A two-stage robust optimization approach for oxygen flexible distribution under uncertainty in iron and steel plants
氧气优化分配是现代钢铁工业中最重要的能源管理问题之一。通常,能量产生系统的供应由制造过程的能量需求决定。然而,由于制造过程中出现的不确定性,供需平衡经常波动。本文建立了考虑不确定需求的氧气优化分配模型,提出了一种两阶段鲁棒优化方法(TSRO),该方法在不确定性集的基础上保护初始分布决策的低保守性。TSRO模型的主要目标是使生产利润最大化的观望决策和使运营稳定性和剩余/短缺惩罚最小化的此时此刻决策。为了表示能量需求的不确定性集合,我们开发了一个基于高斯过程(GP)的时间序列模型来预测连续过程的能量需求,并开发了一个容量受限的调度模型来生成离散过程的多场景能量需求。我们进行了广泛的计算研究TSRO及其组件使用良好的合成实例从历史数据。模型验证和分析的结果是有希望的,并表明我们的方法是适合解决工业情况下的不确定性。
2021-06-22 math.OC
Uncertainty-aware demand management of water distribution networks in deregulated energy markets
我们提出了一个开源的解决方案,用于饮用水分配网络的运营控制,该解决方案考虑了在波动的放松管制的经济的前一天市场中水需求和电价的固有不确定性。随着越来越多的能源市场采用这种交易方案,饮用水网络的运行需要不确定性感知的控制方法,以减轻波动的影响,并导致网络的经济和安全运行,满足消费者对不间断供水的需求。我们提出了使用基于MIMO的随机模型预测控制:一种先进的控制方法,这是在一个相当大的计算成本,这是克服利用图形处理单元(GPU)的并行化能力,并使用一个大规模的并行化算法的基础上,加速近端梯度法。
2019-04-23 math.OC
Modeling Network Congestion under Demand Uncertainty Using Wardrop Principles
Eindhoven University of Technology(埃因霍温理工大学);Istituto di Analisi dei Sistemi ed Informatica “Antonio Ruberti”, Consiglio Nazionale delle Ricerche(意大利国家研究委员会系统与信息分析研究所);Dipartimento di Ingegneria Informatica, Automatica e Gestionale, Sapienza Università di Roma(罗马大学信息与自动化与工商管理系);ESSEC Business School(欧洲高等商学院)
针对需求不确定下多商品交通网络的最坏拥塞问题,基于Wardrop原理建立双层模型,提出混合整数非线性重构技术,经Sioux Falls等网络实例验证了方法有效性。
2026-08-20 math.OC
A Multiperiod OPF Model Under Renewable Generation Uncertainty and Demand Side Flexibility
近年来,风能和太阳能等可再生能源备受关注,大量可再生能源发电正在整合到电网中。电力系统运行中的一个基本挑战是处理可再生能源发电的间歇性。提出了一种求解可再生能源发电量不确定性下多时段最优潮流问题的随机规划方法。拟议的办法包括两个阶段。在第一阶段中,确定常规发电厂的操作点。第二阶段实现可再生能源发电,并通过需求侧灵活性实现最佳适应。在一个4总线和一个39总线系统上证明和讨论了其应用的好处。数值结果表明,有限的灵活性,在需求方的潜在额外的再调度成本方面的实质性利益可以实现。最后,基于标准IEEE测试用例高达300总线的方法的缩放特性进行了分析,允许强调其计算效率。
2014-07-10 math.OC
Pricing mobility services under decision-dependent demand uncertainty: a carsharing case
University of Copenhagen(哥本哈根大学)
针对出行服务定价中需求受价格影响的问题,提出决策依赖需求不确定性的随机规划模型,并设计改进的L-shaped方法求解,在真实汽车共享案例中利润提升8.39%-8.53%。
2026-06-11 math.OC
An Operational Scheduling Framework for Tanker-based Water Distribution System under Uncertainty
针对水罐车供水调度中的需求与行驶时间不确定性,提出两阶段随机优化模型,结合蒙特卡洛模拟与场景树方法,实现可持续供水运营并验证随机解价值。
2024-08-01 math.OC
