信息科學(xué)與系統(tǒng)科學(xué)

多分配快遞軸輻網(wǎng)絡(luò)的樞紐選址與分配優(yōu)化方法

倪玲霖，史峰

摘要：目的：快遞網(wǎng)絡(luò)樞紐選址與分配方案的優(yōu)劣直接關(guān)系到快遞網(wǎng)絡(luò)的運(yùn)營成本和服務(wù)水平，是快遞企業(yè)運(yùn)作的基礎(chǔ)。本文以多分配軸輻式網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)，在運(yùn)輸時間預(yù)算約束下，實(shí)現(xiàn)對快遞網(wǎng)絡(luò)的設(shè)施網(wǎng)絡(luò)、組織網(wǎng)絡(luò)和徑路網(wǎng)絡(luò)的綜合優(yōu)化。方法：在詳細(xì)分析多分配快遞軸輻網(wǎng)絡(luò)的節(jié)點(diǎn)及連接關(guān)系和快遞運(yùn)送徑路的合并的特征及其數(shù)學(xué)表達(dá)等網(wǎng)絡(luò)設(shè)計(jì)要素的基礎(chǔ)上，研究快遞網(wǎng)絡(luò)設(shè)計(jì)中的分揀費(fèi)用、運(yùn)輸費(fèi)用、中轉(zhuǎn)費(fèi)用和運(yùn)輸時間預(yù)算。以分揀費(fèi)用、運(yùn)輸費(fèi)用、中轉(zhuǎn)費(fèi)用之和為目標(biāo)函數(shù)，建立了運(yùn)輸時間預(yù)算約束下的多分配軸輻式快遞網(wǎng)絡(luò)樞紐選址與分配優(yōu)化模型。算法方面，首先，在給定樞紐集和分配集的情況下，分別設(shè)計(jì)了不考慮時間預(yù)算和考慮時間預(yù)算的條件最短路求解算法，作為模型的優(yōu)化基礎(chǔ)。然后，嵌套使用該算法設(shè)計(jì)了快遞網(wǎng)絡(luò)樞紐選址與分配的模擬退火算法綜合優(yōu)化算法。上述優(yōu)化方法克服了綜合優(yōu)化問題的諸多問題，包括，（1）樞紐集的離散性；（2）優(yōu)化模型的非凸性（運(yùn)輸費(fèi)用由固定費(fèi)用與可變費(fèi)用兩部分構(gòu)成）；（3）優(yōu)化模型綜合考慮了時間與費(fèi)用兩項(xiàng)數(shù)量指標(biāo)；（4）快遞運(yùn)送徑路的合并式特征。結(jié)果：論文構(gòu)建的快遞網(wǎng)絡(luò)樞紐選址與分配優(yōu)化方法與傳統(tǒng)的軸輻網(wǎng)絡(luò)樞紐選址與分配方法有本質(zhì)上的提升。首先，全面考慮了快遞網(wǎng)絡(luò)運(yùn)輸費(fèi)用、中轉(zhuǎn)費(fèi)用和分揀費(fèi)用；其次，考慮了運(yùn)輸作業(yè)時間預(yù)算對網(wǎng)絡(luò)優(yōu)化的限制；第三，沒有事先限定樞紐的個數(shù)；最后，運(yùn)輸費(fèi)用一般采用固定費(fèi)用與可變費(fèi)用之和的形式，比直接設(shè)定運(yùn)輸折扣更符合快遞網(wǎng)絡(luò)運(yùn)營實(shí)際。算例分析表明，在一個多分配軸輻快遞網(wǎng)絡(luò)中，如減少某多分配節(jié)點(diǎn)與其所分配的其中一個樞紐間的快遞運(yùn)量，快遞網(wǎng)絡(luò)結(jié)構(gòu)將由多分配軸輻網(wǎng)絡(luò)變?yōu)閱畏峙漭S輻網(wǎng)絡(luò)，充分顯示了運(yùn)量對網(wǎng)絡(luò)結(jié)構(gòu)選擇的影響。通過調(diào)整分揀參數(shù)、中轉(zhuǎn)參數(shù)以及路段運(yùn)輸固定費(fèi)用的大小發(fā)現(xiàn)，隨著分揀參數(shù)和運(yùn)輸固定費(fèi)用的降低及中轉(zhuǎn)參數(shù)的提高，快遞貨物將更趨近于采用多分配多樞紐軸輻式網(wǎng)絡(luò)甚至是全連通網(wǎng)絡(luò)展開運(yùn)送，驗(yàn)證了模型和算法的有效性。結(jié)論：在快遞貨物運(yùn)送網(wǎng)絡(luò)設(shè)計(jì)中，將樞紐選址與分配方案兩個決策問題，作為一個統(tǒng)一整體進(jìn)行綜合優(yōu)化，在運(yùn)輸作業(yè)時間預(yù)算的約束下，以最小化快遞網(wǎng)絡(luò)運(yùn)輸費(fèi)用、中轉(zhuǎn)費(fèi)用和分揀費(fèi)用為目標(biāo)，提出了樞紐選址決策與分配方案優(yōu)化相結(jié)合的決策優(yōu)化模型，設(shè)計(jì)了基于條件最短路的組合模擬退火算法對算例進(jìn)行計(jì)算和分析，證實(shí)了模型和算法的有效性，并研究了運(yùn)量、路段運(yùn)輸固定費(fèi)用、節(jié)點(diǎn)分揀系數(shù)、中轉(zhuǎn)參數(shù)等對網(wǎng)絡(luò)結(jié)構(gòu)選擇的影響。

