不确定信息下应急设施选址-路径鲁棒优化

为抵御突发灾害对路网造成的破坏性,提高救援效率,考虑路径超期风险和设施点失灵对系统的影响,针对需求点物资需求量不确定和车辆运输时间不确定,构建三级路网,采用车辆和直升机联合运输方式进行多物资运送。基于鲁棒优化思想,建立了以物资送达需求点救援时间之和最小为目标的应急设施选址-路径鲁棒优化模型,采用CPLEX进行求解。最后,设计不同算例进行数据仿真实验,证明了鲁棒优化方法在处理需求量和车辆运输时间不确定以及偏差鲁棒优化方法在处理设施点失灵风险的有效性和鲁棒性,进而为解决应急设施点的选择和救援物资的及时准确配送,增强应急物流系统的风险应对能力提供了有效的方法。     

不确定与损毁情景下可靠性设施选址鲁棒优化模型与算法研究

设施选址是长期战略性决策问题,选址决策面临各种不确定因素,设计一个可靠的选址网络具有重要的战略意义.本文同时考虑需求的不确定性及设施可能损毁的情景,扩展无容量限制的固定费用可靠性选址模型,建立不确定与损毁情景下服务能力有限的可靠性设施选址鲁棒优化模型.基于Bertsimas和Sim鲁棒优化方法提出一个新的混合整数规划模型,通过引入辅助变量和对偶变换实现非线性鲁棒优化模型转化为鲁棒对应模型,提出蝙蝠算法(BA)对模型予以求解,并通过算例仿真验证模型和算法的可行性,为设施选址决策提供模型和方法设计.     

α-鲁棒的危险品道路运输应急设施选址问题

针对危险品道路运输, 优化应急设施选址能对危险品事故做出快速响应, 降低事故损失, 提升政府应急管理水平. 应急设施的响应半径经常发生波动, 针对这种不确定性, 首先利用经典的场景方法, 提出一个目标分层的α-鲁棒的弧段覆盖模型, 该模型第一目标是最小化需要建立的设施数目, 第二目标是最大化期望的加权覆盖率, 且各个场景下的加权覆盖率都大于等于最大覆盖率的100(1-α)%; 然后利用贪婪算法进行求解, 最后通过一个实例说明, 该模型为应急设施的选址优化提供了一种有效的解决方法.     

需求不确定环境下闭环供应链运作的鲁棒优化模型

设计了一类由一个制造商和一个供应商构成的同时具有再分销、再制造和再利用的闭环供应链,废旧产品的回收及再处理均由制造商完成。建立了该供应链在顾客需求不确定环境下的多目标鲁棒动态运作模型。采用具有已知概率的离散情景描述顾客需求的不确定性,利用基于情景分析的鲁棒线性优化方法建立供应链的运作模型。设计的数值算例的结果验证了运作策略的鲁棒性。     

含不确定参数线性优化的新鲁棒优化模型

针对椭球不确定数据鲁棒线性优化模型的保守性,提出了一种新的鲁棒线性优化模型。通过引入新的距离公式,把椭球不确定数据映射到单位球中,以此来改进鲁棒线性优化模型。新模型克服了原模型对数据扰动较大时的保守性,从而在解的鲁棒性和最优性之间得到一个比较好的平衡。通过对几个标准实际问题的测试,结果表明新模型在保证解的鲁棒性的同时具有良好的最优性。     

不确定需求下基于匹配度的应急物资分配区间鲁棒优化

考虑需求不确定性的应急物资分配是重大突发事件救援领域关注的热点问题。针对需求不确定下的应急物资分配问题,综合考虑需求量和需求时间的匹配度,构建以综合匹配度均值最大为目标的区间鲁棒优化模型,设计基于随机采样的改进自适应遗传算法,以某突发事件中的应急物资需求为对象开展算例研究,计算相应的物资分配方案及需求匹配度,分析模型和算法的性能,探究模型中部分参数的影响。结果表明：改进的自适应遗传算法在大规模物资分配问题求解方面的优势更加突出;鲁棒优化在提高应急物资分配中需求匹配度方面具有一定的优化效果,但鲁棒性降低并不一定意味着平均匹配度的明显增长;需求量匹配度权重对匹配度具有更加显著的影响,但需求量不确定程度的增加并不一定导致匹配度的下降。权衡保守值与匹配度之间的关系,设置合理的需求量匹配度权重,调节与控制需求量的不确定程度等,能够有效改善不确定条件下应急物资的分配效率与需求匹配度。     

