基于需求预测的两级动态配送路径优化研究

针对传统响应式配送难以应对海量动态客户需求的困境,在此提出基于需求预测的两级动态配送路径优化方法。利用历史数据从需求预测、需求聚类和需求配额三个维度,处理电商物流配送过程中的动态需求;建立基于需求预测的单阶段和多阶段两级车辆配送路径优化模型,并针对问题特性利用分支定界算法与CW-禁忌搜索算法生成两个阶段的最优配送路径。最后结合实验案例对模型与算法的有效性进行验证,试验结果表明本文设计方法具有较好的动态场景适应度和客户响应能力。     

随机需求下基于“自营+外包”模式的配送中心选址-配送问题研究

针对顾客需求量不确定情况下末端配送中心选址及提前备货问题,提出了基于“自营+外包”配送模式的配送中心选址-配送问题。以自营配送中心的固定运行成本、提前备货成本和各种场景下的自营配送成本、外包配送成本以及缺货损失成本的期望值之和最小化为目标,建立了两阶段连续型随机规划模型。第一阶段确定自营配送中心的选址位置和各个配送中心的提前备货量;第二阶段确定各种场景下的自营配送货运量、外包配送货运量和客户点的缺货量等,使总成本期望值达到最小。基于Monte Carlo抽样理论设计了求解模型的样本均值近似方法;以及求解大规模问题L-shaped分解算法。通过模拟算例验证了两阶段随机规划模型的优越性和样本均值近似方法的有效性;并对自营配送中心固定运行成本、单位商品的自营配送成本和外包配送成本等进行灵敏度分析,得到了不同参数对应的最优配送策略,结果表明,正常情况下“自营+外包”配送模式是企业的最佳选择。本文同时将配送中心选址和提前备货量作为随机规划模型的第一阶段决策变量,可以帮助企业降低物流成本、提高顾客的满意度。     

基于非参多元Expectile模型的原油价格风险测度研究—宏观不确定性视角

当下政治经济环境存在诸多不确定性,原油价格随着不确定性的增加而大幅波动,因此在当前不确定性环境中建立一个有效的风险预测模型具有重要的实际意义。本文基于非参多元Expectile模型,选取2010年1月5日至2020年1月6日的美国西德克萨斯原油价格的日度数据,构建同时包含地缘政治风险、经济政策不确定性等六个宏观不确定性变量的原油价格风险预测模型。此外,引入APARCH模型和基于蒙特卡罗方法的GARCH模型,比较以上三个模型预测能力。最后,基于预测的VaR值计算调整的Sharpe比率。结论表明,整体上,非参多元Expectile模型能较好处理多个宏观变量包含的信息,具有更高的预测能力。在不确定性事件叠加发生的时期预测表现依然优于其他模型,减少了不确定性增加导致原油市场波动幅度增加带来的风险,具有更强的稳定性。因此,在经济转型的关键时期,本研究可为政策制定者和监管当局面临不确定性上升环境下建立有效的原油价格风险预测模型提供参考,制定应对政策防范化解风险,同时也为投资者在当前复杂的国际形势下提供预测参考,尽量规避损失同时获取收益。     

等式约束的一种降维运算的信赖域方法

本文给出了解决等式约束问题的一种信赖域算法。算法用Byrd和Omojokun方法计算试探步,但在计算试探步时采取了降维的方法。在不要求约束条件的梯度是列满秩的条件下证明了算法的全局收敛性。     

供应链联合优化数学模型及求解的混合算法

供应链管理作为21世纪一种先进的企业管理模式,近年来吸引了大量研究者的关注;有关供应链模型的研究工作也取得了一些可喜的成果.本文以某食品企业为背景,基于其供应链的特点,建立了多生产厂、多分销中心、多种产品、多时段的供应链生产与分销联合优化数学模型,并设计了遗传算法和线性规划单纯形法相结合的混合算法.     

连锁企业多品种库存分布研究

近几年来,连锁经营在我国得到了迅猛发展.本文以我国零售企业开展连锁经营迫切需要解决的多品种库存分布问题为出发点,从供应链管理的角度,在分析和借鉴前人研究成果的基础上,提出一整套适合我国连锁经营配送业务的算法模型.同时,根据配送中心实际运作的需要,采用联合订(补)货与联合配送结合的方式,有效解决了多品种库存分布问题.     

基于加权案例推理模型族的软件成本SVR组合估算

精确地估算软件成本是软件项目成功开发的一个重要保证,直接影响着软件的风险控制和质量保证.为了更好地解决单一估算模型的不足,提出了集成多案例推理(CBR)模型的软件成本组合估算模型.首先,采用六种距离计算公式刻画新旧项目相似度,构建了六种CBR模型,并运用粒子群算法(PSO)来优化CBR模型族中的属性权重.其次,在CBR模型族的基础上,运用支持向量回归机(SVR)模型将不同CBR模型的估算结果进行集成,提高软件成本估算结果的精度.利用Deshamais数据库对模型有效性进行检验,实证结果表明,在六种CBR模型中Euc-CBR、Min-CBR、Gau-CBR和Mah-CBR模型估算结果没有明显差异,Gre-CBR和Man-CBR模型略优;提出的SVR组合估算模型估算精度明显优于单CBR模型和其他线性组合估算模型,能有效提高软件成本的估算精度.     

泛综合评价信息集成框架求解算法及应用

针对多信息来源、多数据结构的复杂评价问题,对传统评价模式进行拓展并提出了泛综合评价的方法。泛综合评价理论主要为复杂评价信息的整合及求解提供支撑,具体而言主要采用构建信息融合框架的方式对不同类别与结构的多源信息进行整合,并通过随机模拟仿真的方法对信息融合框架的求解算法进行了探讨。由于信息融合框架中包含信息的复杂性增加了框架的求解成本,因而进一步分析了信息集成框架的简化求解算法,并通过算例的方式对信息集成框架简化求解算法的有效性进行了验证。简化求解算法的研究提升了泛综合评价在实际应用中的可操作性。"区域发展绩效的参与式评价"算例的构建,说明泛综合评价的理论为不同利益主体之间的民主决策提供了可能。本文的研究可为大数据背景下群体智慧的挖掘、民主决策的结果分析等实际应用问题提供理论和技术支撑。     

考虑最坏中断损失下的P-中位设施选址问题的模型与算法研究

蓄意突袭以及恐怖袭击会造成设施服务的突然中断成为网络系统的主要危害之一,因此网络设施选址决策应该同时考虑正常和紧急状态下系统的运作成本.本文研究考虑最坏中断损失下的网络设施选址问题,建立了该问题的双层规划模型,上层规划涉及设施选址决策,下层规划研究确定设施位置后,设施中断产生最大损失的问题.本文运用基于拉格朗日松弛的混合遗传算法来求解该双层规划问题.将European150数据集作为研究对象,对比研究了本文研究问题与传统的P-中位选址问题的结果,分析不同选址策略下网络系统的效率被中断影响的程度是不同的.最后通过改变一些关键参数,比如常规运作权重、设施数量、中断设施数量,对相关结果进行了分析.     

基于求解TSP问题的双向扩展差额算法

旅行商(TSP)问题是典型的组合优化中的NP-hard难题.本文在最近城市搜索法和两端延伸最近城市搜索法基础上提出了双向扩展差额求解算法,并分析了算法的复杂度.采用以上三种算法求解了TSPLIB标准库中多个算例,比较结果表明本算法能够更快的找到更优的方案,具有更好的综合性能.