双渠道供应链多期多目标动态选址模型

考虑双渠道供应链环境下的物流配送选址问题的特殊性,建立顾客需求随机环境下,考虑网络直销和中央仓库传统零售渠道相结合的中央仓库多期多目标动态选址模型,模型不仅考虑了最小化相关的运作成本,并且考虑了客户的最大满意度,给出了中央仓库在整个规划期内的打开、运营、关闭和再次打开的成本表达式,使用主要目标法将多目标转化为单目标模型.设计了基于顾客满意度的贪婪启发式求解算法.求解结果表明,该结果包含了以最小化物流成本为目标的选址模型的最优解,为双渠道供应链环境下的中央仓库选址提供了更加灵活并且全面的依据.     

一类带时间窗口的定位-路径问题的启发式算法

考虑了一种车辆和仓库都有能力约束、顾客有hard时间窗口限制的多仓库选址和运输优化问题;给出了一个组合的两阶段启发式算法,第一阶段在考虑客户需求点时间窗口的情况下将其分配给合适的仓库备选点,第二阶段再用改进的节约算法对每个仓库及其相应的客户群优化路线;最后通过实例进行了实验计算分析。     

一个具有仓库容量选择的两阶段设施选址问题的模型及算法

设施选址及其规模选择优化对供应链的长期战略成本和运营成本有着重要影响, 是提高企业利润和竞争力的关键决策之一, 也是运筹优化领域研究的热点与难点. 针对已有的两阶段设施选址问题,(two-stage facility location problem, TSFLP),研究中缺乏对设施容量选择的优化, 在设施选址问题基础上引入了设施容量选择的优化, 同时确定了工厂的位置、仓库的位置和容量、从工厂到仓库的产品流以及客户到仓库的分配, 建立了以最小化总成本为目标的混合整数规划模型, 并基于模型特点设计了适合求解此问题的拉格朗日松弛(Lagrangean relaxation, LR)方法和混合变邻域禁忌搜索,(hybrid variable neighborhood tabu search, HVNTS)算法. 基于随机生成的大量具有不同参数的实例, 验证了所提出的算法可有效求解大规模的、且需同时优化设施选址及容量选择的问题.     

考虑激增需求下前置仓两阶段选址研究

【目的】考虑时效、成本、效率等关键词目标下，对激增需求下生鲜电商前置仓的两阶段选址问题进行研究。【方法】首先基于前置仓的配送范围和订单处理量，以生鲜电商企业的利润最大化为目标函数，建立了正常需求与激增需求下的前置仓选址模型，并运用一种基于遗传算法的K-means聚类算法对两阶段选址进行求解。【结果】与以往从备选地址中选择最终地址的研究不同，在本研究中通过直接考虑用户地址和需求情况进行建模求解，验证了改进后的方法的可行性和有效性。【结论】结合需求激增，刻画了需求变化情况下的两阶段选址的动态过程。     

不确定需求下容量限制工厂选址的改进蜂群算法

研究了需求不确定下容量限制工厂选址问题。在考虑需求点的实际情况后,根据各点不确定需求的变化而改变工厂的生产规模限制,建立设置分段的生产规模的容量限制工厂选址模型。使用联系数和区间灰数理论对不确定的需求进行预测。为了求解该问题,对传统人工蜂群算法的编码、更新、搜索和追随策略进行了改进。最后进行数值实验,将新算法与遗传算法、萤火虫算法、粒子群算法和海鸥算法进行对比。结果表明,改进后的人工蜂群算法有更好的优化效果,在求解容量限制的选址问题上具有可行性和有效性。     

带时间成本及运价折扣的多仓库选址模型

研究以成本最小为目标的多仓库选址模型,在考虑建设费用、运营费用、运输费用的基础上增加时间因素,并将时间转化成惩罚成本来平衡仓库与各个需求点之间的距离。采用0~1变量约束把运输费用因运价折扣建立的分段线性成本函数连接起来,建立统一的表达式。建立带有时间成本及价格折扣的多仓库选址数学模型,利用遗传算法进行求解,据此进行案例分析。结果表明:利用给出的模型可以得到合理、经济的选址及配送方案,对于带时间成本及运价折扣的多仓库选址具有指导意义。     

