A Lagrangian Decomposition Algorithm for Robust Green Transportation Location Problem
研究了需求参数不确定的绿色交通定位问题。鲁棒性的增加影响了运送货物和产品的卡车数量，从而使空气污染加剧。本文介绍了两种以需求为主要不确定性参数的绿色方法。这些方法旨在提供使用可用卡车和购买新的混合动力卡车之间的权衡，以评估除空气污染外的总成本。由于日益增长的复杂性，拉格朗日分解算法被应用到找到一个紧密的下界为每种方法。在该算法中，主模型被分解成主问题和子问题，以加快收敛与紧密的差距。最后，建议的算法进行了比较，商业求解器的总成本和计算时间。由于所提出的方法的计算结果，拉格朗日分解算法提供了一个接近的下界在更少的时间比商业求解器。
2019-01-05 math.OC
Risk-Averse Stochastic User Equilibrium on Uncertain Transportation Networks
本文提出一种考虑风险和模糊性的交通分配框架，通过随机供应、内生路线选择和尾部风险管理，解决极端天气对交通网络的影响，展示尾部权重和分布模糊性如何优化均衡选择。
2026-10-06 math.OC
On the computational complexity of uncapacitated multi-plant lot-sizing problems
在当今竞争激烈的工业和商业领域，生产和库存计划变得至关重要，尤其是当涉及多个工厂或仓库时。在这种情况下，本文讨论了无能力限制的多工厂批量问题的复杂性。我们考虑了一个多品种无能力限制的多工厂批量生产问题，固定的转移费用，并表明其非常有限的特殊情况下，已经是NP-难的。也就是说，我们表明，单项目无能力限制的多工厂批量生产问题的一个单一的时期和多项目无能力限制的两个工厂批量生产问题的固定转移费用是NP-困难的。此外，作为已证明的结果的直接含义，我们还表明，一个两级的多项目批量与联合设置成本的运输是NP困难的。
2020-03-09 cs.CC math.OC
Robust single-stage selection problems with budgeted interval uncertainty
LS2N, University of Nantes（南特大学）；National Academy of Sciences of Belarus（白俄罗斯国家科学院）；University of Siegen（锡根大学）；HHL Leipzig Graduate School of Management（德国莱比锡商学院）
研究具有预算区间不确定性的鲁棒单阶段选择问题，在固定与不确定双成本及基数约束下，提供包含多项式算法及NP完备性证明的完整计算复杂度分类。
2025-11-03 math.OC
On Recoverable and Two-Stage Robust Selection Problems with Budgeted Uncertainty
本文讨论了从$n$中选择$p$的问题，使它们的总费用最小。我们假设成本并不确切知道，而是源于一系列可能的结果。鲁棒恢复和两阶段模型的选择问题进行了分析。在两阶段问题中，在第一阶段选择最多$p$项，一旦在第二阶段发现场景，解决方案就完成了。在可恢复问题中，在第一阶段中选择一组$p$项，并且在场景揭示之后，可以在第二阶段中通过交换多达$k$项来修改。我们假设不确定成本是通过有界不确定集建模的，即，区间不确定性集合在其离散和连续变量中具有附加的线性（预算）约束。构造了连续有界不确定性的可恢复选择问题和两阶段选择问题的多项式算法，以及离散有界不确定性情况下的紧致混合整数公式。
2017-02-16 cs.CC cs.DS math.OC
Adaptive robust electric vehicle routing under energy consumption uncertainty
