混合启发式算法的多产品正向/逆向物流网络设计

文章探讨了一个多产品的二阶段的正向/逆向物流配送网络设计问题,即在有配送量限制的各个生产企业地址已知、客户地址已知、客户需求量与回收量不确定的条件下来确定配送/回收中心地址与规模,使该物流网络总费用最小.并设计了混合启发式算法与二阶段转载算法来解决该问题.计算结果表明该算法的具有很好的效果.     

医药逆向物流网络优化的设计

文章从医药行业的特殊性入手,研究了建立集中式逆向物流中心的医药逆向物流网络优化设计问题.针对如何确定逆向物流中心的地址.以及废旧、废弃医药的回收量,建立了一个以总成本最小为目标函数的混合整数非线性规划模型.针对该模型的特点,设计了相应的求解算法,最后通过算例验证了模型的有效性和算法的可行性.     

不确定逆向物流环境下制造/再制造系统的鲁棒运作模型

文章考虑了不确定逆向物流环境下可再利用产品的制造/再制造过程;设计了一类制造/再制造系统,制造商可以通过从外部供应商处订购新零件或将回收的废旧产品进行拆解维修等处理后得到的零件作为"新"零件进行生产.回收的废旧产品数量是不确定的,但此不确定性可用具有已知概率的情景集合来描述:采用基于情景分析的鲁棒线性优化方法建立了该系统的鲁棒运作模型:设计了一个仿真算例,其结果验证了所建模型及由模型所得到的运作策略的鲁棒性.     

基于FARBF神经网络算法的资产评估统计模型

针对RBF神经网络算法因原始变量间强相关性带来的处理难度,与因子分析得分评估模型不能充分结合先验知识等缺陷,文章综合因子分析与RBF神经网络算法的各自优点,构建一种基于FARBF神经网络算法的企业资产质量评估模型,并给出了原始数据的同向化处理方法.实证案例分析与仿真试验结果表明该模型精度高于单纯的RBF网络算法,且该算法简化了神经网络结构,提高了网络训练速度与算法精度.     

基于EPR的制造商逆向物流渠道选择

制造商为了实现其生产者延伸责任,可以选择不同的逆向物流渠道。本文构造了制造商的三种逆向物流渠道模型:制造商通过零售商收集、联合体回收处理和第三方回收处理,制造商是Stack-elberg博弈中的领导者。结论显示制造商会选择整个逆向渠道中单位产品净收益最大的渠道,而该选择与回收产品收益和成本的承担者无关。     

基于企业社会责任的闭环供应链超网络均衡模型

文章为研究企业社会责任对闭环供应链总体效率及决策行为的影响,考虑到多层多成员多目标决策的闭环供应链网络中同层非合作竞争决策者,以利润最大、排放废气最小、风险最小为目标,构建了由供应商、制造商、零售商、需求市场和回收商组成的超网络模型.该模型利用均衡理论及变分不等式的方法分析各层决策者的独立决策行为及其相互作用,并通过改进的投影梯度算法求得均衡点.通过三个算例分析得出企业社会责任水平对产品的交易平衡和价格水平的影响.     

基于模糊综台评价的EPR回收模式选择

EPR下的逆向物流回收模式选择关系到企业的经济效益、社会效益及可持续发展问题.文章从企业角度出发,运用模糊综合评价法建立了模式选择的数学模型.该模型不仅能够得到企业的最佳选择模式,而且能够分析企业在该模式下的优缺点.实验仿真说明了模糊综合评价法在EPR回收模式选择中的具体程序和实际价值.     

逆向物流网络节点的构建序列问题

本文以建设逆向回收物流网络为例,考虑了如何使得待建设的逆向物流网络更大化地发挥作用的问题。建立了该问题的数学模型,同时给出了一个动态规划算法和该算法的一个算例。本文的研究不但对于实际的逆向物流回收网络的构建,而且对于其他的逆向物流网络,都具有一定的理论指导意义和实际参考价值。     

不确定条件下供应链网络鲁棒优化与算法

在市场需求和成本的不确定条件下,文章整合供应商选择、设施选址和能力规划,建立供应链网络设计的鲁棒优化模型,分析了鲁棒优化模型的可行性,并将随机模拟和双层遗传算法相结合,提出了模型求解的混合智能算法.算例表明模型和算法是有效可行的,并且运用鲁棒优化模型进行供应链网络设计能够有效地降低企业的市场风险.     

城市网络的双模式交通需求管理设计

在交通路网中,拥挤收费和路网设计是缓解交通拥挤的两种重要手段,前者制约交通需求增长,而后者刺激交通需求增长,将两者并行处理是管理交通需求的有效方法.文章在此基础上设计交通需求管理的双模式模型,该模型同时考虑了离散网络平衡设计与拥挤收费,出行者的路径选择行为采用更加实际的弹性需求Logit随机用户均衡原理并设计改进的费用均值法求解.多时间价值类型将拥挤收费转化为时间单位,使双模式模型转化为具有均衡约束的数学规划问题,随后采用遗传算法求解该模型,并进行相应的数值分析.     

