基于改进HBA算法的生鲜闭环供应链网络鲁棒优化设计

针对生鲜闭环供应链网络设计问题,建立了一种基于生鲜闭环供应链网络的鲁棒优化模型,以解决供应链网络中的不确定性问题。首先,针对涵盖五个节点的生鲜供应链网络结构建立了多周期、多产品,以最小化成本、最小环境影响为目标的混合整数规划模型,采用模糊折中规划与区间数据鲁棒优化方法进行处理;其次,在原有蜜獾算法的基础上引入差分进化原则,增强算法的全局搜索能力与收敛速度;最后,通过MATLAB数值分析与仿真实例表明,所提鲁棒优化模型与蜜獾算法在求解生鲜闭环供应链网络设计问题中具有明显优势。     

基于改进鲸鱼优化算法的血液供应链网络多目标鲁棒优化设计

为解决血液供应链网络设计中的不确定性问题,建立了一种血液供应链网络多目标鲁棒优化设计模型。首先,针对带有5个节点的血液供应链网络,建立考虑安全库存的、目标为成本最小、存储时间最短的优化函数,并采用ε约束、Pareto最优和鲁棒优化方法对已建模型进行处理,将多目标问题转化为单目标鲁棒问题;其次,对原有鲸鱼优化算法（WOA）进行改进,引入差分算法的交叉和变异理念,增强了搜索能力并改善了局限性,从而得到差分鲸鱼优化算法（DWOA）,并采用此算法对处理后的模型求解。通过数值实例,验证当测试问题相同时,优化模型在需求短缺方面比确定模型的短缺量平均少76%。因此,所提优化模型在应对需求短缺时更具优势;通过仿真对比分析图像,得出DWOA相比WOA、粒子群优化（PSO）算法和遗传算法（GA）中断时间更短并且成本更低。     

可持续闭环供应链网络设计的多目标模糊规划问题

为解决不确定条件下可持续闭环供应链网络设计的问题,以成本和环境影响最小、社会影响最大为目标,建立带有模糊参数的多目标闭环供应链网络规划模型.首先采用Me测度处理相关模糊目标和参数,并运用加权增广Epsilon-约束方法解决多目标问题,在此基础上设计一种基于[0, 1]随机数的双层编码遗传鲸鱼(GA–WOA)混合算法进行求解,然后构造多个不同规模算例,将混合算法求解结果与CPLEX、遗传算法的求解结果进行对比,结果证明该编码方式和混合算法具有合理性.最后针对模型的多个参数变化进行分析,以验证所建模型的可行性.     

可持续闭环供应链网络的多目标优化研究

针对可持续的闭环5供应链网络优化问题,考虑柔性供应策略、设施改造对网络优化的影响,并以经济成本最小、碳排放量最低、社会效益最大为优化目标,构建了多目标的多情景-模糊优化模型。针对模型中的不确定参数,用三角模糊数与多情景优化的方法处理其模糊性和随机性,然后根据不同的分析角度,分别用线性加权法和NSGA-[Ⅱ]算法对模型进行求解,基于算例的求解结果,对目标权重的灵敏度、模型的稳健性以及目标间的冲突性进行了分析。证明了考虑柔性供应策略和设施改造问题的必要性;给出了闭环供应链网络设计的决策建议。     

基于Prim-DMGA算法的闭环供应链网络鲁棒优化研究

针对不确定环境下的闭环供应链网络优化问题,在需求不确定及设施中断风险的条件下,基于鲁棒对等优化方法建立了一种以闭环供应链网络总成本最小为目标的鲁棒优化模型,以解决供应链网络中的不确定性问题,并提出了Prim-DMGA。首先基于Prim算法得到高质量的初始种群,其次让路径规划方案和设施选址方案在两层自适应GA的不断反馈中达到最优。实验结果表明,Prim-DMGA得到的目标函数值优于单层Prim-MGA与传统GA,且在求解大规模算例时,求解结果优于CPLEX软件。研究结论表明,Prim-DMGA能以较少的计算时间获得质量更优的解,鲁棒优化模型可以有效减少不确定因素带来的不利影响,提高闭环供应链网络的鲁棒性能。     

低碳环境下闭环供应链网络设计多目标鲁棒模糊优化问题

针对低碳环境下多级闭环供应链网络设计的战略定位和配置问题,综合考虑网络参数的模糊性以及多产品流,以供应链网络的总成本和总碳排放最小为目标,建立多目标鲁棒模糊优化模型.该模型将机会约束的最低置信水平作为决策变量,实现目标函数期望值、最优鲁棒性和可行鲁棒性之间的有效平衡.最后,设计一种基于必要性测度的交互式$\varepsilon$约束模糊求解方法,并通过算例验证所提模型和算法的有效性和可行性.     