來源出版物：系統(tǒng)工程理論與實(shí)踐, 2012, 32(2): 441-448

入選年份：2017

基于關(guān)聯(lián)的三角模糊數(shù)直覺模糊集成算子及其應(yīng)用

高巖，周德群，劉晨琛，等

摘要：目的：由于直覺模糊集同時考慮了隸屬與非隸屬兩方面信息，因此它為對事物屬性的描述方法上提供了更多的選擇，在處理不確定信息時具有更強(qiáng)的表現(xiàn)能力。目前，學(xué)者們對屬性間相互獨(dú)立情形下的直覺模糊信息集結(jié)算子已作出了深入研究，并取得了豐富的成果，但卻忽視了對基于關(guān)聯(lián)的直覺模糊信息集結(jié)算子的探討。本文針對三角模糊數(shù)直覺模糊的關(guān)聯(lián)集成問題進(jìn)行了研究。方法：在三角模糊數(shù)直覺模糊集的運(yùn)算法則基礎(chǔ)上，引入模糊測度的基礎(chǔ)上，構(gòu)建了一些三角模糊數(shù)直覺模糊集的關(guān)聯(lián)加權(quán)平均算子，并且詳細(xì)研究了它們的性質(zhì)，同時給出了一種簡單的排序方法，最后基于這些關(guān)聯(lián)加權(quán)平均算子，構(gòu)建了一種屬性值以三角模糊數(shù)直覺模糊數(shù)形式給出的不確定多屬性群決策方法。結(jié)果：通過對三角模糊數(shù)直覺模糊關(guān)聯(lián)集成算子的研究，可知，（1）三角模糊數(shù)直覺模糊關(guān)聯(lián)加權(quán)集成算子是傳統(tǒng)直覺模糊加權(quán)集成算子的推廣，是傳統(tǒng)直覺模糊加權(quán)集成算子的一般形式，傳統(tǒng)直覺模糊加權(quán)平均算子是關(guān)聯(lián)加權(quán)集成算子在元素相互獨(dú)立情況下的特例。三角模糊數(shù)直覺模糊關(guān)聯(lián)加權(quán)集成算子具有傳統(tǒng)直覺模糊加權(quán)集成算子相同的性質(zhì)，如有序單調(diào)性、單調(diào)性、冪等性和有界性。（2）基于三角模糊數(shù)直覺模糊關(guān)聯(lián)加權(quán)集成算子的群決策方法更具合理性、現(xiàn)實(shí)性與通用性。現(xiàn)實(shí)的決策問題中常存在關(guān)聯(lián)，應(yīng)用三角模糊數(shù)直覺模糊關(guān)聯(lián)集成算子進(jìn)行決策分析更貼近決策問題的實(shí)際情況，得到的決策結(jié)果更具有合理性。（3）基于關(guān)聯(lián)的三角模糊數(shù)直覺模糊集成算子，將關(guān)聯(lián)的定義引入到三角模糊數(shù)直覺模糊群決策中，不僅擴(kuò)展了三角模糊數(shù)直覺模糊群決策方法體系，更增強(qiáng)了三角模糊數(shù)直覺模糊群決策理論與實(shí)際群決策問題間的融合。結(jié)論：三角模糊數(shù)直覺模糊集作為直覺模糊集的拓展，其隸屬度和非隸屬度用三角模糊數(shù)表示，彌補(bǔ)了區(qū)間值模糊集中隸屬度和非隸屬度用區(qū)間數(shù)表示時缺少重心的缺陷。在三角模糊數(shù)直覺模糊信息群決策中，決策屬性之間和專家偏好之間往往存在相互聯(lián)系，故對基于關(guān)聯(lián)的群決策分析進(jìn)行探討具有重要的理論和現(xiàn)實(shí)意義。本文構(gòu)建了三角模糊數(shù)直覺模糊信息的R-TIOWA 算子、R-TIWGA算子和R-TIOWGA 算子，并將它們應(yīng)用決策領(lǐng)域中，為三角模糊數(shù)直覺模糊信息的多屬性決策問題提供了一條有效途徑。

