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.     

弹性需求下广义用户均衡分配的拥挤收费定价模型

文章根据路径出行成本的变化给出了一个需求函数,并对用户均衡的路径选择条件进行了推广,获得的广义用户均衡路径选择条件更具有普遍性.在此基础上,建立了由交通网络系统总出行成本最低为目标的上层规划模型和满足广义用户平衡分配条件的下层弹性需求规划模型构成的拥挤收费双层规划模型,并用直接搜索法对该模型进行了求解.算例表明,文章给出的广义用户平衡条件和拥挤收费的双层规划模型具有很好的适用性和可行性.     

基于离散双层线性规划的二级分销网络模型及算法

文章针对二级分销网络优化问题,充分考虑了网络决策部门和顾客双方的自身及共同利益、顾客间决策的独立性,建立了离散双层线性规划模型;为了在决策过程中达到整体目标,协调顾客的独立决策,克服多层规划模型求解的复杂性和困难性,提出了相应的交互式补偿模糊算法,最后通过实证分析验证了模型的有效性和算法的简单性、实用性。     

物流分销网络双层规划模型

在考虑分销网络中物流宏观决策部门和客户双方利益的基础上,针对普通双层规划模型求解困难的问题,将模糊集理论引入到物流中心选址问题中,建立模糊双层规划模型,并通过一个算例对模型求解,说明此模型在解决物流中心选址问题上比已有方法更加简单、可行、有效。     

基于ES模型的供应链系统风险度量

为了在应对供应链风险的过程中,及时做出正确的决策,文章将期望损失方法引入,建立了供应链风险度量模型;提出供应链收益最大同时风险损失最小的双目标函数,建立双层规划模型,并运用遗传算法进行求解。可以看到,这种基于期望损失方法的双层规划模型,对供应链风险应对决策的确定是切实有效的。     

随机平衡配流与次优拥挤收费的双层规划模型构建与求解

随着城市化进程加快,汽车拥有量迅速增长,交通拥挤日趋严重。文章建立了基于随机平衡配流和次优拥挤收费的双层规划模型,并提出了求解模型的算法。研究如何利用双层规划模型来解决城市道路次优拥挤收费时收费位置与收费费率的制定等,期望能以满足使用道路人和管理道路人的利益为基础,在系统方面减少阻碍,使用路网的服务质量有所提高,同时也改进路网的利用效率,最大限度的获得更多的利益。     

冷链食品零售店选址问题的双层规划方法

为提高冷链食品物流管理绩效,文章提出一种基于双层规划的冷链食品零售店选址方法。考虑到食品企业和零售用户对零售店选址的不同要求,建立了以企业总费用最小化、销售量最大化为上层目标和以用户综合运输满意度最大化为下层目标的双层规划模型。该模型可以确定零售店的开设位置及其服务用户,更加有利于企业的销售管理。为便于模型应用,阐述了所建模型的总体求解思路,给出了将上层目标化多为少的求解步骤。通过算例验证了模型及其算法的有效性。     

基于混合遗传算法的鲁棒双层规划求解

文章针对双层规划系数的不确定性问题提出了鲁棒双层规划模型,以上下两层决策者均需获得鲁棒解为前提假设,将模型转化为下层含有二阶锥约束的确定性问题;根据转化后模型特点,将基于单个牛顿方程的非内部连续化算法引入到遗传算法,设计了一种混合遗传算法对其进行求解,从而获得鲁棒解;最后通过算例验证了该算法的可行性及有效性。     

线性双层规划的一类鲁棒解

文章基于上层目标函数获得鲁棒解的前提假设,对上下两层目标函数和约束条件的系数均在箱集内扰动的不确定线性双层规划进行了研究.提出了系数扰动情形下线性双层规划一类鲁棒解的概念,给出相应的定义与定理,以此将原不确定性模型转化为确定性模型.继而通过引入一个充分大的常数,将含有互补等式约束的确定性模型处理为混合整数规划问题,从而获得鲁棒解.最后通过数值算例验证了该算法的可行性及有效性.     

“双碳”目标下绿色双层投资组合研究

在绿色投资日益盛行和金融机构积极推进“双碳”目标的背景下，越来越多的投资者在估值、产品和策略中考虑ESG因素。随着ESG投资理念的深入，如何在投资组合中合理纳入ESG因素成为学界的研究热点。本文从预期效用理论出发，针对效用函数中风险厌恶系数和ESG偏好系数的估计困难以及投资组合规模缺乏限制等现实问题，提出了绿色双层投资组合模型。其中上层规划是决策效用函数系数的稀疏优化问题，下层规划是构建绿色投资组合的二次优化问题。在求解层面，针对不同约束情形，利用下层问题的最优性条件将双层规划问题转化为混合整数二次规划。研究结果表明：第一，通过模拟真实市场环境验证了模型的数值有效性，针对不同偏好的基准指数，模型可以准确估计隐含的参数水平；第二，通过验证2015—2021年间编制ESG100指数和上证50指数的341个投资组合，研究发现金融市场上的绿色指数隐含正向的ESG偏好，绿色指数相比于收益更加偏好资产的绿色属性；第三，以上证50和ESG100指数为基准构造的静态和动态投资组合在2015—2021年间不仅较好地实现了对基准的追踪，更获得了稳定的超额收益，从夏普比率，信息比率以及Omega比率等指标来...     

