基于鲁棒优化的人力资源规划模型研究

本文分析了企业人力资源流动问题的特点,考虑到因企业内外部环境带来的不确定性因素,建立了基于鲁棒优化的人力资源规划模型,从而在人员流动确定性模型的基础上,分析了当其中某些因素产生不确定性的波动时,人员流动如何变化,以求更加贴近实际问题,使研究结果更具有实际参考价值.     

基于遗传算法的资源约束型项目调度优化

资源约束型项目调度的优化是一个NP-hard问题,其求解难度随着资源约束项的增多呈指数方式增长,传统的基于Excel表的手工优化方法不能及时计算出有效的资源配置方式,从而影响项目管理人员的资源调度.针对多资源约束型项目调度的优化问题提出基于遗传算法的资源约束型项目调度的优化方法,该算法采用基于活动优先权的十进制编码方式,结合活动的存储邻接矩阵,有效地解决活动调度违例现象;运用优先抢占模式的资源分配方式安排活动资源,避免资源分配中的冲突问题;并为该算法设计了启发式遗传算法的C语言程序,通过计算机的多次迭代运算得出满足资源约束的最优工期.实践结果表明,遗传算法可以快速有效地解决企业项目调度的优化问题,适合在企业项目进度管理中推广运用.     

电子市场环境下供应链运作的鲁棒优化模型

本文研究了电子市场环境下的供应链运作问题,提出了不确定环境下的鲁棒优化模型.这一研究的实质是在外界需求最差条件下,如何得到电子市场中供应链最优供应量的策略.文中采用区间方法,设计供应链运作的鲁棒最优策略.进一步,在电子市场不确定环境下,进行了鲁棒策略仿真工作,结果表明鲁棒策略能为决策者提供最坏情况下供应商提供产品数量的鲁棒解决方案.     

供需不确定条件下基于CVaR的零售商库存鲁棒优化模型

在经典报童模型下考虑供应和需求不确定性,研究了具有风险厌恶的零售商库存优化问题。采用条件风险值(CVaR)对库存绩效进行度量,构建了基于CVaR的零售商库存运作模型;在此基础上,考虑上游供应商供货能力和下游市场需求不确定性,并采用一系列未知概率的离散情景进行描述,给出了供需不确定条件下基于CVaR的零售商库存鲁棒优化模型。进一步,采用区间不确定集对未知情景概率进行建模,给出了基于最大最小准则的鲁棒对应模型。针对同时考虑供需不确定性导致的模型非凸性,采用标准对偶理论将其转化为易于求解的数学规划问题。最后,通过数值计算分析了不同风险厌恶程度和不确定性程度对零售商库存决策以及库存绩效的影响。结果表明,供需不确定性的存在虽然会导致零售商库存绩效损失,但损失值较小。特别地,依据文中模型得到的鲁棒库存策略在多数情况下能够保证零售商获得更优的库存绩效。此外,不确定性和风险厌恶程度的增加虽然会影响零售商库存决策和运作绩效,但在同等风险厌恶态度下,随着不确定性程度的增加,基于文中方法得到的鲁棒库存策略仍能确保零售商获得理想的库存绩效,表明文中所建模型在应对供需不确定性方面具有良好的鲁棒性。     

需求不确定环境下多个零售商竞争的鲁棒随机优化模型

在需求不确定环境下构建了由一个制造商和多个零售商组成的供应链系统,考虑不同产品的可替代性,建立了多个零售商竞争的随机优化模型。利用鲁棒优化方法研究了需求不确定环境下多个零售商竞争的绝对鲁棒优化问题、偏差鲁棒优化问题和相对鲁棒优化问题。最后通过数值算例比较分析了不同产品替代率下的绝对鲁棒优化解、偏差鲁棒优化解及相对鲁棒优化解。     

基于EVA与经营风险偏好的供应链鲁棒优化模型

在由一个制造商和多个外部供应商构成的多产品、多阶段供应链中,将经济增加值（EVA）作为体现价值创造的绩效指标,并考虑决策者的经营风险偏好,采用已知概率的离散情景描述资本成本与需求的波动情况,利用鲁棒随机规划方法,建立了以价值创造为目标的供应链鲁棒优化模型。应用分析的结果表明,模型能够将供应链的绩效与风险管理结合起来,减少资本成本与需求不确定对目标值的影响,得到具有鲁棒性的最优解,而且越是风险厌恶型的决策者越会为了保持较低的经营风险而放弃较大的EVA值。同时,决策者可选择不同的权重系数侧重于解鲁棒或模型鲁棒,保证供应链运作的鲁棒性,实现价值创造的目标。     