來源出版物：系統(tǒng)工程理論與實(shí)踐, 2012, 32(9): 1964-1972

入選年份：2017

供應(yīng)鏈中碳稅和消費(fèi)者環(huán)保意識對碳排放影響

熊中楷，張盼，郭年

摘要：隨著世界各國相繼出臺各種碳減排政策，以及具有環(huán)保意識的消費(fèi)者不斷增多，在供應(yīng)鏈中探討政府碳稅和消費(fèi)者環(huán)保意識對制造商碳排放影響就是一個具有現(xiàn)實(shí)意義的問題。然而，已有供應(yīng)鏈研究文獻(xiàn)在探討碳排放問題時很少同時考慮碳稅和消費(fèi)者環(huán)保意識的影響。鑒于此，本文同時考慮政府碳稅和消費(fèi)者環(huán)保意識，研究制造商碳排放以及供應(yīng)鏈最優(yōu)決策問題，進(jìn)而探討政府碳稅和消費(fèi)者環(huán)保意識的增加是不是一定能減少制造商的碳排放，是不是一定使制造商和零售商的利潤減少。本文分別考察兩種供應(yīng)鏈，一種是存在大型制造商的供應(yīng)鏈，即由一個制造商兩個零售商組成的供應(yīng)鏈，另一種是存在大型零售商的供應(yīng)鏈，即由兩個制造商一個零售商組成的供應(yīng)鏈。在每一種供應(yīng)鏈中，制造商生產(chǎn)產(chǎn)品會產(chǎn)生碳排放，政府對制造商的碳排放會征收單位稅，消費(fèi)者對單位碳排放量低的產(chǎn)品有更高支付意愿。在政府和消費(fèi)者的壓力下，制造商會采取減排措施降低單位產(chǎn)品的碳排放量。在產(chǎn)品銷售過程中，制造商決策產(chǎn)品的批發(fā)價(jià)，零售商決策產(chǎn)品的零售價(jià)。本文利用博弈論構(gòu)建制造商和零售商的Stackelberg 博弈模型，在存在大型制造商的供應(yīng)鏈中，制造商首先決策碳減排水平，其次決策給每個零售商的批發(fā)價(jià)，最后兩個零售商同時決策產(chǎn)品的零售價(jià)；在存在大型零售商的供應(yīng)鏈中，兩個制造商首先同時決策碳減排水平，其次決策批發(fā)價(jià)，最后零售商同時決策零售價(jià)。通過逆向歸納法對兩個模型分別求解，可以得到每種模型下的最優(yōu)零售價(jià)，批發(fā)價(jià)，單位碳排放量和利潤，進(jìn)而對均衡結(jié)果進(jìn)行敏感性分析。研究發(fā)現(xiàn)：（1）在兩種供應(yīng)鏈結(jié)構(gòu)中，政府碳稅和消費(fèi)者環(huán)保意識的增加都會使初始單位碳排放量較小的制造商的最優(yōu)單位碳排放量降低，會使初始單位碳排放量較大的制造商的最優(yōu)單位碳排放量提高。（2）在存在大型制造商的供應(yīng)鏈中，若制造商的初始單位碳排放量較小時，政府提高碳稅和促進(jìn)消費(fèi)者環(huán)保意識的提高會使制造商的利潤減少和零售商的利潤增加；在存在大型零售商的供應(yīng)鏈中，若制造商的初始單位碳排放量較小時，政府提高碳稅和促進(jìn)消費(fèi)者環(huán)保意識的提高會使制造商的利潤減少和零售商的利潤增加，政府提高碳稅和促進(jìn)消費(fèi)者環(huán)保意識增強(qiáng)可以使制造商和零售商的利潤增加，供應(yīng)鏈利潤增加。本文可以為政府在降低碳排放方面提供參考，即若制造商所在產(chǎn)業(yè)為清潔型產(chǎn)業(yè)，政府應(yīng)提高碳稅并促進(jìn)消費(fèi)者環(huán)保意識提高，而制造商所在產(chǎn)業(yè)為污染型產(chǎn)業(yè)時，政府應(yīng)降低碳稅。

