Robust Electric Vehicle Routing Problem with Time Windows under Demand Uncertainty and Weight-Related Energy Consumption

Vehicle routing problem with time windows(VRPTW)is a core combinatorial optimization problem in distribution tasks.The electric vehicle routing problem with time windows under demand uncertainty and weight-related energy consumption is an extension of the VRPTW.Although some researchers have studied either the electric VRPTW with nonlinear energy consumption model or the impact of the uncertain customer demand on the conventional vehicles,the literature on the integration of uncertain demand and energy consumption of electric vehicles is still scarce.However,practically,it is usually not feasible to ignore the uncertainty of customer demand and the weight-related energy consumption of electronic vehicles(EVs)in actual operation.Hence,we propose the robust optimization model based on a route-related uncertain set to tackle this problem.Moreover,adaptive large neighbourhood search heuristic has been developed to solve the problem due to the NP-hard nature of the problem.The effectiveness of the method is verified by experiments,and the influence of uncertain demand and uncertain parameters on the solution is further explored.

Production Line Capacity Planning Concerning Uncertain Demands for a Class of Manufacturing Systems with Multiple Products

In this paper, we study a class of manufacturing systems which consist of multiple plants and each of the plants has capability of producing multiple distinct products. The production lines of a certain plant may switch between producing different kinds of products in a time-sharing mode. We optimize the capacity configuration of such a system0s production lines with the objective to maximize the overall profit in the capacity planning horizon. Uncertain demand is incorporated in the model to achieve a robust configuration solution. The optimization problem is formulated as a nonlinear polynomial stochastic programming problem, which is difficult to be efficiently solved due to demand uncertainties and large search space. We show the NP-hardness of the problem first, and then apply ordinal optimization (OO) method to search for good enough designs with high probability. At lower level, an mixed integer programming (MIP) solving tool is employed to evaluate the performance of a design under given demand profile. © 2014 Chinese Association of Automation.

基于鲁棒优化的电动汽车充电站点流融合选址模型

随着电池技术的发展,电动汽车续航里程日益增长,用户充电行为从在途充电逐渐向目的地充电转变,形成了以点需求为主、流需求为辅的综合需求模式。因此,规划充电设施选址需同时考虑点需求和流需求,以便设施布局与充电需求模式能够充分匹配,提高设施利用率。将经典选址理论中的集合覆盖模型与截流模型相结合,提出了一种能够服务综合充电需求的点流融合选址模型。考虑到充电需求的不确定性,采用鲁棒优化方法,以最小化充电设施建设和电力设备扩容总成本为目标,建立了需求不确定情形下的鲁棒选址模型,并通过对模型做等价对偶转换进行求解。最后,针对两个路网算例开展了数值分析,结果表明,与传统单一需求选址模型相比,本文提出的点流融合模型能在充分覆盖不同类型充电需求的情形下有效降低充电设施的总体规划成本。

不确定需求下无人机任务分配的两阶段鲁棒优化方法

灾害场景下依托无人机配送资源应用前景广阔,但应急场景环境复杂多变,各类突发事件在时空上的不确定性会导致目标点对资源需求评估的不准确,进而影响到资源配送中无人机任务分配方案.针对此问题,在无人机任务分配模型中引入两阶段鲁棒优化方法.模型通过将无人机分配和任务分配相结合,充分利用无人机集群资源,实现需求变化最大化时的任务分配成本最低.本文对受伤人数等级与资源需求变化关系建模,将资源需求划分为3个等级,实现了任务分配总成本变化的精确化表达,并采用列和约束生成(Column-and-Constraint Generation,C&CG)算法实现了资源需求不确定条件下的无人机任务分配.最后设计了3种类型的实验,仿真结果验证了算法的有效性和优越性,相比确定性模型,该算法在应对需求变化时展现出更好的鲁棒性.

重大传染病疫情下基于服务水平的疫苗分配及储备研究

为缓解重大传染病疫情下疫苗的短缺现状,本文结合传染病模型(susceptible-infected-recovered-deceased,SIRD)考虑疫苗需求与疫区医院收治容量的关系,以期望短缺数最小为目标建立疫苗分配模型,推导分析了最佳服务水平和储备量,并给出了不同情形下疫苗的最优分配方案。此外,通过数值模拟,进一步探究了紧急调配成本、资金预算、需求变化、疫区数量以及疫区间相关性等外生变量带来的影响,验证了模型推导结果,为疫苗分配和储备策略提供了科学依据。研究发现:疫苗接种有助于促进病毒感染曲线平坦化和降低疫情峰值,从而减轻医疗系统超负荷运转的现象,降低因感染而死亡的人数;在不考虑储备疫苗的情况下,无论需求的不确定性程度如何,为每个地区提供同等的服务水平有利于最小化疫苗期望短缺量;考虑储备疫苗的情况下,向需求波动幅度较大的疫区提供更高的服务水平可以减少期望短缺,但疫区数量较多时,为每个疫区提供同等服务水平更具公平性,即使会导致疫苗的次优覆盖;是否考虑储备疫苗取决于紧急调配成本、预算的高低以及疫区需求情况等。

