基于数量折扣的双层规划订货策略研究

考虑单供应商单零售商组成的两级供应链,在市场需求为零售价格的指数函数假设下,建立了当占支配地位的供应商给零售商提供数量折扣时的双层规划模型,然后设计了一种简单实用的求解算法.     

基于分支冻结算法的供应商选择与订单分配

针对已有研究供应商选择与订单分配的特点,建立更加符合实际情况需求的供应商选择与订单分配混合整数规划模型,其优化目标为最小总成本.考虑到模型求解的复杂程度,设计一种分支冻结算法,并结合启发式算法的原则避免出现大量的非存在解.实验算例表明所建立的模型能够反映供应商选择与订单分配过程中的产品生产成本过大现象,其算法能够在允许...     

基于数量折扣的双层规划订货策略研究

考虑单供应商单零售商组成的两级供应链,在市场需求为零售价格的指数函数假设下,建立了当占支配地位的供应商给零售商提供数量折扣时的双层规划模型,然后设计了一种简单实用的求解算法。     

需求随机情况下向多个供应商采购的机会规划模型研究

研究当需求量巨大且为随机变量时,一个供应商无法满足供货要求情况下,向多个供应商采购-库存的问题,建立了一个向多个有资源约束的供应商采购的库存模型.考虑到需求量为随机变量,并且约束条件以一定置信水平满足要求,故采用随机机会规划对问题进行建模,基于神经元网络嵌入遗传算法的混合智能算法对模型进行求解,并对结果进行了分析,给出了文章的结论.     

多源采购供应商选择问题的两阶段随机优化模型及其算法

构建了多源采购供应商选择问题的两阶段随机优化模型.在第一阶段,决策者根据各相关因素的不确定性确定供应商选择方案,而在第二阶段,当各参数退化为确定性数值时,决策者最终确定采购计划.模型目标为极小化两阶段的总期望成本.给出了模型求解的两种方法-枚举法和遗传算法.若干算例表明,本文给出的算法稳定性较强,能够满足实际问题求解的需要.     

配送中心的产品供给-分配随机决策系统的设计

本文在考虑随机因素的基础上，使用随机规划的方法，建立多个供应商、一种产品以及多个经销商组成的供应链系统的多目标随机规划模型，使得与实际有较高的实用价值。     

供应商选择问题的模糊机会约束规划模型

论文以模糊机会约束规划的方法处理供应商选择问题（VSP）。在市场需求量为模糊变量,同时成本、质量、交付时间三个目标以一定的置信水平成立的前提下,提供了一种帮助决策者进行供应商供货量分配的方法,并给出模型的混合智能通用算法。     

制造企业供应商选择的可靠性方法研究

针对供应商的失效风险,提出了基于可靠性的供应商选择方法.首先提出了供应商选择的可靠性指标体系,然后基于ANP方法和0-1整数规划提出供应商选择方法.该方法通过ANP方法能充分考虑指标之间的相互影响与制约关系,对各供应商的可靠性进行合理评价;进一步利用模糊数来衡量模糊和不确定指标,以可靠性为目标函数建立模糊o-1整数规划确定最佳的供应商组合.     

供应链中数学模型及其算法研究

通过对供应链研究现状的分析,进而对供应链中数学模型进行了深入的探讨。论文采用双层规划模型描述了提出的问题,其中上层规划模型是从生产商的角度出发,使得生产成本最小化;而下层规划模型则是从供应商的角度出发,使得收益最大化。文中对双层规划模型设计了相应的模拟退火算法进行求解。算例结果表明,模型和算法都是有效的,从而为供应链中角色决策提供支持。     

随机需求条件下向多个供应商采购的库存模型

将马新安(2000)在定常需求的条件下,建立的一个向多个有能力约束的供应商采购的库存模型扩展到了随机需求条件,并给出了模型的算法。     

基于随机需求的物流配送网络规划决策方法

本文对不确定环境下的选址建模及求解进行了研究，建立了在模拟随机需求下的相关机会优化模型，提出一种将优化算法、随机模拟方法和遗传算法合成在一起，设计出的混合智能算法，为科学的网络决策规划提供帮助，最后进行数值演算。     