來源出版物：系統(tǒng)工程理論與實(shí)踐, 2014, 34(9): 2245-2252

改進(jìn)粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測

李松，劉力軍，翟曼

摘要：目的：BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型在短時交通流時間序列預(yù)測方面有特定的優(yōu)勢。但該模型有兩個明顯的缺點(diǎn)：一是容易于陷入局部極小值；二是收斂速度慢。為克服上述缺點(diǎn)，提高BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的預(yù)測準(zhǔn)確性，本文提出了一種基于改進(jìn)粒子群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法。方法：粒子群算法中粒子向自身歷史最佳位置和鄰域或群體歷史最佳位置聚集時會形成粒子種群的快速趨同效應(yīng)，容易出現(xiàn)陷入局部極值、早熟收斂或停滯現(xiàn)象。因此，借鑒遺傳算法中的變異思想，在粒子群算法中引入自適應(yīng)變異算子對陷入局部最優(yōu)的粒子進(jìn)行變異，即對某些變量以一定的概率重新初始化。變異操作拓展了在迭代中不斷縮小的種群搜索空間，使粒子能夠跳出先前搜索到的最優(yōu)位置，在更大的空間中開展搜索，同時保持了種群多樣性，提高粒子群算法尋優(yōu)找到更優(yōu)值的可能性。將改進(jìn)粒子群算法得到的最優(yōu)粒子對BP 神經(jīng)網(wǎng)絡(luò)連接權(quán)值和閾值進(jìn)行賦值，然后訓(xùn)練BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型求得最優(yōu)解。構(gòu)建3 種預(yù)測模型，即：改進(jìn)PSO 算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型（MPSOBP 模型）、PSO 算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型（PSOBP 模型）和一般的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型（BP 模型）。應(yīng)用3 種預(yù)測模型對實(shí)測交通流時間序列，進(jìn)行單步預(yù)測對比實(shí)驗(yàn)。結(jié)果：取短時交通流時間序列前1200 個樣本為訓(xùn)練樣本、后102 個數(shù)據(jù)為預(yù)測檢驗(yàn)樣本進(jìn)行單步預(yù)測仿真實(shí)驗(yàn)。為測試預(yù)測方法的準(zhǔn)確性，取不同數(shù)量的訓(xùn)練樣本進(jìn)行實(shí)驗(yàn)。以平均絕對誤差和相對誤差作為預(yù)測誤差評價(jià)指標(biāo)。從實(shí)驗(yàn)結(jié)果可以看出，1）3 種預(yù)測模型的預(yù)測結(jié)果都能夠很好地反映短時交通流時間序列的變化趨勢和規(guī)律，且MPSOBP模型的預(yù)測精度遠(yuǎn)遠(yuǎn)高于PSOBP 模型和BP 模型，說明在粒子群算法中引入自適應(yīng)變異算子對陷入局部最優(yōu)的粒子進(jìn)行變異可以解決粒子群算法出現(xiàn)的陷入局部極值、早熟收斂或停滯問題，也說明改進(jìn)粒子群算法和粒子群算法都能夠解決BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型對短時交通流時間序列預(yù)測的陷入局部極小值和收斂速度慢問題。2）對于同一短時交通流時間序列，當(dāng)訓(xùn)練樣本數(shù)量不同時，3 種預(yù)測模型的預(yù)測精度也不同，說明MPSOBP 模型和BP 模型一樣，其預(yù)測效果與訓(xùn)練樣本數(shù)量有關(guān)。3）對于短時交通流預(yù)測，訓(xùn)練樣本越少，MPSOBP 模型的預(yù)測精度比PSOBP 模型和BP 模型提高得越多，這表明MPSOBP 模型可以實(shí)現(xiàn)短時間交通流的小樣本預(yù)測。結(jié)論：改進(jìn)粒子群算法優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的短時交通流時間序列預(yù)測方法降低了BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型陷入局部極小值的可能、提高了模型收斂速度。相對于PSOBP 預(yù)測模型和BP 預(yù)測模型，該方法對短時交通流時間序列具有更好的非線性擬合能力和更高的預(yù)測精度。

