Distributionally Robust Facility Location Problem under Decision-dependent Stochastic Demand
设施选址决策会显着影响客户行为，从而影响各种企业的需求。此外，顺序实现的不确定性需求迫使战略确定部分信息下的位置。为了解决这些问题，我们研究了一个设施定位问题的客户需求的分布是依赖于位置的决定。我们把随机需求的矩信息表示为设施选址决策的分段线性函数。然后，我们提出了一个决策相关的分布鲁棒最优化模型，并建立了它的精确混合整数线性规划的转化形式。我们进一步得到有效的不等式，以加强制定。我们进行了广泛的计算研究，我们比较我们的模型与现有的（决策独立）随机和强大的模型。我们的研究结果表明，所提出的方法具有显着的改善利润和服务质量的卓越性能，通过广泛的测试问题的特点，除了计算速度的提高，由于配方的增强。这些结果提请注意需要考虑的影响，在这个战略层面的规划问题的位置决策对客户需求。
2020-01-07 math.OC
Integrated Facility Location and Production Scheduling in Multi-Generation Energy Systems
在本文中，我们研究了多联产技术的能源系统设计问题，即，同时生产多种能源。我们提出了一个长期规划模型，它集成了宏观层面的战略决策，如设施的位置和多发电技术的投资，和微观层面的运营决策，如生产规划和能源运输。我们的研究结果说明了多代技术的经济价值，而不是能源的时空需求的不确定性。特别是，我们表明，多代技术可以减少需求的不确定性，通过风险池内和跨不同的设施。
2017-12-05 math.OC
Minimizing Differences of Convex Functions and Applications to Facility Location and Clustering
在本文中，我们开发的算法来解决广义加权Fermat-Torricelli问题的正，负的权重和多设施定位问题涉及的距离Minkowski规范。我们还介绍了一种新的聚类模型的基础上平方距离凸集。利用Nesterov光滑技术和一种由Tao和An引入的用于最小化凸函数的差的称为DCA的算法，我们开发了解决这些问题的有效算法。
2016-02-04 math.OC
A branch-and-price algorithm for the robust single-source capacitated facility location problem under demand uncertainty
研究了具有不确定性顾客需求的单资源容量约束的鲁棒设施定位问题。一个基数约束的不确定性集假设的鲁棒问题。为了有效地解决这个问题，我们提出了一个基于分配的配方Dantzig-Wolfe分解和分支和价格算法。计算实验表明，我们的分支和价格算法在许多情况下优于CPLEX，解决了普通的鲁棒重构。我们还研究了不可行性的经验概率和所产生的额外成本之间的权衡关系，并观察到解决方案的鲁棒性可以显着提高与小的额外成本。
2021-03-24 math.OC
Solution of Stochastic Facility Location Problems with Combinatorially many Decision-Dependent Distributions
本文针对具有决策相关不确定性的设施选址问题提出了指数级规模的模型与精确求解方法，通过有限收敛方法、割平面与有效不等式，在几分钟内高效解决了含$2^{17}$个分布和数十万场景的问题。
2025-09-11 math.OC
Multi-Facility Location Models Incorporating Multipurpose Shopping Trips
本文研究多目的购物行程对零售选址的影响，提出一个在已有竞争设施的区域为连锁店选址多个新设施的模型，表明多目的行程能更准确预测市场份额并减轻同类相食效应。
2024-02-12 math.OC
Benders decomposition approach to solve the capacitated facility location problem
