基于现金流均衡目标的多模式项目调度问题研究

首先对基于现金流均衡目标的多模式项目调度问题进行界定;随后定义两组0-1决策变量并构建问题的优化模型;鉴于问题的强NP-hard属性,设计专门的模拟退火启发式算法;最后用一个实例对研究进行说明,并计算分析关键参数对目标函数的影响.结果表明:承包商最大累计资金缺口随项目截止日期的延迟、支付比例和预付款比例的提高而减小,随着质量保证金比例的提高而增大.     

基于不同支付条件的现金流均衡项目调度优化

以现金流均衡为目标,研究不同支付条件下的项目调度问题.在对所研究问题进行界定的基础上,构建了基于里程碑事件支付条件的优化模型,并将其扩展为基于累计时间、累计挣值和累计费用等支付条件的优化模型;针对问题的强NP-hard属性,设计禁忌搜索启发式算法;在随机生成的标准算例集合上对算法进行测试,并与其他两种启发式算法进行比较...     

基于Benders分解算法的跨区互联电力系统协调规划模型

研究跨区互联电力系统的协调规划,对于提高投资效率实现更大范围的资源配置具有较强现实意义。本文首先描述多区域电力系统扩张规划问题,并建立多区域扩张规划模型,旨在寻求最优的扩容方案,以最小投入来满足多区域电力系统负荷增长需求;其次,采用Benders分解算法将多区域扩张规划问题分解为一个规划主问题和一个运行子问题,通过主子问题之间的迭代求解,获得最终的最优解;最后,对某个典型的包含7个区域的多区域电力系统进行模拟仿真,验证了本文所构建模型及算法的有效性。     

考虑通行约束和运力限制的灾后应急物资联合调度优化研究

考虑到灾后路网受损难以运输应急物资，本文研究了应急响应中车辆-直升机联合调度的路径优化问题。针对受灾地区的实时路况，通往灾区的救援工具受到数量以及装载量的约束，本文将受灾点等待救援的平均时间最短以及应急网络总费用最低设为目标，构建运力受限条件下带通行约束的救援物资联合运输多目标优化模型，然后根据随机邻域搜索变异和分级交叉的思想构建出一种带精英策略的非支配排序混合进化算法（NSHEA-II）得到模型的解，并利用算例分析对该算法进行可行性检验。结果发现，本文构建的NSHEA-II算法相对NSGA-II算法能够得到较好的结果且波动性较小，这为决策者制定救援物资的配送方案提供有效的技术支撑。     

灾后模糊需求情境下考虑救援公平性的应急物资调度问题模型与算法研究

在重大灾害发生初期,由于受灾地区对应急物资的需求激增,合理的应急物资分配有助于提高救援效率。本文考虑受灾点应急物资需求具有模糊属性,将需求物资用三角模糊数表示,以受灾群众损失最小、体现救援公平性的受灾点应急物资满意度方差最小及应急救援成本最小为目标,构建了灾后初期应急物资调度的多目标模糊优化模型,并采用改进的粒子群算法对模型进行求解。该算法在粒子群算法的基础上采取天牛寻找食物的策略,将单一粒子分为左、中、右三个粒子,并结合单纯形算子和模拟退火策略,使算法不易陷入局部收敛。本文通过算例进行模拟实验表明,所提出的模型和算法可以有效解决重大灾害事件下应急物资的合理分配问题,且改进算法的性能更优。     

一种考虑动态时间窗的满载问题模型及算法

针对时间约束在满载问题中的复杂性,建立了一个考虑装载时间和次序的具有动态时间窗的满载车辆调度模型,并给出了一个基于动态构造原理的启发式算法。该模型和算法改进了以往满载问题中对时间窗的考虑,使得求解更具有实际派车意义,并且该算法通过参数调整,经过少量迭代即可快速求得最小化总成本的满意解。     

考虑订单类型的两台平行批处理机在线调度模型研究

探讨了两台平行批处理机的调度决策问题,着重考虑了订单具有不同加工类型、同一批次只能加工相同类型的订单以及机器批容量有限的调度情形。针对订单实时到达且需要立即决策是否接受的实际情景,运用在线理论构建了平行机批调度在线模型。证明了该问题的竞争比下界为2Bw/（1+√Bw）,其中B和w分别表示批容量和单个订单的最大完工收益。进而设计给出了收益阈值算法PT并证明其对于订单具有紧交货期限的情形竞争比为2（1+Bw）/（1+√Bw）;对于非紧交货期限的情形,证明了修正的PT算法具有竞争比为1+2（1+Bw）/（1+√Bw）。     

差异分批模式下的联合成本优化问题及算法

提出了一类制造企业的联合成本优化问题,将企业的产品制造环节和配送环节进行协同运作,实现供应链环境下的联合调度.在生产环节,考虑一类典型的差异分批制造模式,即待加工的作业尺寸有差异,而批处理设备的容量确定,设备环境为多台并行设备;在配送环节,企业采用自有车辆进行运输,车辆具有相同的运输能力;若完工的作业在当前无可用车辆进行配送,则转入产成品库存;联合成本为生产、库存和配送三阶段的总成本.本文首先构造了基于整数规划的数学模型,证明了联合成本的最小化问题是强NP-hard问题;然后设计了多项式时间的近似算法,分析了算法的时间复杂性,并证明了算法的求解性能.     