A Two-Stage Stochastic Model for Road-Rail Intermodal Freight Transportation Under Demand and Capacity Uncertainty
针对固定列车时刻表下公铁联运集装箱运输优化问题,考虑需求与列车临时容量不确定性,构建整合条件风险价值(CVaR)的两阶段随机优化模型,经真实数据验证可降低成本、减少排放并辅助风险权衡决策。
2025-08-21 math.OC
A Nurse Staffing and Scheduling Problem with Bounded Flexibility and Demand Uncertainty
针对需求波动下的护士排班难题,研究提出有界灵活性概念并建模为多阶段随机规划,重构为两阶段结构降低计算量,结合生成式AI算法求解,在保证排班规律性的同时显著降低成本并提升护士灵活性。
2025-05-30 math.OC
Control Strategies for Transport Networks under Demand Uncertainty
在这篇文章中,我们考虑不确定需求的运输网络。网络动力学由线性双曲型偏微分方程和适当的耦合条件给出,而需求则作为随机微分方程的解。为了满足需求,我们解决了一个约束最优控制问题。然后,针对不同的假设,明确计算网络输入方面的控制。数值模拟进行强调的理论结果。
2022-08-15 cs.NA math.NA math.OC
Installation of renewable capacities to meet emission targets and demand under uncertainty
本文研究在排放约束和不确定性下可再生能源安装成本最小化问题,证明最优策略通常只需干预一次,并指出某些情形下应推迟容量扩张。
2024-07-08 math.OC math.PR
Optimizing Strategic and Operational Decisions of Car Sharing Systems under Demand Uncertainty and Substitution
针对燃油与电动混合车队共享汽车系统,提出含需求替代的两阶段随机混合整数规划及分支切割分解算法,证明第二阶段矩阵全幺模,并验证其降本增效价值。
2023-07-15 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
Stochastic Economic Dispatch Considering Demand Response and Endogenous Uncertainty
本文针对需求响应承诺带来的内生不确定性,建立SED-DR-EnU优化模型,并提出耦合学习驱动的优化算法,在IEEE 14节点和39节点系统上验证了考虑内生不确定性的重要性。
2023-05-31 math.OC stat.ME
Runway capacity expansion planning for public airports under demand uncertainty
针对需求不确定性下机场跑道容量扩展问题,提出跳跃扩散过程建模需求增长,并构建实物期权模型联合优化容量与投资时机,发现不确定性导致更保守决策,扩展规模与触发需求关系复杂。
2025-02-04 cs.SY eess.SY math.OC
Logistics Hub Capacity Deployment in Hyperconnected Transportation Network Under Uncertainty
针对超连接运输网络中的需求不确定性和地理中断,提出两阶段随机优化模型部署枢纽容量,并通过压力测试和仿真验证,实现交付及时性、高整合度与网络弹性,同时最小化成本。
2024-02-09 math.OC
Two-Stage Distributionally Robust Edge Node Placement Under Endogenous Demand Uncertainty
本文针对边缘计算中需求与节点放置决策相互依赖的问题,提出两阶段决策依赖分布鲁棒优化框架,并给出精确求解方法和有效不等式加速策略,实验验证了其优越性。
2024-01-16 cs.NI math.OC
Robust Hierarchical MPC for Handling Long Horizon Demand Forecast Uncertainty with Application to Automotive Thermal Management
针对具有慢变状态的动态系统,提出了一种具有需求预测不确定性的鲁棒递阶MPC(H-MPC)。H-MPC有两层:(i)上层的调度MPC具有相对长的预测/规划范围和慢的更新速率,以及(ii)下层的导频MPC在较短的预测范围上具有较快的更新速率。调度层MPC计算将由引导MPC跟踪的最优慢变状态,同时根据未来需求/负载的长期和近似预测来实施系统约束,例如,用于驱动车辆的牵引功率需求。在本文中,为了增强H-MPC对长期需求预测不确定性的鲁棒性,我们建议使用连接技术在短期内实现的高质量预览信息,通过在调度层的约束收紧方法来修改计划轨迹。一个简化的车辆模型的仿真结果,以确认所提出的鲁棒H-MPC框架在处理需求预测的不确定性的有效性。