來源出版物：系統(tǒng)工程理論與實(shí)踐, 2012, 32(9): 2045-2049

入選年份：2017

基于混合航線結(jié)構(gòu)的集裝箱航線與空重箱運(yùn)輸綜合優(yōu)化模型

陳康，郭利泉，楊忠振

摘要：目的：受船舶大型化的影響，集裝箱班輪航線網(wǎng)絡(luò)結(jié)構(gòu)正在經(jīng)歷一場深刻變革。傳統(tǒng)的環(huán)繞結(jié)構(gòu)或軸輻結(jié)構(gòu)正在逐步被混合結(jié)構(gòu)取代。這使得傳統(tǒng)基于單一網(wǎng)絡(luò)結(jié)構(gòu)的集裝箱班輪航線網(wǎng)絡(luò)設(shè)計(jì)方法不再適用，需要提出一種基于混合結(jié)構(gòu)的集裝箱班輪航線網(wǎng)絡(luò)設(shè)計(jì)方法。此外，隨著貨運(yùn)量與貨箱數(shù)量的日益增長，集裝箱空/重箱調(diào)撥方案的重要性逐漸顯現(xiàn)。合理設(shè)計(jì)該方案并實(shí)現(xiàn)系統(tǒng)運(yùn)輸能力與貨箱資源的有效利用已成為集裝箱班輪運(yùn)輸系統(tǒng)規(guī)劃者的另一個重要目標(biāo)。在此背景下，本研究針對混合結(jié)構(gòu)集裝箱班輪運(yùn)輸網(wǎng)絡(luò)，在充分考慮航線網(wǎng)絡(luò)設(shè)計(jì)與空/重箱運(yùn)輸問題互動關(guān)系的基礎(chǔ)上，構(gòu)建優(yōu)化模型，探索新形勢下集裝箱班輪運(yùn)輸系統(tǒng)設(shè)計(jì)的新方法。方法：利用雙層結(jié)構(gòu)，以系統(tǒng)收益最大為目標(biāo)，構(gòu)建集裝箱班輪航線網(wǎng)絡(luò)設(shè)計(jì)與空/重箱調(diào)撥問題的協(xié)同優(yōu)化模型，同步優(yōu)化干線靠泊港、干線港靠泊順序、支線港以及港口間空箱和重箱運(yùn)量（即空/重箱運(yùn)輸方案）。在該模型中，上層子模型改進(jìn)自經(jīng)典指派模型，下層模型則為簡化的線性多商品流模型。