近年来，电动汽车（EV）作为未来的交通方式在交通领域受到高度青睐。与传统交通工具相比，电动汽车具有许多优势，特别是环境方面。然而，尽管电动汽车有许多好处，但运营电动汽车在使用方面存在局限性。其中一个重要的问题是他们的驾驶范围的不确定性。电动汽车的续驶里程与其能耗密切相关，能耗受外源性和内源性因素的影响很大。由于这些因素是不可预测的，因此应考虑电动汽车能源消耗的不确定性，以实现高效运行。提出了一种电动汽车路径问题的自适应鲁棒优化框架。目标是最大限度地减少最坏情况下的能源消耗，同时确保在指定的时间窗口提供服务，而不会出现电池电量不足的情况。我们假设电动汽车可以在途中充电，充电量可以根据情况进行调整。所提出的问题是制定为一个两阶段的自适应鲁棒问题。提出了一种基于列和约束生成的启发式算法，并结合变邻域搜索和交替方向算法对模型进行求解。计算结果表明，所提出的模型的经济效率和鲁棒性，并有一个权衡之间的总需求的能量和无法满足所有客户的需求的风险。
2022-04-22 math.OC
Stochastic Cyclic Inventory Routing with Supply Uncertainty: A Case in Green-Hydrogen Logistics
本文针对绿色氢能物流中具有供应不确定性的随机周期库存路径问题，提出联合参数化MIP与MDP模型的成本函数近似方法，实现运输调度与买卖决策的迭代优化，并在荷兰案例中验证了其近优性。
2023-08-30 math.OC
Interval Transportation Problem: Feasibility, Optimality and the Worst Optimal Value
我们考虑一个运输问题的模型，其目标是找到一个最小成本的运输计划，将给定的商品从一组供应中心运送到客户。由于实际问题中的供需和运输成本并不总是精确的，因此我们采用区间规划的方法来表示这种不确定性，从而建立了一个区间运输问题模型。区间模型假设数据的下限和上界是给定的，并且值可以在这些界限内独立地扰动。在本文中，我们提供了一个概述的条件检查的基本性质的区间运输问题通常研究区间规划，如弱和强的可行性或最优性。通过寻找问题的一个合适的场景，我们得到了一个在多项式时间内检验解的弱最优性的条件。此外，我们制定了一个类似的条件，测试强最优性的运输问题的解决方案与区间供应和需求（和确切的成本）。此外，我们还综述了计算最佳和最差最优值的结果。我们建立在一个精确的方法来解决NP-困难的问题，计算最坏的（有限的）最优值的区间运输问题的基础上分解的最优解集的互补松弛。最后，我们进行了计算实验，以表明该方法可以与国家的最先进的启发式算法的竞争。
2023-01-30 math.OC
Online Identification using Adaptive Laws and Neural Networks for Multi-Quadrotor Centralized Transportation System
本文提出一种自适应神经识别方法，用于增强多四旋翼集中运输系统的鲁棒性，通过在线调节和学习分解的误差子空间，实现对时变扰动和模型不确定性的高效实时补偿。
2025-09-02 cs.RO cs.SY eess.SY
Flexible and Reliable Network Design for Emerging Transportation Services: Multi-stage Stochastic Programming Approach
Institute of Science Tokyo（东京科学大学）；Tohoku University（东北大学）
提出灵活可靠网络设计框架，集成战略投资与运营控制，采用风险规避多阶段随机规划，通过随机对偶动态规划求解，应用于共享自动驾驶汽车容量扩展和BRT路线设计，发现灵活性与可靠性互补，风险规避者减少早期投资以保持适应性。
2026-07-03 math.OC
Absolute semi-deviation risk measure for ordering problem with transportation cost in Supply Chain
给出了具有绝对半偏差风险测度的0-1变量随机规划第二阶段的分解方法。传统的随机规划模型是风险中性的，在第二阶段考虑预期成本。解决风险的一种常见方法是，除了预期成本外，还包括离散统计数据，并进行适当加权。由于缺少块角结构，具有ASD风险度量的随机规划具有计算挑战性。建议的分解算法使用另一种风险度量“预期超额”，并提供更严格的ASD随机模型的界限。我们对供应链补货问题和标准背包实例进行了计算研究。供应链实例的计算结果表明ASD风险度量在不确定性条件下的决策中的有效性，背包实例表明该方法优于直接求解器。
2016-05-26 math.OC
Heuristics for the Worst Optimal Value of Interval Transportation Problems
