基于不确定规划的供应链网络设计模型与算法

利用不确定规划,根据决策者的要求,对供应链网络设计问题进行建模.并采用由随机模拟、模糊模拟以及遗传算法相结合的混合智能算法来求解,最后给出了生活中的实际例子来说明模型和算法的正确性和高效性.     

加权极大-极小随机模糊投资组合模型及实证研究

考虑投资者面临证券市场随机和模糊的双重不确定性,将证券收益率视为随机模糊变量,根据前景理论建立符合投资者心理特征的期望收益和目标概率隶属度函数。利用加权极大-极小算子考虑投资者对期望收益和目标概率的差异要求,构建目标权重不等的加权极大-极小随机模糊投资组合模型,进一步推导模型的最优解。采用实证的方法,研究模型的表型。结果表明:加权极大-极小随机模糊投资组合模型有效边界与均值-方差投资组合模型不一致;加权极大-极小随机模糊投资组合模型可以根据期望收益和目标概率的权重变化,构建符合不同投资者心理需求的投资组合;加权极大-极小随机模糊投资组合模型的投资收益优于均值-方差投资组合模型。     

模糊随机需求模式下的扩展报童模型与求解算法

将模糊随机需求期望值理论引入对模糊随机需求模式下单周期库存优化问题研究，建立了模糊随机收益期望值最大化的单一产品模糊随机报童模型和多产品模糊随机规划报童模型．并根据遗传算法理论和计算机模糊随机变量模拟技术设计了求解模型的智能算法。     

不对称信息供应链应对突发事件协调模型

针对由1个供应商和1个零售商构成的供应链,假设产品的市场需求为零售价格的非线性函数,在零售商成本为私有信息条件下,研究如何协调供应链应对突发事件。给出了对称信息下供应链协调模型;研究了不对称信息下集权式供应链的优化策略,以及分权式供应链的协调机制;研究了在突发事件引起零售商成本分布函数扰动情况下,供应链的最优应对策略。研究表明:供应链的最优生产计划、最优批发价格和最优零售价格均具有一定的鲁棒性,当突发事件造成零售商期望成本在一定范围内发生扰动时,三者可以保持不变;当零售商期望成本扰动超过一定范围内时,则需要对之加以调整,才能有效应对突发事件。最后,通过数值仿真验证了相关结论。     

求解模糊机会约束规划模型的微粒群算法

针对现在不确定规划领域中存在的模糊机会约束规划模型和群智能优化方法-微粒群算法,提出了一种求解模糊机会约束规划模型的新混合智能算法.该算法利用微粒群算法并运用模糊模拟技术对模糊机会约束规划模型的规划问题进行分析和数值求解,因而无需像传统的基于遗传算法的混合智能算法那样需要很长时间并经过复杂的计算才能得到结果.通过对实际模型的分析和数值求解,给出了应用该方法的具体步骤,说明了该混合智能算法的合理性和有效性.     

考虑公平偏好的零售商最优订货量决策分析

运用公平偏好模型,在由面向随机市场需求的零售商和供应商组成的二级供应链下,对具有公平偏好的零售商在其不具有资金约束和具有资金约束且不进行任何融资下的供应链决策进行分析。研究发现,当零售商不存在资金约束时,零售商对公平越关注,其最优订货量越大、期望利润越少,供应商的期望利润越大,并且当零售商对公平和收益保持同等关注时,零售商的最优订货量能达到无公平偏好时集中化供应链下的最优订货量;当零售商存在资金约束且不进行融资时,零售商的公平偏好对其最优订货量没有影响。     

随机需求与随机生产环境下的综合能力规划研究

为研究随机因素对一般制造企业能力扩张决策的影响,考虑市场需求的随机性和生产作业消耗的随机性,基于能力规划模型的一般形式构建了随机市场需求和随机生产环境下的能力规划模型.通过机会约束规划方法,找到了随机生产能力约束的确定性等价类,同时,使用随机线性约束的二阶段求解方法,建立了随机需求约束的确定性等价模型,以随机环境下期望成本最小为决策目标,得到了随机能力规划问题的确定性等价形式.建立了使用遗传算法搜索能力调整变量,而使用原始-对偶方法求解产品组合决策二次约束规划的算法结构.通过算例证明了模型和算法的有效性.     

供应商持股制造商的供应链协调

构建随机市场需求环境下供应商持股制造商的供应链模型,分别给出供应商的最优批发价格决策与制造商的最优订货量决策。研究表明,供应商对制造商的持股虽然减弱了但是并没有消除供应链系统中的双重边际效应。随后,设计了基于回购策略与补贴策略的供应链协调契约。在该协调契约下,供应商能够通过调整契约中的批发价格,以任意比例与制造商分享系统期望利润。即供应链系统可以实现完美协调。     

随机能力规划的Scenario模型及其决策风险分析

为研究随机环境下的生产能力扩张问题,采用Scenario方法,建立了市场需求量和产品价格为随机变量的多计划期能力规划决策模型.其中考虑了两种情况：一是能力投资方案不随市场需求的随机实现而变化的预报型模型,二是投资方案可以跟踪市场需求随机实现的适应型模型. 算例研究比较了这两种模型的决策效果.进一步,使用下方风险分析,探讨了随机能力扩张的投资决策风险,建立了考虑期望收益风险的预报型能力规划决策模型.该模型在随机规划中加入了一个期望下方风险约束,以反映决策者的风险偏好,基于算例讨论了考虑风险和不考虑风险时的决策差异.     

