4PL模式下供应链资源整合的收益与风险决策

为了从系统性量化角度对第四方物流(4PL)整合供应链复杂资源的决策过程进行分析,以形成合理、高效及灵活的整合模式指导运作实践,从资源整合的整合成本输入及整合收益输出关系入手,搭建了4PL模式下供应链资源整合的基本运作框架,描述了整合的基本输入与输出关系.在此基础上,从整合的收益与风险系统性权衡与量化角度,对4PL模式下的供应链资源整合决策问题进行了分析,着重探讨了整合后的期望收益关系、整合的收益与风险衡量及量化方法以及基于该方法的整合决策问题.最后,通过整合决策的算例验证了结果的客观性及所提分析思路的理论与现实意义.     

4PL模式下的供应链资源整合决策分析

随着第四方物流（4PL）理论探索与实践运用的逐步展开,对该模式的研究已成为前沿性的热点问题.4PL实施的关键是如何合理有效地整合供应链的多方资源,而这显然是一个复杂的系统性问题,且尚未形成成熟的整合理论与量化标准及模式.为了寻找4PL模式在整合供应链资源时量化分析的突破口,通过对整合过程的基本特征及框架分析,从管理运作的硬环境与软环境两个方面挖掘了系统中对整合过程具有重要影响关系的主导因素.在考虑系统整合过程的价值增值基础上,探索了系统的整合投入成本同各主导因素运作水平提升之间的复杂关系.在此基础上,搭建了4PL模式下的资源整合流程、建立了资源整合决策的优化模型.最后简要说明了决策过程的实践运用并探讨了研究展望.     

基于蚁群算法的序贯决策问题研究

实际工程中存在许多大规模、非线性多约束的序贯决策问题,传统算法解决起来较为困难.蚁群系统(ACS)是一个用来解决大规模多约束组合优化问题的现代启发式算法,根据序贯决策的特点设计了多层结构的蚁群系统,给出了算法的组成结构;为了节约计算内存和优化时间,详细阐述了淘汰劣质解机制的精英策略;并通过梯级水电站短期优化调度这一实际工程序贯决策问题,来验证所构造的算法,给出了优化调度的数学模型及算法的求解思路.最后,采用我国西南地区某梯级流域中三个水电站的相关数据建立了调度仿真模型,仿真结果证实了所采用算法的有效性和可行性.     

一种基于蚁群的机会网络多目标路由算法

机会网络是一种由移动对等通信节点组成、节点具有消息存储能力、节点间接触随机出现的网络.现有的机会网络路由协议绝大多数仅考虑针对单个路由目标进行路由决策,不能很好的适应上层应用需求或环境的变化,同时难以提高路由协议的综合性能.面向可加性可乘性,极值性三种类型的路由目标,通过运用多目标决策理论及蚁群算法,给出了一种机会网络中多目标路由算法Multiple Objective Decision Making ruting,MODM).该算法中路由决策取决于多项路由指标,能够为不同的应用需求或环境提供不同的路由服务,提高了机会网络下路由算法的综合性能.实验结果表明该算法能够根据不同的需求对多个路由目标进行优化,与传染病、First Contact等机会网络路由算法相比拥有较好的综合性能.     

基于交通流量控制的二元蚁群优化模型

针对多模域上的蚁群优化,提出了一种交通流量控制策略。此策略启发于由A.Dussutour等发现的真实蚁群在高度拥挤下的交通组织行为。算法引入了“交通流量控制”策略来保持群体的多样性,对于每段路径都引入相应的流量阈值。算法被应用于几个典型多模函数优化中并与二元蚁群优化、二元菁英蚁群优化和二元蚁群系统算法进行比较。实验结果证明基于交通流量控制的二元蚁群优化算法能够在多模域中获得稳定的全局和局部峰值集,拥有远优于上述算法的多模搜索能力。     

多目标攻击空战决策WBG模型及其蚁群算法

针对解决空战决策分配问题的已有算法稳定性差、局限于数学描述、没考虑目标威胁评估因素等不足,通过分析战场模型,建立了多目标攻击空战决策的赋权偶图(WBG)模型,该模型是具有二分类的赋权完全偶图模型,使空战决策分配问题转化为求解WBG模型的最优匹配问题。利用蚁群算法对WBG决策模型求解,提出了具体实现算法。数值试验和仿真结果表明,提出的空战决策WBG模型及其蚁群算法实现具备精确有效的决策能力,从而为多目标空战提供了一种有效的决策方法。     

基于客户满意的层级供应链优化模型及算法

基于客户满意度和企业利润这对矛盾,建立了一个层级供应链0-1混合整数规划模型。模型以供应链各相邻层节点之间的供需量和客户对各种产品的期望满意度为决策变量,以供应链总利润最大为目标。模型存在着两级优化问题,首先要从候选节点企业选中部分加入供应链网络,然后再确定相邻层节点企业之间的供需量和客户对产品的期望满意度。给出求解模型的混合遗传算法,并进行了数值实验,验证了优化模型的正确性和算法的有效性。     

基于K-means聚类的超启发式跨单元调度方法

结合我国制造业实际生产状况,针对柔性作业车间跨单元调度问题,提出一种基于K-means聚类的超启发式算法。应用K-means聚类算法将相近属性的实体划入相应“工件簇”决策块中,采用蚁群算法为每个决策块选择启发式规则;对每个决策块内的实体运用相应的启发式规则产生调度解。仿真结果表明：该算法以决策块的形式适度增大了计算粒度,有效降低了算法时间复杂度,以聚类的方式将具有相近属性的被加工实体进行聚集,有利于为不同属性的实体选择合适的规则。该算法提高了计算效率,具有较好的优化性能,是解决柔性跨单元调度的一种有效算法。     

4PL模式下网购供应链资源整合决策

为客户提供满意的个性化物流服务是网购企业提升客户体验价值和竞争力的关键,满意的个性化物流服务需要对网购企业后台运行的供应链资源进行有效整合。当前,第四方物流(4PL)在实践中的成功运作,逐步表明它是实现供应链复杂资源合理、高效、灵活整合的有效模式。在网购供应链资源整合特征分析的基础上,基于网购个性化物流服务模式分析并挖掘出资源整合的主导因素,建立了整合决策的优化数学模型,构建了改进的蚁群寻优算法来实现整合决策优化的求解。最后,通过算例仿真验证了算法的有效性与可行性。     

基于动态蚁群遗传算法的弹药保障路径选择研究

战时弹药保障路径规划属于典型的不确定性路径规划问题,针对战时弹药保障路径的特点,对传统的解决最短路问题的蚁群算法进行改进,引入将蚁群算法和遗传算法相混合的策略,提出了基于动态蚁群遗传算法的路径优化算法,并通过仿真实验验证此算法可快速、科学和稳定地解决弹药保障路径选优问题.程序实现简单、研究结果可靠,能够为弹药保障路径选择的决策提供科学可靠的辅助手段,具有一定借鉴意义.