一类区间线性双层规划的最小最大后悔解及其解法

文章应用决策理论中的最小最大后悔原则对上层目标函数具有区间系数的区间线性双层规划进行了研究，首先提出了区间线性双层规划最小最大后悔解的概念，揭示了其与完全最优解和可能最优解的关系，提出了基于遗传算法的最小最大后悔解的求解方法，最后给出算例。     

物流网络系统配送路线的优化方法

文章通过研究物流系统配送车的最优行驶路线的动态规划模型、静态规划模型及其算法,给出了物流网络系统配送路线的优化方法.     

区域主导产业选择与结构优化

本文提出了将投入产出模型与层次分析法及多目标规划方法有机结合的技术原理,解决了主导产业的选择和产业结构的优化升级问题;并利用模型对一个地区"十一五"时期的主导产业选择和产业结构优化等问题进行了实证研究.     

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.     

含随机变量的资产投资组合优化模型

在收益系数和风险系数均为随机变量的情况下,为满足不同风险偏好者实际投资的需要,分别建立了资产投资组合优化问题的随机期望值模型和随机机会约束规划模型.为了有效求解优化模型,采用了将随机模拟、神经元网络及遗传算法相结合的混合智能算法.最后通过数值实例说明了算法的有效性.     

Logistic回归的双层变量选择研究

变量选择是统计建模的重要环节,选择合适的变量可以建立结构简单、预测精准的稳健模型。本文在logistic回归下提出了新的双层变量选择惩罚方法——adaptive Sparse Group Lasso(adSGL),其独特之处在于基于变量的分组结构作筛选,实现了组内和组间双层选择。该方法的优点是对各单个系数和组系数采取不同程度的惩罚,避免了过度惩罚大系数,从而提高了模型的估计和预测精度。求解的难点是惩罚似然函数不是严格凸的,因此本文基于组坐标下降法求解模型,并建立了调整参数的选取准则。模拟分析表明,对比现有代表性方法Sparse Group Lasso、Group Lasso及Lasso,adSGL法不仅提高了双层选择精度,而且降低了模型误差。最后本文将adSGL法应用到信用卡信用评分研究,对比logistic回归,它具有更高的分类精度和稳健性。     

基于时间价值的双准则交通拥挤收费决策模型

拥挤道路收费是缓解交通的有效手段.考虑出行者出行时间价值不同的情况,文章给出了基于时间价值与费用的双准则交通拥挤收费双层规划模型.算例表明,实施拥挤道路收费后,能改变出行者的出行路径,从而缓解了道路的拥挤状况.同时可见,拥挤收费对时间价值高的出行者影响比较小,而对时间价值低的出行者影响比较大.     

人力资源随机规划模型构建及验证

文章将随机规划引入人力资源调度问题,提出了人员流动状态下项目的人力资源随机规划模型;将遗传算法、马尔科夫状态转移模型以及多阶段决策方法相结合,构建了模型的求解方法;最后,通过一个算例对模型及求解方法的有效性进行了验证.结果表明:文中提出的方法能够结合人力资源的波动特征合理选择新员工的入职时机,从而实现项目的人力资源优化.     

基数约束下基于CVaR度量的投资组合优化模型

文章基于条件风险价值CVaR风险计量技术,在整数规划意义下,建立了以最小化风险为目标,带有基数约束的投资组合优化模型。针对该模型运用差分进化法进行求解,利用罚函数方法处理模型中的不等式约束,并选取沪市和深市的十六种股票作为备选股票进行实证分析,数值结果表明了模型的合理性和算法的可行性。     

基于不同决策准则的应急资源布局模型

不同的决策准则将给应急物流规划带来不一样的损益。文章利用拉普拉斯决策准则构建期望值模型,利用萨凡奇决策准则构建了鲁棒优化模型,研究在两种不同的决策准则下,如何制定应急物流资源规划。文章通过研究发现,在不给定先验概率的情况下,萨凡奇决策要优于拉普拉斯决策。萨凡奇决策是最坏情景下的最好决策,能更好适应突发事件的突发性和信息不完全性特征。