基于似然估计的零售商库存鲁棒均值-风险模型

针对具有风险厌恶的零售商,建立了权衡期望利润和条件风险值（CVaR）的均值-风险库存优化模型,给出了离散需求分布不确定条件下能实现帕累托最优但具有较高保守性和非帕累托最优但具有较低保守性的两种鲁棒对应。针对不确定需求分布,在仅知历史需求样本数据情况下,应用统计推断理论构建了满足一定置信水平的基于似然估计的需求概率分布不确定集。在此基础上,运用拉格朗日对偶理论,将上述两种鲁棒对应模型转化为易于求解的凹优化问题,并证明了其与原问题的等价性。最后,针对实际案例进行了数值计算,分析了不同系统参数和样本规模对零售商最优库存决策及其运作绩效的影响,并给出了零售商期望利润和条件风险值两个目标权衡的帕累托有效前沿。结果表明,采用基于似然估计的鲁棒优化方法得到的零售商库存策略具有良好鲁棒性,能够有效抑制需求分布不确定性对零售商库存绩效的影响。而且,历史需求样本规模越大,鲁棒库存策略下的零售商运作绩效越接近最优情况。进一步,通过对比发现,两种鲁棒对应模型虽然保守性不同,但在最终库存策略上保持一致。     

基于鲁棒优化的突发公共卫生事件精准筛查策略研究

“精准筛查”是落实突发公共卫生事件精准防控工作的基础保障和重要手段,但是如何科学合理地制定突发公共卫生事件精准筛查策略尚未开展深入研究。本文根据传染病传播机理,将待检测群体进行分类,引入“检测效用”刻画各类人群在不同时间检测对突发公共卫生事件传播扩散的抑制程度,建立以检测效用最大化为目标的鲁棒优化模型,并将其转化为易求解的鲁棒等价模型,确定最优的筛查方案。最后通过算例仿真验证模型及其转化方法的可行性和有效性,为突发公共卫生事件的精准筛查策略提供了理论指导和决策支持。     

复杂不确定环境下活动可拆分的项目资源鲁棒性调度优化

复杂不确定环境下,制定一个具有较强抗干扰能力的基准进度计划非常必要。本文研究了活动工期不确定环境下考虑活动可拆分的项目资源鲁棒性调度优化问题,旨在考虑活动可拆分,探究在活动优先关系约束、项目截止日期约束、活动拆分约束、资源流约束等条件下如何进行活动拆分决策并合理地安排各个项目活动/活动分段间的资源调配方案和时间缓冲添加策略,以制定鲁棒性最大化的基准进度计划。本文创新点如下：1)在项目资源鲁棒性调度优化问题中考虑活动可拆分,定义了资源流网络下活动自由时差的计算方法,提出了一种新的活动可拆分情形下进度计划鲁棒性的衡量方式,进而构建得到了考虑活动可拆分的项目资源鲁棒性调度优化模型;2)分析证明了问题模型的强NP-hard属性以及非线性属性,并在此基础上开发了一种内嵌资源调度安排的遗传算法进行问题求解;3)选取一个典型的实际案例对研究问题进行说明,直观展示了活动拆分执行对进度计划鲁棒性提升的重要价值,揭示了鲁棒性调度计划中资源调度方案的重要性,得到了活动拆分执行会增加项目内部资源转移次数的结论。     

基于改进遗传算法的置换装配线调度问题研究

企业的置换装配线调度问题（Permutation Assembly-line Scheduling Problem,PASP）是一类典型的NP-hard型生产调度问题,是现代集成制造系统CIMS极为关心的问题。该问题可以具体描述为n个工件要在m台机器上加工,每个工件需要经过m道工序,每道工序要求不同的机器,这n个工件通过m台机器的顺序相同,它们在每台机器上的加工顺序也相同,问题的主要目标是找到n个工件在每台机器上的最优加工顺序,使得最大完工时间最小。由于PASP问题的NP-hard性质,本文使用遗传算法对其进行求解。尽管遗传算法常用以求解调度问题,但其选择与交叉机制易导致局部最优及收敛慢。因此,本文提出基于区块挖掘与重组的改进遗传算法用于求解置换装配线调度问题。首先通过关联规则挖掘出不同的优秀基因,然后将具有较优结果的基因组合为优势区块,产生具优势的人工解,并引入高收敛性的局部搜索方法,提高搜索到最优解的机会与收敛效率。本文以OR-Library中Taillard标准测试例来验证改进遗传算法的求解质量与效率,结果证明：本文所提算法与其它求解调度问题的现有5种知名算法相比,不仅收敛速度较快,同时求解质量优于它们。     

炼钢连铸生产调度问题的两阶段遗传算法

将炼钢连铸生产过程抽象为混合流水车间,建立了0-1型混合整数线性规划调度模型。模型将严格连续浇注作为等式约束,并通过分段惩罚来平衡炉次的驻留时间。在对模型进行Benders分解的基础上,提出了将GA与LP结合的两阶段遗传算法。在算法设计中,提出了一种新的染色体编码来表示炉次设备指派与排序方案,给出了相应的遗传操作方法。算法的第一阶段通过最小化设备析取冲突来寻找高质量的种群,第二阶段通过求解线性规划模型来指导遗传算法的迭代过程。基于生产实际数据的仿真实验表明,该算法能够有效求解炼钢连铸生产调度问题。     

