不确定信息下应急设施选址-路径鲁棒优化

为抵御突发灾害对路网造成的破坏性,提高救援效率,考虑路径超期风险和设施点失灵对系统的影响,针对需求点物资需求量不确定和车辆运输时间不确定,构建三级路网,采用车辆和直升机联合运输方式进行多物资运送。基于鲁棒优化思想,建立了以物资送达需求点救援时间之和最小为目标的应急设施选址-路径鲁棒优化模型,采用CPLEX进行求解。最后,设计不同算例进行数据仿真实验,证明了鲁棒优化方法在处理需求量和车辆运输时间不确定以及偏差鲁棒优化方法在处理设施点失灵风险的有效性和鲁棒性,进而为解决应急设施点的选择和救援物资的及时准确配送,增强应急物流系统的风险应对能力提供了有效的方法。     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

基于碳排放的开放选址-路径问题及算法

基于物流对节能减排的重大影响及第三方物流的广泛应用,本文建立了与配送中心规模、配送路径相关的低碳开放选址-路径(OLRP)问题模型,并设计量子进化算法(QEA)进行求解.算法采用先确定车辆及其顾客集,再选择配送中心的策略,并运用局部优化算子进行解的改善.通过目标值与CPU的综合分析,确定重要参数旋转角变化值△θ,最大迭代次数itermax,种群Popsize的取值范围,并应用Barreto、Prins及Tuzun案例进行实验验证,结果显示碳排放目标的OLRP一定程度上会增大成本,量子进化算法在Barreto案例中的解均值优于LB、CPLEX及SA算法,在Prins案例中的求解效果与CPLEX相近,在Tuzun案例中绝大多数问题的求解结果优于CPLEX,在小规模问题中,优于SA算法,因此QEA是求解OLRP问题的一种有效算法.     

基于冲突合作关系的生鲜选址-路径多主体优化模型与算法

针对城市生鲜农产品配送成本高，产品损耗大等特点，考虑生鲜销售商和外包冷链配送公司共同参与又独立决策的实际运营情况，建立了基于冲突合作关系的生鲜配送选址-路径多主体优化模型.模型中，考虑客户模糊时间窗，主导层生鲜销售商以系统总成本最低为目标，而从属层冷链配送公司仅考虑运输相关成本最小化.设计了GAPSO混合算法求解该问题，结合精英选择策略和自适应权重粒子更新策略，采用田口分析法获取参数合理取值.与CPLEX求取小规模算例精确解对比，GAPSO算法在保持准确性的同时，求解时间降低了96.17%；对基于Barreto和Prins经典LRP基准案例集的中大规模算例，与HybridGA算法和已知最优解BKR对比分析，结果表明GAPSO对于中小规模问题，能很好的收敛于全局最优解，对于大规模问题能求得近似最优解，能为实际生鲜选址和配送问题提供有效决策支持.     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

成本与半径优化的设施选址问题

成本与半径优化的服务设施选址问题(CROFL)广泛应用于应急服务、快递、维修网络等领域,其特点是考虑了响应速度与服务价格、成本之间的关系,根据净收益最大化或者成本最小化的原则自动判断是否将偏远的"需求点"纳入服务半径之内,实现服务成本与服务半径的双重优化。建立了CROFL的混合整数规划模型,构造了求解平面CROFL的7.853+ε-近似算法,并提供了求解一般CROFL的Benders分解算法,计算实验显示,Benders分解算法具有非常高的求解效率与求解质量。     

重力p-median模型在设施选址中的应用及检验

区位分配模型是设施选址研究中的重要方法,其中p-median模型是应用最广泛的一种.但传统p-median模型中每一需求点仅选择最近的那一个设施的假设具有一定局限性.重力p-median模型对此进行了重要改进,假设需求者根据距离和设施吸引力确定选择各个设施的概率.但目前学界关于重力p-media:n模型在实际应用中的有效性仍未达成一致.本文将重力p-median模型应用到北京市延庆县医疗设施布局的实际案例中,并与p-median模型进行比较,以检验重力p-median模型的有效性和适用范围.结果表明,重力p-median模型作出的改进具有实际意义,当设施候选点吸引力存在差异时,重力p-median模型会得到与传统p-median模型显著不同的优化结果;两个模型适用于不同的设施选择行为,在实际应用中需把握清楚所研究设施的特点才能做出合理的选择.     

