Multi-Objective Planning for Healthcare Facility Resilience: Mitigate Now or Respond Later?
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Georgetown University（乔治城大学）
本研究针对医疗设施洪水风险，提出双目标两阶段随机优化模型，开发Benders分解与拉格朗日对偶方法，通过得州3752家机构案例验证，可在有限额外成本下平衡经济损失与社会脆弱地区服务中断影响。
2026-08-28 math.OC
Dynamic Facility Location under Cumulative Customer Demand
本研究提出累积客户需求下的动态设施选址问题，构建两种混合整数规划模型，分析NP难特性，并设计分支-本德斯割精确算法，实验表明其比直接求解快约五倍，且考虑累积需求能显著提升规划方案性能。
2025-09-22 math.OC
Cislunar Space Situational Awareness Constellation Design and Planning with Facility Location Problem
针对地月空间态势感知（CSSA）的卫星星座设计问题，提出基于混合整数线性规划的公式及时间扩展p-中值问题（TE-p-MP），结合拉格朗日方法与定制启发式算法，实现星座设计与传感器任务分配，快速生成近最优方案。
2025-08-25 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
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
BattOpt: Optimal Facility Planning for Electric Vehicle Battery Recycling
Massachusetts Institute of Technology（麻省理工学院）
本文提出多阶段随机优化模型，将EverBatt转化为决策工具，结合计量经济学预测生成场景，得出最优电池回收投资可降22%制造成本、26%环境影响，算法求解速度提升14倍以上。
2026-08-31 math.OC
A scalable optimization approach for equitable facility location: Methodology and transportation applications
针对大规模设施选址中平均可达性优化忽视公平的问题，提出线性化 Kolm-Pollak EDE 的可扩展框架，显著改善最差居民距离并保持近优平均体验。
2025-09-30 math.OC
Optimizing Agricultural Drone Operations: From Launch and Recovery Siting to Tiered Routing Strategies
University of Michigan（密歇根大学）；Mosaic ATM
提出农业无人机喷洒作业框架，通过p-中位启发式将选址时间从97秒降至1.2秒，分层路由将计算时间降低一个数量级，实现分钟级规划。
2026-06-19 math.OC
Distributionally Robust Optimization Approaches for a Stochastic Mobile Facility Fleet Sizing, Routing, and Scheduling Problem
我们提出了两个分布鲁棒优化（DRO）模型的移动设施（MF）车队规模，路由和调度问题（MFRSP）的时间依赖性和随机需求，以及解决这些模型的方法。具体来说，给定一组MF、规划范围和服务区域，我们的模型旨在找到要使用的MF的数量（即，车队规模）以及车队中每个MF的路线和时间表。目标是最小化建立MF船队的固定成本加上由模糊集定义的所有需求分布上的运营成本的风险度量（期望或平均条件风险值）。在第一个模型中，我们使用基于需求均值、支持度和均值绝对偏差的模糊集。在第二个模型中，我们使用一个模糊集，它包含了所有分布在1-Wasserstein距离参考分布。为了解决所提出的DRO模型，我们提出了一个基于分解的算法。此外，我们推导出有效的下界不等式，有效地加强主问题的分解算法，从而提高收敛性。我们还推导出两个家庭的破坏性约束，提高所提出的模型的可解性。最后，我们提出了广泛的计算实验，比较所提出的模型和随机规划模型的操作和计算性能，展示了显着的性能改善，可以获得和获得见解MFRSP。
2022-02-21 math.OC
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
Stackelberg Dynamic Location Planning under Cumulative Demand
本文提出了一种结合累积需求和市场竞争的双层混合整数规划模型，通过改进的分支定界算法在动态选址问题中取得显著成效。
2026-02-19 math.OC
Location and Capacity Planning of Facilities with General Service-Time Distributions Using Conic Optimization
本文研究了由有限个候选点组成的服务系统网络中的随机拥挤定位问题。分配给每个开放服务设施的人口区一起创建遵循泊松过程的需求流，并且可能导致设施处的拥塞。每个设施的服务时间是随机的，取决于服务能力，并遵循一般分布，每个设施可能有所不同。服务能力是从一个给定的（有界或无界）区间。我们的问题的目标是优化一个平衡的性能指标，设施引起的和客户相关的成本之间的妥协。服务时间是由一个灵活的位置规模随机模型。该问题是制定使用二次锥优化。为了提高计算效率，提出了有效的不等式和割集生成方法。一个全面的数值研究进行了显示的效率和有效性的解决方案的过程。此外，我们的数值实验使用的预防保健系统在多伦多的真实数据表明，最佳的服务网络配置是高度敏感的服务时间分布。本文给出的M/G/1排队等待时间公式的凸化方法是一般的，并且推广了排队论中已有的凸性结果，使其可用于服务率连续的最优化问题.