资源约束下多项目调度的改进遗传算法

针对资源约束下的多项目调度问题,在前人提出的有效的启发式算法研究路径基础上,本文利用遗传算法,结合进度生成机制,提出了多项目调度的改进遗传算法。与其他多项目调度启发式算法相比,该算法在平均项目延迟和最佳解比例方面都表现较好,综合利用优化后的优先规则也使得该算法更适用于不同网络复杂度和不同资源约束程度的多项目调度问题中。     

Facility Location: A Robust Optimization Approach

In this research, we apply robust optimization (RO) to the problem of locating facilities in a network facing uncertain demand over multiple periods. We consider a multi‐period fixed‐charge network location problem for which we find (1) the number of facilities, their location and capacities, (2) the production in each period, and (3) allocation of demand to facilities. Using the RO approach we formulate the problem to include alternate levels of uncertainty over the periods. We consider two models of demand uncertainty: demand within a bounded and symmetric multi‐dimensional box, and demand within a multi‐dimensional ellipsoid. We evaluate the potential benefits of applying the RO approach in our setting using an extensive numerical study. We show that the alternate models of uncertainty lead to very different solution network topologies, with the model with box uncertainty set opening fewer, larger facilities. Through sample path testing, we show that both the box and ellipsoidal uncertainty cases can provide small but significant improvements over the solution to the problem when demand is deterministic and set at its nominal value. For changes in several environmental parameters, we explore the effects on the solution performance.     

基于柔性资源约束的前摄性项目调度优化研究

不确定环境中,项目进度计划鲁棒性的高低直接影响项目能否顺利实施。本文研究了具有随机活动工期的柔性资源约束下的前摄性项目调度优化问题,目标是在柔性资源和项目工期的约束下,借助对活动开始时间合理的进行安排进而得到拥有最大鲁棒性的进度计划。首先对研究问题进行界定;随后构建优化模型,并根据问题NP-hard属性和模型特点设计了双层嵌套禁忌搜索启发式算法,通过内外两层交互搜索寻找满意解;最后通过一个实际案例对本文研究进行说明,并分析关键参数对进度计划鲁棒性的影响,得到如下结论:相对于资源无柔性情况下的项目进度计划而言,资源具备柔性后得到的项目进度计划的鲁棒性更高,具有更强的抗干扰能力,能够保证项目稳定执行;同时,项目进度计划鲁棒性分别随着项目工期的延长、资源可用量的增加或资源柔性的提高而上升。     

On the Robust Single Machine Scheduling Problem

The single machine scheduling problem with sum of completion times criterion (SS) can be solved easily by the Shortest Processing Time (SPT) rule. In the case of significant uncertainty of the processing times, a robustness approach is appropriate. In this paper, we show that the robust version of the (SS) problem is NP-complete even for very restricted cases. We present an algorithm for finding optimal solutions for the robust (SS) problem using dynamic programming. We also provide two polynomial time heuristics and demonstrate their effectiveness.     

基于免疫遗传算法和列生成的多项目人力资源调度研究

主要研究列生成法求解带有人力资源约束的多项目多模式进度管理问题。首先根据问题建立了相应的数学模型,模型中考虑了多种约束,如项目对人员能力、水平的不同要求,目标为满足约束的条件下成本最小化,其中包含固定和可变两类成本。模型分解后,按照列生成法流程求解。由于问题的复杂性,采用启发式算法求解每个子问题:首先由基于优先原则的启发式方法给出问题的初始解,再由免疫遗传算法寻优。通过数值实验分析了算法性能、模型改进情况,不同优先原则组合对目标成本和各项目间时间分配的影响。     

混合HOGA-SVM财务风险预警模型实证研究

目前涉及遗传算法与支持向量机相结合的预测模型中,遗传算法基本上采用的是标准算法.但是在对全局函数的优化中,一般的遗传算法容易陷入局部最优,从而降低遗传算法收敛速度和搜索精度,进而影响财务风险预警模型的精度与速度.基于此,提出了基于混合全局优化正交遗传算法(HOGA)和支持向量机(SVM)的财务风险预警模型(HOGA-SVM),通过使用混合全局优化正交遗传算法连同支持向量机来改进支持向量机进行财务风险预警的效果.结果显示,提出的模型不仅提高了财务风险预警的准确率和速度,而且模型的两类分类错误率(尤其是第一类分类错误率)相对其他模型也有了明显下降.未来的工作可以把模型的应用扩大到多分类的财务风险预警问题中.