法

针对航线网络效应及旅客需求不确定性问题,将旅客组合优化模型加入机队规划问题,借鉴航线网络运力优化分配方法,以机型飞机数目、航段机型飞行频次、行程路线上旅客溢出人数为决策变量,以行程路线上旅客需求限制、航段飞行频次限制、特定机型机队飞行时间限制为约束条件,利用量化市场份额指数计算旅客溢出再捕获率,建立了旅客需求不确定情景下的机队鲁棒优化模型,设计了航线网络环境下的旅客需求离散情景集,用情景汇聚算法求解该模型.算例仿真结果表明,与传统机队规划模型相比较,本文模型的机队规划成本降低了167.07万元;与确定解的最小随机期望值相比,在3种情景集下,随机规划解的机队规划成本分别降低了19.88万元、21.02万元与17.55万元.      

海运集装箱运输路径选择

基于海运集装箱运输问题特性的分析，建立了需求不确定的海运集装箱路径随机规划模型．该模型以集装箱运输过程中利润最大为目标函数，主要约束包括航段容量和装载质量限制、重箱和空箱需求（重箱需求为随机变量）．应用机会约束规划方法求解模型．通过数值仿真，证明了模型的可行性．仿真结果表明，运力以及各起讫对运价是影响集装箱的路径选择的关键因素，而某一单一起讫对运价的变化对集装箱路径选择的影响不大．     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

��ͨ˫��滮����:ͳһ��ѧģ�ͼ����㷨

主要讨论基于用户平衡原则的交通网络优化问题。这些问题大致上可以分为二大类:一类是涉及到确定性用户平衡原则；另一类是考虑随机性用户平衡原则。众所周知，运筹学中的双层规划模型能够完美地刻画这些问题，但是所建立的双层优化模型往拄属于不可微优化问题的范畴，这就给设计有效的算法带来了很大困难.此文首先从模型和算法的角度总结了有关这类问题已有的研究成果，接着介绍有关这方面的最新的研究进展，即如何把用户基于平衡原则下的交通网络优化问题的双层规划模型统一地转换为一个连续可微的单层最优化问题，并设计统一的算法。作为统一的算法方面的研究，我们可以看到增广的拉格朗日方法可以用来解上述的第一类问题，而基于灵敏度的分析的序列二次规划方法完全有能力解上述的第二类问题。