摘要：为了解决冷链物流服务的成本、质量以及运输产生的碳排放等问题,构建多中心半开放式冷链物流路径优化模型,并将各种动态变化融入该模型中。设计一种改进的NSGA-II算法并利用标准测试函数证实该算法具有较好的收敛性与多样性。通过算例实验,结果表明:与不考虑碳排放方案相比,考虑碳排放方案的配送成本增加了19.00%,运输距离减少了5.16%,碳排放成本降低了13.03%;与初始配送方案相比,实时优化方案的配送成本下降了29.78%,碳排放成本下降了23.19%,客户满意度增幅14.49%;与单配送中心模式相比,多配送中心模式的配送成本降低了27.30%,碳排放成本降低了48.89%,客户满意度提高了13.11%,从而为冷链物流企业带来一定的管理启示。

摘要：近年来,消费者的反展厅现象(即线上逛店、线下购买)已普遍存在于消费者跨渠道购物行为中.本文建立了一个由线上和线下商家组成的双寡头市场,在该市场中两位商家同时销售搜索型产品或体验型产品,以此为基础探讨反展厅现象对线上商家的影响并提出相应的定价和广告对策.通过对均衡结果的分析,得出以下结论:1)对于搜索型产品而言,消费者是否出现反展厅现象与消费者在线上购买产品所产生的隐私成本有关:当隐私成本处于较高水平时,消费者会出现反展厅现象;对于体验型产品而言,消费者是否出现反展厅现象还与消费者与线下商品的匹配概率相关;2)不论商家销售哪种类型的产品,反展厅现象的出现均会减少线上商家的收益与产品定价,同时也会在一定程度上提高线下商家的收益.此外,线上商家对搜索型产品的定价随着更高的单位旅行成本、更低的线上搜索成本和更低的隐私成本而增加;对体验型产品的定价还会随着消费者与线下商家中产品的匹配概率下降而提高;3)线上商家可以通过投放定向广告来应对反展厅现象,缓和市场竞争并提高线上商家的收益.同时,我们还得出一个反直觉的结论,即当线上商家在定向广告上的投资成本高于一定阈值时,线下商家也会获益于定向广告;4)最后,我们对比了定向广告对搜索型产品和体验型产品在应对反展厅现象时的不同表现,发现当隐私成本相对较低时,定向广告更能提高体验型产品的收益;当隐私成本相对较高时,定向广告更能提高搜索型产品的收益.

摘要：商品定价和广告投放是预售策略中的重要问题。本文考虑了商品类型和消费者偏好两个方面的消费者估值差异,根据商品在预售阶段和正常销售阶段的消费者估值的不同,针对预售商品估值提升、降低和不变三种情况下策略消费者购买行为,建立了销售商预售模型,分析定价和广告投放联合决策下的预售策略。研究结果表明,在预售商品估值降低情况下,当正常销售阶段的价格较高且提前获得资金的增值系数较低时,销售商放弃预售。在预售商品估值增加的情况下,当销售商在正常销售价格较低时选择溢价预售,当正常销售价格较高时选择折价预售;在预售商品估值降低的情况下,销售商选择折价预售;在预售商品估值不变的情况下,当正常销售阶段价格较高时销售商选择折价销售,正常销售阶段价格较低时选择原价销售。最优广告投放水平随预售商品估值系数、提前获得资金的增值系数和正常销售阶段价格增加而提高;利润随预售商品估值系数、提前获得资金的增值系数增加而增加,随正常销售阶段价格的增加先增加后降低。

摘要：突发事件下公共场所人员的应急疏散问题是目前国内外研究的热点,其中高铁站应急情境下的人员疏散及路径优化也随着高铁的快速发展逐渐引起了人们的重视。本文考虑拥挤度会对疏散人员心理行为及疏散效率产生影响,以高铁站人员应急疏散过程中的拥挤度与总疏散时间为目标,建立了高铁站应急疏散路径多目标优化数学模型,设计了一种改进的自适应量子蚁群算法进行求解,并与常规算法求解结果做了对比分析。通过算例进行模拟实验,结果表明,所提出的模型较好地兼顾了疏散路径的安全性与时效性,且设计的算法具有良好的全局性和收敛性,有助于进一步完善我国高速铁路客运运作管理体系。

