面向双层自动分拣系统的包裹分拣优化模型与算法研究

近年来随着电子商务的快速发展,分拣订单呈现批量小、品种多、配送周期短、精度要求高等特征,这对分拣作业提出了更高的要求。为了缩短分拣时间、降低分拣成本、提高分拣效率,物流企业开始逐步使用双层分拣设备。本文采用了"成组分拣"方法以提升托盘利用率,"成组分拣"是指一种将分散的单件包裹按一定的规则组合在一起,成为一个规格化、标准化的大分拣单元进行分拣的方法。根据"成组分拣"的定义,本文研究了一个考虑成组分拣的双层分拣设备目的地指派问题,并设计了一种高效的变邻域禁忌搜索算法,该算法能在较短时间内对该问题进行求解,得到一个满意解。实验结果表明,采用"成组分拣"方法与考虑目的地指派问题可有效提高分拣设备的分拣效率。     

求解带时间窗的装-卸载问题的概率式禁忌搜索算法

本文介绍一个求解有时间窗的装载—卸载问题的概率式禁忌搜索算法。论文首先回顾了求解VRP、PDP问题的主要方法,介绍了搜索算法的基本概念,给出了基于概率式禁忌搜索的详细算法。初步实验表明新算法优于传统禁忌搜索算法。     

随机环境中的生产作业计划问题

生产系统中通常会涉及各种不确定因素 ,如不确定的顾客定单、不确定的生产作业时间等 .在当今时间竞争非常激烈的时代中 ,生产型企业如何把握生产系统中的这些不定因素变得尤为关键 .本文研究在不确定的作业时间、工序间延迟时间等情况下的生产作业计划问题 ,利用 scenario模型把这类随机生产计划问题归纳为一个多阶段随机决策问题 .进而 ,采用Lagrangian松弛和 scenario分解的方法求解这样一个大型的决策问题 .最后 ,就一个实例建立模型、进行计算和分析 ,以说明本文提出的随机生产计划方法的特点和有效性     

具有遗憾值约束的鲁棒供应链网络设计模型研究

考虑不确定性环境,研究战略层次的供应链网络鲁棒设计问题,目标是设计参数发生摄动时,供应链性能能够保持稳健性。基于鲁棒解的定义,建立从上游供应商选择到下游设施选址-需求分配的供应链网络设计鲁棒优化模型;提出确定遗憾值限定系数上限和下限的方法,允许决策者调节鲁棒水平,选择多种供应链网络结构;通过模型分解与协调,设计了供应链节点配置的禁忌搜索算法。算例的计算结果表明了禁忌搜索算法具有良好的收敛特性,以及在处理大规模问题上的优越性;同时也反映了利用鲁棒优化模型进行供应链网络设计,可以有效规避投资风险。     

禁忌搜索算法在单分配多枢纽轴辐式物流网络中的应用

随着经济的发展,轴辐式网络因有提高运输效率,优化资源配置,产生范围经济等作用越来越多的受到各方面学者的关注。本文对轴辐式网络进行优化分析,改进轴辐式网络的多重分配多枢纽中位问题模型,得到无容量限制的单分配多枢纽中位问题模型(USApHLP)的混合整数线性规划模型,并采用改进的禁忌搜索智能算法来求解,通过算例验证了禁忌搜索算法可以有效的求解单分配多枢纽中位问题。     

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。     

考虑故障停机的生产控制与维修计划联合决策模型

通过生产控制与维修计划协同决策,降低生产成本。首先描述生产过程,分析各项费用。其次,建立了考虑生产过程失控、故障率和故障停时间的生产过程控制、生产计划优化和维修管理联合优化决策的模型。通过模型求解,联合制定出生产过程检查策略、生产计划（经济生产批量、生产批次）以及维修计划（PM间隔期）,实现单位时间内总费用最低的目标。再次,案例研究,分析生产过程失控、故障率和故障停机时间对于经济生产批量、生产过程检查策略和生产系统维修计划的影响。该模型从理论上解决了生产过程控制、生产计划优化和维修管理联合优化决策难题,对于指导企业制定生产计划和生产系统的检修计划,进而提高产品质量、降低生产成本、确保准时交货都具有指导意义和实用价值。     

大规模客运专线网络运营优化模型与求解算法

本文在分析铁路运营优化模型的研究进展的基础上,提出了一个适合大规模客运专线网络运营的优化模型,并提出了求解此模型的列生成算法和启发式快速算法。目的是将客运专线网路的开行方案优化与动态收益优化问题结合起来,解决更大、更复杂的客运网络运营优化问题。模型以列车运营总收益最大化为目标。用随机生成数据进行的模型试验表明,模型及算法可以在较短的时间内求解较大规模的收益管理优化问题。     

