不确定成本下轴辐网络关键枢纽识别模型

为识别不确定运输成本下的轴辐网络关键枢纽,在枢纽阻断中位问题模型(r-Hub Interdiction Median Problem,r-HIMP)的基础上,采用不确定区间集合描述运输成本的不确定性,引入不确定性预算参数调节解的鲁棒性与最优性,构建不确定成本下的枢纽阻断中位问题模型(rHIMP under uncertain cost,r-HIMPUC),采用对偶与线性化方法将r-HIMPUC双层规划模型转化为单层线性规划模型,通过优化软件CPLEX求解并以算例验证了模型的有效性.结果表明:当不确定性预算参数为0时,模型r-HIMPUC等价于r-HIMP;当不确定性预算参数不为0时,模型r-HIMPUC与r-HIMP的关键枢纽识别结果存在差异.此外,运输成本的偏差、不确定性预算参数对关键枢纽识别结果有影响,决策者可根据风险偏好对不确定性预算参数取值.     

不确定条件下协同设计参数鲁棒优化方法

提出了不确定条件下基于广义动态约束网络(GDCN)的协同设计参数鲁棒优化方法.分析了协同设计中的参数不确定性,基于GDCN建立协同参数鲁棒设计方法框架;在同时考虑目标属性鲁棒和约束可行域鲁棒的前提下,建立了一种带偏好信息的协同设计参数多目标鲁棒优化(MORO)模型;并给出了MORO模型的优化求解流程.通过发动机设计实例,验证了该方法的有效性和可行性.     

需求不确定下船队规划决策的鲁棒优化模型

研究了不确定复杂环境下的船队规划决策问题.在分析船队规划已有研究方法和基本特点的基础上,将船舶调配优化与船队发展规划结合起来统筹研究,建立了符合市场实际的多方式投资的船队规划确定性模型.通过引入基于情景分析的鲁棒优化方法,采用具有已知概率的情景集合描述市场需求的不确定性,将此模型扩展为包含不确定因素的鲁棒优化模型.模型既考虑了船舶营运经济状态、企业投资能力、新船购置、二手船买卖、船舶租赁等多种复杂的实际情况,又考虑了需求的不确定性影响,并且体现了模型的鲁棒性.最后,以某航运公司为例进行仿真实验,将确定性模型与鲁棒模型进行对比,结果表明,鲁棒模型的解相对保守,能有效地保证船队规划决策的鲁棒性.     

需求不确定下的两阶段订货分布式鲁棒优化模型

在现代供应链管理中,订货决策在不确定需求下尤为关键。本研究针对这一问题,提出了一个两阶段分布式鲁棒优化模型以应对市场需求波动带来的风险,并采用线性决策规则和拓展的线性规则对其进行近似求解,最后通过数值实验验证模型的有效性。本研究的创新之处在于多产品库存管理模型的构建及其求解方法的优化,由此提供了在需求不确定条件下优化订货决策的新方法。     

不确定需求下应急物流系统多目标鲁棒优化模型

针对在突发事件发生的紧急救援期,应急物流系统的运载能力有限性及多种应急物资的需求不确定性,采用相对鲁棒优化方法建立了基于总时间和总成本最优的多目标数学模型.结果表明:模型合理地解决了应急物资在需求不确定条件下选址-路径的安排问题,通过算例将绝对鲁棒优化与相对鲁棒优化的对应问题以及单目标与多目标模型的最优解进行对比,验证了多目标鲁棒优化模型能够体现应急物资在需求不确定条件下选址-路径方案的最优性与鲁棒性的均衡,从而在突发事件发生时能有效保证应急物流决策的鲁棒性.     

