具有风险的供应商选择中延迟成本的计算算法

针对供应商选择问题中面临的不确定情况,以及采购过程中可能遇到随机延迟的现状,应用连续型随机变量离散化的方法,将不同供应商延迟周期的组合问题转化为所有供应商总的延迟周期的组合问题,从而减少了组合的数量.利用卷积公式证明了参数相同和参数互不相同两种情形下,m个服从指数分布的随机变量的求和密度函数,并且利用条件期望估计了每种情景下的延迟成本.最后,给出了所有供应商总延迟周期在不同情形下的延迟成本的算法。

介绍“延迟交货存货成本”的一种计算方法

存货是企业的一项重要资产,其价值通常占企业资产的比重很大.只要是持续经营的企业,就会有存货.因此,存货成本的确定,对企业资产和收益具有十分重要的意义.

进港航班排序优化数学模型研究

针对常用进港航班排序数学模型(总延迟时间最小和总延迟成本最小)中存在的问题,选取空中延误成本、旅客延误成本、后续延误成本以及环境污染成本4个指标综合建立一种改进的总延迟成本最小数学模型。在分析已有的基于模拟退火的粒子群算法(SA-PSO:particle swarm optimization based on simulated annealing)优化进港航班排序时寻优能力不足、收敛速度慢的基础上,采用一种线性微分递减(LDD:linear differential decrease)的退火策略,从而可以有效地解决进港航班排序问题。实验结果表明,与FCFS(first come first serve)、PSO以及SA-PSO算法相比,LDD-SA-PSO算法在进港航班优化问题上具有较好的寻优能力和收敛速度,同时改进数学模型中参数选择对优化结果也具有明显影响。

多机场地面等待策略数学模型的研究

为有效地解决空中交通拥挤问题,研究了空中交通流量管理方法中的地面等待策略。通过地面等待来调节空中交通网络的流量,减少延误时间,从而减少经济损失,提高机场和空域资源的利用率。在空中交通流量管理的各种方法中,地面等待策略是一种比较有效的方法。针对多机场地面等待问题,提出一种以地面等待成本和延迟成本为目标函数的方法,并建立相应的数学模型,为实际的流量管理提供理论方法和依据。通过对机场数据的仿真计算,证明了该模型的有效性和可行性。

基于低碳理念的多目标闭环供应链网络设计

针对低碳环境下的供应链网络设计,研究具有供应商、制造商、消费者、配送中心、回收中心及处理中心的多层级闭环供应链网络。考虑网络设施约束、碳排放、顾客服务等因素的影响,以网络运营成本、碳排放成本和顾客需求响应时间成本为目标建立多目标规划模型,解决网络内设施建设、选址、设施间流量分配等网络资源优化配置问题。利用Lingo11.0软件对模型求解,通过算例分析设施能力限制、碳税税率以及时间延迟成本对设施建设方式和网络成本的影响,为企业提供决策支持并在生产实践中发挥指导作用。

片上二维网络互连性能分析

片上互连网络已日益成为影响片上多处理器性能的重要因素之一.几乎所有的互连结构均是在二维网络的基础上演变发展而来的.首先分析了几种常见的内部结点度均为4的二维网络的静态特性,提出了一种新的二维片上网络互连路由结构和通信协议,基于全局均匀随机通信模型,通过改变网络规模和变换通信强度,分析了不同结构网络的动态特性,然后用链接数表示通信成本,提出了一种新的网络互连综合性能评估指标网络单位成本延迟负载能力,最后对二维网络片上互连的综合性能进行了对比分析,指出了其各自适用的场合.

基于SEIR传染病模型的应急救援物流调度优化

传染病威胁着人类健康,传染病患者若得不到及时救治,会造成传染区域灾情泛滥.因此,在传染病流行之后,最迫切的是要掌握灾区对药物的需求量,进而针对传染病患者的需求进行应急救援物流调度优化.文中针对传染病应急救援具有时效性的特点,利用易感者、潜伏者、感染者及痊愈者(susceptible-exposed-infected-recovered,SEIR)数学模型描述整个应急救援阶段受感染群体的需求;构建基于传染病流行规律的应急救援物流调度多阶段混合整数规划模型,对救援车辆路径选择和药物资源调配进行优化;提出有效的Benders分解算法对模型进行求解;通过算例计算,证明了算法和模型的有效性,为应急救援决策者提供了科学决策依据,具有重要的理论意义和应用价值.