2018-08-31 cs.DM math.OC math.PR
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
Optimized Human-Robot Co-Dispatch Planning for Petro-Site Surveillance under Varying Criticalities
King Fahd University of Petroleum and Minerals (KFUPM)（国王法赫德石油矿物大学）
本文提出人机协同调度设施选址问题，考虑基础设施关键性分层、人机监督比例约束和最小利用率要求，通过三种技术成熟度场景评估指挥中心选址，结果显示从保守到未来自主操作的过渡可显著降低成本并保持关键基础设施覆盖。
2026-04-15 cs.AI cs.RO math.OC
Transit facility allocation: Hybrid quantum-classical optimization
Simon Fraser University（西蒙菲莎大学）
本文提出了一种结合量子技术和经典优化的混合方法，用于解决交通设施分配问题，通过减少设施数量同时保持服务可达性，提升交通服务质量。
2022-10-22 math.OC quant-ph
Long-term planning versus short-term planning in the asymptotical location problem
在给定区域$Ω\subset \R^n$上的概率测度$ν$的情况下，考虑由$n$点$\Om$组成的集合$Σ$的最优选址问题，以最小化平均距离$Σ\mapsto \int_\Om \dist(x,Σ) dν$（经典的最优设施定位问题）.本文比较了两种策略，以找到最佳的配置：长期的一个，其中包括在放置所有的$n$点在一次在一个最佳的位置，和短期的一个，其中包括在放置点一个接一个添加在每一步最多一个点，并保持在前几步建立的配置。我们表明，各自的最优化问题表现出定性不同的渐近行为的$n\to\infty$，虽然在这两种情况下的优化成本有相同的渐近消失的顺序。
2006-12-22 math.OC
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
Distributed Optimal Power Flow Algorithm for Balanced Radial Distribution Networks
最优潮流（OPF）问题是电力系统运行和规划的基础。配电网中大规模的可再生能源渗透需要实时反馈控制，因此需要快速和分布式的OPF解决方案。这是困难的，因为OPF是非凸的，基尔霍夫定律是全局的。在本文中，我们提出了一个平衡的辐射状配电网的解决方案。它利用最近的结果，建议通过二阶锥规划（SOCP）松弛求解径向网络上的OPF的全局最优解。我们的分布式算法是基于交替方向法的乘数（ADMM），但不像标准的ADMM算法，往往需要迭代求解优化子问题，在每个ADMM迭代，我们的分解，使我们能够获得封闭形式的解决方案，这些子问题，大大加快了每个ADMM迭代。我们提出了一个现实世界中的2,065总线配电网络的模拟来说明所提出的算法的可扩展性和最优性。
2015-05-20 math.OC
Bi-objective risk-averse facility location using a subset-based representation of the conditional value-at-risk
对于许多现实世界中的决策问题的不确定性，它可能是必不可少的，以处理多个和往往相互冲突的目标，同时考虑到决策者的风险偏好。条件风险价值（CVaR）是一种广泛应用的风险度量方法，用于解决决策者的风险厌恶问题。在本文中，我们使用CVaR的基于子集的多面体表示来重新表述Nazemi等人（2021）提出的双目标两阶段随机设施定位问题。我们提出了一个近似的割平面法来处理这个更具计算挑战性的子集为基础的配方。然后，割平面法嵌入到ε约束法，平衡箱法，和最近开发的数学方法来解决问题的双目标性质。计算结果表明了该方法的有效性。最后，我们讨论如何将基于子集的多面体制定的近似影响所获得的解决方案。
2023-02-13 cs.DM math.OC
Relative Explanations for Contextual Problems with Endogenous Uncertainty: An Application to Competitive Facility Location
CIRRELT and Department of Computer Science and Operations Research, Université de Montréal（蒙特利尔大学计算机科学与运筹学系及CIRRELT）
针对具有二元决策变量和内生不确定性的情境随机优化问题，提出基于Wasserstein距离正则化的相对反事实解释框架，生成稀疏、合理且可解释的解释，并应用于竞争性设施选址和电动汽车充电站规划。
2026-06-19 math.OC
A Hierarchical Multi-Objective Programming Approach to Planning Locations for Macro and Micro Fire Stations
消防站是城市应急控制系统中最关键的应急设施之一，具有快速应对火灾等突发事件的能力。消防站的选址规划对消防站的应急响应能力和效率有着重要的影响，同时也影响着建设成本。为了获得高效实用的消防站选址方案，选址模型中需要考虑效用最大化、距离约束和工作量限制等主要要求，特别是对于具有特定目标和建设要求的宏观和微观消防站的多级消防设施系统。本文提出了一种新的分层优化方法，考虑所有的主要要求，位置规划和债券之间的功能连接不同级别的消防站在同一时间。建立了单目标和多目标最优化模型，同时解决了宏观和微观消防站选址问题。采用保留精英的遗传算法和基于Pareto的多目标进化算法来求解该问题。以深圳市福田区为例，对所提出的分层选址模型进行了验证，结果表明了该方法的有效性和实用性。