2019-09-13 cs.SY eess.SY math.OC
Dynamic Order Fulfillment in Last-Mile Drone Delivery under Demand Uncertainty
针对需求不确定下最后一英里无人机配送的动态订单履约问题,提出基于滚动时间窗的两阶段随机规划,并设计加速L-shaped启发式算法,在保证最优性差距小于1%的同时将运行时间缩减20倍,实现高达20%的长期成本节省。
2025-04-07 math.OC
Forecast-Residual-Based Chance-Constrained Scheduling of Local Energy Communities under PV and Demand Uncertainty
University of Santiago of Chile(智利圣地亚哥大学)
提出基于预测残差的机会约束调度框架,联合优化光伏与储能运行,并通过事后分配最大化内部匹配,在近5%预测误差下性能接近随机规划且计算高效。
2026-10-02 math.OC
Two-Stage Robust Unit Commitment Problem with Complex Temperature and Demand Uncertainties
在本文中,我们提出并研究了一个强大的机组组合模型和一些变种,考虑复杂的温度和需求的不确定性。由于在实际系统中,气体发生器的效率、需求和温度之间存在很强的关系,因此我们的鲁棒模型具有左侧和右侧(分别为LHS和RHS)的不确定性。与许多现有的鲁棒模型与RHS的不确定性,LHS的不确定性的引入带来了巨大的挑战,在计算鲁棒的解决方案。对于这些复杂的公式,我们分析它们的结构,推导出重要的属性,并设计精确和快速的近似解决方案的列和约束生成框架下的策略。在典型的IEEE测试系统上进行了数值实验,展示了我们的解决方案的巨大性能,并证明了系统操作中复杂和相关的不确定性的明显影响。
2022-06-18 math.OC
A Distributionally Robust Optimization Approach to Quick Response Models under Demand Uncertainty
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Tongji University(同济大学)
本文提出了一种分布鲁棒优化方法,用于在需求不确定性下优化快速响应模型,通过引入浪费到消费比率约束,实现环境影响的可控和系统性能的提升。
2026-02-10 math.OC
Uncertainty-Aware Methods for Leveraging Water Pumping Flexibility for Power Networks
最近的工作已经表明,可以利用饮用水分配网络中的供水泵来为电力网络提供灵活性,但是现有的方法在计算上要求很高和/或过于保守。在本文中,我们开发了一个计算易处理的概率方法来调度和控制抽水提供电压支持的配电网受电力和水的配电网络的约束下,电力需求的不确定性。基于鲁棒性和机会约束的重构方法,我们分析性地将概率问题重构为确定性问题,并求解基于电力需求预测误差实现的计划泵操作和调整泵的控制策略参数。在一个案例研究中,我们比较了我们提出的方法,一个可调的强大的方法和调查的性能计算时间,成本和经验违规概率。我们发现,我们提出的方法在计算上是易于处理的,并且比鲁棒方法更不保守,这表明我们的公式可以扩展到更大的网络。
2022-07-11 math.OC
Network Flexibility Design Under Endogenous Uncertainty
TUM School of Management, Technical University of Munich(慕尼黑工业大学管理学院);Munich Data Science Institute, Technical University of Munich(慕尼黑工业大学慕尼黑数据科学研究所);Department of Mathematical Sciences, University of Copenhagen(哥本哈根大学数学科学系);Department of Mathematics, Technical University of Munich(慕尼黑工业大学数学系)
针对供需不确定性,提出内生不确定性下的网络灵活性设计两阶段随机规划及无分布公式,通过分解算法高效求解,并揭示内生效应权衡对最优设计的影响。
2026-09-28 math.OC