最小总加权误工数的工程项目排序的模型与算法

如果一个承包商要承担(m≥2)个带有权重和完工截至日期的工程项目,则存在以最小总加权误工数为目标的工程项目排序优化问题.文章首先通过一些符号和参数,建立了该问题的一个不确定模型.然后,基于不确定理论,通过假设每个工程项目的处理时间是一个带有不确定分布的不确定变量,由不确定变量的期望计算公式,将该不确定模型转化为一个确定的模型.再次,给出了该确定模型一个新性质,并且由这个性质设计了一种该模型解的算法,称为DWE算法.最后,通过一个数值例子检验了该模型和算法的有效性.     

基于MT-CLSC模式的废旧产品回收决策模型

文章采用MT-CLSC的回收模式,综合考虑制造商的三个决策变量：产品批发价格、废旧产品回收定价、制造商回收努力程度,设计了回收量与回收定价和回收努力程度之间的线性函数,建立了两级再制造闭环供应链利润模型。分别讨论了制造商不回收废旧产品、基于利益驱动的废旧产品回收和基于法律政策约束的废旧产品回收等3种情形下的最优策略,并分析了供应链成员利润的变化,最后给出了政府最低回收约束的临界值。     

废弃品联合回收物流网络优化设计

合适的逆向物流管理模式和优良的逆向物流网络结构是废弃产品和返修产品成功回收的关键。本文分析了多生产商联合回收的优势,建立了基于成本限制和双容量约束的多生产商联合回收的逆向物流网络模型,旨在确定逆向物流中心和废弃品处理站的选址和分配,使联合企业的回收成本降到最小。     

动态网络治理视角下的项目选择多标准决策

文章提出了以社会网络(SNA)拓扑结构为基础的多标准决策过程以增强项目选择的有效性,运用社会网络拓扑矩阵来定量测量组织关系,整合了网络分析法(ANP)和系统动力学模型,构建了多标准决策的项目选择模型.运用山东省淮河流域建设项目的相关数据探究了上述模型的有效性,表明该模型将会帮助政府机构、承建方、监理方、投资方以及其他项目利益相关方科学管理动态网络治理关系,以实现项目治理网络整体目标,规避项目治理中的风险.     

分布式多工厂制造/再制造生产计划的优先模型

再制造作为一种新兴制造模式,其生产计划的制订远比传统制造方式复杂.文章研究具有分销中心和回收中心的分布式多工厂闭环供应链的生产计划问题.该闭环供应链涉及废旧产品的回收、拆卸,制造和再制造过程组成混合系统.为实现整个系统运作的总成本最小化,构建制造/再制造生产计划的混合整数规划模型.最后构造算例,运用分支定界法,借助lingo软件进行求解,计算结果说明了模型的有效性和可行性.     

发生吸引量不确定的离散交通网络设计模型

交通网络设计是交通规划的核心内容之一,而网络设计由依靠交通需求预测技术.为了改进传统的以确定性需求为基础的网络设计,文章以交通需求不确定性为基本前提,认为交通发生吸引量也是不确定的,并使用随机双层规划、均值方差和交通分配理论建立了发生吸引量不确定离散交通网络设计的基本模型.为了求解发生吸引量不确定的离散网络设计问题,开发了基于MonteCarlo模拟、遗传算法和交通分配算法的方法.Nguyen Dupujs网络的计算结果表明,需求不确定程度和政府决策者风险偏好等对规划方案具有重要影响.     

基于海量数据关联效应测度算法的设计

海量数据挖掘算法研究是当前数据挖掘研究领域的热点问题。以网络终端海量数据分布处理及软硬件资源共享为基础,以两变量线性关联效应测度学习算法设计为例,设计出基于超海量数据各终端数据分布处理的学习算法,并运用实验数据验证了该学习算法的有效性。该学习算法设计为海量数据云计算提供了应用思路。     

基于正交尺度网络的宏观经济预测研究

文章基于多分辨率理论,建立了一个用于宏观经济预测的正交尺度网络模型.该模型的优点在于:一方面因为网络一部分的权值与阈值在训练之前能够根据多分辨分析理论确定,减少了训练时需要调整的参数;另一方面正交性使得网络的结构得到尽可能的优化,因此改善了网络训练时阍和收敛速度,有效提高预测精度.通过对我国1998～2005年我国国内生产总值的学习,并对2006年、2007年国内生产总值的预测,与目前的BP模型和小波神经网络模型结果进行比较,验证了模型的有效性.     

低碳经济环境下双渠道闭环供应链网络均衡模型

文章将碳交易和碳排放纳入碳管理范畴中,以Lagrange对偶理论和变分不等式理论为基本研究工具,建立了双渠道闭环供应链网络均衡模型.在传统实体店交易渠道和网上电子商务渠道的双渠道环境下,考虑原材料转化率、政府规定的再制造率和缺陷产品再制造率等因素,提出由供应商、制造商、零售商、需求市场和回收中心组成的双渠道闭环供应链网络均衡问题.分别对系统中各成员决策行为进行分析,得到各层级和整个供应链网络实现均衡的条件,并建立相应的不等式模型,在证明其解在一定的假设条件下具有存在性和唯一性的基础上,说明求解变分不等式的修正投影算法.     

量子BP神经网络模型的理论算法与应用研究

文章提出一种量子BP网络模型及学习算法,模型基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,由量子神经元构造出三层量子BP网络模型,基于梯度下降法构造了该模型学习算法.模拟油藏测井解释中测井曲线与水淹级别之间的映射关系计算时采用该模型及算法,实现了油藏测井解释中水淹层自动识别,实验结果表明该方法对解决水淹层识别问题具有良好的适应性和实用性.