Reliable design of an integrated supply chain with expedited shipments under disruption risks
本文提出了一个设计两级供应链的数学模型，其中一组供应商服务于一组终端设施，接收不确定的客户需求。该模型在规划和运营阶段集成了许多系统决策，包括设施位置、多级服务分配、多式联运配置和库存管理。特别是，我们考虑供应商中断的概率，可能会停止从某些供应商不时的产品供应。为了减轻供应商中断的影响，可以将码头设施分配给多个供应商，这些供应商以不同的服务优先级相互支持。在这种多级服务分配的情况下，即使一些供应商中断，设施仍可能由其余正常运作的供应商提供。昂贵的快速装运但有保证的快速交货可用于补充较便宜的定期装运但不确定的较长的交货时间。结合这两种运输模式可以更好地利用库存管理来应对不确定的需求。我们制定这个问题成一个混合整数非线性规划，同时确定所有这些相互依赖的系统决策，以尽量减少预期的系统成本下的不确定性，从供应商和需求。为了有效地求解该模型，提出了一种基于拉格朗日松弛的自定义求解算法。几个数值例子进行测试所提出的模型，并提请管理的见解如何影响最佳系统设计的关键参数。
2015-11-24 math.OC
A Convex Formulation of the Multi-Commodity Dynamic Traffic Assignment
Politecnico di Torino（都灵理工大学）；Lund University（隆德大学）；Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, GIPSA-Lab（格勒诺布尔阿尔卑斯大学、法国国家信息与自动化研究所、法国国家科学研究中心、格勒诺布尔理工学院、GIPSA实验室）
本文提出多商品动态交通分配问题的凸松弛方法，通过扩展单商品案例的凸化方法，利用商品特定需求函数和聚合供应函数实现交通控制问题的凸性。
2026-03-18 math.OC
Convergence-Guaranteed Algorithms for l1/2-Regularized Quadratic Programs with Assignment Constraints
本文提出了一种收敛保证算法，用于解决具有分配约束的l1/2正则化二次程序问题，通过放松约束并引入正则化项，结合ADMM框架实现高效求解。
2025-12-12 math.OC
Non-Asymptotic Performance Analysis of Size-Based Routing Policies
我们研究了两种基于大小的路由策略的性能：大小间隔任务分配（SITA）和基于猜测大小的任务分配（TAGS）。我们考虑一个系统，两个服务器和有界帕累托分布的作业大小与尾部参数为1的最大和最小的作业之间的差异是有限的。我们发现，在平均等待时间的SITA的TAGS的平均等待时间之间的比率是无界的，当最大的工作大小是大的，到达率乘以最大的工作大小是小于1。我们提供的数值实验表明，我们的理论研究结果扩展到有界帕累托分布的作业规模与尾部参数不同的1。
2020-12-07 cs.PF math.OC math.PR
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
Enhancing Kernel Search with Pattern Recognition: the Single-Source Capacitated Facility Location Problem
PaKS通过模式识别和增强核搜索方法，有效解决单源有容量设施选址问题，取得优于现有方法的最优解和最小差距。
2025-12-09 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
On the Optimum Scenarios for Single Row Equidistant Facility Layout Problem
单排等距设施布局问题SREFLP是一个NP难问题，它模拟了等间距直线设施布局的物料搬运成本。基于文献，很明显，研究人员对解决SREFLP的努力从精确方法转向释放运行时间跟踪近似方法在时间竞赛中的原理，而不考虑搜索其时间复杂度释放与可证明的解的质量。本研究的重点是下界LB技术作为一个独立的潜在的解决工具SREFLP。特别是，最知名的SREFLP LB从文献中报道，显着LB的最佳方案突出显示。最初，SREFLP双向LB的一个间隙被增强。通过将增强的LB与著名的Gilmore-Lawler GL边界相结合，给出了一种新的SREFLP最优方案。对GLB的进一步改进，保证了精确的收发设施分配，并提出了SREFLP至多4/3近似方案的猜想。
2022-12-20 cs.DS math.OC
Stochastic RWA and Lightpath Rerouting in WDM Networks
针对WDM网络动态流量下的RWA与光路重路由问题，提出首个两阶段随机整数规划模型及分解求解方法，模拟显示服务等级提升19%、频谱节省20%、请求授予率提升36%。
2022-01-27 math.OC
Data-Driven Inpatient Bed Assignment Using the P Model