Robust optimization of a broad class of heterogeneous vehicle routing problems under demand uncertainty
本文研究了经典的异构车辆路径问题(HVRP)的扩展模型的鲁棒变形,其中使用具有不同容量、可用性、固定成本和路径成本的混合车队来服务具有不确定需求的客户。作为特殊情况,该模型包括文献中研究的HVRP的所有变体,具有固定和无限的车队规模,客户位置的可达性限制以及多个站点。相反,它的确定性对应,鲁棒HVRP的目标是确定一个最小成本的路线和车队组成,仍然是可行的所有需求实现从一个预先指定的不确定性集。为了解决这个问题,我们开发了鲁棒版本的经典节点和边缘交换的邻域,通常用于局部搜索,并建立有效的评估的本地移动可以实现五个流行的类的不确定性集。建议的本地搜索,然后纳入两个元启发式算法,以确定强大的HVRP解决方案的模块化的方式。使用一个整数规划模型,该模型提供了最优解的下界的元启发式解决方案的质量进行量化。一个广泛的计算研究文献基准表明,所提出的方法使我们能够获得高品质的鲁棒性解决方案,不同的不确定性集和较小的额外努力相比,确定性的解决方案。
2018-10-17 cs.DS math.OC
Stochastic Approach for Price Optimization Problems with Decision-dependent Uncertainty
针对需求不确定性依赖于价格的价格优化问题,提出一种通用非凸随机优化方法,通过推导无偏随机梯度估计器并结合投影随机梯度下降寻找稳定点,实验证明其能获得比基线更高的总收入。
2024-01-03 math.OC
Monopoly Pricing in Vertical Markets with Demand Uncertainty
定价决策往往是在市场信息仍然贫乏的情况下作出的。反过来,现有的理论模型往往原因的最优价格变化的市场特征的反应,而不利用所有可用的信息的需求分布。我们的目标是发展一种理论,用于在关于相应需求分布的各种形式的知识下,优化和系统地比较同一市场的不同实例之间的价格。我们重新审视了在一个垂直市场中,在需求不确定性下的垄断定价的经典问题,其中上游供应商和下游任意对称零售商之间存在多种形式的竞争。在所有情况下,需求的不确定性落在供应商身上,供应商首先采取行动,在零售商观察到已实现的需求并下订单之前制定统一的价格。我们的主要方法的贡献是,我们表示的平均剩余需求(MRD)的需求分布函数的预期需求的价格弹性。这导致了一个封闭的形式表征的点的单一的弹性,最大限度地提高供应商的利润和推导出一个温和的单峰条件供应商的目标函数,概括了广泛使用的增加广义故障率(IGFR)的条件。一个直接的含义是,不同市场之间的最优价格可以排序,如果市场可以随机排序根据他们的MRD功能或等价的,他们的弹性。利用上述内容,我们开发了一个系统的框架,通过丰富的随机订单理论来比较不同市场实例之间的最优价格。这导致了比较静态学,挑战了先前建立的关于市场规模、需求变化和需求变化对垄断价格的影响的经济学见解。
2021-07-16 cs.GT math.OC math.PR
Optimizing Service Restoration in Distribution Systems with Uncertain Repair Time and Demand
提出了一种新的方法,以协同优化配电系统的运行和修复船员路由停电恢复后,极端天气事件。建立了一个两阶段随机混合整数线性规划模型。第一阶段是派遣维修人员到损坏的部件。第二阶段是利用分布式发电机进行配电系统恢复和重构。我们认为需求的不确定性截断正常的预测误差分布,并使用对数正态分布模型的不确定性的修复时间。一种新的分解方法,结合渐进对冲算法,开发了解决大规模停电管理问题,在一个有效的和及时的方式。在改进的IEEE 34和8500节点配电网测试系统上验证了该方法的有效性。
2018-06-28 math.OC
A Comparison of Models for Uncertain Network Design
为了解决现实世界的问题,建模者通常需要在模型的复杂性和有用性之间做出权衡。这对于鲁棒优化也是如此,其中已经提出了广泛的不确定性模型,即所谓的不确定性集。然而,虽然这些集主要是从理论的角度研究,很少有研究比较不同的集对现实世界的问题的有用性。在本文中,我们认为在电信方面的网络设计问题。我们需要投资于基础设施,以便有足够的能力满足未来的需求,而未来的需求并不确定。对于未满足的已实现需求,需要进行外包。我们考虑三种方法来建模需求:使用离散的不确定性集,使用多面体的不确定性集,并使用每商品拟合零膨胀均匀分布的平均值。虽然前两个模型被用作鲁棒优化设置的一部分,但最后一个模型表示简单的随机最优化设置。我们比较这些方法的效率前沿的真实世界的数据取自在线图书馆SNDlib,并观察到,相反,目前的研究趋势,强大的优化使用多面体的不确定性集可能会导致不太有效解。
2019-01-11 math.OC