设施选址问题是运筹学中最重要的问题之一，其目标是使设施的总费用（包括开放设施的费用和运输费用）最小化。这项研究解决了FL的问题，其中每个设施的能力是有限的。由于该问题属于NP难问题，因此我们使用Benders分解（BD）方法来有效地解决FL问题。在本文中，我们实现了经典的BD算法和一些加速BD方法，如Pareto最优切割和L形分解方法。此外，我们提出并实现了混合Pareto-L-shaped（PL）方法，并评估所实现的算法的性能。结果表明，L形分解在时间和迭代次数方面优于其他算法，而经典的BD收敛速度较慢，特别是在大规模上。
2021-04-22 math.OC
Heuristic for Optimisation of Dark Store Facility Locations for Quick Commerce Businesses
本研究针对即时零售业务的前置仓选址问题，提出一种快速灵活的启发式算法，在配送半径与单仓配送上限约束下最大化服务客户数，经多场景实验验证其可适配人口分布不均、出行时间可变及多仓选址等情况。
2023-12-03 math.OC
Competitive Facility Location under Cross-Nested Logit Customer Choice Model: Hardness and Exact Approaches
研究 CNL 顾客选择下的竞争性设施选址，证明单顾客类别仍 NP 难，并通过变量替换将非凹目标转为凸规划，用外部逼近算法精确求解。
2024-08-06 math.OC
On the Power of Static Assignment Policies for Robust Facility Location Problems
考虑了需求不确定条件下的两阶段鲁棒设施定位问题。决策者需要决定在第一阶段的每个设施，以满足一个不确定的第二阶段的需求，使第一阶段的供应成本和最坏情况下的成本满足第二阶段的需求在所有情况下的总和最小化的供应（积分）单位。第二阶段决策只是指派决策，不可能增加追索供应能力。这使得我们的模型不同于现有的两阶段强大的设施定位和覆盖问题的工作。我们考虑一个隐含的模型的不确定性指数的需求情况下指定的上界$k$的第二阶段的客户端的数量。在一个最优解中，第二阶段的分配决定取决于场景，令人惊讶的是，我们表明，限制到一个固定的（静态）分数分配每个潜在的客户端，无论情况给我们一个$O(\log k/\log \log k)$近似的问题。此外，最好的静态分配可以有效地计算给我们所需的保证。
2020-11-10 math.OC
A branch-and-Benders-cut algorithm for a bi-objective stochastic facility location problem
在许多现实世界的最优化问题中，多个目标起作用，并且输入参数受到不确定性的影响。本文以救灾和公共设施选址为应用背景，对一类双目标随机设施定位问题进行建模和求解。所考虑的目标是成本和未覆盖的需求，而在不同的人口中心的需求是不确定的，但其概率分布是已知的。后一种信息用于产生一组情景。为了解决基本的最优化问题，我们采用了Benders'型分解方法，这是被称为L形方法的随机规划，我们将其嵌入到一个最近开发的分支定界框架的双目标整数优化。我们分析和比较不同的切割生成方案，我们展示了它们如何影响下界集的计算，从而确定最佳性能的方法。最后，我们比较的分支和弯曲切割的方法，一个直接的分支和界限的实现的基础上确定性的等效配方。
2020-04-22 math.OC
Multi-product maximal covering second-level facility location problem
本文提出多产品最大覆盖二级设施选址问题（SL-MCFLP），构建了由有效不等式加强的混合整数线性规划模型，设计了分离算法和三种数学启发式变体，并通过计算实验验证了模型潜力与启发式方法的有效性。
2024-03-28 math.OC
Disaggregated Benders decomposition and lazy constraints for solving the budget-constrained dynamic uncapacitated facility location and network design problem
本文提出了一种求解动态无容量约束设施选址和网络设计问题（DUFLNDP）的方法。这是一个问题，其中网络必须被构建或扩展，并且设施被放置在网络中，受到预算的约束，以便满足多个需求。在满足需求的情况下，目标是最小化网络的运行成本和将需求转移到设施的成本。这个问题可以同时分解为两个不同的集合，从而产生许多更小的模型，这些模型可以更容易地解决。使用分解的Benders分解和惰性约束，我们解决了许多以前没有解决过的最优性问题。我们使用一个分析程序来生成Benders最优切割，这是可证明的帕累托最优。
