随机多阶段分销网络设计模型

为了更合理的设计分销网络,本文提出了一种随机多阶段的联合选址-库存模型。在该模型中,不仅考虑了经济规模和分摊效益的影响。同时通过情景规划,考虑了在多阶段的分销网络设计中,对未来市场环境的不确定性。该模型的目标是使整个战略周期内的总期望成本(包括库存、运输、选址成本与损失的收益)最小。本文将该模型建立成为了一个非线性的整数规划模型,同时提出了一种基于拉格朗日松弛的求解算法。最后,本文使用该算法求解了三组不同规模的算例,得到的计算结果证明了拉格朗日算法是求解该模型的有效算法。     

基于随机p-鲁棒优化的国家血液战略储备库选址-库存模型

以往的救灾实践对建立国家血液战略储备体系提出了迫切要求。国家血液战略储备库的建设问题亟待解决。由于血液产品特性以及应急血液保障特性的存在，使得国家血液战略储备库的选址决策具有一定的复杂性。本文将问题定位为选址-库存问题。首先，以应急条件下血液保障及时度最高为目标，构建了一个不确定环境下考虑多情景、多血型、多阶段、带提前期、有容量限制、日常随机需求、有预算约束及协同定位的国家血液战略储备库选址-库存模型。同时，为了规避应急条件下的不确定风险，进一步构建了国家血液战略储备库选址-库存问题的随机p-鲁棒优化模型。该模型为离散非线性混合整数规划模型，难以快速精确求解。故基于模型性质，设计了相应的遗传算法。最后，设计了两组算例验证模型与算法的有效性。其中，第1组算例基于我国大陆地区31个省级血液中心与省级行政区的数据，并根据不同预算值给出6个算例，得到了国家血液战略储备库的选址-库存决策方案。第2组算例为6个不同规模的模拟算例，用来测试不同规模下的算法性能。算例结果表明：遗传算法的性能更好；鲁棒解与确定性模型最优值相差不大（最大差距≤1.08%），可降低不确定性导致的风险。实践中，可对本文所建模型稍作改进，应用于具有类似特征的易腐品（药品、粮食等）应急物资储备库选址-库存决策。     

非平稳需求下考虑碳配额的供应链选址-库存模型与算法研究

针对非平稳需求下考虑碳配额的多期、多需求情景的三级供应链选址-库存问题，构建了库存策略（t，s，S）下供应链运营期望收益最大化的两阶段选址-库存随机优化模型，依据供应链企业不同着眼点下的决策流程，提出了一种三步骤的分层级启发式算法，该算法包含了选址导向和需求导向的两种子问题序贯求解模式。数值算例验证了在不同问题规模及需求类型下算法求解的有效性，同时分析了供应链网络设计、各成本占比和运营收益对不同供应链成本结构、需求不确定性与碳配额的敏感性，并给出了管理上的启示。     

考虑多种安全库存策略的选址-库存问题研究

考虑多种安全设置策略的物流网络的选址-库存问题,不仅是选址、订货、运输和库存的集成优化,还需要考虑多种不同的安全库存设置和转运策略。因此,本文深入讨论了二级物流网络中的六种安全库存设置策略,构建了六种考虑不同安全库存设置的选址-库存模型。在考虑集中设置安全库存时,集中安全库存需要通过转载运输实现,因此需要将转载运输成本引入选址-库存模型之中,使新的选址-库存模型更加科学合理。另外,针对六种新的选址-库存模型,提出了基于个体成本差异分配的遗传算法,迭代搜索选址、分配、库存设置策略的优化组合。最后,通过数据实验验证了模型的有效性：（1）安全库存与转载运输之间存在此消彼长的背反关系;（2）安全库存设置和转载运输策略对总成本的影响取决于两种费率权重情况。本文的研究可以为二级物流网络的选址、订货和安全库存策略集成优化决策提供参考依据。     

基于Stackelberg博弈的变质物品分销网络设计模型

研究了一类短销售期的变质物品的分销网络设计问题.假定零售商的缺货成本依赖于分配给为其提供服务的分销中心的库存成本,供应商在销售期末给零售商提供第二次订货机会,供应商根据零售商的订货决策确定分销中心的最优选址和确定每个分销中心为哪些零售商提供服务,从而最小化总的运作成本(选址成本,运输成本,库存成本和变质成本),其中分销中心的运输成本和库存成本依赖于零售商确定的订货数量;而零售商则根据供应商的决策确定自身的最优订货决策,利用Stackelberg博弈分析的方法,建立了一类变质物品的分销网络设计模型,并使用拉格朗日松弛算法求解,最后通过数值算例分析了模型最优解对于参数的敏感性.     