B2C电子商务环境下订单拣选与配送联合调度优化

如何在顾客下单后协调好拣选和配送环节,在最短的时间、以较低的成本将商品从货架上拣出、打包后配送到顾客手中,已成为B2C电子商务物流管理中亟待解决的问题。本文尝试以最小化订单履行时间为目标,构建非线性拣选与配送联合调度模型,以解决订单拣选顺序、拣选作业方式、车辆行驶线路等联合决策。为求解此NP难问题,设计了三阶段启发式算法：首先采用“聚类-路径优化”思想,依据顾客位置进行配送方案确认;然后采用基于相似度聚类的订单分批规则对每条配送线路的订单进行分批合并;最后调整拣选任务与配送线路顺序。通过数据实验对模型进行验证,并与传统拣选与配送分开优化的结果进行对比。结果表明,三阶段算法能够有效缩短订单完成时间、降低配送车辆等待时间、改善配送资源利用率。     

考虑公平偏好的零售商主导型供应链均衡决策研究

考虑由具有批发定价权的零售商和生产规模不经济的制造商组成的零售商主导型供应链,构建仅制造商具有公平偏好、仅零售商具有公平偏好,以及双方同时具有公平偏好等三种情形下的Stackelberg博弈模型,探究上下游企业的公平偏好对供应链各成员企业的均衡决策与效用的影响。研究发现：（1）与无公平偏好时的最优产量相比,供应链成员（仅制造商、仅零售商和双方同时）具有公平偏好时制造商将会增加最优产量,提升供应链的运作效率,而且满足特定条件时批发价格契约可以实现供应链的协调。（2）双方同时具有公平偏好对供应链各成员企业的最优决策与效用的影响最为显著。（3）供应链各成员企业的最优决策与效用分别同上下游企业的公平偏好系数之间可能都不是简单的线性关系,具体还与消费者的价格敏感性和制造商的生产成本等因素密切相关。数值分析结果也证实了上述结论。     

面向多灾点需求的应急资源调度博弈模型及优化

非常规突发事件爆发后经常会造成多个灾点,而各灾点的需求往往是不同的,单独的应急资源中心很难同时满足这种要求,因此如何把多个应急资源中心所储备的应急资源公平合理地调配到各个灾点成为应急决策者亟待解决的现实问题。本文首先描述了各灾点对应急资源需求变化的动态过程即按照应急资源需求信息的变化将整个应急资源调度过程划分成若干阶段,在此基础上构建了基于多灾点多阶段的应急资源调度过程理论模型。随后以博弈论为工具,在进行一系列模型假设和确定各灾点灾情的前提下,建立面向多灾点需求的应急资源博弈调度模型,并采用改进的蚁群算法进行求解,实现对各灾点以最小的“虚拟成本”进行所需应急资源的调度。最后的模型仿真测试和算例分析验证了所建模型的有效性和可行性。该模型与算法也为商业物流中的资源配送提供了新的解决方案和实现途径。     

考虑分时电价的多目标批调度问题蚁群算法求解

对同时优化电力成本和制造跨度的多目标批处理机调度问题进行了研究,设计了两种多目标蚁群算法,基于工件序的多目标蚁群算法(J-PACO,Job-based Pareto Ant Colony Optimization)和基于成批的多目标蚁群算法(B-PACO,Batch-based Pareto Ant Colony Optimization)对问题进行求解分析。由于分时电价中电价是时间的函数,因而在传统批调度进行批排序的基础上,需要进一步确定批加工时间点以测定电力成本。提出的两种蚁群算法分别将工件和批与时间线相结合进行调度对此类问题进行求解。通过仿真实验将两种算法对问题的求解进行了比较,仿真实验表明B-PACO算法通过结合FFLPT(First Fit Longest Processing Time)启发式算法先将工件成批再生成最终方案,提高了算法搜索效率,并且在衡量算法搜索非支配解数量的Q指标和衡量非支配集与Pareto边界接近程度的HV指标上,均优于J-PACO算法。     

基于混合差分进化算法的联合补货-配送优化模型

本文综合考虑联合补货与配送决策,研究了随机需求、允许缺货环境下多企业多产品联合补货与配送集成优化模型,设计了混合差分进化算法(Hybrid Differential Evolution, HDE)对该模型进行求解,同时通过算例与遗传算法、标准的DE算法进行了比较,证实HDE算法高效且稳定;另外,设计了一个先补货再配送的两阶段优化模型,对比优化结果发现采用供应链协同时补货成本较高,配送成本较低,且总成本较低。最后,对相关参数进行了敏感性分析,发现需求率和库存维持成本的变动对总成本的影响远远大过次要订货成本对总成本的影响。     

