基于随机p-鲁棒优化的国家血液战略储备库选址-库存模型

以往的救灾实践对建立国家血液战略储备体系提出了迫切要求。国家血液战略储备库的建设问题亟待解决。由于血液产品特性以及应急血液保障特性的存在,使得国家血液战略储备库的选址决策具有一定的复杂性。本文将问题定位为选址-库存问题。首先,以应急条件下血液保障及时度最高为目标,构建了一个不确定环境下考虑多情景、多血型、多阶段、带提前期、有容量限制、日常随机需求、有预算约束及协同定位的国家血液战略储备库选址-库存模型。同时,为了规避应急条件下的不确定风险,进一步构建了国家血液战略储备库选址-库存问题的随机p-鲁棒优化模型。该模型为离散非线性混合整数规划模型,难以快速精确求解。故基于模型性质,设计了相应的遗传算法。最后,设计了两组算例验证模型与算法的有效性。其中,第1组算例基于我国大陆地区31个省级血液中心与省级行政区的数据,并根据不同预算值给出6个算例,得到了国家血液战略储备库的选址-库存决策方案。第2组算例为6个不同规模的模拟算例,用来测试不同规模下的算法性能。算例结果表明：遗传算法的性能更好;鲁棒解与确定性模型最优值相差不大（最大差距≤1.08%）,可降低不确定性导致的风险。实践中,可对本文所建模型稍作改进,应用于具有类似特征的易腐品（药品、粮食等）应急物资储备库选址-库存决策。     

考虑多种安全库存策略的选址-库存问题研究

考虑多种安全设置策略的物流网络的选址-库存问题,不仅是选址、订货、运输和库存的集成优化,还需要考虑多种不同的安全库存设置和转运策略。因此,本文深入讨论了二级物流网络中的六种安全库存设置策略,构建了六种考虑不同安全库存设置的选址-库存模型。在考虑集中设置安全库存时,集中安全库存需要通过转载运输实现,因此需要将转载运输成本引入选址-库存模型之中,使新的选址-库存模型更加科学合理。另外,针对六种新的选址-库存模型,提出了基于个体成本差异分配的遗传算法,迭代搜索选址、分配、库存设置策略的优化组合。最后,通过数据实验验证了模型的有效性：（1）安全库存与转载运输之间存在此消彼长的背反关系;（2）安全库存设置和转载运输策略对总成本的影响取决于两种费率权重情况。本文的研究可以为二级物流网络的选址、订货和安全库存策略集成优化决策提供参考依据。     

通货膨胀下的联合库存选址模型研究

研究了通货膨胀对涉及一个供应商、多个候选配送中心和零售商的三级分销网络设计的影响.不同于传统的联合库存选址模型,所研究的模型考虑了整个系统的相关成本的时间价值,其目标是使在一定的通货膨胀率下总的选址、运输和库存成本之和的现值最小.为此,建立了一个非线性的整数规划模型,该模型为无容量约束问题的扩展模型,属于NP-hard问题.提出了3种基于不同编码形式的遗传算法用于求解该模型,并通过不同规模的算例对3种算法进行了有效性的分析和对比.最后,通过对各算例的计算结果的分析,发现随着通货膨胀率的增长,为了使这个分析网络的总成本现值最小,需要增加建立的DC的数量.     

遗传算法在逆向物流网络选址问题中的应用研究

随着公众环保意识的增强、环保立法的出台和可观的经济利益的显现,企业开始关注逆向物流。而在逆向物流中,集中退货中心管理是企业逆向物流系统高品质运作的基础和前提。因此,本文构建了一个逆向物流网络中的选址模型,旨在研究从备选地址中选择建立配送中心或回收中心最佳策略,然后应用遗传算法讨论了该模型的具体解法。最后针对模拟算例,通过对比遗传算法和部分枚举法的效率及结果,说明遗传算法对于求解这类问题是一种有效的方法。     