2021-06-15 math.OC
Urban Fire Station Location Planning using Predicted Demand and Service Quality Index
University of Minnesota, Twin Cities（明尼苏达大学双城分校）；City of Victoria Fire Department（维多利亚市消防局）
在这篇文章中，我们提出了一个系统的方法，消防站的位置规划。我们开发了基于随机森林和极端梯度提升的机器学习模型，用于需求预测，并利用这些模型进一步定义了一个衡量城市消防服务质量的通用指标。我们的模型是建立在从多个不同来源收集的空间数据。适当的设施规划的效力取决于选择的候选人，消防站可以与现有的站，如果有的话。此外，需要注意从这些候选人到需求地点的旅行时间，以保持消防安全标准。在这里，我们提出了一个基于旅行时间的聚类技术，以确定合适的候选人。最后，我们开发了一个优化问题，以选择最佳位置安装新的消防站。我们的优化问题是建立在最大覆盖问题，整数规划的基础上。我们进一步开发了一个两阶段的随机优化模型来描述我们的决策结果的信心。我们提出了一个详细的实验研究，我们提出的方法与城市的维多利亚消防局，MN，美国合作。我们的需求预测模型达到了80%的真阳性率和约20%的假阳性率。我们帮助维多利亚消防局选择一个新的消防站使用我们的方法的位置。我们提出了详细的结果，改善统计数据，通过定位一个新的设施，我们的方法，在维多利亚市。
2022-02-20 cs.IR cs.LG math.OC
Bi-objective facility location under uncertainty with an application in last-mile disaster relief
在许多现实世界的问题中，多个且通常相互冲突的目标受到数据不确定性的影响是主要特征。因此，在实践中，决策者需要了解目标之间的权衡，考虑不同程度的不确定性，以选择合适的解决方案。在本文中，我们认为一个两阶段的双目标单源容量限制模型作为一个基础配方设计的最后一英里网络在救灾的目标之一是受需求的不确定性。我们分析了两阶段的风险中性随机规划，自适应（两阶段）鲁棒优化，和两阶段的风险厌恶的随机方法，使用条件风险价值（CVaR）。为了应付问题的双目标性质，我们将这些概念嵌入到两个标准的空间搜索框架，$ε$ -约束方法和平衡箱方法，以确定帕累托前沿。此外，数学技术的开发，以获得高质量的近似的Pareto边界的大型实例。在一个广泛的计算实验中，我们评估和比较的性能的应用方法的基础上，从Thies干旱的情况下，塞内加尔的真实数据。
2022-12-20 cs.DM math.OC
Service Center Location with Decision Dependent Utilities with an Application to Early Stage Testing and Vaccination in Epidemic Planning
研究具有模糊效用增益的服务中心选址问题，通过期望值和方差约束描述位置依赖效用，提出混合0-1二阶锥公式及有效切线不等式强化方法，并应用于Covid-19检测与疫苗接种选址。
2023-04-08 math.OC
An Exact Algorithm for Public Transport Line Planning Considering Passenger and Operational Costs and Lost Demand
Technical University of Denmark（丹麦技术大学）；EDHEC Business School（法国北方高等商学院）；CGI Netherlands（CGI荷兰）
本文提出一种精确算法，用于优化公共交通线路规划，考虑乘客时间和运营成本，通过动态扩展问题表示来提高求解效率。
2026-04-20 math.OC
Towards Balanced Three-phase Charging: Phase Optimization in Adaptive Charging Networks
研究了电动汽车充电相位优化问题。我们制定我们的问题作为一个非凸的混合整数规划问题，其目标是最小化充电损耗。尽管直接解决这个非凸问题的难度，我们解决了松弛的原始问题，提出了PXA算法，其中“P”，“X”，“A”代表三个变量矩阵的形成阶段最优化问题。我们证明了在一定条件下，PXA给出的解精确收敛到全局最优值。此外，利用模型预测控制（MPC）的思想，我们设计了{PXA-MPC}，它是PXA的在线实现。与其他经验相位平衡策略相比，PXA算法通过最大化能量输送、最小化充电价格和辅助未来能量规划来显著提高充电性能。我们的算法的有效性证明使用从现实世界的自适应EV充电网络（ACN）收集的数据。
2022-05-21 cs.SY eess.SY math.OC
An exact solution framework for the multiple gradual cover location problem
设施和覆盖位置模型是物流、供应链设计、电信、公共基础设施规划以及许多其他工业和公共部门中许多决策辅助工具的关键要素。在许多应用中，客户很可能不是被设施二分法地覆盖，而是根据以下因素逐渐覆盖，例如，到开放设施的距离。此外，客户不是由一个单一的设施，而是由他们的集合，共同为他们服务。本文研究了最近引入的多重渐进覆盖定位问题（MGCLP）。《跨性别和跨部门伙伴关系法》解决了上述两个问题。我们提供了四种不同的混合整数规划配方的MGCLP，所有这些都利用子模块的目标函数，并开发了一个分支和切割框架的基础上，这些配方。该框架通过启动和初始化过程进一步增强。计算结果表明，我们的方法可以有效地解决不同的实例集。我们提供了最优解值为13例文献，其中最优解是未知的，并提供了改进的解决方案值为7例。其中许多问题可以在一分钟内解决。我们还分析了实例特征的解决方案的结构的依赖。
2019-09-11 cs.DS math.OC