摘要：针对突发灾害情况下需求不确定的选址问题,构建最小化经济成本和最大化满意度的应急物资中心选址模型。首先,将选址问题划分为初期和后期的两阶段问题;其次,对物资需求量进行模糊需求预测,并使用可信性模糊机会约束规划将其转化为确定型约束;最后,设计改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法求解问题。IGWO算法采用佳点集初始化种群,对收敛因子进行余弦规律的非线性变化,并在粒子群优化(Particle Swarm Optimization,PSO)算法个体记忆的启发下,设计个体位置更新公式。在用10个标准函数验证IGWO有效性的基础上,通过湖北省新型冠状病毒应急物资中心选址案例分析,表明IGWO算法能有效求解多目标选址问题,在提高满意度的基础上降低经济成本,且多阶段模型在平衡满意度和经济成本方面结果更优。

摘要：需求区间销售模式选择鲁棒定价预售合理性在可预知的需求信息为区间表达的情形下,研究销售模式选择与鲁棒定价决策问题,目的是分析预售的合理性和必要性.首先建立不进行预售时的鲁棒定价决策模型,根据逐层求解法得到鲁棒最优价格和实际销售利润.然后考虑通过预售获取确切需求信息并在现售阶段调整销售价格的两阶段鲁棒定价模型,根据预售所获得的实际利润评估预售的合理性.进一步地,基于风险中性准则对事先获取的需求区间进行分析,根据需求上下限和顾客购买偏好比例给出预售必要性的判别条件.最后设计了数值算例,考察预售的必要性如何随关键参数的变化而变化,以及不同销售模式下利润函数关于需求下限与实际需求之间差值的敏感性.

摘要：考虑到实际生产过程中设备具有恶化特性,针对作业的实际处理时间是由基本处理时间和可变恶化时间组成的柔性作业车间调度问题,构建了最小化完工时间、总能耗和机器总负载的多目标调度优化模型,并提出了一种改进的NSGA-II算法进行求解。结合问题的特点,在算法中设计了一种基于工序和机器的并行双层编码方法及考虑机器恶化效应的贪婪式插入解码方法;并将Pareto等级引入交叉、变异算子,设计了一种基于动态控制交叉变异参数的策略以提高算法的寻优效率;为丰富种群的多样性并加强算法的局部搜索能力,分别设计了分层精英保留策略和4种邻域搜索机制。最后,基于标准算例进行扩展测试,验证了所建模型的合理性与改进算法的有效性。

摘要：为解决大规模突发灾害给人民带来的生理与心理痛楚问题,考虑模糊需求情景下灾区道路受损、物资相对短缺、灾区需求紧迫度差异等因素,同时考虑灾民有限理性下物资竞争心理,运用前景理论刻画灾民对物资分配、运抵时间的综合感知,以灾区运输时间感知满意度最大、物资分配感知损失最小、运输成本最小为目标构建应急物资调度多目标优化模型,设计改进灰狼优化算法(Grey Wolf Optimizer,GWO)求解,引入混沌反向学习、差分进化、非线性收敛等策略实现对GWO算法的改进,并以2008年四川地震案例数据展开分析验证,依据模糊逻辑加权法选择合适的应急调度方案。研究表明,该模型可合理衡量有限理性下灾民综合感知,改进算法能够得出更加公平高效的调度方案,有效解决了灾后模糊需求情景下应急物资调度问题。

摘要：大规模突发事件发生后,如何合理高效进行应急物资的选址-调度是亟待研究的重要课题。本文针对不确定突发灾害情况,构建最大化公平性和最大化综合满意度模型。首先利用评价指标数据去模糊化求出紧迫度系数,构建基于紧迫度的公平模型;其次,考虑灾民心理恐慌因素及政府满意度构建综合满意度模型;最后,采用改进NSGA-Ⅱ算法求解问题。设计基于本文选址-调度的两阶段编码解码方案,使用自适应交叉概率和基于种群熵的变异概率公式,并设计相应交叉、变异操作,引入算子进行邻域搜索。在经典测试函数验证本文改进NSGA-Ⅱ算法有效性的基础上,通过实际案例分析表明,改进NSGA-Ⅱ算法能有效求解多目标选址-调度问题,需求紧迫度优化后在平衡公平性和满意度方面结果更优。

摘要：在碳交易政策的背景下,企业需统筹考虑效率和环境因素,以实现企业效益最大化。文章研究了考虑机器和工人的分布式双资源柔性作业车间节能调度问题和方案,以最短完工时间、最小能耗和碳交易成本为目标,建立了混合整数规划模型。依据此问题多资源约束的特点,研究设计了一种改进麻雀搜索算法,嵌入了“工厂—工序—机器&工人”三层编码的主动解码策略,提高了资源利用率。为了扩大搜索空间,在算法中引入了6种局部搜索策略,通过2、3、4个工厂共30组算例,将改进的麻雀搜索算法与其他3种算法进行对比。实验结果表明,改进的麻雀搜索算法优于其他对比的算法,对比结果验证了此改进算法的有效性。