基于电商行业的前置仓选址问题研究

为应对当前电商企业仓库容量饱和的现状,以及客户对配送的严苛要求,在“区域配送中心+前置仓”的布局模式下,对前置仓的选址及数量问题进行优化研究。结合H电商的现有区域配送中心仓库布局,采取混合整数规划方法来建立数学模型,以运输成本、仓储运营成本、退供成本之和的总物流成本为目标函数,并借助LINGO软件进行编程求解,通过结果比较分析,求得使得总物流成本最少的最优前置仓位置及布局。     

基于犹豫模糊方法的煤矿应急物资仓库选址评价

煤矿应急救援物资仓库合理的选址能够减少物资运输时间,提高救援效率。但仓库选址受到多种因素的影响,是一个极其重要的多元决策问题。为此,本文提出一种新的应急救援物资仓库选址评价指标体系,基于OWA算子计算指标权重,并与犹豫模糊方法相结合,构建了应急救援物资仓库的选址评价模型,为仓库选址决策提供参考。经实例验证,基于犹豫模糊方法的评价模型可全面评估选址结果的优劣性,针对性地指出仓库选址存在的问题,为选址类问题提供一种新的解决方法。     

模糊需求环境下的网络选址及规划分析

在需求充满不确定性,成本结构复杂的现实情况下,已知工厂和顾客的地理位置,如何从初步拟定的候选点中选择配送中心的建设位置,同时规划配送中心与顾客的配送关系,是公司决策中经常碰到的一个问题。为解决这一问题,建立了在模糊需求环境下,整体考虑与选址相关的各项成本,如库存、运输、仓库固定成本与内部搬运成本等的三级物流网络选址模型,并进而利用模糊数学领域的可信性理论,对模型进行了优化整理,得到了同解模型。指出了同解模型是整数规划问题的解法。     

基于蚁群优化算法的多级应急响应下灾后应急资源空间优化配置

灾后多地提出资源需求,在资源有限的情况下为了优先满足重灾区、最大程度覆盖并满足灾区的资源需求,提出了多级应急响应等级,对灾区资源的需求响应进行分级。建立了具有7个优化目标的应急资源空间优化配置数学模型,在模型中考虑了选址点的交通便利度和稳定度,提升了模型的实用性。模型将选址与资源配置进行了统一考虑,并提出了保守型和乐观型资源配置策略,解决了资源充足与受限情况下的优化配置问题。基于Pareto设计的信息素更新规则能够最大程度地减少对多目标优化问题先验知识的依赖,精英档案的引入增强了算法的探索性,加快了全局非劣解搜索速度。算例分析表明,本算法能够很好地处理大型复杂网络。     

基于关联规则及组合模型的面料需求预测

由于服装的面料组成具有复杂性,企业在不同时间对不同规格型号面料需求量不一致,传统的人工预测及单维度智能预测模型难以解决问题。针对服装企业面料需求非确定性、预测难的痛点,提出基于关联规则及组合模型的面料需求预测方法。文章首先构建Apriori面料型号关联模型,挖掘多批多类面料间的型号关联规则;然后构建Prophet时间序列模型与长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型Prophet-LSTM,结合其在解决面料需求预测问题上的优势;最后将挖掘出的高关联面料型号历史需求数据作为输入,采用量子粒子群算法(quantum particle swarm optimization,QPSO)优化组合模型权值系数,进行关联面料需求量预测。使用RMES(root mean squared error,RMSE)及MAE(mean absolute error,MAE)作为评价指标设计对比实验,实验结果表明：采用量子粒子群优化的QPSOProphet-LSTM面料需求预测模型RMES较Prophet降低5.464,较LSTM降低1.184;MAE较Prophet降低4.261,较LSTM降低0.819,需求预测精度更高,支持服装企业面料柔性生产。     

具有购买弹性的差异产品选址定价研究

研究了商品存在弹性需求的情况下,企业销售功能相同但有差异产品时的选址和定价问题.基于Hotelling模型,建立了弹性差异产品的双寡头竞争选址定价模型.利用两阶段博弈过程,得出了企业的最优选址和相应定价.并分析了由此引起的价格战,讨论了价格战的形式及结果.     

基于多目标规划的低空飞行服务站选址

为改变行政区域划设模式,实现大规模低空飞行服务站选址优化,通过分析完整的低空飞行服务流程,采用聚类方法描述低空飞行服务需求,确定了低空飞行服务站选址的基本准则和约束限制,建立了以服务成本最小化、服务响应时间最短、服务覆盖面积最大和重复覆盖最低的静态优化选址模型;采用"理想点"切入方式,设计了多目标遗传选址算法,搜索最优选址解集.最后,通过算例分析验证模型和算法的优化效果.结果表明:多目标规划更贴近低空飞行服务实际生产的要求,遗传算法更好协调了四个目标函数之间的关系,实现整体最优,且降低了求解的时间复杂度.     