2017-03-20 math.OC
Sequential Competitive Facility Location: Exact and Approximate Algorithms
我们研究了一个竞争性设施定位问题（CFLP），其中两个公司顺序打开新的设施在他们的预算，以最大限度地提高他们的市场份额的需求，遵循概率选择模型。这个过程是一个Stackelberg游戏，并承认一个双层混合整数非线性规划（MINLP）制定。我们推导出一个等价的，单级MINLP重新制定和利用问题的结构，得到两个有效的不等式，分别基于子模块和凹高估。我们使用的两个有效的不等式的分支和切割算法找到全局最优解。然后，我们提出了一个近似算法，以找到高质量的解决方案与常数近似保证。我们通过考虑一般设施开放成本，外部竞争对手，以及不同的设施规划决策，开发了几个扩展，并讨论每个扩展的解决方案。我们进行数值研究表明，精确算法显着加速计算CFLP的大型实例，还没有得到最佳解决，甚至通过现有的方法，和近似算法可以快速找到高质量的解决方案。通过对影响客户概率选择和后续需求的不同设置的灵敏度分析，我们获得了管理见解。
2022-07-17 math.OC
On the Value of Multistage Risk-Averse Stochastic Facility Location With or Without Prioritization
考虑了在各时段需求和预算不确定的情况下，多时段随机容量受限的设施定位问题。使用场景树表示的不确定性，我们制定了一个多阶段的随机整数规划，动态地定位设施在每个时期，并比较它与一个两阶段的方法，确定设施的位置了。在多阶段模型中，在每个阶段中，决策者优化设施位置和从开放设施到需求站点的追索权流，以最小化与当前设施位置和装运决策相关的成本的某些风险度量。当预算也是不确定的，一个流行的建模框架是优先考虑候选网站。在两阶段模型中，优先级列表是预先确定的，并且在所有期间都是固定的，而在多阶段模型中，优先级列表可以自适应地改变。在每个阶段，决策者根据已实现的预算，按照优先级表打开设备，并在已实现的需求下优化资源流。使用预期的条件风险措施（ECRM），我们得到严格的下界之间的差距的最佳目标值的风险厌恶的多阶段模型和他们的两个阶段的同行在这两种设置有和没有优先级。此外，我们提出了两个近似算法，以有效地解决风险厌恶的两阶段和多阶段模型没有优先级，这是渐进最优的市场扩张的假设下。我们还设计了一组超有效不等式的风险厌恶的两阶段和多阶段的随机规划的优先级，以减少计算时间。我们进行数值研究，使用随机生成的和现实世界中的实例具有不同的大小，以证明分析边界的紧密性和近似算法和优先级削减的有效性。
2022-07-16 math.OC
Exact Approaches for Competitive Facility Location with Discrete Attractiveness
我们研究了竞争性设施定位问题的一个变种，在这个问题中，一个公司要在一个已经存在竞争者设施的市场上建立新的设施。我们考虑的情况下，只有有限数量的可能的吸引力水平是可用的，公司必须选择一个级别为每个开放的设施。目标是确定设施的位置和吸引力水平，使利润最大化。我们应用基于引力的规则来模拟客户的行为，并制定一个多比率线性分数0-1规划。我们的主要贡献是该问题的精确解方法。这些方法允许简单的实现，而不需要设计复杂的算法，并且对没有坚实数学背景的用户来说是“友好的”。我们在随机生成的数据集上进行计算实验，以评估其计算性能。结果表明，混合整数二次圆锥曲线的方法优于其他的计算时间。另外，它也是最简单的一种，只要求使用者熟悉圆锥曲线二次不等式的一般形式。因此，我们建议将其作为此类问题的首选。
2020-02-23 math.OC
Facility Location with Congestion and Priority in Drone-Based Emergency Delivery