问题定义：急诊部（ED）寄宿是指在患者进入医院病房后将患者留在ED的做法，通常是由于住院资源不足。住院病人可能会与新病人争夺急诊室的医疗资源，从而影响急诊护理的质量。减轻寄宿的一种常见的权宜之计是病人溢出，即，将病人送往其他专科或住宿类别的病床，这可能会影响住院护理的质量，并带来业务上的挑战。我们研究住院床位分配，以缩短住院时间，而不会造成过多的病人溢出。方法：我们使用多个客户类和多个服务器池的队列来模拟医院病房。利用从医院的病人流量数据，我们提出了一个计算上容易处理的方法来制定床位分配问题，其中所有等待的病人满足各自的延迟目标的联合概率最大化。结果如下：通过动态调整溢出率，所提出的方法不仅能够减少病人的等待时间，但也减轻了一天中的时间对登机时间的影响。在数值实验中，我们的方法大大优于早期放电政策和基于阈值的溢出政策，这是在实践中常用的。管理意义：我们提供了一个切实可行的方法来解决床位分配问题。这种数据驱动的方法捕获了患者流管理的关键特征，而由此产生的最优化问题实际上是可解决的。所提出的方法是一个有用的工具，用于控制具有时间敏感的服务需求的排队系统。
2021-11-16 math.OC stat.ME
Control policies for a two-stage queueing system with parallel and single server options
Cornell University（康奈尔大学）
本文研究了两阶段排队系统中并行与单服务选项的控制策略，通过马尔可夫决策过程建模，分析了最优控制策略的结构性质，并通过数值实验验证其性能优势。
2026-01-20 cs.SY eess.SY math.OC
Spatial Optimization of Autonomous Vehicle Assignment Based on Distance-Driven Demand and Customer Patience
针对跨区域自动驾驶车辆分配问题，本文构建融合距离驱动需求、顾客等待耐心与车辆池化的空间优化模型，揭示设施数量边际收益递减及耐心对库存池化收益的影响。
2025-06-15 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
A Control Barrier Function Approach to Constrained Resource Allocation Problems in a Maximum Entropy Principle Framework
本文提出一种结合控制障碍函数与最大熵原理的动态控制方法，将受限设施选址问题重构为动态控制设计，显著提升了大规模组合优化问题的求解效率与解质量。
2025-04-02 math.OC
Dynamic Containerized Modular Capacity Planning and Resource Allocation in Hyperconnected Supply Chain Ecosystems
针对传统产能资源规划无法适配商业环境快速变化的问题，本文受物理互联网理念启发，提出动态滚动时域的迭代两阶段决策模型，通过动态分配移动生产容器优化产能与资源，案例验证其可均衡工作量、提升资源利用率并实现成本效益。
2025-11-11 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
Minimizing Material Waste in Additive Manufacturing through Online Reel Assignment
Eindhoven University of Technology（埃因霍温理工大学）
本文通过将在线卷分配问题建模为马尔可夫决策过程，提出指数策略减少增材制造中的材料浪费，结合深度强化学习实现近最优性能。
2026-03-24 math.OC
Stochastic Extensible Bin Packing
考虑随机可扩展装箱问题（SEBP），其中随机大小的$n$项被装入单位容量的$m$箱中.与经典的装箱问题不同，箱子的数量是固定的，并且可以以额外的成本进行扩展。这个问题在随机环境中起着重要的作用，例如在手术调度中：必须事先将患者分配到手术室，以便充分利用常规容量，同时加班量尽可能小。本文着重于不同类别的政策之间的基本比率：首先，我们考虑不可分割的价格，其中我们比较最优的非预期的政策对最优的分数分配政策。我们表明，这个比例有一个紧的上限$2$。此外，我们开发了一个分析的固定分配的LEPT规则产生一个紧密的近似比$(1+e^{-1}) \approx 1.368$的变体。此外，我们证明了固定分配的价格，相关的自适应性的好处，它描述了限制固定分配政策时的损失，是在同一个因素。这表明，在某种意义上，LEPT是我们所能期望的最佳固定分配策略。我们还提供了一个下界的性能，这种政策相比，最佳的固定分配政策。最后，我们得到了改进的边界的情况下，处理时间是从一个特定的家庭的分布，无论是有界的Pietra指数，或当familly是stochemical占主导地位的二阶。
2022-03-04 cs.DM cs.DS math.OC
Instance Generation for Patient-to-room Assignment and Admission Scheduling Based on Real Hospital Data
