摘要：新增应急避难点选址问题是应急管理中的一项重要内容。基于就近避难的原则,本文考虑避难者人数的不确定性和道路的通行能力限制,以所有避难者完成撤离时间的最大后悔值最小为目标,研究一般网络图上新增应急避难点的鲁棒选址问题。首先,当避难者人数确定时,本文通过对网络结构及问题性质的分析,把一般网络图分解成多项式个树图,给出了时间复杂度为O(mn^(2))的求解算法。接着,当避难者人数为区间值时,本文分析最大后悔场景的权重结构特征,找出所有可能的最大后悔场景集合,计算相应的后悔值,设计了时间复杂度为O(m^(2)n^(4))的求解算法。最后,基于不同权重区间组距设计了数值算例。通过分析可知,最小最大后悔值不会随着权重区间最大组距的减小而减小,但会随着所有权重区间组距的减小而减小;当组距较小时,平均期望权重具有较好的替代效果。相关结果能够为实际中新增应急避难设施的选址问题提供一定的理论指导。

摘要：基于新增设施选址问题,考虑网络节点权重不确定性,以设施中最大负荷量最小为目标,提出最小最大后悔准则下的新增设施选址问题。在网络节点权重确定时,通过证明将网络图中无穷多个备选点离散为有限个设施候选点,设计了时间复杂度为O(mn^(2))的多项式算法;在节点权重为区间值时,通过分析最大后悔值对应的最坏情境权重结构,进而确定最大后悔值最小的选址,提出时间复杂度为O(2^(n)m^(2)n^(3))的求解算法;最后给出数值算例。

摘要：在需求无概率分布的条件下,将区间数据作为需求上下界,以所有设施中最大负荷量最小化为目标,基于鲁棒优化方法,采用最小最大后悔准则,在就近服务假设下建立新增设施选址优化模型.基于最坏情景分析,证明了最坏情景具有特殊的结构特征,设计了使最大负荷量的最大后悔值最小的求解算法.研究结果克服了求解时间复杂度会随需求点数量的增加而呈指数增长的缺点,把已有的时间复杂度为指数的求解算法改进到多项式时间求解.算例分析结果进一步表明本文算法更适合大规模网络上的新增设施选址问题.

摘要：为研究投资者在投资活动中的有限理性特点,结合失望理论和最小最大后悔值准则刻画了投资者的失望及后悔情绪.使用目标调整效用函数描述主观价值,构建了投资组合选择模型.针对建立的模型,加入变异操作,设计了合适的粒子群算法.在实证研究中将建立的模型与经典模型进行了比较分析.研究结果表明,内含目标调整效用函数的失望理论模型与均值方差模型有近似的有效前沿,并更符合投资者的投资心理.同时考虑“失望”与“后悔”情绪下的最优组合比只考虑“失望”情绪的组合更稳定,减少价值追求或降低对“失望”的敏感度会促进方案的稳定.