由于其快速交付，减少交通限制和低人力需求，无人机越来越多地被部署用于在紧急情况下提供时间紧迫的材料，如药物，血液和检查包。本文考虑了一个设施定位模型，使用无人机作为移动服务器在紧急交付。该模型共同优化了设施的位置、部署在开放设施的无人机的容量以及需求的分配，目标是在所有需求站点之间实现公平的响应时间。为此，我们采用队列来模拟无人机请求的系统拥塞，并考虑三种排队规则：非优先级，静态优先级和动态优先级。对于每一个学科，我们近似的模型作为一个混合整数二阶圆锥规划（MISOCP），这可以很容易地解决在商业求解器。我们进行了大量的计算实验，以证明我们的方法的有效性和准确性。此外，我们比较了系统的性能下的三个排队纪律和各种问题的参数，从中我们产生的操作建议，决策者在紧急交付。
2022-06-07 math.OC
An Exact Algorithm for Large-scale Non-convex Quadratic Facility Location
我们研究了一类一般的二次容量限制的$p$选址问题--具有单一分配的设施定位问题，其中在目标函数中引入了一个不可分离的、非凸的二次项来考虑设施和客户分配之间的交互成本。该问题在运输和物流领域有许多应用，其中最著名的特例是单分配枢纽定位问题及其许多变体。非凸，二元二次规划线性化，通过应用一个重新制定的线性化技术和由此产生的连续辅助变量使用Benders分解投影。然后使用精确的分支和切割算法，利用底层的网络流结构的分解分离子问题，有效地产生强大的帕累托最优的Benders削减解决所获得的Benders重新制定。其他增强功能，如数学，部分枚举程序，变量消除测试也嵌入在拟议的算法框架。对基准实例（最多500个节点）和一组新实例（最多1,000个节点）的四个变体的单分配枢纽定位问题进行了广泛的计算实验，证实了该算法扩展到大规模实例的能力。
2021-07-20 math.OC
Approximation Algorithms for Hard Capacitated $k$-facility Location Problems
研究了有容量限制的$k$ -设施选址问题，其中给定一组有需求的客户，一组有容量的设施，以及一个常数$k$ .打开设施$i$需要$f_i$，打开设施$i$需要$c_{ij}$，服务于客户端$j$的一个需求单位。目标是在最大限度地开放$k$设施以满足所有需求并满足容量限制的同时，使服务和开放成本之和最小化。在本文中，我们给出了第一个完全多项式时间近似计划（FPTAS）的单汇（单客户端）容量限制的$k$设施选址问题。然后，我们证明了容量限制的$k$设施选址问题的统一能力是可解的多项式时间，如果客户端的数量是固定的，通过减少它的运输问题的集合。第三，我们分析了结构的极值点解决方案，并检查这种结构的效率在设计近似算法的容量限制$k$设施选址问题。最后，我们推广了已有的结果，得到了一个改进的近似算法。
2014-09-12 cs.DS math.OC
Equity in Stochastic Healthcare Facility Location
我们认为随机设施选址模型的医疗保健应用的公平性问题。我们探讨了不确定性如何加剧不平等，并研究了几个公平的措施，可用于随机医疗保健位置建模。我们分析了关于这一主题的有限文献，并强调了开发易于处理，可靠和数据驱动的方法的机会领域，这些方法可能适用于医疗保健业务内外。我们的主要重点是探索各种方法来建模不确定性，公平性和设施位置，包括建模方面（例如，易处理性和准确性）和结果（例如，公平性/公平性/接入性能度量与传统度量（如成本和服务级别）。
2021-12-03 math.OC stat.AP
A Two-Stage Stochastic Facility Location Problem with Endogenous Demand Learning
Clemson University（克莱姆森大学）
针对设施选址中需求学习成本高且影响决策的问题，提出二阶段随机模型及闭式重构和交替求解算法，证明高不确定性、有效学习、低成本时学习价值最大，并显著加速求解。
2026-09-30 math.OC
Easy Capacitated Facility Location Problems, with Connections to Lot-Sizing
本文研究了运输费用满足Monge性质的有容量限制的设施选址问题。我们表明，一个简单的动态规划找到最优解时的需求多项式有界。当需求不是多项式有界的，我们给出了一个完全多项式时间的近似计划，通过调整算法和分析的Van Hoclane和Wagelmans。
2020-01-08 cs.DS math.OC