基于不确定需求的集中式充电站分级选址鲁棒优化研究

以集中式充电站为研究对象,采用多面体不确定集描述不同用地性质下异质充电需求的不确定性,考虑运营商和用户双方利益,构建以建设运营成本、充电成本和寻站成本最优为目标,充电距离和充电需求等约束协同的鲁棒优化模型,并通过Bertsimas和Sim鲁棒对等转换,将半无限优化模型转换成易于求解的0~1整数规划问题。数值仿真结果表明:首先,集中式充电站选址不确定水平因素发生变化时,系统成本呈现阶梯式上升,并且建设运营成本对系统成本影响最为显著;其次,充电需求变化幅度越小,模型鲁棒性越高,集中充电设施选址适应度越高,充电站建设运营商根据自身的风险偏好程度选择不同参数组合,实现在异质需求下集中式充电站充电需求与社会总成本的平衡,获得充电站选址的科学方案;最后,对比分析不同情景下的充电站设置方案验证模型有效性。

不确定需求条件下考虑风险公平的危险品运输网络设计问题

危险品运输事故具有低概率、高后果的特征,降低事故风险是危险品运输研究的重点。危险品运输产生风险的同时伴随着风险在空间上的分布不均衡,此前研究关注总风险最小和风险公平的权衡,但较少考虑不确定需求下的运输网络。运输需求波动可能引起风险增加,为了解决不确定需求下考虑风险公平的危险品网络设计问题,构建了危险品多起点-终点(OD)对运输网络设计的双层混合整数规划模型,上层和下层问题分别为监管者选择关闭路段以及承运人选择最优路径,并通过自适应遗传算法和局部搜索算法进行求解。通过实例分析发现,不同需求情景特别是部分OD对中断时产生不同的最优网络设计方案,采用的遗传算法相比局部搜索算法运行时间稍长情况下获得的解更优。

需求不确定下的冷链物流配送中心选址研究

运用随机规划理论研究冷链物流配送中心选址问题,考虑需求不确定的现实问题,构建以不确定性需求作为随机约束条件,并以总成本最低为目标的选址模型。利用Lingo软件进行实例求解,验证模型的有效性,为企业的选址决策提供一定的参考依据。此外,对需求不确定的置信度进行灵敏度分析,分析结果显示:需求不确定因素会影响选址总成本,选址总成本会随着需求的变动产生变化。

基于报童模型的供应链网络均衡决策研究

在不确定性需求下构建了基于报童模型的两层供应链网络,供应链网络是由原料供应商、产品生产商和需求市场构成。针对不确定性需求引入报童模型到供应链网络均衡模型中,用于供应链网络中厂商的产量和价格决策。模型构建了基于报童模型的变分不等式来表达供应链网络在不确定性需求下的均衡条件。最后,通过数值案例给出了需求均匀分布下,方差对于产品价格、原料供应商产品流量的影响分析。

考虑路况与设施失效的应急物流中心选址研究

自然灾害发生后,应急物流中心的选址成为决策者面临的紧迫任务之一。选址决策的准确性和合理性直接影响到救援物资的快速分发、救援行动的效率,以及受灾人群的生命安全。文章旨在探讨在自然灾害发生后,基于需求不确定、道路状况和设施失效风险下的应急物流中心选址问题。从两个重要角度出发:一是考虑道路状况系数与弧阻抗系数,从而确定实际运输距离及速度,为应急物流中心选址提供参考;二是建立情景合集,考虑配送中心的设施失效风险,确保受灾地区物资分配的连续性和稳定性。文章基于时间和成本两个目标构建模型并通过NSGA-Ⅱ算法对其求解,以便决策者根据不同需求选取不同的选址方案,最大限度减少救援时间或救援成本,保障受灾人民和地区的安全和福祉。