Structural and Solution Analysis for the Ordered Weber Problem under Spatial Uncertainty
Institute of Mathematics (IMAG), Universidad de Granada(格拉纳达大学数学研究所(IMAG))
本文提出单设施连续选址的一般分析框架,用概率测度表示需求不确定性并利用有序加权平均算子聚合期望距离,证明了模型性质并开发了收敛的自适应样本平均近似方案。
2025-11-04 math.OC
Optimal Inflow Control for Transport Equations with Uncertain Velocities and Demand
University of Mannheim(曼海姆大学)
该研究针对受时变下游需求和输运速度不确定性影响的线性输运方程,推导了最优流入控制,分析了误差分解、平均速度代理的性能界及最优控制的稳定性,数值实验验证了相关结果。
2026-09-02 math.OC
Energy transition under scenario uncertainty: a mean-field game of stopping with common noise
本研究通过带共同噪声的停时平均场博弈理论,分析碳价和电力需求情景不确定性对电力行业脱碳速度的影响,证明纳什均衡存在性,并基于英国市场实例表明不确定性显著改变传统发电被可再生能源替代的速度。
2023-12-27 math.OC
Revitalizing Public Transit in Low Ridership Areas: An Exploration of On-Demand Multimodal Transit Systems
针对低客流地区传统公交设计的困境,本研究提出按需多模式交通系统(ODMTS),用按需共享班车替代低客流线路并接驳固定路线,并在奥斯汀利用POLARIS平台仿真验证了其有效性。
2023-08-02 math.OC
Navigating Demand Uncertainty in Container Shipping: Deep Reinforcement Learning for Enabling Adaptive and Feasible Master Stowage Planning
IT University of Copenhagen, Denmark(丹麦哥本哈根IT大学);HEC Montréal, Qc, Canada(加拿大魁北克省蒙特利尔高等商学院);GERAD, Qc, Canada(加拿大魁北克省GERAD);Mila - Quebec AI Institute, Qc, Canada(加拿大魁北克省Mila-魁北克人工智能研究所)
本文通过深度强化学习框架解决主装货计划中的状态依赖约束问题,提升在需求不确定性和操作约束下的适应性和可行性。
2026-11-09 cs.LG math.OC
Robust Continuous-Time Generation Scheduling under Power Demand Uncertainty: An Affine Decision Rule Approach
针对需求不确定性下发电调度无法确保供需连续平衡的问题,提出基于仿射决策规则的连续时间鲁棒发电调度模型,可转化为有限维线性规划求解,且具有非预测性和实用性。
2025-04-01 cs.SY eess.SY math.OC
Hydrogen Network Expansion Planning considering the Chicken-and-egg Dilemma and Market Uncertainty
针对氢能供需互锁困境与早期市场需求分布难测问题,提出决策依赖型分布鲁棒网络扩展规划框架及定制列与约束生成算法,并用HEAVENN真实案例验证其投资启示。
2025-01-08 math.OC
AI2STOW: End-to-End Deep Reinforcement Learning to Construct Master Stowage Plans under Demand Uncertainty
IT University of Copenhagen(哥本哈根信息技术大学)
本文提出AI2STOW,一种结合可行性投影和动作掩码的端到端深度强化学习模型,用于在需求不确定性下求解集装箱船主积载计划问题,并在目标性能和计算效率上优于强化学习和随机规划基线方法。
2025-04-06 cs.AI cs.LG math.OC
Bilevel Optimization for On-Demand Multimodal Transit Systems