需求不确定下的鲁棒供应链网络优化设计

建立了一个需求不确定的多产品,多原材料的由供应商-制造商-分销中心-零售商的构成的四级鲁棒供应链网络优化设计模型。模型中的需求不确定性区别于传统意义上的需求的波动,使用情景法描述。优化模型是一个混合整数线性规划模型,设计了基于改进遗传算法的MGAND求解算法。最后给出数值实验证明了模型及算法的有效性。     

不确定需求及建设成本下连续交通网络设计的鲁棒优化方法

在假设各起始点的交通发生量和吸引量确定的情况下,研究不确定需求及不确定建设成本下的连续交通网络设计问题.利用鲁棒优化方法建立了一个不确定双层网络模型,设计了基于Frank-Wolfe法的情景局部搜索法.双层不确定模型中下层模型是需求属于一个简单有界闭集的用户均衡问题,上层模型是建设成本不确定的系统总阻抗最小的优化问题.通过数值算例分析,得到鲁棒优化下的不确定网络设计模型稳定性优于确定性设计模型的结论.     

客流需求不确定下城市轨道交通线路协同限流鲁棒优化研究

研究了客流需求不确定下城市轨道交通线路协同限流问题。构建了城市轨道交通线路协同限流确定性模型,在此基础上,基于情景分析的鲁棒优化方法,采用具有已知概率的情景集描述客流需求的不确定性,将此模型扩展为含不确定因素的鲁棒优化模型,对每个时段每个车站的最佳进站量进行了求解,达到在保障运营安全的同时使站外的滞留人数最少的目的,并以北京地铁八通线为例对模型进行了验证。通过将确定性模型与鲁棒模型进行对比发现,鲁棒模型能降低限流策略对不确定客流需求的敏感程度,使不同需求情景下的滞留人数保持在可接受的范围内。     

需求不确定环境下闭环供应链回收渠道决策研究

本文主要研究了市场需求的不确定性对闭环供应链回收渠道决策的影响。利用鲁棒优化的方法研究了在市场需求不确定的情况下三种回收渠道的鲁棒优化问题,并对三种回收渠道下模型进行了比较分析。     

混合不确定条件下多式联运路径优化

针对运输时间及需求不确定的多式联运路径优化问题,综合考虑货运过程中节点作业时间窗、运输方式固定出发时刻及终点处的收货时间窗约束,采用基于情景的鲁棒优化方法,建立以运输、中转和仓储费用之和最小的多式联运路径优化模型,设计遗传算法并进行有效性检验.通过算例研究比较不同模式下多式联运的运输方案及成本,并探究鲁棒优化解的质量与遗憾系数、随机数波动范围的关系.研究结果表明：节点时间窗的存在和改变会导致运输成本和运输方案的变化,混合不确定条件下的多式联运路径鲁棒优化受到遗憾值约束及不确定因素波动范围的影响,将导致运输成本增加.由此,多式联运决策者需预判不确定因素的影响、选择合适的最大遗憾值、关注节点混合时间窗约束以降低成本提高效率.     

上海港集装箱内河集疏运网络优化

对上海的内河网络做了比较全面深入的分析研究.首先,把上海内河航运网简化成网络结构图,把比较关键的航道交汇点抽象成结点并分配相应的集装箱数;其次,结合“一环十射”规划综合分析航道运输能力,力图与实际情况相符合;最后,采用Dijkstra算法计算出各节点到目的港区的最短途径,分析计算结果与各河段的运输能力,修正运输途径以得出航运系统比较满意的内河运输集疏运网络方案.     

电源分配网络阻抗分析及去耦电容优化

高速印制板电源分配网络（power delivery networks,PDN）受电电源端口具有瞬时电流大、目标阻抗小的特点。针对任意形状电源板的阻抗问题,提出一种基于解析式与有限差分法的互补模型,并在此基础上结合粒子群算法实现多个受电电源端口的阻抗优化。通过 Matlab 仿真,发现互补模型的结果与全波有限元法的基本吻合,计算时间则大幅缩短。测量结果表明,优化后实验板的多个受电电源端口阻抗均满足各自的目标值要求。     

需求不确定电子供应链的鲁棒运作模型

建立了由多个供应商、多个顾客构成的电子供应链在顾客需求不确定情况下的单目标鲁棒运作模型.供应链中,每个供应商均可以通过电子市场或直接将自己生产的多个产品供应给具有不确定需求的多个顾客,供应链追求整体运作成本最小化.采用已知概率的情景集合描述顾客的不确定需求,利用基于情景分析的鲁棒优化方法建立供应链的运作模型.为了检验所建模型的鲁棒性及运作目标的数目对建模方法有效性的影响,利用已有文献的相关数据进行了仿真计算,并对两者的计算结果进行了比较.结果表明,在不确定需求的扰动下,供应链的运作模型确实具有鲁棒性,而且运作目标的多少对建模方法的有效性没有影响.     