Prague University of Economics and Business（布拉格经济商业大学）
本文提出了一种膜算法，结合遗传算法和局部搜索，用于高效近似区间运输问题的最劣最优值，并通过实验验证其有效性。
2026-02-01 math.OC
Fleet Sizing and Allocation for On-demand Last-Mile Transportation Systems
最后一英里问题是指提供从最近的公共交通节点到家或其他目的地的出行服务。最近出现的最后一英里运输系统（LMTS）提供按需共享运输。本文研究了按需LMTS的车队规模和分配问题。具体来说，我们认为的角度来看，最后一英里的服务提供商谁想要确定的服务车辆的数量分配到多个最后一英里的服务区域在一个特定的城市。在每个服务区域，需要最后一英里服务的乘客分批到达，分配的车辆将乘客运送到最终目的地。乘客需求（即，每批乘客的人数）是随机的，很难事先预测，特别是在规划过程中数据有限的情况下。车队分配决策的质量是车辆固定成本加上乘客上车前的等待时间和车内乘坐时间的加权和的函数。我们提出并分析了两个模型-一个随机规划模型和一个分布鲁棒最优化模型-来解决这个问题，假设一个已知的和未知的需求分布，分别。我们进行了大量的数值实验，以评估模型和讨论的见解和影响的最佳车队规模和分配的需求不确定性下的按需LMTS。
2021-07-27 math.OC
A Primal Decomposition Algorithm for the Two-dimensional Bin Packing Problem
二维装箱问题要求将一组矩形物品装入一组最小的较大矩形箱中。物品的包装必须使其边缘平行于箱子的边界，不能旋转，也不能重叠。这个问题很有趣，因为它模拟了许多现实世界的应用程序，包括生产，仓库管理和运输。不幸的是，这是非常困难的，自20世纪90年代以来，尽管有许多尝试，但只有40个项目的实例都没有被证明是最优的。在本文中，我们解决了这个问题的组合Benders分解，是基于一个简单的模型，其中的二维项目和箱子只是表示其面积，和不可行的包装是通过指数许多没有好的削减。基本的分解方案是相当天真的，但我们丰富了一些预处理技术，有效的不等式，下界方法，并增强算法，以产生最强的可能削减。由此产生的算法表现得非常好的基准集的实例，平均改善以前的算法从文献和解决第一次开放的实例。
2019-09-15 cs.DS math.CO math.OC
The Robust Bilevel Selection Problem
University of Passau, School of Business, Economics and Information Systems（帕绍大学商业、经济与信息系统学院）
本文研究了鲁棒双层选择问题的复杂性，证明其在某些情况下为NP难，并提出近似算法和精确解法。
2025-02-13 cs.DS math.OC
The Stochastic Bilevel Continuous Knapsack Problem with Uncertain Follower's Objective
我们考虑一个双层连续背包问题，其中领导者控制背包的容量，而追随者选择一个可行的包装最大化自己的利润。领导者的目标是优化一个线性目标函数的能力和追随者的解决方案，但相对于不同的项目价值。我们解决这个问题的随机版本的追随者的利润是不确定的领导者的角度来看，只有一个概率分布是已知的。假设领导者的目标是优化她的目标函数的期望值，我们首先观察到，只要明确给出可能的场景作为输入的一部分，随机问题是容易处理的，这也允许使用样本平均近似来处理一般分布。对于独立和均匀分布的项目值的情况下，我们表明，该问题是P-硬的一般情况下，同样是真实的，甚至评估领导者的目标函数。然而，我们提出了伪多项式时间算法，在这种情况下，运行在时间线性的项目的总大小。在此基础上，我们得到了一个附加的近似计划的一般情况下，独立分布的项目的价值观，它运行在伪多项式时间。
2022-07-18 cs.DM cs.DS math.OC
Multi-Period Stochastic Logistic Hub Capacity Planning for Relay Transportation
本研究针对接力运输网络中物流枢纽多周期容量规划问题，考虑需求与运输时间不确定性，构建两阶段随机优化模型，结合基于FFS的场景约简算法求解，经美国东南部汽车配送承运商实验验证可降本提效。
