蚁群算法研究评述

对蚁群算法的相关研究领域进行了评述,阐述并分析了蚁群算法的研究进展,重点介绍了蚁群算法及其一系列改进算法的基本原理和应用研究成果,最后从发展重点和未来应用等方面探讨了蚁群算法研究的进一步发展方向.     

物流配送车辆的干扰管理序贯决策方法研究

针对物流配送系统中车辆由于干扰事件而产生的时间延迟,运用干扰管理的思想,首先对干扰事件演进过程进行分析,提出了时间延迟的干扰管理问题的多阶段划分方法,然后通过对偏离成本的探讨,建立了兼顾物流供应商和客户两个主体的时间延迟度量模型,进而形成了处理时间延迟干扰问题的序贯决策方法.最后采用一个具体实例,验证了上述方法的可行性.     

基于前景理论的物流配送干扰管理模型研究

针对干扰事件导致物流配送难以顺利实施这一难题,运用干扰管理思想,通过结合行为科学中对人的行为感知的研究方法与运筹学中定量的研究手段,从客户、物流配送运营商、配送业务员三个方面度量物流配送系统的扰动,提出基于前景理论的扰动度量方法,构建字典序的多目标干扰管理模型并采用改进的蚁群算法进行求解.实例结果表明:本文方法比全局重调度方法和局部重调度方法更实用——能够均衡各方的利益,得到的调整方案对系统的扰动更小.     

物流配送系统干扰管理研究的问题与思考

干扰管理是国际上管理科学、运筹学和系统工程等领域备受关注的新的研究方向,近年来已成为相关领域研究的热点。干扰管理与其他不确定性决策方法有着明显区别,综合国内外学者对干扰管理的研究进展,物流配送系统干扰管理领域难点问题具体体现在:(1)物流配送系统的扰动如何度量?(2)如何快速有效地处理干扰事件并形成系统扰动最小的调整方案?(3)干扰事件应对方案的在线生成方法和手段。对此,本文提出了以下几点思考:(1)物流配送系统扰动的度量方法;(2)干扰事件的快速处理与决策方法;(3)干扰事件应对方案的在线实时生成方法和手段。     

干扰管理研究评述

对干扰管理的相关研究进行评述,概述干扰管理思想的形成及发展,分析干扰管理的两大类模型--网络图模型和数学模型,评述求解干扰管理模型的精确算法和启发式算法,并介绍干扰管理在航空、物流配送、供应链、机器调度及项目管理等问题中的应用,最后提出干扰管理的进一步研究方向.     

客户时间窗变化的物流配送干扰管理模型——基于行为的视角

针对客户时间窗变化而导致的物流配送难以顺利实施这一难题,运用干扰管理思想,以提高物流配送干扰管理决策过程的科学性为目标,结合行为科学中对人的行为感知的研究方法与运筹学中定量的研究手段,分析客户时间窗变化这类干扰事件对客户、物流配送运营商和配送业务员等受扰主体的影响,研究基于行为的扰动度量方法, 构建客户时间窗变化的字典序多目标干扰管理模型,并给出快速高效的求解方法。实例结果表明:本文方法比已有的全局重调度方法和局部重调度方法更实用--能够均衡各方的利益,获得扰动最小的调整方案。