本研究探讨了按需多式联运系统(ODMTS)的设计,其中包括分段模式切换模型,决定潜在的乘客是否采用新的ODMTS或留在他们的个人车辆。其动机是,随着服务质量的提高,过境机构希望在设计其网络时考虑到现有和潜在的需求。本文提出了一种双层优化的领导者问题设计的网络和每个车手有一个追随者的问题,以确定她的最佳路线通过ODMTS。二层模型的求解是通过一个分解算法,结合传统的Benders切割与组合切割,以确保领导者和追随者问题的模式选择的一致性。该方法进行评估的案例研究,使用历史数据从密歇根州安阿伯市,和用户选择模型的基础上的收入水平的潜在的过境乘客。
2019-12-05 math.OC
Robust Path Recommendations During Public Transit Disruptions Under Demand Uncertainty
针对公共交通中断时的乘客路径引导需求,本文提出考虑需求不确定性的鲁棒路径推荐模型,通过仿真近似与鲁棒优化求解,在CTA真实场景中有效降低系统及事故线路乘客出行时间,最坏需求场景下提升更明显。
2025-05-17 cs.SY eess.SY math.OC
Incentivizing Reliable Demand Response with Customers' Uncertainties and Capacity Planning
将可再生能源纳入电网的主要问题之一是它们带来的不确定性和可变性增加。如果这种不确定性得不到充分解决,将限制可再生能源向电网的进一步渗透,甚至导致停电。与能量存储相比,需求响应(DR)具有以具有成本效益和环境友好的方式向负荷服务实体(LSE)提供储备的优势。当电网遇到诸如供需不匹配等意外情况时,DR程序通过改变客户的负载来工作。客户端和LSE端的不一致性使得设计DR算法成为一项重大挑战。本文的主要贡献如下:(i)提出了基于离线解最优结构的DR控制策略。(ii)一个分布式算法的开发,以实现控制策略,没有效率损失。(iii)我们还通过在承诺水平上允许灵活性,提供了一种强化的政策设计。(iv)我们进行了真实世界的跟踪基于数值模拟,表明所提出的算法可以实现接近最优的社会成本。详细信息可以在我们的扩展版本中找到。
2017-05-11 math.OC
Distributionally Robust Resource Planning Under Binomial Demand Intakes
在本文中,我们考虑一个分布式鲁棒资源规划模型的启发,现实世界的服务业问题。在这个问题中,存在已知需求和不确定未来需求的混合。在充分了解需求之前,我们必须决定在计划范围内每天计划完成多少工作。任何在到期日未完成的工作都会产生成本,并在第二天到期。我们提出了两个分布鲁棒优化(DRO)模型,这个问题。第一个是一个非参数模型,具有基于φ散度的模糊度集。第二种是参数模型,我们把每天到期的不确定工作数量作为一个具有未知成功概率的二项式随机变量。我们重新制定的参数模型作为一个混合整数规划,并发现它的规模与模糊性和不确定性集的大小不佳。因此,我们利用二项分布的理论性质,推导出基于降维的快速算法。一个是基于切割表面算法中常见的DRO文献。另一个是对未来需求的不确定性集合的一小部分进行操作。我们进行了广泛的计算实验,以建立我们的算法的性能。我们比较了参数和非参数模型的决策,以评估包括二项式信息的好处。
2022-07-06 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
A Convex Reformulation of the Robust Freeway Network Control Problem with Controlled Merging Junctions
在高速公路网络控制(FNC)问题中,交通网络的运行优化只使用流量控制。对于FNC问题的特殊情况,特别是当所有的合并流被控制时,存在相应的最优化问题的紧凸松弛。然而,模型的不确定性,特别是关于未来交通需求的基本图和预测,在实践中可能是一个问题。这种不确定性对追求基于模型和优化策略的控制方法提出了挑战。在这项工作中,我们提出了一个强大的对应FNC问题,在那里我们引入不确定性集的基本图和未来,外部交通需求,并寻求优化系统运行,最大限度地减少最坏情况下的成本。对于一个网络与控制合并的交界处,并假设某些技术条件的不确定性集得到满足,我们表明,强大的FNC问题的对应可以减少到一个凸的,有限维的和确定性的最优化问题,其数值解是易处理的。
2018-03-29 math.OC
Robust Dynamic Edge Service Placement Under Spatio-Temporal Correlated Demand Uncertainty
本文提出一种两阶段多周期鲁棒模型,通过动态服务放置和利用需求时空相关性优化边缘服务放置与工作负载分配,以最小化运营成本并保证服务质量,并设计了基于分解的迭代方法确保有限收敛至最优解。
2024-12-20 cs.SY eess.SY math.OC
Resiliency of On-Demand Multimodal Transit Systems During a Pandemic