考虑需求不确定的响应式接驳公交自适应发车策略优化

传统公交系统融合网约出行的模式之一是需求响应式接驳公交,它定位于连接枢纽站点(如地铁车站、铁路车站或机场),服务客流的集散,其需求响应服务主要指灵活线路的门到门接送,但在发车策略方面仍主要沿用传统的基于时刻表或频率的运营方案。在乘客到达或需求订单不确定的情形下,固定发车间隔可能导致系统过饱和或低饱和等问题,为此,本文提出自适应发车策略,根据乘客累计到达量动态确定发车决策。具体地,引入载客量目标作为发车阈值,称为固定发车阈值和时变发车阈值,前者的发车阈值固定不变,而后者的发车阈值则随时间逐渐降低,对此,构建以期望广义系统成本最小化为目标的数学规划问题,并利用网格搜索方法获得最优解。数值分析结果表明,时变发车阈值模型相比于传统的等间隔发车模型和固定发车阈值模型在需求均值较低或变异系数较高的场景下优势显著,其广义系统成本节约百分比最高可达18%。灵敏度分析表明上述模型的性能也受到乘客的时间价值影响。自适应发车模型具有较广的应用潜力,适当修改后可用于其他形式的公共交通系统。

不确定需求下可重构制造流水线配置与生产计划联合优化研究

可重构制造系统作为新的智能制造范式,可以通过增加或移除可重构机床的模块提高系统的响应性和灵活性,以更好地应对动态变化的市场环境。配置优化与生产计划的联合优化是影响可重构制造系统效率的重要决策。为了解决这一问题,本文考虑需求的不确定,建立了两阶段随机规划模型,对可重构制造系统进行配置与生产计划的联合决策优化,目标函数是最小化配置成本、重构成本、期望库存和延期成本。为了求解该模型,本文采用Danzig-Wolfe(DW)分解,把原模型转化为集划分问题和定价子问题,设计了基于列生成框架的求解算法。数值算例验证了所提模型和算法的有效性,可以有效帮助企业在可重构制造中进行资源配置和生产计划的决策。

需求正态分布条件下基于报童模型的供应链网络均衡模型

针对不确定性需求引入报童模型到供应链网络均衡模型中,用于供应链网络中厂商的产量和价格决策。考虑到在实际生活中正态分布的更为常见性和重要性,在需求正态分布条件下运用博弈理论、网络均衡理论、报童模型以及变分不等式等方法建立了需求正态分布条件下基于报童模型的供应链网络均衡模型,研究了当需求服从正态分布条件下供应链与供应链之间的竞争行为和竞争结果。

基于扰动观测器的动态供应链系统模型预测控制

针对不确定市场需求供应链系统(supply chain system)的生产-库存预测控制问题,设计了一种模型预测控制(model predictive control,MPC)和扰动观测器(disturbance observer,DOB)结合的供应链系统生产控制策略。首先,对三级供应链系统进行分析,构建三级动态供应链的生产-库存数学模型;其次,设计基于扰动观测器的前馈补偿机制,补偿不确定性需求对供应链系统的影响;最后,考虑供应链系统存在的实际约束条件,设计模型预测控制方案,并证明系统的渐进稳定性。算例仿真验证了该方法的有效性。

不确定需求下考虑货物时间价值的多式联运路径选择方法

为降低高价值时间敏感类货物的时间价值损失及合理规划多式联运路径,在不确定的运输需求情况下,探究货物时间价值对多式联运路径选择的影响。在考虑货物价值特性的基础上,通过鲁棒优化方法中的情景分析法建立以运输成本、货物时间价值成本及碳排放成本综合最低为目标和以节点作业硬时间窗等为约束的多式联运路径鲁棒优化模型。根据研究问题的特点,采用基于蒙特卡罗的灾变自适应遗传算法对模型进行求解,并以15个城市节点和公路、铁路、水路3种运输方式构成的联合运输网络为算例网络进行分析。研究结果表明:与不考虑货物时间价值相比,考虑货物时间价值的运输路径中铁路运输距离在运输总距离中的占比增加了17.28%,使得运输总时间降低12 h,节约货物时间价值成本16.19%。随着日平均衰减率的增加,在不同的衰减率范围内会选择不同的运输路径,同时选择增加铁路或公路运输距离占比以提高运输时效性,避免货物时间价值成本上升过快。需求的不确定使得运输成本、货物时间价值成本和碳排放成本分别增加了16.53%、3.44%和17.31%,最终导致运输总成本上升9.65%。研究结果可帮助决策者在根据实际需求情况和货物性质基础上,对需求量及衰减率进行估算,为其合理选择运输路径提供参考,避免造成货物时间价值损失过大。