不确定SMDP基于全局优化的鲁棒决策问题

考虑半马尔可夫决策过程（SMDP）在一些系统参数不确定，且性能函数依赖于这些参数时的鲁棒决策问题。这些参数的不确定性不仅导致等价无穷小生成子的不确定性，也导致性能函数的不确定性。论文针对相关参数的情况，分别采用不同的全局优化算法，即填充函数法和模拟退火算法，进行鲁棒控制策略求解。仿真实例说明，全局优化方法的使用保证了平均准则和折扣准则下的计算结果之间当折扣因子趋近于零时的极限关系成立。     

不确定离散时滞系统的鲁棒滤波与仿真

研究了一类不确定离散时滞系统的鲁棒滤波问题,其中不确定性存在于系统的状态矩阵和输入矩阵当中,且满足范数有界条件.对于所有容许的参数不确定性,构造一个线性滤波器,使得滤波误差系统渐近稳定且满足一定的性能指标.给出了滤波器存在的充分条件,并通过矩阵变换得到了设计滤波器的LMI方法.为了使得滤波器具有良好的稳态性能,本文考虑了LMI的优化问题.通过求解一组LMI,可以得到最优滤波器.最后,仿真结果很好地说明了本文方法的有效性.     

不确定曝光量下保量投放合约广告鲁棒分配优化

在线广告市场中,保量投放合约广告占有重要份额。在相应的广告分配研究中,通常假设广告发布商平台在分配决策时,已知曝光量的精确值或精确概率分布,但实际决策时该值是高度不确定的。本文假设仅知曝光量部分分布信息,寻求已知部分信息的不确定集的最坏情形下的鲁棒分配方案,建立分布鲁棒机会约束模型。通过分析问题结构特征,对模型进行转化,设计了基于黄金分割搜索的风险概率凸逼近迭代算法,有效提升分配效果。最后进行数值仿真实验,验证得到的广告分配方案和相应设计算法的有效性和鲁棒性。     

电子市场环境下需求不确定供应链多目标鲁棒运作模型

建立电子市场环境下由多个供应商，多个具有不确定需求的顾客构成的供应链运作模型。供应链中的供应商既可以通过电子市场又可以直接将多种产品供应给不同的顾客。采用已知概率的情景集合描述顾客的不确定需求，利用基于情景分析的鲁棒优化方法建立供应链的运作模型。该模型为一个多目标规划问题，满足诸如尽可能达到顾客需求，系统的总成本最小，供应商的加工能力使用率不低于某一指定水平，对应于不确定需求的决策的鲁棒性等多个相互冲突的目标。数值仿真结果表明，模型的解是最保守的，但却能够有效地保证供应链运作的鲁棒性。     

考虑信息隐藏策略的反恐应急设施选址模型

恐怖袭击常以人流密集地区的平民对象作为袭击目标,极易造成严重后果.通过反恐应急设施的合理布局可以缩短救援时间并降低袭击损失.在设施选址过程中,政府还可通过选址信息的隐藏来获取信息优势,误导恐怖分子的袭击策略并改善效用.首先,对考虑信息隐藏策略的反恐应急设施选址问题进行描述,结合随机选择模型刻画恐怖分子的有限理性行为,并将该问题构建为一类双层规划模型;随后,针对模型分别设计精确解算法和遗传算法,并结合喀什地区交通网络进行仿真分析.结果发现:恐怖分子理性程度已知时,相比于选址信息的完全公开,隐藏部分信息后更有利于降低政府损失,信息隐藏的最优数量与恐怖分子理性程度相关;恐怖分子理性程度未知时,在其理性程度被低估的情形下,选址信息隐藏策略更能发挥作用.     

带有空间公平性约束的换乘停车场布局双目标规划模型

为规划城市交通网络中换乘停车场的布局,建立了带有空间公平性约束的双目标规划模型,目标分别为换乘停车场的客流量最大和建立换乘停车场的成本最少. 提出了单位成本客流量的概念,将原问题转化为含参数的单目标问题求解,分析了模型解的性质,并给出了单位成本客流量在参数 的不同区间上的函数增减性以及上下界. 模型应用在Anaheim市的交通路网中. 该研究为换乘停车场 的投资方从成本-收益角度评价建设方案提供决策支持,对城市交通部门进行换乘停车场的布局规划 具有理论指导意义.     