基于改进遗传算法的生鲜多目标闭环物流网络模型

针对生鲜产品闭环物流网络中存在的经济成本高、碳排放量大、社会效益重视不足等问题,综合考虑退货量的不确定性,以经济成本最小、碳排放最小、社会效益最大为目标,建立了不确定条件下的生鲜多目标闭环物流网络模型。首先,利用改进的遗传算法(GA)求解该模型;然后,结合上海某生鲜企业运营管理数据,验证了模型的可行性;最后,将改进的GA的结果与粒子群优化(PSO)算法的结果对比,验证了算法的有效性,凸显了改进的GA在求解多目标的复杂约束问题时的优越性。算例结果表明,多目标优化满意度达到0.92,高于单目标优化满意度,展示了所提模型的有效性。     

不确定条件下配送回收中心选址配送问题研究

针对制造商、零售商、一个废弃处理中心和多个配送回收中心构成的闭环供应链,解决模糊随机环境下的配送回收中心选址配送问题。引用模糊随机理论处理产品回收率和可再利用率随机变量,以成本最低和碳排放最小为双重目标,以设施能力,设施间流量以及设施数量为约束,建立多目标闭环供应链配送回收中心选址配送模型。改进了全局-局部-邻域粒子群算法,设计了基于优先级的全局-局部-邻域粒子群算法方案,并用案例验证了模型及算法的有效性和先进性。     

新零售下生鲜产品闭环物流网络模糊规划

针对我国新零售模式的快速发展，消费者对生鲜产品需求与退货的模糊不确定性问题，考虑最低物流总成本、最佳设施选址以及最优配送车辆运输路径的决策，构建了新零售下生鲜产品闭环物流网络模糊规划模型。为求解该模型，将需求量与退货量看成三角模糊参数，利用模糊机会约束方法将模糊约束转化为等价的清晰条件。以上海市某生鲜电商企业为实例，通过置信水平的敏感性分析以及遗传算法与粒子群算法的双求解，验证了模型的有效性与可行性，进而为相关决策者提供了借鉴。     

基于MapReduce模型带任务分割的平行机调度优化

研究一类基于MapReduce模型的两阶段平行机调度问题.该模型中的每个工件包含Map和Reduce两道工序,前一工序的任务可以划分并同步加工,而后一工序不可划分,结合工件的到达时间、交货时间等约束,以最大完工时间和总延迟时间的加权和作为优化目标构建混合整数规划模型,设计采用差分变异策略和逐维角度扰动机制的改进鲸鱼优化算法求解模型.数值仿真实验结果表明,所设计的算法相对于经典的鲸鱼优化算法、粒子群算法的求解效果有显著的提升,验证了模型和所设计算法的有效性.     

Multi-objective biogeography-based optimization for supply chain network design under uncertainty

This paper proposes a new two-stage optimization method for multi-objective supply chain network design (MO-SCND) problem with uncertain transportation costs and uncertain customer demands. On the basis of risk-neutral and risk-averse criteria, we develop two objectives for our SCND problem. We introduce two solution concepts for the proposed MO-SCND problem, and use them to define the multi-objective value of fuzzy solution (MOVFS). The value of the MOVFS measures the importance of uncertainties included in the model, and helps us to understand the necessity of solving the two-stage multi-objective optimization model. When the uncertain transportation costs and customer demands have joined continuous possibility distributions, we employ an approximation approach (AA) to compute the values of two objective functions. Using the AA, the original optimization problem becomes an approximating mixed-integer multi-objective programming model. To solve the hard approximating optimization problem, we design an improved multi-objective biogeography-based optimization (MO-BBO) algorithm integrated with LINGO software. We also compare the improved MO-BBO algorithm with the multi-objective genetic algorithm (MO-GA). Finally, a realistic dairy company example is provided to demonstrate that the improved MO-BBO algorithm achieves the better performance than MO-GA in terms of solution quality.     

逆向物流供应链最佳供应商选择及订单量分配*

为解决逆向物流供应链中,供应商选择、订单量分配和提货点位置等不确定问题,建立了一个新的模糊多目标数学模型来确定最佳供应商选择、供应量及提货点位置,为避免在解决多目标模型时人为主观赋权,运用基于模糊目标规划的蒙特卡罗仿真模型来求解帕累托(pareto)理想解,采用遗传算法进行求解,并给出了相应优化方案,在此基础上研究讨论了不同权重分配下结果的优劣性及供应商选择风险,最后,针对不同权重分配,比较了遗传算法和Gurobi求解,实验表明,对于该问题模型遗传算法在解的优劣性上优于Gurobi。     

Multiobjective fuzzy mathematical model for a financially constrained closed-loop supply chain with labor employment

This paper addresses the multiobjective, multiproducts and multiperiod closed-loop supply chain network design with uncertain parameters, whose aim is to incorporate the financial flow as the cash flow and debts' constraints and labor employment under fuzzy uncertainty. The objectives of the proposed mathematical model are to maximize the increase in cash flow, maximize the total created jobs in the supply chain, and maximize the reliability of consumed raw materials. To encounter the fuzzy uncertainty in this model, a possibilistic programming approach is used. To solve large-sized problems, the multiobjective simulated annealing algorithm, multiobjective gray wolf optimization, and multiobjective invasive weed optimization are proposed and developed. The numerical results demonstrate that these algorithms solve the problems within about 1% of the required solving time for the augmented ε-constraint and have similar performance and even better in some cases. The multiobjective simulated annealing algorithm with a weak performance takes less time than the other two algorithms. The multiobjective gray wolf optimization and multiobjective invasive weed optimization algorithms are superior based on the multiobjective performance indices.