一种差异工件单机批调度问题的蚁群优化算法

由于在利用蚁群算法构建差异工件(即工件有尺寸差异)单机批调度问题的解时,批的加工时间是不确定的.从而不能类似于经典调度问题的蚁群算法把批加工时间的倒数作为蚁群算法中的启发式信息,引入批的利用率和批的负载均衡率作为蚁群算法中的启发式信息,提出了JACO(ant colony optimization based a job sequence)和BACO(ant colony optimization based a batch sequence)两种蚁群优化算法.在算法JACO中,解的编码为工件序列,它对应着用BF(best fit)分批规则生成的调度方案,信息素代表工件间的排列顺序;在算法BACO中,解的编码为批序列,信息素代表工件间的批相关性,由此信息素通过中间信息素量来构造相应的解,并引入特定的局部优化策略,提高了算法的搜索效率.实验表明,与以往文献中的SA(simula-ted annealing)、GA(genetic algorithm)算法以及FFLPT(first-fit longest processing time)、BFLPT (best-fit longest processing time)启发式规则相比,算法JACO和BACO明显优于它们,且BACO算法比JACO算法效果更好.     

考虑规整性的露天开采调度问题研究

露天开采调度问题的相关研究通常采用块状矿床模型将露天矿体离散为块矿进行考虑,该模型是在给定的技术和经济条件下,以经济效益最大为目标,对露天矿中处于不同地理坐标位置的块矿的开采顺序及开采时间进行优化决策． 本文根据实际生产过程特点,将开采过程中的规整性目标加入到经典块状矿床模型中进行考虑,进而建立了一个新的0 － 1 整数规划模型． 文章提出了一种拉格朗日松弛( LＲ) 算法进行求解． 首先利用优先级约束背包结构,根据块选择规则构建了有效不等式,使得求解时间明显缩短; 其次,基于有向无环图结构设计了快速的可行解获得策略,还利用最早开始时间和最迟开始时间两种算法进行变量消除,减小问题求解规模; 最后,通过真实的数值算例验证了文中算法的有效性,结果显示与标准求解软件CPLEX 相比,本文设计的有效不等式和获得可行解的算法策略在求解时间上占有优势,同时能够在满足优先级顺序约束、生产约束以及开采的块矿所获净现值尽可能大的前提下,保证开采的过程是规整的．     

随机订单干扰下考虑合并决策的供应链网络调度研究

为满足客户个性化需求的快速响应,企业需具备柔性的外部供应链网络结构,以协同方式共同完成产品生产。本文考虑具有交互特征的多个不同类型协同供应链网络,构建生产成本、库存成本、等待成本以及订单延期交货成本最小化的目标函数,并设计合并决策判断变量构建同类订单在相同协同企业处的开始时间约束。此外,模型中考虑确定订单以及随机订单两种类型订单,并设计随机订单在区间时间段中离散时间点的到达概率。为获取协同供应链网络生产调度优化策略,基于随机订单到达与否的场景构建四个子决策模型,并进一步设计判断提前安排随机订单协同生产和不提前安排随机订单协同生产不同调度策略下成本差异的主决策模型。仿真结果表明合并决策在带来生产成本效益的同时也引起了部分订单的延期交货,且不同类型的协同供应链网络对随机订单的抗干扰能力存在一定程度的差异。     

时间窗口约束下基于改进蚁群算法的协同制造调度研究

与传统调度模式不同,协同制造模式下企业之间的调度模式极其复杂。协同企业间的加工工序路线并不固定,且不同类型产品具有不同的加工路线网络。为此本文针对平衡型、瓶颈型、跳跃型、混合型四类具有典型特点的协同制造网络G_p进行分析和设计;考虑制造企业同类产品合并加工策略,构建基于连续加工量的分段生产成本函数;通过设计合理的订单最早交货时间和最晚交货时间,对订单交货进行时间窗口约束,并在此基础上构建了由制造商生产成本W_c^m、订单等待W_s^k（Q_k, T'_k）和提前完工库存成本W_s^k（Q_k, T″_k）、延期惩罚成本构成W_l^k（Q_k, T'″_k）的目标函数。为求解该模型,创新性将蒙特卡洛思想引入蚁群算法,提高蚂蚁选择合理性,避免局部最优;同时,采用移动窗口[min, max]奖励机制,并且对信息素奖励乘以平衡系数k（N）提高奖励可信度,加快搜索速度并提高求解性能。仿真结果表明,本文构建调度模型合理,可以获得优化的调度结果;同时,本文提出的蚁群改进寻优算法具有良好的求解速度和收敛性,算法具有较好的稳定性。     

基于风险的考虑成本和允许等待的车辆运输调度问题研究

本文同时考虑了成本约束和允许等待情形,研究了最小化风险的车辆运输调度问题,其中运输风险是随时间不同而变化的,即研究在时间依赖网络中基于风险的有约束的运输路径选择问题,以及在选定路径的顶点上决定的出发和等待时间的综合问题。建立了相应的混合整数规划模型,设计了相应的算法,并分析了算法复杂性,最后通过算例验证了该算法的有效性和可行性。