Robust location algorithm for NLOS environments

One of the main problems facing accurate location in wireless communication systems is non-line-of-sight(NLOS)propagation.Traditional location algorithms are based on classical techniques under minimizing a least-squares objective function and it loses optimality when the NLOS error distribution deviates from Gaussian distribution.An effective location algorithm based on a robust objective function is proposed to mitigate NLOS errors.The proposed method does not require the prior knowledge of the NLOS error distribution and can give a closed-form solution.A comparison is performed in different NLOS environments between the proposed algorithm and two additional ones(LS method and Chan's method with an NLOS correction).The proposed algorithm clearly outperforms the other two.     

一种不确定条件下批处理过程的鲁棒调度模型

批处理过程中存在大量的不确定因素,通常表现在参数的变化上,这使得确定性的生产调度模型难以得到令决策者满意的调度结果.为了解决这一问题,文章从鲁棒优化的角度出发,给出了鲁棒调度的新定义,其核心是在调度的可行性与最优性之间寻求均衡.介绍并提出了相关的鲁棒性指标来衡量调度的鲁棒性.并依据这种思想,针对不确定需求建立了一种新的鲁棒调度模型,该模型允许在一定程度上违背某些约束,但要求对这种违背进行补偿,规定补偿行为,并将补偿成本记入优化目标,从而实现鲁棒优化.仿真结果表明,利用该模型可以得到鲁棒性更强的调度方案,并且满足一定的最优性.     

考虑同时取送货需求带模糊容量限制的在线设施动态选址问题

共享环境下配送设施作为在线资源，其空闲容量受线下负荷影响而呈现动态可得性与波动模糊性.同时，在线资源的引入也使得城市配送中的设施选址问题由单周期决策模型转变为多周期动态决策.为此，本文构建了考虑同时取送货需求带模糊容量约束的在线设施动态选址模型，改进了五角模糊数隶属度函数用以表示模糊容量约束.在此基础上，将禁忌搜索与自适应大规模邻域搜索算法相结合，提出了邻域生成算子和新解接受准则改进方案.最后，算例结果表明该改进方案能有效提升算法全局搜索能力，降低企业在线设施动态选址成本.     

重力p-median模型在设施选址中的应用及检验

区位分配模型是设施选址研究中的重要方法,其中p-median模型是应用最广泛的一种.但传统p-median模型中每一需求点仅选择最近的那一个设施的假设具有一定局限性.重力p-median模型对此进行了重要改进,假设需求者根据距离和设施吸引力确定选择各个设施的概率.但目前学界关于重力p-media:n模型在实际应用中的有效性仍未达成一致.本文将重力p-median模型应用到北京市延庆县医疗设施布局的实际案例中,并与p-median模型进行比较,以检验重力p-median模型的有效性和适用范围.结果表明,重力p-median模型作出的改进具有实际意义,当设施候选点吸引力存在差异时,重力p-median模型会得到与传统p-median模型显著不同的优化结果;两个模型适用于不同的设施选择行为,在实际应用中需把握清楚所研究设施的特点才能做出合理的选择.     

Robust decentralized H∞ control of multi-channel systems with norm-bounded parametric uncertainties

A robust decentralized H∞ control problem for uncertain multi-channel systems is considered. The uncertainties are assumed to be time-invariant, norm-bounded, and exist in both the system and control input matrices. The dynamic output feedback is mainly dealt with. A necessary and sufficient condition for the uncertain multi-channel system to be stabilized robustly with a specified disturbance attenuation level is derived based on the bounded real lemma, which is reduced to a feasibility problem of a nonlinear matrix inequality (NMI). A two-stage homotopy method is used to solve the NMI iteratively. First, a decentralized controller for the nominal system with no uncertainty is computed by imposing structural constraints on the coefficient matrices of the controller gradually. Then the decentralized controller is modified, again gradually, to cope with the uncertainties. On each stage, a variable is fixed alternately at the iterations to reduce the NMI to a linear matrix inequality (LMI). A given example shows the efficiency of this method.