模拟植物生长算法在设施选址问题中的应用

以模拟植物生长算法为工具,提出了一种解决设施选址问题的智能优化算法, 结合配送中心选址的实际案例,将模拟植物生长算法与遗传算法的计算结果进行比较,结果表明该算法比遗传算法在精度上有所提高;在此基础上,以50个随机选取的用户为背景,解决了韦伯型多设施选址问题, 不同于其它启发式算法,模拟植物生长算法在得到全局最优解的同时,还可以根据设施数量的不同,将全局最优解与局部最优解进行组合,可以建立整体最优的设施布局, 本算法在应用中显示了精确性、稳定性和通用性特点,是模拟植物生长算法在解决选址问题上的具体应用。     

物流设施选址问题的双层模拟退火算法

设施选址问题的相关优化模型的本质,都是在最小化相关费用的前提上,从可选设施集合中确定设施的修建位置,并分配用户的需求,即都必须进行选址决策和需求分配决策.本文主要根据设施选址问题的特点,设计了适合求解一般设施选址问题的通用型双层模拟退火算法,算法的外层对设施选址决策进行优化,内层则在上层确定的设施选址决策基础上,进行用户需求分配的优化.最后的多个算例证明了相对其他优化算法,双层模拟退火算法不但收敛速度快,而且能求取更高质量的最优解.     

基于陆海协同的海上战略投送选址-路径优化

陆海协同海上战略投送过程中需解决选址-路径优化问题,本文分析了在突发事件背景下陆海协同运输体系的运作机理和特点,构建了以下水港选址、运输船舶航次、航线配置以及天气条件等不确定性因素为变量、以投送时间最短为目标的选址-路径优化模型.根据模型的特点与不同算法的优势,提出了一种以遗传算法为外层框架构成优化循环,其中镶嵌基于仿真的改进模拟植物生长算法形成内部模块,求解出染色体对应的目标函数,再通过信息传递完成内外交互运算的集成算法.最后,以我国对南海海上战略投送为例进行了选址-路径优化设计,取得了较好结果,从而证明了文章所建模型与算法的合理性和有效性.     

客户需求驱动的多层物流网络选址规划模型与算法

构建了一个包括生产商、物流中心、中转点及零售商等4类节点的多层物流网络,并以零售商需求驱动,根据自下而上的规划逻辑,建立了该网络选址规划数学模型及其遗传算法.最后,用一个仿真算例对模型及其算法进行了验证.     

有市场协同作用的竞争设施选址：模型与比较

针对产品或服务市场有协同效应的竞争设施选址问题,首先提出了协同效应的定义和三种不同类型的协同效应函数,并建立了有协同效应的最大俘获选址模型. 对于分段类型的协同函数,分别通过计算试验和理论分析的方法考察了有协同效应的新问题P₁与无协同效应的原问题P₀最优解之间的关系; 并对原问题P₀最优解取不同水平值时,新问题P₁最优解是如何随协同效应函数参数的不同而变化做了具体分析,结果对实践有一定的指导意义.     

基于完全信息动态博弈的反恐设施选址模型

针对反恐设施选址问题, 考虑反恐设施点准备时间及反恐物资的运送时间对核生化恐怖袭击损失的影响, 构建完全信息非合作动态博弈模型. 讨论连续选取单个设施点和离散选取多个设施点的不同情形, 应用遗传算法求解子博弈精炼纳什均衡. 以上海市区县网络为例的仿真结果表明, 交互式设置反恐设施点和减小反应时间均能有效减小袭击损失, 并随设施点增多, 损失减小幅度趋缓. 该模型反映了政府与恐怖组织间的战略交互, 为反恐设施选址提供了一种有效的分析方法.     

基于图层叠加的多目标选址模型

分析了国防工程设施选址的目标和约束条件,研究建立了建设项目选址多目标决策模型.在MGIS(militarygeographicinformationsystem)中运用叠加模型解决了选址决策空间上可行域或有限方案集的搜索问题,提出了选址规范决策矩阵的构建和求解方法,并给出了算例.     

连续恐怖袭击下反恐设施选址与资源调度优化模型及其应用

当前恐怖袭击活动由偶发的单次攻击发展为不同地域内连续发动袭击.考虑政府部门统筹反恐设施选址和应急资源调度,构建了连续恐怖袭击下反恐设施选址优化与反恐资源调度优化的斯塔克伯格博弈模型,并分析政府与恐怖分子的均衡行为.结合新疆喀什地区重要城市反恐设施网络结构的实例,数值分析得出了选址点个数、袭击次数、是否考虑反恐资源调度等因素对政府与恐怖分子最优效用的影响;最优反恐资源投入量与袭击次数和选址点个数之间的关系.研究表明:反恐资源最优投入量、反恐设施选址点个数和政府应急管理能力三者具有替代关系;政府反恐力量联合考虑反恐设施优化选址和反恐资源优化调度的实施效果更好.     

