基于CPLEX的原始——对偶嵌套分解算法

本文介绍了一种求解大规模下三角结构线性规划问题的原始-对偶嵌套分解算法,并以CPLEX 9.0作为核心求解器将算法实现。原始——对偶嵌套分解算法将原问题分解成一系列子问题,每个子问题既可以收到来自前一阶段子问题的价格信息,又可以收到来自后一阶段子问题的资源信息,较传统嵌套分解算法具有更加平衡的信息传递方式和良好的收敛性。实验数据表明,该算法在求解较大规模、稀疏度较小、耦合度较小的下三角结构线性规划问题时,相比单纯形法,在时间效率上有明显提高。

利用嵌套L—型分解算法求解生产计划多阶段随机规划模型

利用随机规划理论,根据企业在制定生产和供应计划时受到的限制,建立了一类多阶段随机规划模型.利用嵌套L—型分解算法求解模型,使企业生产成本最小化,依此增进企业的经济效益.

多重不确定性下生物质燃料供应链多周期优化研究

生物质燃料是一种潜力巨大的可再生能源,近年来已引起人们越来越多的关注。生物质燃料在市政、交通领域的应用是碳减排的重要举措,得到了中国政府的大力支持。然而,原料供应、市场波动等因素的高度不确定性使生物质燃料产业面临巨大挑战。为提升生物质燃料生产比率、促进资源的合理配置,对生物质燃料供应链网络进行优化研究,分析原料供应、客户需求、价格波动的多重不确定性,以期望利润最大为优化目标,构建考虑多重不确定性的生物质燃料供应链多周期随机优化模型。在多周期背景下,综合运用随机离散场景模拟和情景树方法刻画上述不确定因素,构建等价确定性模型,并结合模型特征,设计基于嵌套Benders分解(NBD)与随机对偶动态规划(SDDP)相结合的求解算法。最后,通过算例仿真实验,对比分析不同不确定因素对利润和库存成本的影响。研究结果表明:需求或供应波动的增大,都会导致供应链利润减少,且与需求不确定性相比,供应不确定性对供应链的影响更大,因而决策者可更侧重原料的稳定供应,以获得更高利润;合理的库存可对冲市场波动带来的不利影响,保障生物质燃料的生产运转;产品价格波动或下降使企业面临较大经营风险。