于2019冠状病毒病疫情期间,公共交通乘客量大幅减少,导致票价收入大幅减少,导致出现重大预算赤字。此外,公共交通机构正面临着由于社交距离要求而导致的车辆容量减少、清洁和防护设备的额外成本以及车辆清洁的停机时间增加的挑战。由于这些资源和预算的限制,许多运输机构已经采取了减少服务时间、路线数量或频率的基本服务计划。本文研究了按需多式联运系统(ODMTS)大流行期间的弹性,ODMTS是新一代的交通系统,它将高频列车和公交车网络与按需班车相结合,以服务于第一和最后一英里,并作为固定网络的馈线。它介绍了亚特兰大市的案例研究,并评估了ODMTS的需求下降和社会距离代表流行病的各个阶段的多种情况。该案例研究依赖于一个优化管道,该管道通过汇集需求估计、网络设计、车队规模和实时调度的方法,提供端到端的ODMTS解决方案。这些方法适用于在多模态环境中工作并满足实际约束。特别是,限制乘客换乘的数量,并引入了一个新的网络设计模型,以避免计算负担来自这个约束。从大都会亚特兰大快速交通管理局(MARTA)的真实数据被用来进行案例研究,并与高保真仿真的结果进行评估。该案例研究演示了ODMTS如何在成本、便利性和可访问性方面为各种场景提供弹性解决方案。
2021-09-30 math.OC
Planning Skip-Stop Transit Service under Heterogeneous Demands
在跳站服务下运行的过境车辆只访问位于走廊沿线的一部分站。这是一种通常用于提高车辆速度和减少乘客出行时间的策略。本文建立了一个连续逼近模型,对一种称为AB型服务的跳停服务形式进行了优化设计。该模型占空间异构的需求模式。一个有效的启发式开发,以获得解决方案。这些被证明是接近最佳的各种数值例子。结果还表明,最佳AB型设计优于优化的一站式服务在各种情况下。AB型服务被认为是特别有竞争力的旅行需求高,行程起源沿走廊分布不均匀,和顾客有相对较高的时间价值。在这些情况下,AB型服务被发现减少系统成本高达8%。
2020-12-12 math.OC
Resource Distribution Under Spatiotemporal Uncertainty of Disease Spread: Stochastic versus Robust Approaches
我们认为,在疾病传播和资源需求的时空不确定性下,配送中心(DC)的位置和计划分配资源,如测试试剂盒和疫苗的优化问题。我们的目标是平衡运营成本(包括部署设施、运输和存储的成本)和服务质量(由需求覆盖率反映),同时确保资源在多个人群中分配的公平和公正。我们比较了基于样本的随机规划(SP)的方法与分布鲁棒优化(DRO)的方法,使用基于矩的模糊集。我们对在美国分发COVID-19疫苗和测试试剂盒的实例进行了数值研究,以将SP和DRO模型与使用估计需求的确定性公式以及美国目前实施的资源分配计划进行比较。我们展示了不同阶段的流行病的结果,以估计成本和速度的资源分配取决于规模和覆盖范围,并显示“需求驱动”的属性的SP和DRO解决方案。我们的研究结果进一步表明,如果最坏的情况下未满足的需求是优先考虑的,那么DRO方法是首选,尽管其较高的整体成本。尽管如此,SP方法可以在预算限制下提供一个中间计划,而不会在需求覆盖方面做出重大妥协。
2022-07-16 cs.SY eess.SY math.OC
Transfer-Expanded Graphs for On-Demand Multimodal Transit Systems
本文研究了按需多式联运系统(ODMTS)的网络设计问题。ODMTS由一系列由高频巴士服务的枢纽组成,乘客通过按需穿梭巴士连接到枢纽,这些穿梭巴士服务于第一英里和最后一英里。本文概括了以前的工作,包括三个额外的要素,在实践中是至关重要的。首先,在整个网络中允许不同的频率。第二,其他过境方式(例如,铁路)。第三,限制每位乘客的换乘次数。添加一个约束来限制传输的数量对现有的Benders分解方法有显着的负面影响,因为它在子问题中引入了非凸性。相反,本文通过转移扩展图来实施限制,即,分层图,其中每一层对应于一定数量的传输。现实世界的案例研究,广义ODMTS设计问题解决了亚特兰大市。结果表明,利用问题的结构,通过转移扩展图的结果在显着的计算改进。
2019-12-04 math.OC
Demand-Adaptive Route Planning and Scheduling for Urban Hub-based High-Capacity Mobility-on-Demand Services
在这项研究中,我们提出了一个三阶段的框架,规划和调度高容量的移动按需服务(例如,微观交通和灵活的交通)在城市活动中心。所提出的框架包括(1)路线生成步骤,从活动中心与现有的交通系统的连接,和(2)鲁棒的路线调度步骤,确定车辆分配和路线车头时距下的需求不确定性。高效的精确和启发式算法的开发,以确定最小数量的路线,最大限度地提高乘客的覆盖率,并提出了一个匹配的计划,结合路线,从枢纽到往返最佳。利用生成的路径,鲁棒路径调度问题被表示为一个两阶段鲁棒最优化问题。引入模型重构将鲁棒最优化问题求解为全局最优值。在这方面,拟议的框架提出了算法和分析解,用于开发基于枢纽的公交服务,以应对短时间内不断变化的乘客需求。为了验证所提出的框架的有效性,全面的数值实验进行规划HHMoD服务在纽约市肯尼迪机场(NYC)。结果表明,所提出的路由生成算法的优越性能,以最大限度地提高城市范围内的覆盖更有效。研究结果还表明,在正常需求条件下,对最坏情况下面向实现乘客需求的鲁棒路线计划的成本效益。