多节点流水线制造车间订单接受与调度研究

在准时化生产(Just-In-Time,JIT)模式发展背景下,订单交货延迟惩罚以及产品库存费用受到越来越多关注。针对订单交货延迟惩罚与产品库存费用之间的平衡问题,在有限产能的前提条件下,建立了以总利润最大化为目标的订单接受与调度一体化决策模型。模型使用改进型双层编码遗传算法进行求解分析。最后经实例验证,通过与其他几种启发式订单选择规则进行对比,以及对改进前与改进后的算法对比,分别验证了模型与算法的有效性与可行性。

装配作业车间的JIT调度研究

虽然作业车间调度问题在过去几十年里已经得到了广泛而深入的研究,但大部分研究都是以正规指标(Regular measures)最小化为目标。正规指标的调度只需要将工序尽量提前即可。相对于正规指标,最小化提前和延迟成本之和等则属于非正规指标(Non-regular measures)。对于非正规指标调度,将所有工序尽量提前并不能优化目标,其调度方案的生成过程必然更加复杂。针对提前和延迟成本最小化这类非正规指标问题,将研究对象从作业车间调度(Job shop scheduling,JSP)扩展到了装配作业车间调度(Assembly job shop scheduling,AJSP),以更广泛地探讨求解此类问题的一般规律。设计了一种三阶段调整的启发式算法以生成调度方案,并结合遗传算法的求解框架进行了分析。通过与最优解结果对比,证明该启发式算法的效率和有效性。另外,试验结果也揭示了不同求解因子对求解效果的影响,为后续研究提供参考。

异构云环境下AHP定权的多目标强化学习作业调度方法

随着新型基础设施建设(新基建)的加速,云计算将获得新的发展契机.数据中心作为云计算的基础设施,其内部服务器不断升级换代,这造成计算资源的异构化.如何在异构云环境下,对作业进行高效调度是当前的研究热点之一.针对异构云环境多目标优化调度问题,设计一种AHP定权的多目标强化学习作业调度方法.首先定义执行时间、平台运行能耗、成本等多个目标,其中定义服务延迟成本以描述用户对服务质量的满意程度;然后设计面向异构资源的多目标调度综合评价方法,利用层次分析法(analytic hierarchy process,AHP)确定各个目标的权重;最后将该方法引入Q-learning的奖励值计算,使其能反映异构云环境下作业的总体执行情况,并对后续抵达的作业起到良好的经验学习作用.实验结果表明,所提出的方法优于大部分对比方法,能够较好地优化作业执行效率和保障用户及服务提供商的利益.

考虑公平偏好的项目型知识员工调度

在考虑员工公平偏好的情境下,对项目型知识员工调度问题进行了研究。依据公平偏好理论的思想,以项目延迟成本最小化和全体知识员工公平效用值最大化为目标,构建了考虑公平偏好的知识员工调度的多目标优化模型,并运用遗传算法对建立的模型进行求解从而得到调度结果。最后,实例分析表明了模型的可行性和算法的有效性。

公共卫生事件暴发初期的医疗物资调度优化

在公共卫生事件暴发初期,为了合理高效地分配医疗物资,兼顾医疗物资运输成本和运输延误,以新型冠状病毒感染的肺炎为例,研究了公共卫生事件暴发初期受影响较大地区的医疗物资调度问题。基于疫情期间医疗物资供给不足的实际情况,结合各个医疗点对医疗物资的不同需求,采用最优化理论与方法建立考虑物资延迟损失和物流成本的双目标医疗物资优化调度分配模型。同时,采用外逼近法对模型进行求解,通过算例分析验证模型的有效性和算法的高效性。结果表明:由所构建的兼顾延迟损失与物流成本的双目标模型及采用的算法,能够得到不同条件下的医疗物资分配方案,所构建的双目标优化模型可以更好地兼顾医疗物资分配过程中的延迟损失和物流成本,并根据疫情走势及医疗物资供给实际情况提供更为合理的调度方案。