顾客时间窗变化的多车场车辆调度干扰管理模型研究

为解决物流配送过程中某顾客时间窗变化而导致的物流配送难以按照原计划实现的难题,运用干扰管理方法,针对多车场带时间窗的物流配送车辆路径问题,提出包含顾客配送时间总偏离度、配送总成本、新路径方案与初始路径计划偏差量、最长行驶时间违反总量4个因素的扰动程度度量方法;以顾客时间窗变化这类干扰事件发生时的问题状态为基础,以系统整体扰动最小化为目标,建立问题的目标规划数学模型;针对这一复杂模型,提出基于特定邻域结构及其寻优概率的变邻域搜索算法;最后在标准算例上使用变邻域搜索算法与其他文献算法进行比较分析,结果表明该变邻域搜索算法对于干扰事件发生后的车辆路线重排结果在系统整体扰动程度方面明显优于其他文献的算法.     

时变信息溢出检验及其在金融市场中的应用

本文将Haugh和Hong提出的信息溢出统计量与滚动窗方法相结合,建立两类时变信息溢出统计量,并给出滚动窗大小的选取准则.Monte Carlo模拟表明,两类统计量可以较好地刻画信息溢出的时变性特征,且基于Hong统计量的时变统计量具有更高的检验功效.实证表明,上海期货交易所(SHFE)和伦敦金属交易所(LME)铜期货市场间的信息溢出具有明显的时变特征,且SHFE在国际铜期货市场的影响力存在提升趋势.     

上海股市收益的多重分形特征的实证研究:一种新的MFDFA方法

介绍了一种新的MFDFA(multifractal detrended fluctuation analysis)方法,分别利用此MFDFA方法和基于滑动窗技术的此MFDFA方法研究了上证综指日收益率序列的波动特征.一方面,验证了此方法的有效性以及滑动窗MFDFA方法的精确性;另一方面,实证结果表明上证综指收益率序列具有多重分形特征,小幅波动具有持续性,大幅波动具有一定程度的反持续性.     

基于3D打印技术的备件生产与运输协同调度问题研究

基于3D打印的智能制造技术已经成为推动备件供应链转型升级的重要手段。在此背景下，本文研究“随时需要随时生产+即时配送”新型模式下的计划性维修备件的供应链协同问题。生产与运输协同调度问题在制造业领域普遍存在，属于NP-Hard问题。本文研究带时间窗的生产与运输协同调度问题，建立混合整数规划模型，根据Dantzig-Wolfe分解原理分别建立主问题和子问题数学优化模型，并采用改进的分支定价算法进行求解。在求解过程中，首先，构造可行解，基于可行路径调用CPLEX优化软件对主问题求解；其次，针对子问题的求解，根据研究问题的属性设计占优原则和加速策略，并对求得的非整数解进行分支；最后，通过对多组规模算例进行测试，数值实验结果表明：1)验证了所建立模型和改进算法的有效性；2)通过求解时间对比可知所使用加速策略能够将算法效率提高10倍左右；3)通过将生产和运输协同决策与实际运作中的分阶段决策结果对比，本文设计的方案可以将目标函数值平均优化50.33%。本研究不仅能够有效解决新型备件生产模式下的生产与运输协同调度问题，而且可以为企业实际运营决策提供科学依据，实现降本增效的目标。     

草畜平衡约束下带时间窗的放牧路径规划研究

草地资源的自然特征决定了草场载畜量的有限性，一年内只有在特定的时间窗适合放牧，承受不了长期、持续地放牧。不合理的放牧路径规划不仅会导致牲畜采食时间与草场生长周期错配，还会导致草场出现超载、欠载及退化等一系列负面问题。本文在考虑草畜平衡的基础上，提出放牧时间惩罚函数，构建了线性时间窗和指数型时间窗放牧路径规划模型，并设计了改进的遗传算法对模型进行求解。最后以青海省海晏县的牧户为例对模型进行了验证。结果表明，带指数型时间窗的算法能够更快地逼近最优解，且综合考虑三种成本比只考虑单一成本为目标得到的放牧路径总成本更低。改进的遗传算法缩短了求解时间并提高了求解稳定性。本文构建的带时间窗路径规划模型充分考虑了草场的自然属性，优化了牧户放牧路径，提高了牧户对草地资源利用的科学性。     

基于时间惩罚的装配式建筑多源供应链协同模式研究

基于当前装配式建筑产业供应链的管理协同模式对于整体工程施工的工期及成本产生的影响,在供应商间信息不共享的二阶供应链系统模型中,研究不同维度下时间惩罚系数的设立对装配式建筑多源供应链的影响。从提高装配式建筑多源头供应链协同的角度,提出了时间强度惩罚模型,通过设置严重时间横向惩罚系数,激励供应商主动做出与供应链成本最优决策一致的交付决策,从而实现供应链最优供给。数值分析表明,在供应链中只有同时含一般时间惩罚和严重时间横向惩罚时,总承包方才能通过调节惩罚系数促使各供应商愿意选择与集中决策下供应链的最佳供货时间一致的到货时间,从而实现供应链的成本最小化。     

基于滚动时间窗的碳市场价格分解集成预测研究

提高碳市场价格预测准确性对于交易风险监测以及碳市场平稳发展具有重要价值。针对复杂的、非线性碳市场价格数据的短期预测误差偏大、分解过程易产生数据泄露问题，提出了基于滚动时间窗的SSA-SVR分解集成预测框架。首先，选取时间窗数据，继而借助奇异谱分析将时间窗内碳价序列分解重构为高、低频序列；然后，使用支持向量回归方法对高、低频序列分别进行预测；最后，加和集成预测结果，得到下一时刻的碳市场价格预测值。通过不断更新时间窗的数据内容，动态执行“分解-预测-集成”过程，实现碳市场价格的实时预测。研究结果表明，本文所提出框架表现出优异且稳定的预测性能，在碳市场价格预测研究中具有良好的适用性和有效性。