基于ASRank和MMAS的蚁群算法求解飞机指派问题

本文将航班串的飞机指派问题归结为车辆路径问题,考虑连续航班串之间衔接时间、衔接机场的约束、每架飞机的总飞行时间约束,建立了带有飞行时间约束的车辆路径问题的混合整数规划模型。构造了蚁群系统算法,引入基于排序的蚂蚁系统和最大最小蚂蚁系统算法的信息素更新策略。选取某航空公司7组初始航班串集合进行测试,并对算法中的重要参数进行了分析。实验结果表明,本文设计的模型和算法可以有效地减少连续航班串之间的总衔接时间,在可接受的计算时间内获得满意解。     

基于下偏度最小化贷款组合优化模型

运用组合偏矩刻画信贷风险原理,以贷款组合下偏度最小化为目标函数,控制商业银行发生重大损失的概率;以组合风险价值VaR为约束条件,控制贷款组合的整体风险,建立基于下偏度最小化贷款组合优化模型。研究表明：下偏度不要求贷款收益服从正态分布,并能够很好地反映收益率分布的“左尾”,降低商业银行贷款组合发生重大损失的概率;同时下偏度可以真实反映贷款的本质,符合投资者的心理,并且可以反映多笔贷款之间的相关联系,解决现有模型的解析能力不足的问题。     

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。     

引入整合风险的4PL模式下供应链资源整合优化

在对4PL模式下供应链资源整合运作特征及整合中主导因素及其关系进行简要描述的基础上,围绕对整合决策具有重要影响作用的整合风险进行了分析;提出了引入整合风险的资源整合决策模式,建立了4PL模式下供应链资源整合决策的拓展多目标优化数学模型,搭建了改进的蚁群寻优算法实现该整合决策优化过程的求解。最后通过算例验证了优化过程及算法的有效性与可行性。整合决策优化模型及算法突出体现了4PL的运作优势,突出了从战略高度及系统性角度对供应链整合风险的把握,同时实现了资源整合优化多目标之间的权衡。     

无偏好市场下制造/再制造系统最优生产决策

尽管再制造可以重新获得产品的附加价值,但是再制造产品和新产品具有一定的替代性,厂商在各期应该采用何种生产策略?本文选取单一制造厂商,首先讨论无偏好市场下两期再制造最优生产策略,建立厂商利润最大化的经济优化模型;然后给出了再制造成本节约临界值,以便厂商在不同的再制造成本区域内采取合适的价格和产量决策策略;进而将模型拓展,研究无限期的最优产量和定价策略。由于不同产品的再制造成本节约s的比例并不相同,本文通过优化所得的结论进行数据模拟,研究产品回收率和降级率对s*的影响,s对厂商的产量、定价决策及利润的影响,进而分析降级率对产量和价格的影响,为厂商制定产品设计、生产和回收决策提供依据。     

基于鲁棒优化模型的项目调度策略遗传算法

针对任务工期不确定的资源受限项目调度问题,提出了求解该问题的鲁棒优化数学模型。在随机规划基础上,针对该鲁棒优化模型设计了遗传算法。算法通过多种任务优先规则生成初始种群以保证种群多样性。应用该遗传算法对项目实例进行了求解,分析表明所求得的项目调度策略能够有效应对任务工期不确定性导致的随机差异,具有较强的鲁棒性。参数分析表明决策者可以通过调节模型权重系数有效平衡解的可行性与最优性,有助于决策者根据风险偏好进行选择。     

多维背包问题的二进制蚂蚁算法

针对著名的多维背包问题(MKP), 在蚁群优化系统高维立方体结构的基础上,提出了一种二进制蚂蚁算法(BAS).与其他求解MKP问题的蚂蚁算法不同,BAS根据二进制解的结构设计了特殊的信息素放置方式,同时在算法的迭代过程中允许非可行解的产生,并通过基于问题特征信息的修改算子修复每次迭代所产生的非可行解.BAS算法采用了特殊的信息素更新规则,使得各个选择路径上的信息素可以直接作为选择概率,同时,为了避免算法陷入早熟,BAS设计了简单的局部搜索法,并根据算法所处的不同收敛状况,采用了不同的信息素更新规划和信息素重新初始化的方法.针对MKP基准问题的实验结果表明,BAS具有超越其他蚂蚁算法的求解结果,其求解不同基准测试问题的能力表明了BAS具有解决超大规模MKP问题的潜力.     

数据驱动下收货方质量偏好与电商配送服务质量优化

针对"互联网+大数据"优化电商配送服务质量问题,明确不同收货方的质量需求稳定性,引导电商根据收货方不同质量敏感性提供相对精准服务,提升配送服务质量。模拟投票结果的形成过程聚类得到收货方对服务质量偏好的记忆性特征：（1）"无记忆"型收货方;（2）"记忆"型收货方;（3）"不确定"型收货方;（4）收货方总体。进一步推导不同规划类型求解空间,设计得到"无记忆"型收货方动态规划精确求解方法,及其他三种类型近似求解粒子群算法。研究过程中,配送资源质量感知度被嵌入到模型约束;"无记忆"型收货方的质量需求规划问题转化为零库存策略最优解问题,进而证明存在精确解;"记忆"型收货方呈现出对质量感知的累积;"不确定"型收货方模型通过赋值即可得总体收货方表达式。结果表明：数据驱动研究框架借助大数据资源,使得电商更易通过收货方的质量偏好设计更加匹配的配送方案;不确定服务需求得到有效满足,投入成本的利用率更高;通过特征分类的方式,尽可能地抽取能够精确最优化的部分,缩小NP范围,提高整体求解的精确度。     

Flood Catastrophe Model for Designing Optimal Flood Insurance Program: Estimating Location‐Specific Premiums in the Netherlands

As flood risks grow worldwide, a well‐designed insurance program engaging various stakeholders becomes a vital instrument in flood risk management. The main challenge concerns the applicability of standard approaches for calculating insurance premiums of rare catastrophic losses. This article focuses on the design of a flood‐loss‐sharing program involving private insurance based on location‐specific exposures. The analysis is guided by a developed integrated catastrophe risk management (ICRM) model consisting of a GIS‐based flood model and a stochastic optimization procedure with respect to location‐specific risk exposures. To achieve the stability and robustness of the program towards floods with various recurrences, the ICRM uses stochastic optimization procedure, which relies on quantile‐related risk functions of a systemic insolvency involving overpayments and underpayments of the stakeholders. Two alternative ways of calculating insurance premiums are compared: the robust derived with the ICRM and the traditional average annual loss approach. The applicability of the proposed model is illustrated in a case study of a Rotterdam area outside the main flood protection system in the Netherlands. Our numerical experiments demonstrate essential advantages of the robust premiums, namely, that they: (1) guarantee the program's solvency under all relevant flood scenarios rather than one average event; (2) establish a tradeoff between the security of the program and the welfare of locations; and (3) decrease the need for other risk transfer and risk reduction measures.     

社区应急疏散动态协作调度优化研究

针对灾民数量和路网通行时间的动态性以及灾民疏散反应系数的随机性,本文提出了社区应急疏散协作调度优化流程,并以疏散灾民数量最大化和疏散成本最小化为目标,构建了社区应急疏散多种运输方式协作调度优化模型,并给出了求解该模型的改进多目标遗传算法。然后,论文使用Tansmodeler模拟社区应急疏散协作调度优化过程,加载疏散灾民动态需求和历史出行时间表,并对模型和算法进行验证。结果表明,该模型和算法可以在有效刻画疏散灾民数量和路网通行时间的基础上,为不同时刻的交通工具配置及疏散路径选取提供决策。