考虑碳配额差值的选址-路径-库存集成问题优化模型与算法

考虑碳配额差值对产供销一体化系统中的选址-路径-库存集成问题的影响,构建了嵌入碳配额差值和选址-路径-库存运作成本的非线性整数规划模型,并对模型中的碳配额差值和选址-路径-库存运作成本两个目标同时进行优化;通过对目标函数进行等价处理,设计了基于BFA-PSO的组合优化求解算法;数值仿真结果显示企业可以通过运作层的决策优化,以较小的经济成本获得较大的碳减排绩效。     

国家血液战略储备库选址——库存问题

建立血液战略储备库是应对大规模突发事件应急血液保障问题的重要途径之一.为提高应急血液保障能力,以灾后应急血液保障时效性最高及日常条件下血液战略储备库运营总成本最低为目标,基于非线性混合整数规划方法建立了一个考虑多情景、多阶段、多血型、随机需求、库存补充提前期、容量限制及协同定位等因素的血液战略储备库多目标选址—库存问题优化模型.根据该模型的性质,设计了一种基于小生境技术的多目标非支配排序遗传算法进行求解.算例分析结果表明,该算法能够有效获得Pareto前沿,产生一簇Pareto解,因而决策者可根据偏好与实际需要权衡应急血液保障成本与时效性,选择合适的血液战略储备库选址—库存决策方案.     

通货膨胀下的联合库存选址模型研究

研究了通货膨胀对涉及一个供应商、多个候选配送中心和零售商的三级分销网络设计的影响.不同于传统的联合库存选址模型,所研究的模型考虑了整个系统的相关成本的时间价值,其目标是使在一定的通货膨胀率下总的选址、运输和库存成本之和的现值最小.为此,建立了一个非线性的整数规划模型,该模型为无容量约束问题的扩展模型,属于NP-hard问题.提出了3种基于不同编码形式的遗传算法用于求解该模型,并通过不同规模的算例对3种算法进行了有效性的分析和对比.最后,通过对各算例的计算结果的分析,发现随着通货膨胀率的增长,为了使这个分析网络的总成本现值最小,需要增加建立的DC的数量.     

α-鲁棒随机截流选址问题的模型和算法

由于选址决策的长期性,相关参数会随着时间而变化,所以选址问题存在很多不确定因素。本文通过不同的情景来处理截流问题中流量的不确定性,并结合随机优化和鲁棒优化,提出α-鲁棒随机截流选址模型。该模型规定了在各情景下的相对后悔值不超过α的条件下,使截得的流量的期望值最大,该条件称为α-鲁棒约束。本文将该模型建立成为一个线性0-1整数规划,并给出了改进型贪婪算法和拉格朗日启发式算法。最后,本文使用这两种算法对不同规模的截流选址问题进行了研究。     

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.     

面向新零售的生鲜连锁企业城市配送网络优化研究

城市配送网络优化是生鲜连锁经营企业实施新零售的关键环节,本文研究新零售背景下生鲜企业城市配送网络面临的多业态门店选址及末端需求点分配问题。本文系统考虑多业态零售门店选址布局及覆盖范围、冷链设施配置、冷藏品类选择等生鲜新零售特征构建非线性混合整数规划模型,并设计混合拉格朗日松弛算法求解模型,通过与CPLEX对比验证本文算法的有效性。根据典型生鲜连锁企业重庆果琳的实际数据,运用本文模型及算法得到重庆果琳多业态零售门店布局、门店线上订单覆盖范围、门店冷藏最优品类和门店冷链设施配置方案,并探讨需求规模变动、消费者自提意愿、线上订单规模和气温变化等因素对城市配送系统的影响。结果发现相比重庆果琳现有配送网络,优化方案平均成本降低2.52%;生鲜连锁企业损耗成本占总成本超过70%,配置冷链设施总成本仅降低0.32%;需求规模变动对城市配送网络及单位配送成本的影响较小;消费者自提意愿、线上订单规模和气温变化不影响城市配送网络结构且对总成本影响较小。     

A sustainable supply chain network considering lot sizing with quantity discounts under disruption risks: centralized and decentralized models

