容量可靠性视角下的货物运输网络关键枢纽识别方法

货物运输网络部分关键枢纽被随机或蓄意攻击后,常会出现级联失效现象,导致网络容量可靠性下降,影响网络正常运营.因此,本文通过改进的有向含权度中心性、有向含权介数中心性和有向含权LeaderRank算法识别货物运输网络中的关键枢纽.同时,进一步构建货物运输网络级联失效模型,从容量可靠性视角对不同算法识别的关键枢纽进行随机和蓄意攻击模拟仿真,确定有效的关键枢纽识别方法.仿真结果表明:有向含权度中心性可有效识别对网络容量可靠性影响大的关键枢纽;容量系数和过载系数的提升能有效保证网络容量可靠性且存在突跃现象;失效或过载节点进行负载分流时,相比于考虑业务关系紧密程度,考虑下游节点的冗余容量能有效减少级联失效,提升网络容量可靠性.研究结果对货物运输网络预防级联失效,保证网络容量可靠性具有重要借鉴意义.

不确定成本下轴辐网络关键枢纽识别模型

为识别不确定运输成本下的轴辐网络关键枢纽,在枢纽阻断中位问题模型(r-Hub Interdiction Median Problem,r-HIMP)的基础上,采用不确定区间集合描述运输成本的不确定性,引入不确定性预算参数调节解的鲁棒性与最优性,构建不确定成本下的枢纽阻断中位问题模型(rHIMP under uncertain cost,r-HIMPUC),采用对偶与线性化方法将r-HIMPUC双层规划模型转化为单层线性规划模型,通过优化软件CPLEX求解并以算例验证了模型的有效性.结果表明:当不确定性预算参数为0时,模型r-HIMPUC等价于r-HIMP;当不确定性预算参数不为0时,模型r-HIMPUC与r-HIMP的关键枢纽识别结果存在差异.此外,运输成本的偏差、不确定性预算参数对关键枢纽识别结果有影响,决策者可根据风险偏好对不确定性预算参数取值.

有能力限制的轴辐网络关键枢纽识别模型

为识别轴辐网络的关键枢纽,考虑枢纽能力限制构建双层规划模型,基于下层模型的对偶问题将双层规划模型转化为单层规划并线性化,通过算例验证了模型的有效性。结果表明:能力限制下,模型的约束和变量数增多、求解时间变长、关键枢纽识别结果有差异;随着折扣系数或关键枢纽数量减小或惩罚成本增大,计算时间增加;惩罚成本影响关键枢纽识别结果;通过比较不同参数下的关键枢纽,可识别相对固定的关键枢纽并加强设防。