Insights into Efficiency and Satisfaction Trade-offs in Facility Location Problems with Regional Preferences
本文研究带区域最低满意度约束的连续多设施选址问题，提出混合整数二阶锥优化框架，并通过大规模计算实验验证偏好引入的统计显著性。
2024-12-28 math.OC
Multiobjective Combinatorial Optimization with Interactive Evolutionary Algorithms: the case of facility location problems
本文考虑用偏好驱动的有效算法处理多目标组合最优化问题。他们根据决策者在这个过程中表达的一些偏好来寻找帕累托前沿中最受欢迎的部分。一般来说，在这种情况下搜索的是有效解的帕累托集合。这是一个比优化单个目标函数困难得多的问题。此外，获得帕累托集并不意味着解决了判定问题，因为必须选择一个或一些解。事实上，要做出决定，有必要确定帕累托集合中最优选的解决方案，因此也有必要引出用户的偏好。从这个角度来看，我们所提出的可以被看作是第一个结构化的方法在设施定位问题搜索最优解考虑到用户的喜好。有了这个目标，我们接近设施定位问题，使用最近提出的交互式进化多目标优化程序称为NEMO-II-CH。NEMO-II-CH适用于现实世界中的多目标定位问题与许多用户和许多设施被定位。几个模拟考虑不同的虚拟用户已经执行。NEMO-II-Ch得到的结果进行了比较，通过三种算法，知道用户的真实价值函数，而不是未知的NEMO-II-Ch。他们表明，在许多情况下，NEMO-II-Ch找到最佳的位置子集更快的方法知道，确切地说，整个用户的真实偏好。
2022-03-08 math.OC
Stable formulations for the Capacitated Facility Location Problem with Customer Preferences
针对带客户偏好的容量受限设施选址问题的全局偏好最大化场景，定义三类新型稳定分配并给出对应混合整数线性公式，验证了循环联盟稳定公式的帕累托最优性，还提出可得到容量受限房屋分配问题最大基数帕累托最优匹配的新公式。
2025-07-29 math.OC
Outsourcing policies for the Facility Location Problem with Bernoulli Demand
本文针对伯努利需求下的设施选址问题，提出四种外包追索策略并建立相应数学规划模型，通过大量计算实验比较各策略的解质量和性能。
2023-10-29 cs.DM math.OC
Obnoxious facility location: the case of weighted demand points
本文考虑的问题是需求点凸包中的加权讨厌设施选址问题。目标函数是最大化设施点和一组请求点之间的最小加权距离。提出了三种新的最优解方法。给出了“大三角小三角”全局最优化方法的两种变型和基于Apollonius圆交点的程序。我们还使用非线性多用途软件SNOPT与多启动方法的结果进行了比较。1，000个需求点的问题在计算机时间的几分之一秒内得到最佳解决。
2020-08-10 cs.CG math.OC
An O(loglog n)-Approximation for Submodular Facility Location
在次模块化设施选址问题（SFL）中，我们给出了度量空间中的$n$客户和$m$设施的集合。一个可行的解决方案包括将每个客户端分配给某个设施。对于每一个客户端，一个必须支付的距离相关的设施。此外，对于每个设施$f$，我们分配的客户端$S^f$的子集，一个必须支付的开放成本$g(S^f)$，其中$g(\cdot)$是一个单调的子模块功能与$g(\emptyset)=0$。SFL是APX困难的，因为它包括经典的（度量无容量限制）设施选址问题（具有统一的设施成本）作为特殊情况。Svitkina和Tardos [SODA '06]给出了SFL的当前最佳$O(\log n)$近似算法。同样的作者提出的开放问题是否SFL承认一个常数近似，并提供这样一个近似的一个非常有限的特殊情况下的问题。通过给出一个$O(\log\log n)$近似，我们对上述开放问题的解决取得了一些进展。我们的方法是相当灵活的，可以很容易地扩展到泛化和SFL的变种。更详细地说，我们实现了SFL的实际相关的推广，其中每个设施的开放成本$f$的形式为$p_f+g(S^f)$或$w_f\cdot g(S^f)$，其中$p_f,w_f \geq 0$是输入值相同的近似因子。我们还得到了一个改进的近似算法相关的通用随机设施选址问题。在这个问题中，给定一个经典的（度量）设施位置实例，并事先将每个客户端分配给某个设施。然后从某个给定的分布中…