非高斯随机分布系统研究现状的分析

针对非高斯随机分布系统理论研究的发展问题,从非高斯随机分布系统的研究背景、系统静态模型的建立方法、系统动态模型的建立方法、非高斯随机分布系统的性能指标以及常用的控制算法等方面介绍了非高斯随机分布控制系统的研究现状,使读者对非高斯随机分布系统理论能进一步深入的了解。     

一种求解随机需求库存-路径问题的分解算法

将SDIRP分解为基于直接配送的随机库存-路径问题的库存子问题和基于车辆路径问题的路径问子题,并设计了一个基于(s,S)库存策略和修正C-W节约法的启发式算法,最后,通过相应的数值算例验证了算法的有效性。     

Bayesian stochastic search for VAR model restrictions

We propose a Bayesian stochastic search approach to selecting restrictions for vector autoregressive (VAR) models. For this purpose, we develop a Markov chain Monte Carlo (MCMC) algorithm that visits high posterior probability restrictions on the elements of both the VAR regression coefficients and the error variance matrix. Numerical simulations show that stochastic search based on this algorithm can be effective at both selecting a satisfactory model and improving forecasting performance. To illustrate the potential of our approach, we apply our stochastic search to VAR modeling of inflation transmission from producer price index (PPI) components to the consumer price index (CPI).     

基于蚁群算法的战时运输路径优化模型

针对多式联运,必经点等战时维修器材供应运输中的现实问题,考虑当各路段通行时间和运输方式转换时间为随机变量时,建立起了给定时间的最大置信水平约束下,以最小时间和费用为优化目标的随机机会约束模型,然后根据所建模型特点,基于随机模拟方法,设计了的模型求解的蚁群算法。算例结果表明:该模型和和算法具有有效性,能为确定战时交通运输路径提供有效的决策支持。     

双运量约束下的OD分布与随机用户均衡交通分配组合模型

建立了在起点交通产生总量固定和在讫点交通吸引总量固定约束下的OD分布与随机用户均衡交通分配模型，并证明了该极值模型与随机用户均衡及OD分布要求的等价性，并设计了启发式算法来求解。     

数量随机环境下托盘回收的逆向物流网络设计

托盘是提高物流效率的工具,通过租赁制回收方式建立起的托盘共用系统能显著提高物流系统的效率。通过分析托盘回收逆向物流网络结构,建立了基于随机理论的托盘再利用逆向物流网络的随机规划模型,并提出了相应的求解算法。     

集装箱空箱调运优化问题的研究

在分析集装箱空箱流转过程的基础上,提出建立基于海陆运整体成本最优的集装箱空箱调运随机性优化模型,并将粒子群算法与随机模拟技术相结合用于求解机会约束规划。最后通过对测试算例进行求解,验证了该模型和算法的合理性和有效性。     

Calibration of stochastic volatility models: A Tikhonov regularization approach

We aim to calibrate stochastic volatility models from option prices. We develop a Tikhonov regularization approach with an efficient numerical algorithm to recover the risk neutral drift term of the volatility (or variance) process. In contrast to most existing literature, we do not assume that the drift term has any special structure. As such, our algorithm applies to calibration of general stochastic volatility models. An extensive numerical analysis is presented to demonstrate the efficiency of our approach. Interestingly, our empirical study reveals that the risk neutral variance processes recovered from market prices of options on S&P 500 index and EUR/USD exchange rate are indeed linearly mean-reverting.     

Approximate dynamic programming with post-decision states as a solution method for dynamic economic models

I introduce and evaluate a new stochastic simulation method for dynamic economic models. It is based on recent work in the operations research and engineering literatures (Van Roy et al., 1997, Powell, 2007, Bertsekas, 2011), but also had an early application in economics (Wright and Williams, 1982, Wright and Williams, 1984). The baseline method involves rewriting the household׳s dynamic program in terms of post-decision states. This makes it possible to choose controls optimally without computing an expectation. I add a subroutine to the original algorithm that updates the values of states not visited frequently on the simulation path; and adopt a stochastic stepsize that efficiently weights information. Finally, I modify the algorithm to exploit GPU computing.