2020-08-25 math.OC
Multiple Independent DE Optimizations to Tackle Uncertainty and Variability in Demand in Inventory Management
Alliance University(联盟大学);Business School(商学院);School of Applied mathematics(应用数学学院)
针对随机需求下的库存成本优化问题,论文结合连续盘点、MCS与LHS调参,比较多种元启发式算法,并提出融合多次独立DE优化结果的方法。
2023-10-09 cs.LG cs.NE math.OC
Robust Newsvendor Games with Ambiguity in Demand Distributions
我们研究了由于需求分布的不确定性而导致支付函数不确定的报童博弈。我们讨论了不确定性下的稳定性的概念,并介绍了鲁棒合作对策,可以应用到这些报童游戏的解决方案的概念。给出了鲁棒报童对策核心解的性质和数值计算方法。
2016-01-28 cs.GT math.OC
Robust Multicovers with Budgeted Uncertainty
本文提出的Min- $q$ -Multiset Multicover问题是Multiset Multicover问题的一种特殊形式。对于固定的正整数$q$,给出了有限基集$J$、$J$中每个元素的积分要求以及$J$的子集的集合.任务是选择集合的集合(允许多个选择),以使$J$中的每个元素至少被覆盖元素需求指定的次数。与多集多覆盖相反,在Min- $q$ -多集多覆盖中,每个所选子集最多只能覆盖其元素的$q$,允许多个选择。我们的主要重点是一个强大的版本的最小- $q$ -Multiset Multicover,称为鲁棒的最小- $q$ -Multiset Multicover,其中的需求,每个元素在$J$可能会在一个给定的时间间隔内与一个额外的预算约束约束的总和的需求。同样,任务是找到一个子集的选择,这是可行的所有容许的需求。我们表明,非鲁棒版本是NP-完全的$q$大于2,而强大的版本是强NP-困难的任何积极的$q$。此外,我们提出了两个解决方案的基础上产生的约束,并研究相应的分离问题。我们目前的计算结果,使用随机生成的实例,以及从定位急诊医生的问题出现的实例。
2018-12-13 math.CO math.OC
Flexibility Characterization of Sustainable Power Systems in Demand Space: A Data-Driven Inverse Optimization Approach
针对现有电力系统灵活性表征方法难可视化多不确定参数可行域、忽略风光与负荷空间耦合的问题,提出需求空间下的数据驱动逆优化框架,用多面体集捕捉空间相关性,投影不确定性到可负荷性集,通过线性优化推断系统灵活性充足性。
2022-12-12 cs.SY eess.SY math.OC
An Uncertainty-Aware Data-Driven Predictive Controller for Hybrid Power Plants
本文提出不确定性感知的子空间预测控制器,用于协调含4 MW风电、光伏和同址储能的混合电厂,在天气不确定性下跟踪真实电力需求并预测HPP性能。
2025-02-18 cs.CE cs.SY eess.SY
Effects of Demand Variation on Optimal Automated Demand Responsive Feeder Transit System Operation in Rural Areas
改善可达性是农村和郊区交通的主要问题之一。随着自动化车辆的最新技术改进,预计自动化需求响应交通和自动化需求响应支线交通可能成为改善农村地区流动性的选择。最优自动化需求响应支线公交运营的主要关注点之一是乘客需求的变化。显然,乘客需求的变化会改变最佳运营,并将导致不同的乘客旅行时间和车辆运营成本。本文使用的最优馈线总线路由算法以前开发的作者。在此基础上,以实例网络为基础,对固定车队规模的各种乘客需求的影响进行了评估,以获得最优的自动化需求响应支线公交运营。结果表明,随着需求的增加,车辆的最大平均使用能力也会随着需求的增加而增加。此外,当需求上升时,公共交通服务变得更加迂回,使乘客成本/人和总成本/人增加,服务变得不那么有效,虽然运营成本/乘客下降。
2019-04-09 math.OC physics.soc-ph