公共卫生背景下的城市应急物流配送模式研究

随着2020年新冠疫情的爆发,医疗物资配送的高成本问题愈加凸显。文章针对应急物流中配送路径选择问题,提出了考虑时间紧迫度的应急物流配送模型,致力于解决应急物流配送成本过高的问题。时间紧迫度的影响指标包括辖区面积、医护人员数量和药品缺口率;文章运用层次分析法对各个指标加权计算时间紧迫度,并对时间紧迫度进行聚类,根据聚类结果调整时间窗。将时间紧迫度与车辆运输模型结合,运用改进遗传算法对模型进行求解。计算结果表明,考虑时间紧迫度的情况下,使运输总成本降低了31.57%。通过对比研究,分析了考虑时间紧迫度对于运输成本的优化,验证了模型的可行性。该模型的构建,使应急物流配送模式的选择更加科学合理,促进了应急物流系统的发展,加快了应急物流体系完善的进程。

时变路网下电动冷藏车配送路径优化研究

为了解决时变路网中电动车在冷链物流配送过程中的路径选择问题,根据冷链产品和电动冷藏车的特性,引入多模糊时间窗约束及配送车辆电量约束,建立时变路网下考虑充电站的多时间窗约束的电动冷藏车路径优化模型。运用AP聚类算法划分配送区域,在明确配送范围的基础上采用改进的遗传算法对模型进行求解。通过算例仿真,验证模型和算法的有效性和可行性,并将静态路网与时变路网下的配送方案进行对比,利用随机生成不同规模的案例对模型的普适性进行验证。结果表明,与静态路网相比,基于时变路网规划出的配送方案可以减少12.201%的配送成本。研究成果对于帮助企业科学的规划配送路径,降低配送成本等方面具有一定的指导意义。

基于灰色系统理论的专利授权数预测研究——以辽宁省为例

[目的/意义]旨在准确、合理地对专利授权数进行预测。[方法/过程]运用灰色系统理论,对待选因素进行灰关联度计算,选择关联度较高因素的统计数据,形成被比较序列,再结合参考序列建立GM(1,N)模型,对专利授权数进行预测和误差检验。[结果/结论]通过与常规GM(1,N)模型对比,建立的GM(1,6)模型的预测准确度优于前者,克服了个人主观性对影响因素选择的干扰,平均相对误差仅为5.589%,验证了模型的有效性。

基于灰色神经网络的科技论文发表数预测研究

[目的/意义]对我国科技论文发表数量进行较为准确的预测,旨在为有关部门制定相关政策提供参考。[方法/过程]选取我国2005—2019年的相关数据进行实证分析,运用GM-BP神经网络组合预测模型,将灰色系统理论中的灰色关联分析、GM(1,N)模型与BP神经网络相结合,提高了预测的准确度。首先,运用灰色关联分析法对相关因素进行评估,选取灰关联度较高的因素构建GM(1,N)模型;其次,运用GM(1,N)模型的预测结果连同相关因素数据训练BP神经网络;最后,用训练好的BP神经网络进行二次预测并输出为最终预测结果。[结果/结论]与传统GM(1,N)模型相比,所构建的GM-BP神经网络对于科技论文发表量的预测准确度更高。