适应动态需求的供应链多级库存系统仿真

针对需求的动态不确定性和供应链多级库存管理的复杂性，将适应性需求预测、预测误差追踪、改进的散列搜索算法与系统仿真相结合，提出启发追踪仿真优化方法，可以实现供应链多级库存系统决策的协同优化，并应用Simulink工具软件构建供应链多级库存决策系统的仿真优化模型。在不同需求波动模式下进行仿真测试，实验结果显示，该方法有较好地绩效表现，能够为供应链多级库存系统决策提供参考。     

重大突发事件应急设施多级覆盖选址模型

重大突发事件应急设施选址具有时效性、公平性和抗"失效"性等特点,据此提出了多级覆盖的选址策略,即一个需求点由多个应急设施按照不同的优先级提供服务。之后,以总体救援时间最短为目标,应用0-1整数规划法构建了重大突发事件应急设施多级覆盖选址模型。最后,通过算例分析验证了模型的有效性,可以为重大突发事件应急设施选址提供参考依据。     

需求不确定的分销系统最小成本模型

提出一种分销系统的最小成本模型,这里的产品为单一产品,产品的需求和到达的提前期都是不确定的,且允许缺货·运用该模型研究两个制造商两个分销商组成的分销网络成本优化问题,把分销商满足市场需求时的服务水平作为优化问题的约束条件·综合考虑库存成本、订货成本、运输成本和缺货成本,给出了求解满足约束的最优订货量的算法,最后给出案例     

面向大规模航空集群组网的控制器部署方法

软件定义网络（SDN）使得控制平面与数据平面解耦,可用来优化航空集群网络体系结构。针对航空集群网络大规模组网需求,设计了一种面向大规模航空集群网络的控制器部署优化算法,将多控制器部署转化为集群划分和子群部署两个阶段,首先基于负载均衡将集群划分为不同子群,然后以全网性能最优为目标于各子群内进行多目标寻优,获得Pareto前沿解。仿真实验评估了所提算法在负载均衡指数、全网平均传播时延、平均失连概率等方面的性能。实验结果表明：与现有算法相比,所提算法有效地提升了全网性能,同时具有较低的时间复杂度,适用于解决大规模动态场景下的航空集群网络控制器部署问题。     

共享单车需求预测及调度优化

为了更加准确地预测共享单车的需求量,制定合理的调度优化方案。针对共享单车骑行数据的周期性、非线性和随机性的特点,提出了季节性灰色Markov模型来预测共享单车需求量。在此基础上,根据双层规划模型结果来制定调度优化方案。在季节性灰色Markov模型中,首先将原始数据带入季节性GM(1,1)模型得到预测结果,然后用Markov模型对预测的残差进行修正,得到最终的预测值。在双层规划模型中,上层目标为运营商的调度成本,下层目标为调度中心的调度时间,双层规划模型用GUROBI求解器求解。最后将两种模型应用于纽约市17个Citi Bike共享单车站点的算例分析。数值计算结果表明：季节性灰色Markov模型在17个站点从周一到周五的需求量预测的平均绝对百分比误差(mean absolute percentage error,MAPE)为10.68%,预测精度较高。利用双层规划模型制定的调度优化方案能确定调度中心数量、位置,调度范围和调度路径,可以在满足用户需求的同时使调度成本和调度时间最优。研究提出的需求预测模型和调度优化方案可以为共享单车运营部门和交通管理部门提供有效的参考。     

基于贪婪启发式的多期多目标动态网络选址

为弥补现有选址模型考虑需求变化及客户满意度的不足,研究了随机需求环境下的配送中心选址并设计了衡量客户满意度的函数. 运用随机机会约束规划为基本建模工具,将模型设计拓展到多期规划决策领域并构建了动态多期多目标选址模型,模型不仅考虑了最小化配送中心运作成本,而且考虑了客户最大满意度;运用主要目标法将多目标选址模型转化为单目标选址模型,采用满意度高优先的客户指派原则设计了贪婪启发式求解算法. 算例结果表明,模型的非劣解包含了传统的以最小化物流成本为目标的选址模型的最优解,从而为配送中心选址提供更加灵活全面的决策依据.