為求解該模型，提出基于遺傳算法與線性規(guī)劃優(yōu)化算法開發(fā)改進(jìn)進(jìn)化算法，具體實(shí)施3 項(xiàng)工作：其一，針對雙層模型特點(diǎn)，設(shè)計(jì)了算法框架，實(shí)現(xiàn)線性規(guī)劃與遺傳算法的有機(jī)融合；其二，根據(jù)集裝箱班輪航線網(wǎng)絡(luò)的特征，設(shè)計(jì)了網(wǎng)絡(luò)編碼方法，以實(shí)現(xiàn)集裝箱班輪航線網(wǎng)絡(luò)的全信息、高辨識度數(shù)學(xué)刻畫；其三，設(shè)計(jì)一種改進(jìn)交叉算子，以減少計(jì)算產(chǎn)生的無效編碼的數(shù)量，提高算法效率。實(shí)驗(yàn)與結(jié)果：使用我國某大型班輪運(yùn)輸企業(yè)的真實(shí)數(shù)據(jù)，以實(shí)際中歐集裝箱班輪航線設(shè)計(jì)問題為背景，進(jìn)行計(jì)算實(shí)驗(yàn)，并針對船舶容量展開敏感性分析。計(jì)算結(jié)果表明：1）本文的模型與算法，可協(xié)同優(yōu)化集裝箱班輪網(wǎng)絡(luò)設(shè)計(jì)與空/重箱調(diào)撥問題。針對實(shí)驗(yàn)案例，若用4000TEU 船型，需投入9 艘船舶，航線的運(yùn)營收益為每周19.56 萬美元；而若用10000TEU 船型，需投入7 艘船舶，航線運(yùn)營收益為每周31.35 萬元。2）航線網(wǎng)絡(luò)結(jié)構(gòu)與船舶運(yùn)輸能力密切相關(guān)。伴隨著船舶運(yùn)輸能力的提升，班輪運(yùn)輸企業(yè)采用軸輻與環(huán)繞式混合結(jié)構(gòu)構(gòu)造航運(yùn)網(wǎng)絡(luò)更為有利。結(jié)論：集裝箱航線網(wǎng)絡(luò)設(shè)計(jì)與重/空箱調(diào)運(yùn)方案優(yōu)化具有高度關(guān)聯(lián)性，基于此構(gòu)造班輪系統(tǒng)優(yōu)化模型不僅可合理刻畫相關(guān)決策變量間的互動、制約關(guān)系，提高優(yōu)化模型的實(shí)用性與可靠性，更可真實(shí)描述集裝箱班輪運(yùn)輸企業(yè)的決策過程。正是基于此思路，本文提出了相應(yīng)優(yōu)化模型，該思路預(yù)判將成為未來相關(guān)研究的基礎(chǔ)。此外，實(shí)驗(yàn)結(jié)果表明：隨著集裝箱船舶大型化，軸輻式與環(huán)繞式航線將成為航線主流結(jié)構(gòu)，這與航運(yùn)市場的實(shí)際情況相符，該結(jié)果也從側(cè)面印證了本文模型與算法的可靠性。

來源出版物：系統(tǒng)工程理論與實(shí)踐, 2014, 34(1): 122-128

入選年份：2017