一类不确定优化问题的鲁棒对偶性刻画

通过引入一类目标函数和约束条件均带有不确定信息的优化问题, 借助鲁棒型次微分约束品性, 刻画了该不确定优化问题与其不确定对偶问题之间的Mond-Weir型鲁棒对偶性, 即原问题的鲁棒对应与其对偶问题的最优对应之间的对偶性.     

需求不确定下的生物质物流系统的选址与路径问题

为有效解决在生物质资源开发和利用过程中物流系统成本较高等问题,通过研究需求不确定性对生物质物流系统选址与路径问题的影响,提出生物质物流系统选址与路径的鲁棒优化模型。使用混合整数非线性规划对该问题进行数学描述,再根据强对偶理论将非线性模型转化为等价的线性鲁棒优化模型。利用CPLEX软件进行数值计算和分析,结果表明：需求不确定性会对生物质物流系统的最优决策产生影响。基于该模型的特殊性开发相关的自适应遗传算法,通过算法自适应机制避免陷入问题的局部最优情况,从而更精确地接近问题的最优解,最后通过大型算例验证所提出的自适应遗传算法相比于传统的遗传算法具有更加良好的性能。     

不确定条件下多产品第四方物流闭环网络鲁棒优化研究

在不确定条件下,构建了一个包括生产商、集中退货中心、消费区/初始退货点、维修处理中心、分销中心和废弃处置中心的单周期多产品第四方物流闭环网络选址模型。在销售量和退货率均不确定的情况下,用鲁棒优化的方法进行优化,目标是使总成本最小。通过lingo 10对具体算例进行求解。结果验证了该模型的鲁棒性。     

灾后初期考虑需求及时间不确定的应急物资配送中心选址-分配优化

面向灾后初期受灾点对应急物资需求的不确定性,考虑因通道中断造成的运输时间不确定性,以应急物资配送总成本最小和受灾点综合满意度最大为目标,构建应急物资供不应求状态下应急物资配送中心选址-分配多目标优化模型,其中,综合满意度由时间满意度和需求满意度共同刻画;设计量子粒子群优化算法对模型求解,采用遗传算法与之对比,并对相关参数进行敏感性分析。算例分析结果表明,该模型和算法是有效的,可以提供较优的选址-分配方案。     

信息不确定条件下的鲁棒数据包络分析建模

为应对传统DEA方法在信息不确定条件下评价结果可能出现不稳定的现象,结合鲁棒优化方法,构建鲁棒数据包络分析RDEA模型,分别和同时应对投入产出数据受到扰动的情形,以增强DEA评价方法的可靠性.算例和敏感性分析表明RDEA方法对投入产出数据不确定性有免疫作用,通过适当牺牲最优性实现了提升效率评价结果稳定性的目的.     

不确定环境下的物流配送中心选址模型

针对现实中普遍存在的不确定环境，提出了当需求量为一般的不确定量：区间数时，物流配送中心选址的区间规划模型，并依据不同的决策标准，将其转化为确定的单目标或多目标规划模型．基于Matlab模拟的数值实例也显示了该优化问题的现实性与最优解的多样性．     

一种基于网络嵌入的社区发现方法

社区发现是社会网络分析的重要任务,有助于理解中观尺度的网络结构.现有的诸多社区发现方法仅考虑网络的拓扑信息,忽略了网络中每个节点所包含的属性信息.为此,本研究首先基于社会网络的拓扑结构信息与节点属性信息分别构建初始特征矩阵;然后基于网络嵌入模型,融合初始特征矩阵的主成分信息,构建共识嵌入矩阵;最后,给出社会网络中"领袖节点"的泛化定义形式,并提出一种改进的图聚类算法(LIK-means)挖掘社会网络中潜在的社区结构.实验表明,LIKmeans较其他经典算法有较好的可扩展性,同时在真实社会网络中的社区识别精度更高.