不确定与损毁情景下可靠性设施选址鲁棒优化模型与算法研究

设施选址是长期战略性决策问题,选址决策面临各种不确定因素,设计一个可靠的选址网络具有重要的战略意义.本文同时考虑需求的不确定性及设施可能损毁的情景,扩展无容量限制的固定费用可靠性选址模型,建立不确定与损毁情景下服务能力有限的可靠性设施选址鲁棒优化模型.基于Bertsimas和Sim鲁棒优化方法提出一个新的混合整数规划模型,通过引入辅助变量和对偶变换实现非线性鲁棒优化模型转化为鲁棒对应模型,提出蝙蝠算法(BA)对模型予以求解,并通过算例仿真验证模型和算法的可行性,为设施选址决策提供模型和方法设计.     

基于半连续型选址模型的中国-西非航线枢纽港选址优化北大核心CSCDCSSCI

针对中国-西非航运系统的主要特征,在考虑航线网络演变与枢纽港选址互动关系的基础上,提出半连续型枢纽选址模型解决西非沿海地区的枢纽港选址问题。与传统离散型选址模型不同,新模型放松了对枢纽港备选区域需有限且离散的限制,允许枢纽港选址于目前尚未拥有港口的区域,适用于西非地区这类港口分布密度较低的地区。根据半连续型模型特点,设计了基于Frank-Wolfe算法的遗传算法用于计算求解。优化结果表明:在中国-西非航路上,西非中部区域的阿比让港、科托努港和洛美港具有重要作用,应当作为枢纽港建设的首要选址地;而西非北部沿海和南部沿海区域尚不具备建设枢纽港的条件,应视为中部地区的喂给地区。     

考虑出行者异质的多类型充电设施部署优化

考虑新型的兼容插电式充电与无线充电的电动汽车，以及路网中具有不同时间价值的出行者，本文研究了在有限投资预算约束下的多类型充电设施部署优化问题，包括传统静态插电式充电设施和动态无线充电设施在路网上的布局.本文提出了一个双层规划数学模型，上层模型描述了政府在给定投资预算下，如何确定充电设施的部署位置与类型，以使得系统总出行成本最小；下层模型采用多类型用户均衡（UE）准则来描述路网流量分配与充电设施部署位置的相互作用，即出行者的出行选择行为.针对提出的双层规划数学模型，本文提出了改进的混合整数代理模型优化算法（MSO-MI），并在其中嵌入双投影算法求解下层的多类型UE问题.算例分析验证了提出的模型和MSO-MI算法的有效性.     

综合多准则决策的保障设施选址-分派方法

首先总结了现有设施选址决策方法,分析了现有方法的局限性,进而提出了综合多准则决策的保障设施选址-分派方法.在研究描述被保障单位的保障反应时效性要求的函数的基础上,基于最大覆盖选址模型和"部分覆盖"思想建立了使保障部门和被保障单位满意度最大的选址-分派优化模型,给出了基于拉格朗日松弛的模型求解算法并进行了算法实验验证,实验结果表明该算法有效.     

考虑信息隐藏策略的反恐应急设施选址模型

恐怖袭击常以人流密集地区的平民对象作为袭击目标,极易造成严重后果.通过反恐应急设施的合理布局可以缩短救援时间并降低袭击损失.在设施选址过程中,政府还可通过选址信息的隐藏来获取信息优势,误导恐怖分子的袭击策略并改善效用.首先,对考虑信息隐藏策略的反恐应急设施选址问题进行描述,结合随机选择模型刻画恐怖分子的有限理性行为,并将该问题构建为一类双层规划模型;随后,针对模型分别设计精确解算法和遗传算法,并结合喀什地区交通网络进行仿真分析.结果发现:恐怖分子理性程度已知时,相比于选址信息的完全公开,隐藏部分信息后更有利于降低政府损失,信息隐藏的最优数量与恐怖分子理性程度相关;恐怖分子理性程度未知时,在其理性程度被低估的情形下,选址信息隐藏策略更能发挥作用.