大型医院血液库存系统订货点决策的仿真研究

血液是一种典型的易变质物品。本文以国内某大型医院的血液库存系统为对象,依照其运作流程,基于该系统运行的历史数据建立了一个离散事件系统仿真模型对这一系统进行研究,得到了该系统的最优订货点。本文的研究有助于血液库存管理措施的制定与改进,对其它易变质物品库存系统的管理也有一定的借鉴作用。     

基于战略与需求预测的库存管理研究

本文探讨将库存管理上升到企业战略管理的层次,建立一种更有效的库存管理模型。首先企业基于自身的战略选择及评估,并结合企业历史销售记录进行库存ABC分类,分析各类产品在企业战略评估表（如波士顿矩阵）中所处的位置,进而确定其库存策略。依据各类产品不同的库存策略及需求特性,企业再确定相应的库存管理模型。对于企业至关重要的A类产品及企业战略产品,需要根据其需求特性,建立适当的预测模型,从而能够科学地制定库存计划,兼顾库存在提高客户服务水平及降低库存成本的矛盾,从而优化库存管理。     

考虑碳配额差值的选址-路径-库存集成问题优化模型与算法

考虑碳配额差值对产供销一体化系统中的选址-路径-库存集成问题的影响,构建了嵌入碳配额差值和选址-路径-库存运作成本的非线性整数规划模型,并对模型中的碳配额差值和选址-路径-库存运作成本两个目标同时进行优化;通过对目标函数进行等价处理,设计了基于BFA-PSO的组合优化求解算法;数值仿真结果显示企业可以通过运作层的决策优化,以较小的经济成本获得较大的碳减排绩效。     

基于产品生命周期的战略库存与动态定价决策研究

本文考虑一个基于短周期产品供应商和零售商组成的两级供应链系统,在两个销售周期内,市场容量根据产品所处的生命周期变化而变化。文章研究了在承诺定价合同和动态定价合同下,零售商使用战略库存策略和战略缺货策略的条件,以及产品在不同生命周期下供应商和零售商的最优决策和利润。研究发现,战略库存策略和战略缺货策略在两种定价合同下都可能存在,产品所处生命周期和持有(缺货)成本的大小对供应链成员的决策和利润起着决定性作用。战略库存策略在产品处于发展期时可以有效降低产品第二期批发价格,但战略缺货策略却不具备议价效果。同时,当第二周期产品市场容量变化不剧烈,且持有成本较小时,零售商在动态定价合同下使用战略库存策略可以同时提高供应商和零售商利润,进而提高整体供应链效率;零售商在动态定价合同下使用战略缺货策略同样可以提高整体供应链效率,但当供应商决定供应链成员间的定价方式时,战略缺货策略始终不会存在。     

越库转运问题的自适应遗传算法研究

探讨一种固定运输模式下的越库转运问题--采用运输量不可拆分的单次运送方式以最小费用通过选择固定的运输路径将货物经过越库转运到目的地,其货物将可能在越库中停留甚至无法运到目的地,这将会导致库存成本和惩罚成本.文中证明了此类越库转运问题是强NP难题,因此本文针对该问题的特殊结构,提出一种采用了邻域搜索技术的自适应遗传算法(...     

突发公共事件应急系统中的模糊多目标定位-路径问题研究

本文从应急系统集成优化的角度出发,以应急系统中各资源需求点的应急救援时间满意度之和最大及系统总成本最小为目标,建立了一个应急资源需求和应急救援时间范围均模糊的多目标定位-路径问题(LRP)模型,并提出了一种混合多目标遗传算法。算例分析结果表明,所提模型和算法可以有效解决应急系统优化中的模糊多目标LRP。     

A multi-objective particle swarm for a flow shop scheduling problem

Flow shop problems as a typical manufacturing challenge have gained wide attention in academic fields. In this paper, we consider a bi-criteria permutation flow shop scheduling problem, where weighted mean completion time and weighted mean tardiness are to be minimized simultaneously. Since a flow shop scheduling problem has been proved to be NP-hard in strong sense, an effective multi-objective particle swarm (MOPS), exploiting a new concept of the Ideal Point and a new approach to specify the superior particle's position vector in the swarm, is designed and used for finding locally Pareto-optimal frontier of the problem. To prove the efficiency of the proposed algorithm, various test problems are solved and the reliability of the proposed algorithm, based on some comparison metrics, is compared with a distinguished multi-objective genetic algorithm, i.e. SPEA-II. The computational results show that the proposed MOPS performs better than the genetic algorithm, especially for the large-sized problems.     