This study proposes a framework for the main parties of a sustainable supply chain network considering lot-sizing impact with quantity discounts under disruption risk among the first studies. The proposed problem differs from most studies considering supplier selection and order allocation in this area. First, regarding the concept of the triple bottom line, total cost, environmental emissions, and job opportunities are considered to cover the criteria of sustainability. Second, the application of this supply chain network is transformer production. Third, applying an economic order quantity model lets our model have a smart inventory plan to control the uncertainties. Most significantly, we present both centralized and decentralized optimization models to cope with the considered problem. The proposed centralized model focuses on pricing and inventory decisions of a supply chain network with a focus on supplier selection and order allocation parts. This model is formulated by a scenario-based stochastic mixed-integer non-linear programming approach. Our second model focuses on the competition of suppliers based on the price of products with regard to sustainability. In this regard, a Stackelberg game model is developed. Based on this comparison, we can see that the sum of the costs for both levels is lower than the cost without the bi-level approach. However, the computational time for the bi-level approach is more than for the centralized model. This means that the proposed optimization model can better solve our problem to achieve a better solution than the centralized optimization model. However, obtaining this better answer also requires more processing time. To address both optimization models, a hybrid bio-inspired metaheuristic as the hybrid of imperialist competitive algorithm (ICA) and particle swarm optimization (PSO) is utilized. The proposed algorithm is compared with its individuals. All employed optimizers have been tuned by the Taguchi method and validated by an exact solver in small sizes. Numerical results show that striking similarities are observed between the results of the algorithms, but the standard deviations of PSO and ICA–PSO show better behavior. Furthermore, while PSO consumes less time among the metaheuristics, the proposed hybrid metaheuristic named ICA–PSO shows more time computations in all small instances. Finally, the provided results confirm the efficiency and the performance of the proposed framework and the proposed hybrid metaheuristic algorithm.

     

A robust optimization model for stochastic aggregate production planning

The aggregate production planning (APP) problem considers the medium-term production loading plans subject to certain restrictions such as production capacity and workforce level. It is not uncommon for management to often encounter uncertainty and noisy data, in which the variables or parameters are stochastic. In this paper, a robust optimization model is developed to solve the aggregate production planning problems in an environment of uncertainty in which the production cost, labour cost, inventory cost, and hiring and layoff cost are minimized. By adjusting penalty parameters, decision-makers can determine an optimal medium-term production strategy including production loading plan and workforce level while considering different economic growth scenarios. Numerical results demonstrate the robustness and effectiveness of the proposed model. The proposed model is realistic for dealing with uncertain economic conditions. The analysis of the tradeoff between solution robustness and model robustness is also presented.     

服务水平保证下应急抢修点选址模型及求解算法研究

本文研究了一类故障率低但重要性较高设备的应急抢修点选址问题。设备的故障发生过程和从应急抢修点到故障设备的通行时间是随机的,每个设备被分配给一个应急抢修点进行抢修,并且整个应急抢修系统的服务水平要大于给定标准。本文以应急抢修点总开设成本最小作为目标,同时考虑了设备覆盖约束、抢修分配关系约束和抢修系统服务水平约束,在合理的假设下证明设备发生故障且应急抢修小组迟到的总次数服从泊松分布,最终将应急抢修点选址问题描述为一个0-1整数规划模型。通过对模型中的覆盖约束和抢修系统服务水平约束进行松弛,设计了相应的拉格朗日启发式算法。最后通过对大量随机算例进行计算,证明了该模型和算法的有效性。     

中小呼叫中心月度排班优化模型与算法

国内中小呼叫中心制定坐席人员月度排班表时,通常考虑劳动法规合同约束和体现企业自身用工管理诉求。构建坐席人员月度排班优化问题的二次整数规划模型。鉴于问题模型难解性,依据调研企业需求和模型逻辑结构分析,把问题分解成三个子问题。通过构建整数规划模型和提出启发式算法来求出子问题解,从而生成排班问题优化解。问题实例计算表明,模型算法能够有效控制人力成本和兼顾员工同班次管理目标。与周排班方法比较,该方法能够充分体现月度排班人力灵活性来实现人力优化配置。     

Multi-time scale Markov decision process approach to strategic network growth of reverse supply chains

This paper addresses a complex set of decisions that surround the growth over time of reverse supply chain networks that collect used products for reuse, refurbishment, and/or recycling by processors. The collection network growth problem is decomposed into strategic, tactical and operational problems. This paper focuses on the strategic problem which is to determine how to allocate capital budget resource effectively to grow the network to meet long term collection targets and collection cost constraints. We model the strategic problem as a Markov decision process which can also be posed as multi-time scale Markov decision problem. The recruitment problem in a tactical level appears as a sub-problem for the strategic model. Using dynamic programming, linear programming and Q-Learning approaches, an heuristic is implemented to solve realistically sized problems. A numerical study demonstrates that the heuristic can obtain a good solution for the large-scale problem in reasonable time which is not possible when trying to obtain the optimal solution with the exact DP approach.