2024-06-23 math.OC
Vehicle Utilization in Hub Network Design: Exploiting Economies of Scale in Transportation
我们研究了一个基于车辆的枢纽网络设计问题（HNDPv）的主要应用在货运配送和包裹递送系统，其中规模经济源于有效利用车辆，移动合并货物。HNDPv是经典的单一分配枢纽定位问题的推广，其中运输成本是移动需求的车辆的数量（和类型）的逐步函数。我们提出了二次混合整数规划制定的问题和它的线性转化。利用线性化模型的特殊结构，我们开发了一个基于Benders分解的分支切割方法，只包含可行性子问题。我们推导出封闭形式的解决方案的极端射线的可行性子问题，提高效率的算法，通过产生更强的可行性切割。我们还解决了HNDPv需求的不确定性，并显示我们的解决方案的方法在处理随机变量的问题的灵活性。为了评估我们的模型和解决方案的效率，我们进行了广泛的计算实验，从经典的澳大利亚邮政数据集的问题的无能力和能力的情况下。结果表明，在车辆利用率和总运输成本方面，使用HNDPv与具有恒定折扣因子的经典HLP相比具有相当大的优势。我们的计算实验也证明了我们提出的解决方案的方法在解决大规模的问题实例的效率。
2023-01-10 math.OC
Using the WOWA criterion for two-stage decision making problems
加权OWA（WOWA）是一个函数，它聚合一组值，并根据每个值的排名和相对重要性分配权重。不确定性目标函数的加权OWA可以推广许多不确定性条件下决策的准则。本文将WOWA准则应用于两阶段决策问题，并给出了求解该问题的分解算法。将该算法应用于具有不确定需求的选址-运输问题，并给出了计算结果。
2021-04-15 math.OC
Assessing How Ride-hailing Rebalancing Strategies Improve the Resilience of Multi-modal Transportation Systems
针对火车线路中断等干扰下多模式交通系统的供需失衡问题，提出基于MADDPG的多智能体强化学习网约车再平衡策略，在900平方公里仿真中显著提升了系统韧性及多项关键性能指标。
2025-01-30 math.OC
Production and distribution planning, scheduling, and routing optimization in a yogurt supply chain under demand uncertainty: A case study
针对需求不确定的酸奶供应链，构建混合整数非线性规划模型并采用鲁棒模糊规划与遗传算法求解，通过案例验证其能优化生产配送调度与路径决策。
2024-06-09 math.OC
Robust Market Equilibria with Uncertain Preferences
稀缺物品的分配问题是市场设计中的一个重要的实际问题。一套越来越流行的机制来完成这一任务，它使用了市场均衡的概念：个人报告他们的偏好，有一个真实或虚假货币的预算，并计算出一组物品和分配的价格，使需求等于供应。这种机制的一个重要的现实问题是，个人估值往往只是不完全知道。在本文中，我们将展示如何从古典市场均衡的概念可以扩展到反映这种不确定性。我们表明，在线性，可分割的费雪市场的一个强大的市场均衡（RME）总是存在的，这也适用于设置买家可能会保留未花的钱。我们提供了理论分析的RME的配置属性的嫉妒和遗憾。虽然RME是很难计算一般的不确定性集，我们考虑一些自然和易于处理的不确定性集，导致行为良好的配方的问题，可以通过现代凸规划方法来解决。最后，我们表明，非常温和的不确定性估值可能会导致RME分配优于那些估计没有潜在的不确定性。
2019-12-10 cs.GT math.OC
A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints
Politecnico di Milano（米兰理工大学）
针对带销售约束、需求不确定的顺序展示互补品动态定价问题，将其建模为带约束的马尔可夫决策过程，提出原对偶在线优化算法，实验表明该方法在约束违反和悔值上优于单状态优化基线。
2024-07-08 cs.LG math.OC