灰色Verhulst模型背景值优化的建模方法研究

本文对传统灰色Verhulst模型背景值的误差来源进行分析,对模型的背景值进行优化,以期提高模型的模拟预测精度。基于灰色Verhulst模型时间响应式的Logistic函数形式,文章利用Logistic函数拟合模型中的一阶累加生成序列,经过一系列的数学推导,借助反向累加生成的思想,解出了Logistic函数中的三个参数,得到了灰色Verhulst模型背景值的优化公式,并建立了优化的灰色Verhulst模型。最后分别通过算例和应用实例验证本文的优化效果,结果表明,利用优化的背景值公式可以有效地提高传统灰色Verhulst模型的模拟预测精度。     

带有单件流的混流生产方式提前期的分析与优化

通过数学分析说明了提前期问题的重要性,建立了带有单件流的混流生产方式的提前期模型,找到影响提前的关键因素为最大工序调整时间之和与品种的最大工序加工时间,并通过作业排序和平衡生产线等方法优化了这两个因素,通过一个算例说明制造提前期得到了显著缩短.     

装卸一体化的车辆路径问题及基于插入法的新禁忌算法

在日益激烈的市场竞争中,如何在降低成本的同时,让各个顾客尽快收到货物成了现代交通运输物流中一个越来越重要的考虑因素。基于某快递公司的运输实例,本文提出了装卸一体化的车辆路径问题模型,最终优化目标是最小化车辆运输时间和货物到各个顾客的时间的加权和,并给出了一种基于插入法的新禁忌算法,实验结果表明新禁忌算法在显著提高传统禁忌算法计算时间的同时,还能得到理想的成本,并且对节约快递公司的运输成本方面有显著成效。     

利用和声分散搜索算法解决动态共乘的乘客选择研究

动态共乘作为一种配合解决城市交通出行难题的新模式近年来引起了人们越来越多的关注，然而在较大范围内选择合适的乘客，以便获得最佳的综合服务效果却具有相当大的挑战性。本文正是针对这一问题，建立了以乘客效用最大化和司机总行程最短为目标函数，以满足司机与乘客的时间要求和司机参与约束为限制条件的多目标0-1规划共乘模型，用于帮助司机选择最合适的乘客。根据该模型的特点，构造了加入了分散搜索机制的新的和声搜索算法。在仿真实验时，针对司机和乘客效用的两种产生方式，在较大规模的路网环境下利用该算法分别对模型进行了求解，得到了Pareto最优解集。仿真结果不仅表明了模型的合理性和算法的可行性，而且还指出基于效用函数可以发现更多合适的潜在乘客。最后，通过与文献中其它算法的对比进一步展示了本文算法的有效性。     

TOTAL SETUP LOT SIZING WITH QUANTITY DISCOUNTS*

Often, order quantity decisions are made by purchasers facing a price schedule of quantity discounts. Traditional solution procedures have consisted of the evaluation of total cost at numerous price-break points in search of the lowest total cost. This approach is tedious and not particularly informative, especially when one is faced with lengthy schedules. This paper presents a total setup lot-sizing model that reduces the computations required to find the least-total-cost quantity, given parameters from a supplier's price schedule. The parameters are first obtained by simple regression (graphical or computer) and in themselves can provide valuable insight for the purchaser's decision making. A total setup lot-sizing model is next developed to define a “critical interval” that contains the solution. The model and algorithm are tested under a variety of conditions. Their application offers the decision maker a convenient alternative to determine the best quantity to order from a tendered price schedule.     

Tabu search for the real-world carpooling problem

Carpooling is a flexible shared transportation system which can effectively reduce the vehicle numbers and fuel consumption. Although many carpooling systems have been proposed, most of them lack practicality, veracity, and efficiency. In this paper, we propose a new useful variant model of the long-term carpooling problem which involves multiple origins and one destination. Such problems commonly occur in a wide number of carpooling situations in real-world scenarios. Our work is motivated by the practical needs to solve environmental pollution, parking problems, traffic jams and low utilization of resources. A Tabu search algorithm is proposed in this paper to solve the carpooling problem. The proposed algorithm aims at a wide range of passenger distribution and routing problems. The computational results based on real world user data show the effectiveness of the proposed algorithm. Moreover, we developed a mobile application based on our carpooling model.     

