摘要：碳排放是导致全球气候变暖的主要因素之一。随着全球气候变暖问题的日益严重,企业面临如何有效整体减排的难题。针对供应商这一间接碳排放的主要来源,碳排放已经成为企业选择供应商的要素之一。本文构建随机需求下考虑碳排放因素的单个企业面对多个供应商,且受供应商产能约束的非线性混合整数规划模型,并结合模型自身特点设计了相应算法。最后,通过数值实验分析碳排放价格及运输工具的变化对选择供应商的影响。

摘要：考虑现实中需求随机,司机的工作量和收入可能受线路长度影响,研究基于需求随机订单可拆分的多目标车辆路径问题,添加司机工作线路长度均衡为目标,这种考虑需求随机和线路均衡的双目标模型比原来的单目标模型更具有现实应用意义。此外订单可拆分可提高车辆装载率,降低配送费用。基于以上考虑,本文构造考虑随机需求订单可拆分的双目标车辆路径问题模型,提出订单拆分车辆配对服务策略。针对本文研究问题特点,设计大规模邻域自适应搜索算法进行仿真实验,并通过修订的Solomon算例验证模型和算法的有效性。

摘要：市场波动几乎是每一个企业都必须面临的问题.尤其对于产品提前期长而销售期相对较短的零售企业或新产品上市企业来说,市场波动所导致的产品短缺和库存积压为企业的经营带来了巨大的挑战.基于此,如何降低市场波动所带来的风险便成为运营管理领域讨论的热门话题.目前,学术界和企业界提出了许多降低市场波动风险的策略,归纳起来大致有两个方面:一方面,从产品采购入手,尽量增加采购的柔性.另一方面,从产品销售入手,尽可能提前"锁定"部分需求.本文基于集成的思想,同时考虑采购和销售两个方面,结合期权采购与预售两种策略,通过同时优化实物产品和期权的采购数量以及预售折扣来降低市场波动所带来的风险.研究得出,企业的期望利润函数是关于实物产品采购量和期权采购量的联合凹函数,且证明了在销售期需求服从正态分布条件下存在唯一的最优预售折扣,并设计出了求解最优预售折扣的二分搜索算法.最后运用数值算例进行了算法验证和结果比较分析.

摘要：文章研究供应链收益共享契约的协调问题。在综合考虑缺货损失和剩余产品残值与生产成本相关的情况下,建立了供应链收益共享契约协调模型,并借助报童模型对零售商和供应商的决策行为进行了分析,得出了零售商的最优决策行为和契约参数的取值范围。最后进行算例分析,并验证了供应链收益共享契约的有效性。

摘要：针对多个生产商、多个零售商和需求市场组成的多商品流供应链网络,假定生产商和零售商分别在全国市场和区域市场进行产品广告宣传,分析了其对产品随机需求的影响。通过基于随机效用理论的Logit模型刻画消费者的产品选择,运用Nash均衡方法和变分不等式理论得到生产商和零售商之间的竞争均衡模型,进而建立了考虑广告效应的随机需求多商品流供应链网络均衡的变分不等式模型。最后的数值算例验证了模型的合理性,表明广告宣传是把双刃剑:刺激需求增长,但成本增加,需做好二者间的平衡。

摘要：将需求的不确定性与库存理论结合,构建起产地-配送中心-客户三级供应链库存及配送的数学模型,并提出根据危险品影响的衰减系数计算其影响半径的方法,进而设计出基于衰减特性和人口分布的风险模型。采用多目标遗传算法(NSGA-Ⅱ)进行模型求解,设计出一套整合多种类危险品定位路径信息的编码-杂交-变异方式。在对算法的研究中,提出了通用性的,带种群结构控制的非支配排序遗传算法(NSGA-Ⅱ-PSC)及其3种类型。算例表明,改进算法可以得到更高质量的Pareto最优解集或更快的收敛速度。

摘要：文章将经销商作为核心企业,供应商作为从属企业组成主从供应链,以各节点企业利润最大化为目标,研究了随机需求条件下信息对称和信息不对称时各节点企业的最优产量决策。研究表明,不对称信息降低了经销商的期望利润,但经销商可以通过修改契约参数等方式,甄别并选择与高生产能力的制造商签约从而实现利润优化,算例仿真验证了结论的有效性。

摘要：在分销中心的选址中考虑设施成本、运输成本、库存成本等因素,并以分销中心的目标服务水平和库存容量为约束条件,同时假设分销中心和分销点均采用连续盘点(R,Q)库存控制策略,建立了一个随机需求下分销网络的选址库存联合优化模型.针对该模型,通过设计恰当的染色体编码方案和遗传操作策略,实现了模型的快速求解.数值仿真结果验证了算法的可行性和有效性.

摘要：在对随机需求信息条件下的车辆路径问题进行策略分析基础上,提出解决此类问题的改进蚁群算法。分析对比不同策略下用蚁群算法优化的结果。其中给出机会约束下决策者的风险喜好对最终目标的影响。通过模拟实际随机需求的方法评价先验路径的优劣。与其它计算方法在同等条件下的比较证明所设计算法的优越性。同时得出对于不同统计特性的随机需求策略的选择方式。

摘要：针对冷链物流末端配送系统中顾客需求随机、需求种类及温层多样的问题,构建了随机需求下具有配送时限要求的冷链品多温共配路径优化模型,设计了集K-means聚类算法、蚁群算法和随机动态规划算法为一体的路径优化算法,使所有可能路径的期望配送时间(包括前行/回程补货时间)满足配送时限要求。最后,通过算例验证了数学模型及算法的有效性,并对配送时限、车容量等参数进行了灵敏度分析,结果表明:配送时间与配送时限、车容量呈负向关系;随着时限的不断放宽,期望配送时间不再减少,此时,需要增加车辆容量,以减少回程补货次数。