联合订货区间值EOQ模型及变权Shapley值成本分摊方法

研究多个销售商企业组成联盟向一个供应商订购同种商品的联合订货问题。考虑到实际问题中很难预测到精确的需求,本文用区间表示单位时间需求量,研究允许缺货的销售商企业联合订货区间值EOQ模型,其中缺货完全回补。以联合订货平均成本最小为目标,结合连续有序加权集结算子求解出联合订货的周期、区间值订货量和区间值平均成本。定义变权Shapley值,给出区间值合作博弈的区间值变权Shapley值的求解方法,得出区间值变权Shapley值的表达式可直接利用相关联盟值的左、右端点计算得到。考虑联盟和局中人的相对重要性,结合需求率确定合成权重,提出基于区间值变权Shapley值的联合订货成本分摊方法。利用数值算例验证模型和方法的有效性。本文可为解决联合订货成本分摊问题提供决策参考。     

依托平台协作配送成本分摊的有效方法研究

依托平台的协作配送问题,在合理时间内有效计算公平成本分摊方案至关重要.核仁解是公认的公平分摊方案,但需要通过复杂的优化计算.提出了一个能通过公式近似快速计算核仁解的方法,发现任意满足总体理性分摊方案x的2~n-1(n为大联盟N中成员数)个子联盟S(S为N的子集)的满意度e(S, x)之和为常数,且不同x对应的任意子联盟S与互补联盟NS的满意度之和,即L_S=e(S, x)+e(NS, x)为常数.基于子联盟满意度越均衡,分配方案越合理的准则,构造了分配方案x对应的所有子联盟满意度均衡量化函数f(x)=∑[e(S, x)-0.5L_S]~2.显然,f越小表示子联盟满意度越均衡.证明了存在分配方案x*使f取到极小值,且x~*满足总体理性、唯一性、可加性、策略等价相对不变性、一致性、匿名性和可比性等众多分摊方案合理属性.最后,采用文章所提方法和核仁解求解方法,计算了诸多已有文献中的成本分摊算例,求解结果表明文章提出的方法计算速度比传统核仁解求解方法快数万倍以上,与最新求解核仁解及Shapley值的有效算法相比也具有明显的性能优势,且求解结果与核仁解的结果平均偏差只有5%左右.更重要的是,提出的新方法本身具有科学内涵,可以应用于任何支付可转移的合作博弈成本分摊问题.     

基于模糊聚类与车辆协作策略的随机车辆路径问题

以多辆车协作的随机车辆路径问题为研究对象,设计了通用的随机车辆路径问题机会约束模型,提出了大规模随机车辆路径问题的车辆协作策略,并基于该策略与模型设计了求解天规模随机车辆路径问题的混合启发式算法,计算实验结果说明了该算法与策略的有效性与实用性.     

企业技能型人才培养的博弈及成本分摊问题探讨

随着"中国制造2025"战略的提出和经济增长动力的转变,人力资本尤其是技能型人才在推动我国经济发展进程中的作用更加凸显,这使得技能型人才的培养问题显得尤为重要。但从企业的微观层面来看,由于企业与技能型人才培训博弈机制和培养成本分摊机制的失效,导致技能型人才的流动性过高、整体素质水平偏低等问题凸显。本文对技能型人才培训博弈机制和成本分摊机制失效的现状和存在的问题进行分析,并针对这些问题从政府部门的角度提出一些对策建议,以期使企业对技能型人才的培养体系得到改进完善。     

车辆路径问题的禁忌搜索算法研究

论文在对车辆路径问题进行简单描述的基础上,通过设计一种新的解的表示方法构造了求解该问题的一种新的禁忌搜索算法,并进行了实验计算。计算结果表明,用本文设计的禁忌搜索算法求解车辆路径问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定。     

按变动成本分摊固定成本的管理方法与探讨

以电缆盘制造企业在固定成本分摊方法上的实践和探索,分析了电缆盘制造业沿用“不分规格大小,按数量分摊固定成本”的传统方法所存在的弊端,提出了“按单位变动成本来分摊固定成本”的理念和计算方法。     

基于限制博弈的具有容量限制的易腐品联合运输费用分摊问题

在易腐品的运输过程中,易腐品的新鲜度不仅会随时间的流逝而下降,而且还会受运输设施所采用的保鲜技术的影响。所以易腐品零售商使用某种运输设施时,零售商除了需要支付运输成本和保鲜成本之外,他们还需要承担因易腐品新鲜度下降而导致的价值损耗。本文首先把运输成本、保鲜成本和易腐品新鲜度下降导致的价值损耗作为总费用,通过应用限制博弈的可行联盟思想,把具有容量限制的易腐品联合运输的费用分摊问题转化为一类限制博弈模型。然后,通过讨论该限制博弈的相关性质,给出了该博弈限制核非空的充分条件。最后,通过实例将限制核与Shapley值、τ-值和核仁进行了比较分析。     

动态车辆路径问题排队模型分析

分析了一类动态车辆路径问题,其中顾客需求以泊松流形式出现,现场服务时间服从一般分布.提出解决该问题的两种策略:顺序服务策略和中点改进策略,利用排队论、几何概率论等领域的知识分别求出了这两种策略的系统时间,并通过仿真数据实验验证了这两种策略的有效性.     

基于矩阵变换的车辆路径问题仿真优化方法

针对车辆路径问题这一求解难题,提出基于启发式变换的仿真优化原理和求解方法,建立了基于邻接矩阵的车辆路径问题的数学模型;利用启发式运行规则对仿真运行的参数进行了分析,通过矩阵变换改进优化搜索策略并找出最优解或满意解.算例求解表明,基于矩阵变换的仿真优化方法具有良好的稳定性和求解效率.该项研究为求解车辆路径问题这一难题提供了新思路.     