具有模糊预约时间的VRP混合遗传算法

在对具有模糊预约时间的多对多货物收发情况下的车辆路径问题进行简单描述的基础上,构建了该问题的多目标数学规划模型,提出了解决该问题的一种基于插入启发式算法、并用修正的推—碰—掷过程进行改进的混合遗传算法,最后,给出了该问题的一个计算实例,并与改进的Solomon插入启发式算法进行了比较.     

带货物权重的车辆路径问题及遗传算法

考虑一个分销中心、多个零售商组成的分销网络系统中具有柔性车辆能力的带货物权重的车辆路径问题.并根据车辆的满载情况采用了不同的运输策略,即单点运输和多点运输方式.在多点运输方式下,与以往诸多研究不同的是,文章建立了一种基于货物权重的VRP模型——WVRP,即在安排车辆线路时每个零售商的货物需求量也作为一个因素考虑,尽可能使车辆优先供货需求量较大的零售商.最后,针对问题的性质,开发了一种基于划分的遗传算法PB-GA对问题进行求解,并与一般遗传算法及常用的启发式算法进行了分析比较.     

Target-guided algorithms for the container pre-marshalling problem

The container pre-marshalling problem (CPMP) aims to rearrange containers in a bay with the least movement effort; thus, in the final layout, containers are piled according to a predetermined order. Previous researchers, without exception, assumed that all the stacks in a bay are functionally identical. Such a classical problem setting is reexamined in this paper. Moreover, a new problem, the CPMP with a dummy stack (CPMPDS) is proposed. At terminals with transfer lanes, a bay includes a row of ordinary stacks and a dummy stack. The dummy stack is actually the bay space that is reserved for trucks. Therefore, containers can be shipped out from the bay. During the pre-marshalling process, the dummy stack temporarily stores containers as an ordinary stack. However, the dummy stack must be emptied at the end of pre-marshalling. In this paper, target-guided algorithms are proposed to handle both the classical CPMP and new CPMPDS. All the proposed algorithms guarantee termination. Experimental results in terms of the CPMP show that the proposed algorithms surpass the state-of-the-art algorithm.     

有模糊时间窗的车辆调度组合干扰管理研究

研究带有模糊时间窗的车辆调度组合干扰管理模型及其混合遗传算法.采用时间窗模糊化处理方法,定义客户满意度函数,根据干扰管理思想对车辆调度中组合性干扰事件进行分析,从配送路径、配送成本和客户满意度三个方面进行干扰辨识与度量,建立基于模糊时间窗的车辆调度组合干扰管理模型;构造模型求解的混合遗传算法,将最佳客户插入规则与遗传算法结合,同时在算法中嵌入模糊优化程序以处理问题的模糊特征;进行数值实验,实验结果验证了模型与算法的有效性.     

A successive approximation algorithm for the multiple knapsack problem

It is well-known that the multiple knapsack problem is NP-hard, and does not admit an FPTAS even for the case of two identical knapsacks. Whereas the 0-1 knapsack problem with only one knapsack has been intensively studied, and some effective exact or approximation algorithms exist. A natural approach for the multiple knapsack problem is to pack the knapsacks successively by using an effective algorithm for the 0-1 knapsack problem. This paper considers such an approximation algorithm that packs the knapsacks in the nondecreasing order of their capacities. We analyze this algorithm for 2 and 3 knapsack problems by the worst-case analysis method and give all their error bounds.