基于多变量支持向量机的供应链需求预测分析

在供应链中,市场需求往往受到多个因素的影响,单一变量的预测方法已经无法达到预测期望。为了提高预测精度,削弱牛鞭效应,根据Agent理论构建供应链模型,提出一种基于多因素的支持向量机需求预测方法;通过选取主要影响因素,建立多变量SVM预测模型,并利用遗传算法对SVM模型的参数进行优化选择,最后利用算例进行仿真分析。实验结果表明,与单变量支持向量机相比,多变量支持向量机充分考虑影响市场需求的相关因素,最大程度挖掘了数据中的有效信息,提高了供应链需求预测的准确性,从而缓解了供应链中的牛鞭效应。     

供应链系统中零售商横向转载的随机规划模型及算法

为了研究随机需求下供应链系统中多零售商的横向转载问题, 提出了一种基于随机规划方法的多零售商横向转载模型, 并设计了一种启发式算法用于模型求解.考察由一个外部供应商和多个零售商组成的供应链系统, 供应商和零售商均采用order-up-to方法控制库存, 零售商面临随机性需求且相互之间存在横向转载.在横向转载经典假设条件下, 构建了以供应链总成本为目标的混合0-1规划模型.考虑到该模型中存在随机变量, 将模型转化为随机期望值规划模型进行求解, 结合随机拟梯度算法及遗传算法设计了一类启发式算法来求解模型, 给出了详细的求解过程.利用数值算例的仿真结果验证了模型及算法的有效性, 还就需求相关程度的影响及转载假设条件的影响进行了详细分析.研究结果表明:模型及算法对存在横向转载的供应链系统确定最优库存水平是相当有效的.     

模糊供应链批量生产计划问题

描述了模糊单位生产成本、模糊生产能力以及模糊需求下的分布式多工厂供应链批量生产计划问题。根据不同的决策准则建立了模糊期望值模型和模糊相关机会约束规划模型。当模糊变量是三角模糊数时,讨论了模糊规划模型的清晰等价形式,并采用遗传算法给出了求解模型的具体步骤。最后通过一个数值例子验证了方法的有效性。     

战术辅助决策系统中的态势评估问题研究

从感知、评价、决策的认知过程研究了现代军机战术辅助决策系统结构、组成和功能，并对态势评估和任务规划两个关键子系统进行了研究，提出了基于黑板知识库系统的态势评估实现结构。重点研究了基于贝叶斯网络和模糊逻辑技术的战场威胁评估算法，首先采用贝叶斯网络对威胁源的威胁级别进行评估，在此基础上，采用模糊逻辑对各威胁源的相对重要性程度进行综合评估。仿真结果表明了该评估算法的有效性，提高了决策的自动化和智能化程度。     

一类混合机会约束整数规划模型及其应用

提出并建立了一类混合机会约束整数规划模型,该模型同时含有模糊和随机参数。运用随机模拟与模糊模拟相结合的技术,给出了求解该机会约束整数规划模型的遗传算法。针对一类生产计划问题,在模糊和随机两类不确定因素同时并存的情况下,分析建模和数值求解,结果说明了模型和算法的适用性和有效性。     

基于随机模拟和Black-Scholes模型的认股权证定价研究

认股权证具有期权定价和风险规避双重功能,因此它在资本市场中起着重要的作用.在研究过程中,对认股权证的定价实证分析建立在Black-Scholes定价模型和随机模拟方法的基础上.首先假定股价的变化遵循布朗运动并采用Monte Carlo随机模拟方法预测股价的期望值,然后采用Blaek-Scholes模型进行定价.为了验证认股权证定价的精确性,随机选择十只认股权证进行实证分析.研究结果表明,认股权证的市场价格高于定价模型所得出的理论计算值,但是随着资本市场的发展,两者之间的差距越来越小.     

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.     

Fuzzy EPQ inventory models with backorder

This paper considers the economic production quantity (EPQ) problem with backorder in which the setup cost, the holding cost and the backorder cost are characterized as fuzzy variables, respectively. Following expected value criterion and chance constrained criterion, a fuzzy expected value model (EVM) and a chance constrained programming (CCP) model are constructed. Then fuzzy simulations are employed to estimate the expected value of fuzzy variable and α-level minimal average cost. In order to solve the CCP model, a particle swarm optimization (PSO) algorithm based on the fuzzy simulation is designed. Finally, the effectiveness of PSO algorithm based on the fuzzy simulation is illustrated by a numerical example. This research is supported by the National Natural Science Foundation of China under Grant No. 70471049.     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。