2022-11-10 cs.DS math.OC
Distributed Facility Location Games with Candidate Locations
本文研究带候选位置的分布式设施选址博弈，针对受欢迎和令人厌恶两类设施，在多种社会成本目标下给出具有常数失真的策略证明分布式机制，并证明相应的失真下界，同时刻画了令人厌恶设施场景中有界失真机制不存在的条件。
2024-12-24 cs.GT math.OC
Joint Location and Cost Planning in Maximum Capture Facility Location under Multiplicative Random Utility Maximization
本文首次在竞争性设施选址中引入乘法随机效用最大化框架，提出锥重构、多割外逼近和局部搜索三种方法求解联合选址与成本优化问题，并证明其相比加法框架更易高效求解。
2023-02-11 econ.EM math.OC
Learning to Handle Parameter Perturbations in Combinatorial Optimization: an Application to Facility Location
CERC；École Polytechnique de Montréal（蒙特利尔理工学院）；ISAE-SUPAERO（法国高等航空航天学院）；Université de Toulouse（图卢兹大学）
本文针对设施选址问题提出一种结合机器学习与组合优化的方法，利用历史最优解数据构建分类器和回归器，预测参考解对新实例的适用性及变化幅度，并通过额外约束融入原数学规划模型，为组合优化中利用过往经验提供了新视角。
2019-07-12 cs.LG math.OC
Multilevel Facility Location Optimization: A Novel Integer Programming Formulation and Approaches to Heuristic Solutions
针对供应链中的4级设施选址问题（4L-FLP），提出一种减少变量的整数规划模型，开发多起点贪心启发式和禁忌搜索算法并验证其可靠性，为大规模4L-FLPs提供改进求解方法。
2025-04-19 cs.DM math.OC
Hybrid evolutionary algorithm with extreme machine learning fitness function evaluation for two-stage capacitated facility location problem
本文考虑了两阶段容量受限的设施定位问题（TSCFLP），其中工厂生产的产品通过仓库交付给客户。满足客户需求的前提是有限的工厂生产和有限的仓库储存能力。目标是确定工厂和仓库的位置，以使总成本（包括固定成本和运输成本）最小。提出了一种结合遗传操作和局部搜索的混合进化算法。为了避免在计算时间方面昂贵的群体适应度计算，HEA使用极端机器学习来近似大多数个体的适应度。此外，根据问题的特征，采用两种启发式算法来生成良好的初始种群。从最近的文献中的两组测试实例进行计算实验。该算法的性能进行了评估和分析。与现有的遗传算法相比，该算法可以在合理的计算时间内找到最优解或近似最优解。
2016-05-22 cs.NE math.OC
A Heuristic Framework of Variable Neighborhood Descent Methods for the Large-Scale Multi-Level Facility Location Problem in Supply Chain Networks
A. R. Sanchez, Jr. School of Business, Texas A&M International University（德克萨斯农工大学国际学院A.R.桑切斯商学院）；School of Business Administration, The University of Mississippi（密西西比大学工商管理学院）