基于P-中位模型的网络关键设施识别问题的算法设计与实现

在网络服务系统中,存在由于各种人为因素(恐怖行为、黑客袭击等)导致网络设施服务中断的情况.为抵御有预谋的攻击,需要更加重视如何识别网络系统中的关键设施.结合P-中位选址模型,以设施失效对网络系统运行效率影响最大化为目标,给出针对基于P-中位模型的网络关键设施识别问题(即R-中断模型),并针对该模型提出贪婪搜索、邻域搜索和禁忌搜索3种算法.结合Galvo、Europe 150 和USA 263 等大型的测试实例,对上述算法进行比较分析,得出禁忌搜索算法最有效的结论.最后,结合Europe 150 数据的例子比较了P-中位问题与R-中断问题,认为在选址决策中事先考虑到人为攻击导致的中断问题可以增加网络的抗攻击能力,减少损失.     

自动化立体仓库中的储位分配及存取路径优化

储位分配和存取作业路径优化是仓储管理中的两个重要决策问题。本文研究如何在自动化立体仓库中对这两个问题进行同时决策。提出了一个混合整数规划模型对该问题进行优化建模,设计开发了一个基于有向连接图的两阶段优化算法对问题求初始解,并利用禁忌搜索算法对所求得的解进行改进。算法第一阶段解决储位分配问题,在此基础上第二阶段利用Hungarian算法对堆垛机的存取作业路径优化问题进行求解。最后利用实例对算法效率和精度进行分析评价,计算结果验证了算法的有效性。     

有顾客时间窗和发货量变化的紧急车辆调度研究

对紧急车辆调度系统进行了研究,探讨了紧急车辆调度问题实现的关键技术.对有顾客时间窗和发货量变化的紧急车辆调度问题,运用了禁忌算法(TS)进行优化.算法基于实数编码,应用GENI插入法产生初始解和进行邻域操作,设计了三种邻域,利用容量约束控制单条路径配送点数,采用惩罚函数处理时间窗约束,通过设计虚拟车场等方法实现了车辆的紧急调度.本文给出了一个具有代表性的算例试验结果,算例结果及其分析表明了此方法对优化紧急车辆调度问题的有效性.     

Managing appointments with waiting time targets and random walk-ins

The random arrivals of walk-in patients significantly affect the daily operations of healthcare facilities. To improve the performance of outpatient departments, this paper attempts to make an appointment schedule by considering walk-ins and the waiting time target (WTT) for appointment patients. A stochastic programming model is proposed to solve this problem with the objective of minimizing the weighted patient waiting and makespan cost. A non-decreasing waiting cost function is used to capture the WTT fulfillment of appointment patients, whereas walk-ins incur a linear waiting cost. A finite-horizon Markov Decision Process model is formulated to establish the optimal real-time scheduling policy under a given appointment schedule. The appointment schedule is determined by a two-stage stochastic programming approximation and a local search improvement. Structural properties of the optimal appointment scheduling and real-time scheduling policies are established. In particular, it is shown that appointment overbooking is allowed only at the end of the regular session, and the optimal real-time scheduling policy is an easy-to-implement threshold policy with bounded sensitivity. Numerical experiments based on real data are performed to investigate the influence of different parameters and to compare different schedules. The optimal schedule demonstrates superior performance by allowing reasonable waiting times for appointment patients depending on their WTTs. Managerial insights are also provided to hospital managers. Finally, the basic model is extended by incorporating random service times and random arrivals of appointment patients. The latter includes the random number of patients that show up for service or call for appointments, and the random arrival time (unpunctuality). Appointment overbooking strategies are shown to have different structures under some stochastic factors.     

突发疫情环境下考虑订单释放时间的零售物流配送路径优化研究

“新冠肺炎”疫情突发严重危及了人们的生活安全，而物流保障在疫情防控、保民生活、稳定社会方面却起到了重要支撑作用。以保证民生的零售物流配送为背景，本文研究考虑订单释放时间的车辆路径优化问题，以配送完工时间与运输成本的加权之和最小为目标，构建了线性规划模型,并设计了改进的迭代局部搜索求解算法。该算法采用基于多种邻域结构和改进的US算法的局部搜索过程以增强算法的寻优能力，通过引入大路径和最优分割过程获得高质量的初始解和打破机制以增强算法的搜索效率。同时，提出一些性质用于拉格朗日松弛算法，为本文研究问题提供高质量的下界。最后，数值实验部分通过求解标杆算例和文中算例验证了模型和算法的有效性，并对订单释放时间和模型参数进行灵敏度分析，结果表明本文模型和算法能够为零售物流配送的效率提升和成本控制提供有效的决策支持。