具有模糊预约时间的VRP混合遗传算法

在对具有模糊预约时间的多对多货物收发情况下的车辆路径问题进行简单描述的基础上,构建了该问题的多目标数学规划模型,提出了解决该问题的一种基于插入启发式算法、并用修正的推—碰—掷过程进行改进的混合遗传算法,最后,给出了该问题的一个计算实例,并与改进的Solomon插入启发式算法进行了比较.     

竞争决策算法及其在车辆路径问题中的应用

在分析自然界各种竞争机制和人类社会决策原理的基础上,利用竞争造就优化和决策左右结果的特性,提出了一种能广泛应用于组合优化难题的新型算法———竞争决策算法(CDA),并给出了CDA的通用模型.车辆路径问题(VRP)是一个著名的NP难题,也是物流领域内一个重要的调度问题,利用CDA的通用模型设计了一个针对VRP的快速求解算法,并用该算法求解了VRP标准测试库中的实例,经过大量数据测试和验证,获得了令人满意的效果,其中部分问题的解优于目前公布的最好解.     

大规模邻域搜索算法求解时变车辆调度问题

对时变网络车辆调度问题提出一种满足先入先出准则的时变处理方法,并建立相应的数学模型,提出一种基于大规模邻域搜索技术的智能优化算法进行求解,算法顶层采用动态规划算法搜索环状交换邻域以得到每辆车的最佳服务顾客集合;底层设计动态搜索算法用以安排每辆车的最佳服务路线.在此基础上提出顶层加入虚拟顾客和底层嵌入insert两类改进策略.通过实验仿真比较,验证了所提算法的有效性.     

有模糊时间窗的车辆调度组合干扰管理研究

研究带有模糊时间窗的车辆调度组合干扰管理模型及其混合遗传算法.采用时间窗模糊化处理方法,定义客户满意度函数,根据干扰管理思想对车辆调度中组合性干扰事件进行分析,从配送路径、配送成本和客户满意度三个方面进行干扰辨识与度量,建立基于模糊时间窗的车辆调度组合干扰管理模型;构造模型求解的混合遗传算法,将最佳客户插入规则与遗传算法结合,同时在算法中嵌入模糊优化程序以处理问题的模糊特征;进行数值实验,实验结果验证了模型与算法的有效性.     

An exponential (matching based) neighborhood for the vehicle routing problem

We introduce an exponential neighborhood for the Vehicle Routing Problem (vrp) with unit customers’ demands, and we show that it can be explored efficiently in polynomial time by reducing its exploration to a particular case of the Restricted Complete Matching (rcm) problem that we prove to be polynomial time solvable using flow techniques. Furthermore, we show that in the general case with non-unit customers’ demands the exploration of the neighborhood becomes an -hard problem.     

Two approaches to solving the multi-depot vehicle routing problem with time windows in a time-based logistics environment

This paper presents a two-phase heuristic method that can be used to efficiently solve the intractable multi-depot vehicle routing problem with time windows. The waiting time that was ignored by previous researchers is considered in this study. The necessity of this consideration is verified through an initial experiment. The results indicate that the waiting time has a significant impact on the total distribution time and the number of vehicles used when solving test problems with narrow time windows. In addition, to fairly evaluate the performance of the proposed heuristic method, a meta-heuristic method, which extends the unified tabu search of Cordeau et al., is proposed. The results of a second experiment reveal that the proposed heuristic method can obtain a better solution in the case of narrow time windows and a low capacity ratio, while the proposed meta-heuristic method outperforms the proposed heuristic method, provided that wide time windows and a high capacity ratio are assumed. Finally, a well-known logistics company in Taiwan is used to demonstrate the method, and a comparison is made, which shows that the proposed heuristic method is superior to the current method adopted by the case company.     

车辆路径问题的混合蚁群算法设计与实现

蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决TSP问题.在分析车辆路径问题(VRP)与TSP区别的基础上,论文将蚁群算法应用于VRP的求解,针对VRP的具体特点,构造了具有自适应功能的混合蚁群算法.该算法对基本规则作了进一步改进,并有机结合了爬山法、节约法等方法,以减少计算时间,避免算法停滞.指出可行解问题是蚁群算法的关键问题,提出了大蚂蚁数、近似解可行化等四个解决策略.计算机仿真结果表明,自适应混合蚁群算法性能优良,能够有效地求解VRP.     

A reactive tabu search algorithm for the vehicle routing problem with simultaneous pickups and deliveries

The vehicle routing problem with pickups and deliveries (VRPPD) extends the vehicle routing problem (VRP) by allowing customers to both send and receive goods. The main difficulty of the problem is that the load of vehicles is fluctuating rather than decreasing as in the VRP. We design a reactive tabu search metaheuristic that can check feasibility of proposed moves quickly and reacts to repetitions to guide the search. Several new best solutions are found for benchmark problems.     

A multi-compartment vehicle routing problem arising in the collection of olive oil in Tunisia

We introduce, model and solve to optimality a rich multi-product, multi-period and multi-compartment vehicle routing problem with a required compartment cleaning activity. This real-life application arises in the olive oil collection process in Tunisia, where regional collection offices dispose of a fleet of vehicles to collect one or several grades of olive oil from a set of producers. For each grade, the quantity offered by a producer changes dynamically over the planning horizon. We first provide a mathematical formulation of the problem, along with a set of known and new valid inequalities. We then propose an exact branch-and-cut algorithm to solve the problem. We evaluate the performance of the algorithm on real data sets under different transportation scenarios to demonstrate to our industrial partner the advantages of using multi-compartment vehicles.