本文提出基于变量邻域下降法的启发式框架，解决大规模多级设施选址问题，通过比较四种变体验证了方法的有效性。
2026-03-20 math.OC stat.AP
Competitive Location Problems: Balanced Facility Location and the One-Round Manhattan Voronoi Game
我们研究竞争选址问题在一个连续的设置，其中设施必须放置在一个矩形域$R$的规范化尺寸的$1$和$ρ\geq 1$，距离测量根据曼哈顿度量。我们表明，家庭的“平衡”设施配置（其中个别设施的Voronoi细胞均衡相对于一些几何性质）是相当丰富的，在这个度量比欧几里得距离。我们的主要结果认为“一轮Voronoi游戏”与曼哈顿的距离，在第一个球员白色，然后球员黑色每个地方$n$点在$R$，每个球员得分的地区，其设施之一是比对手的设施更接近。我们给出了一个严格的刻画：白方有获胜策略当且仅当$ρ\geq n$ ;对于所有其他情况，我们给出了黑方的获胜策略。
2022-09-05 cs.CG cs.DM cs.GT
Using tropical optimization to solve constrained minimax single-facility location problems with rectilinear distance
Saint Petersburg State University（圣彼得堡国立大学）
本文通过热带优化方法解决新的约束极小极大单设施选址问题，提供闭式解，并展示多层建筑室内视频监控系统中心监控设施的最优选址应用。
2017-09-07 cs.SY eess.SY math.OC
Park-and-Ride Facility Location Selection under Nested Logit Demand Function
停车换乘设施是使用者可以换乘公共交通工具的停车场。通勤者可以使用P&R设施或选择开车前往目的地，个人选择行为被假定遵循logit模型。P&R设施定位问题从潜在位置中识别固定数量的P&R设施的位置，使得P&R设施的用户数量最大化。这个问题以前已经正式下一个多项式logit需求函数。然而，由于MNL模型对不相关备选方案的独立性施加了很强的条件，因此无法准确地描述现实世界中的P&R设施定位问题。考虑到个体选择行为的嵌套结构，本文将MNL模型推广为嵌套Logit模型，并发展了两种求解NL需求函数下大规模P&R设施定位问题的计算方法--邻域搜索法和随机舍入法.邻域搜索法首先找到一个可行解，然后沿着多面体的一条边将该可行解改进为下一个可行解，该多面体的顶点是可行解。邻域搜索法被随机化以创建自适应随机化舍入过程。通过1,000个中等规模的算例验证了该计算方法能够快速求解NL需求函数下的非线性最优化问题，得到最优解。具体而言，这些方法被验证为求解MNL模型以比文献中描述的混合整数线性规划公式快10，000倍的精确最优性。我们进行了额外的计算实验，以评估我们的计算方法在各种大规模实例上的性能。我们的计算分析也阐明了MNL和NL模型之间的差异。
2022-12-22 cs.SY eess.SY math.OC
Multi-period facility location and capacity planning under $\infty$-Wasserstein joint chance constraints in humanitarian logistics
灾后人道主义物流的关键是建立一个良好的设施选址和能力规划模型，以便将救援物资及时运送到受灾地区。为了充分利用历史局部放电数据，本文采用数据驱动的分布鲁棒（DR）方法，提出了一种新的$\infty$联合机会约束下的多周期FLCP模型（MFLCP-W）。具体来说，我们顺序地决定从候选集的位置，以建立供应能力，这是扩大，如果更经济的设施，并使用有限数量的历史需求样本的机会约束，以确保高概率的按时交货。为了求解MFLCP-W模型，我们等价地将其重新表示为一个混合整数二阶锥规划，然后通过设计一个有效的外近似算法与两个定制的有效切割来求解它。最后，飓风威胁下的案例研究表明，MFLCP-W优于其同行的成本和服务质量方面，我们的算法收敛速度显着快于商业求解器CPLEX 12.8具有更好的最优性差距。
2021-11-30 cs.SY eess.SY math.OC
