Integrating Operational and Organizational Aspects in Interdependent Infrastructure Network Recovery

Managing risk in infrastructure systems implies dealing with interdependent physical networks and their relationships with the natural and societal contexts. Computational tools are often used to support operational decisions aimed at improving resilience, whereas economics‐related tools tend to be used to address broader societal and policy issues in infrastructure management. We propose an optimization‐based framework for infrastructure resilience analysis that incorporates organizational and socioeconomic aspects into operational problems, allowing to understand relationships between decisions at the policy level (e.g., regulation) and the technical level (e.g., optimal infrastructure restoration). We focus on three issues that arise when integrating such levels. First, optimal restoration strategies driven by financial and operational factors evolve differently compared to those driven by socioeconomic and humanitarian factors. Second, regulatory aspects have a significant impact on recovery dynamics (e.g., effective recovery is most challenging in societies with weak institutions and regulation, where individual interests may compromise societal well‐being). And third, the decision space (i.e., available actions) in postdisaster phases is strongly determined by predisaster decisions (e.g., resource allocation). The proposed optimization framework addresses these issues by using: (1) parametric analyses to test the influence of operational and socioeconomic factors on optimization outcomes, (2) regulatory constraints to model and assess the cost and benefit (for a variety of actors) of enforcing specific policy‐related conditions for the recovery process, and (3) sensitivity analyses to capture the effect of predisaster decisions on recovery. We illustrate our methodology with an example regarding the recovery of interdependent water, power, and gas networks in Shelby County, TN (USA), with exposure to natural hazards.     

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。     

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。     

一类稀疏投资组合双层参数估计模型及其应用

带基约束的投资组合问题是近年来投资组合领域的热点问题,但是参数不确定性直接影响了模型的效果。带基约束的投资组合问题所涉及的参数不仅包括以往研究认为非常重要的预期收益率,还包括控制投资组合规模的稀疏度,尤其是最优稀疏度估计方面的专门研究还十分匮乏。为了使带基约束的投资组合模型更好地为投资决策服务,本文从投资者效用出发,用双层规划的思想构建了带基约束的投资组合双层参数估计模型。然后根据模型的特点,设计了无导数优化算法框架,并基于ADMM对算法子问题进行求解。本文实验针对真实的市场数据给出了预期收益率和最优稀疏度的估计,接着通过与等权重策略和含上下界约束的均值-方差模型进行比较,说明了模型及算法的有效性和实用性。最后,将本文提出的双层参数估计模型推广到了更一般的形式。     

资本结构作用下市场投资组合轨迹的研究

根据企业理财中投融资决策的互动机理 ,将资本结构与投资组合优化结合起来 ,在证券组合模型基础上 ,引入资本结构这一重要因素 ,研究了资本结构作用下市场投资组合点的轨迹 ,从而得出任一资本结构下所对应的市场投资组合     

信息不对称下价格随机的应急数量折扣契约研究

以市场需求和市场价格随机波动的二级供应链为研究对象,寻找其在信息不对称条件下绩效优化的路径。通过显示原理分别构建生产成本和销售成本信息不对称时应急供应链的数量折扣契约模型,得到最优订货量与最佳批发价策略。通过具体的算例加以验证,分析了信息不对称程度对供应链上成员及整个供应链绩效的影响。研究结果表明：当突发事件造成市场价格随机波动和市场需求变化时,供应链上的跟随者能从隐瞒私人信息中获利。但当市场需求增大时,整个供应链绩效受损,反之则反是。这与以往研究在市场需求随机、市场价格固定和信息不对称条件下的结论迥异。     

面向服务的复杂成形装备产品架构设计与优化

复杂成形装备作为高端制造产业的基础装备,是各产业转型升级和技术进步的重要保障。同时快速发展的互联网与大数据等新兴信息技术已经成为装备制造业创新不可或缺的组成部分,极其深刻地影响着复杂成形装备产业的制造模式、发展战略以及产品的开发方式。本文研究了面向服务的复杂成形装备产品架构设计与优化方法。采用公理化设计的域结构思想,建立需求域、功能域和架构域之间的映射关系;提出了基于QFD的功能生成方法以及功能模型约简方法;利用DMM建立产品架构和服务架构之间的关联关系;利用模块化理论方法,并考虑成本因素对产品架构进行优化。     

Bi-objective multi-resource scheduling problem for emergency relief operations

Abstract

Resource scheduling for emergency relief operations is complex as it has many constraints. However, an effective allocation and sequencing of resources are crucial for the minimization of the completion times in emergency relief operations. Despite the importance of such decisions, only a few mathematical models of emergency relief operations have been studied. This article presents a bi-objective mixed integer programming (MIP) that helps to minimize both the total weighted time of completion of the demand points and the makespan of the total emergency relief operation. A two-phase method is developed to solve the bi-objective MIP problem. Additionally, a case study of hospital network in the Melbourne metropolitan area is used to evaluate the model. The results indicate that the model can successfully support the decisions required in the optimal resource scheduling of emergency relief operations.     

二氧化碳强度减排目标下我国产业结构优化的驱动力研究

本文基于产业结构调整具有内生性特征和终端消费随居民收入水平提高具有规律性变化两个基本理念,通过对先进经济体发展经验的实证分析和对我国经济投入-产出结构的分析,量化分析了消费规模及其结构对我国产业结构变化的效果;预测了纯消费拉动下我国未来产业结构演进的特征与二氧化碳强度的发展趋势.研究结果表明:(1)消费规模的扩大与消费结构的升级将是未来我国产业结构优化的主要驱动力之一;(2)为完成碳强度减排目标,必须通过能源需求侧管理项目的实施,引导人们向"低能耗、低排放"的消费模式转变.     

相关多质量特性的优化设计

针对小样本情形下的相关多质量特性优化设计问题,在运用田口(Taguchi)质量损失函数度量多质量特性的稳健性基础上,本文提出了使用多变量偏最小二乘(Partial Least-Squares,PLS)回归模型处理此类问题的新方法,并结合实际的工业案例进行了分析.结果表明,本文所提出的新方法能够有效地处理相关多质量特性的优化设计问题.