Chair of Combinatorial Optimization, RWTH Aachen University（组合优化研究所，亚琛工业大学）；Chair of Algorithms and Complexity, RWTH Aachen University（算法与复杂性研究所，亚琛工业大学）
针对医疗保健中患者相关问题获取真实数据难的情况，开发了可配置实例生成器，基于真实医院数据设计，通过动态规划方法解决随机实例不可行问题，用于患者到病房分配等问题，提升实例生成的逼真度。
2026-07-10 cs.DM cs.LG math.OC
User equilibrium with a policy-based link transmission model for stochastic time-dependent traffic networks
Lyles School of Civil Engineering, Purdue University（普渡大学莱尔斯土木工程学院）
本文研究了随机时变交通网络中的交通分配问题，提出了一种基于策略的网络加载模型，通过数值测试表明该模型在解决交通分配问题时比基于路径的模型更高效。
2018-11-06 cs.SY eess.SY math.OC
Robust Deterministic Policies for Markov Decision Processes under Budgeted Uncertainty
Research Center for Operations Management, KU Leuven（鲁汶大学运营管理研究中心）
本文针对LDST模型下MDP的鲁棒确定性策略计算，证明仅单个终端奖励偏离时最优确定性策略计算为NP-难，针对特殊情况提出常数因子近似算法，一般情况具强不可近似性与Σ₂^p-困难性。
2026-08-28 cs.DM math.OC
Dynamic Transfer Policies for Parallel Queues
研究并行队列负载均衡问题，通过流体控制分析证明最优策略划分状态空间，并提出近似动态规划算法，案例表明医院间转移患者可降27.7%成本。
2025-08-12 cs.SY eess.SY math.OC
Automated decision-making for dynamic task assignment at scale
TUE（蒂尔堡大学）
本研究提出一种基于深度强化学习的决策支持系统，通过引入图结构和可证明等价的奖励函数，解决现实世界规模动态任务分配问题，并在多个实例上表现优异。
2025-04-28 cs.AI cs.LG math.OC
Blind Dynamic Resource Allocation in Closed Networks via Mirror Backpressure
本文研究了一类封闭排队网络在一段时间内最大化收益的问题，该网络中的供应单元数量有限，且固定。需求是随机到达的，为需求单位（客户）提供服务会导致供应单位从客户的“原点”重新定位到“目的地”。关键的挑战是管理网络中的供应分配。我们考虑一般控制，包括客户进入控制，定价和分配。令人鼓舞的应用包括共享交通平台和代币系统。受镜像下降算法和网络控制反压策略的启发，我们引入了丰富的\emph{Mirror Backpressure}（MBP）控制策略。MBP策略简单实用，并且关键是不需要需求（客户）到达率的任何统计知识（这些速率允许随时间变化）。在温和的条件下，我们提出的MBP政策，可证明接近最优。具体来说，我们的策略相对于知道需求到达率的最优策略，最多损失每个客户的$O(\frac{K}{T}+\frac{1}{K} + \sqrt{ηK})$收益，其中$K$是供应单元的数量，$T$是时间范围内的客户总数，$η$是需求过程中每个客户到达的平均变化率。MBP的适应被发现在基于乘车数据的数值实验中表现良好。
2022-03-09 math.OC math.PR
Multi-Robot Multi-Queue Control via Exhaustive Assignment Actor-Critic Learning
Divisions of Systems Engineering, Boston University（波士顿大学系统工程系）；Department of Electrical and Computer Engineering, Boston University（波士顿大学电气与计算机工程系）
本文研究了多机器人多队列系统在线任务分配问题，提出了一种基于结构结果的穷举分配动作-批评者策略，能够适应不对称到达率，降低持有成本和队列长度。
2026-04-04 cs.AI cs.SY eess.SY
Deep reinforcement learning for the dynamic vehicle dispatching problem: An event-based approach
Federal University of Ceará（塞阿拉联邦大学）
本文将动态车辆调度建模为连续时间半马尔可夫决策过程，提出基于事件的深度强化学习方法，并在纽约市仿真场景中显著优于常用启发式策略。
2023-07-13 cs.AI cs.LG math.OC