考虑低碳政策和不确定需求的物流网络鲁棒优化

为应对全球气候变暖,将政府调控政策融入供应链网络设计是物流业低碳转型面临的一项挑战。为此,本文研究考虑低碳政策和不确定需求的物流网络设计问题。首先,运用分布式模糊集刻画产品需求的不确定性,并构建供应链物流网络的两阶段鲁棒优化模型。该模型在经典的三级网络规划基础上,综合考虑分销中心建设成本、运输成本、产品短缺成本以及碳排放交易的负效用以实现总成本最小化。其次,针对提出模型的两阶段特点,对其进行拆分为主问题和子问题并定制迭代分解算法。最后,结合案例验证所提出的模型及分解算法的有效性。数值结果表明:提出的分布式鲁棒优化方法在提高决策方案鲁棒性的同时可有效减少其所需投资;低碳政策虽然会促进物流企业调整运输结构、降低碳排放总量,但仍然会增加企业的总成本,建议政府部门可适当考虑补贴。

考虑不确定性风险的虚拟电厂优化调度模型研究

为使虚拟电厂(VPP)更好地满足我国新型电力系统的发展需要,提出了一种考虑不确定性风险的虚拟电厂优化调度模型。首先,在热电联合虚拟电厂基础上加装碳捕集和电转气设备,实现CO_(2)的循环利用,并通过储碳和储氢装置解耦碳循环和电解水过程;其次,对虚拟电厂内风光、负荷等不确定因素进行建模,基于场景分析法对日前场景进行随机优化,并利用条件风险价值理论(CVaR)衡量虚拟电厂的交易风险;最后,以虚拟电厂运行效益最大化为目标,引入阶梯型碳交易机制和需求响应,建立典型场景下虚拟电厂优化调度模型。算例分析表明,所提方法能有效降低虚拟电厂的碳排放,对VPP进行低碳经济调度具有指导意义。

面向订单装配系统(ATO)两阶段随机库存优化研究

基于零部件的基本库存水平补货策略,在多周期订单产品需求不确定情况下构建两阶段随机优化模型:第一阶段在需求未知情况下,规划不同零部件基本库存水平决策变量,实现系统收益最大化;第二阶段针对订单交货期约束创新性设计订单指派决策变量,考虑在不确定需求收益和订单延期惩罚情况下,最大化订单期望收益.通过采样获取不同需求场景,并将不确定需求转成期望需求,针对该期望需求下的单阶段确定性模型求解,并与随机模型结果进行对比.数值实验表明,随机模型的优化结果远差于确定性模型,即未知信息具有一定的价值;同时通过对模型中参数的灵敏度分析,得到了实际中提升系统收益的策略.

需求不确定下边远群岛海运物流网络选址—库存—路径优化

为降低岛上物资需求不确定对边远群岛海运物流网络稳定性的影响,本文基于大陆补给港、中心岛及卫星岛3级轴辐式物资配送网络,考虑异质船队、运输组织模式多样性及库存容量限制等现实因素,将中心岛选址数量纳入决策,以系统总成本最小为目标,建立海运物流网络选址—库存—路径优化模型,通过设计嵌入蒙特卡洛模拟邻域遍历算子的遗传—退火集成优化算法,将复杂问题分解为选址与指派、航线分组及路径与仓储优化等多个子问题,并通过内外层算法的交互和迭代实现整个问题的集成优化。以我国南海群岛的实地数据进行实验,分析岛屿数量、密度分布及需求变动对海运网络系统的影响。结果表明:在岛屿物资需求量分布不变且岛屿数量相同的情况下,岛屿为聚集分布时的物流网络单位成本比离散分布时相对较低;在岛屿物资需求量分布不变且岛屿分布相同的情况下,岛屿数量变化对物流网络单位成本影响较小;岛上物资需求均值变化对系统各部分成本的影响较大,总成本与均值呈正相关关系;需求波动对仓储系统成本的影响较为明显,但对运输系统成本的影响较小。上述结果验证了本文算法在不同规模群岛情境下的适用性,可为需求不确定下边远群岛海运物流网络的构建与优化提供决策依据。

需求不确定下生鲜农产品双渠道供应链定价决策研究

以单一零售商和供应商组成的双渠道供应链系统为研究对象,在需求确定以及需求服从均匀分布下,分析了由供应商提供保鲜努力的生鲜农产品双渠道供应链定价决策。主要结论为:(1)无论需求是否具备不确定性,线下渠道价格、线上渠道价格以及保鲜努力水平与消费者新鲜度偏好正相关。(2)在需求满足均匀分布时,线上渠道价格与线上渠道需求波动负相关,线下渠道价格与线下渠道需求波动负相关,批发价格和保鲜努力水平与线下渠道需求波动正相关,与线上需求波动负相关。