Harnessing Flexible and Reliable Demand Response Under Customer Uncertainties
需求响应(DR)是一种具有成本效益和环境友好的方法,通过利用客户需求的灵活性来减轻可再生能源整合中的不确定性。然而,现有的DR计划遭受低参与由于严格的承诺要求或不可靠的自愿计划。此外,能量存储/储备的容量规划传统上与需求响应程序设计分开进行,这导致效率低下。此外,客户往往面临着很高的不确定性,他们的成本在提供需求响应,这是没有很好的研究文献。本文首先通过一个随机最优化问题对联合容量规划和需求响应程序设计问题进行建模,该问题综合考虑了可再生能源发电、客户电力需求以及客户提供DR的成本等不确定性因素。一个分布式的算法,然后开发实现控制策略,而没有效率损失。我们还通过在承诺水平上允许灵活性,提供更好的政策设计。我们进行基于真实世界轨迹的数值模拟。结果表明,所提出的算法可以实现接近最优的社会成本,并显着的社会成本节省相比,基线方法。
2017-05-09 math.OC
Routes planning in a condominium company using mathematical optimization
Coimbra Business School - ISCAC(科英布拉商学院 - ISCAC);Polytechnic University of Coimbra, Portugal(葡萄牙科英布拉理工学院);Center for Mathematical Studies (CEMS.UL)(数学研究中心 (CEMS.UL));University of Lisbon, Portugal(葡萄牙里斯本大学);Centre for Organisational and Social Studies (CEOS.PP)(组织与社会研究中心 (CEOS.PP));Technical University of Porto, Portugal(葡萄牙波尔图理工大学)
本研究针对公寓管理公司员工的日常路线规划问题,提出基于数学优化的双开放路线模型,结合Azure API与Bing Maps实现,可最小化总路线距离并扩展至其他服务公司。
2026-10-14 cs.DM math.OC
Optimal Stochastic Package Delivery Planning with Deadline: A Cardinality Minimization in Routing
Nanyang Technological University(南洋理工大学);Singapore Institute of Manufacturing Technology (SIMTech)(新加坡制造技术研究院);A*STAR(新加坡科技研究局)
为解决供应商从一个仓库到多个客户的包裹配送问题,提出了一种带有私人车队和公共承运人的车辆路径问题。大多数现有的VRPPC工程考虑确定性参数,这可能是不实际的,不确定性必须考虑在内。在本文中,我们提出了最优随机交货计划与截止日期(ODPD),以帮助供应商计划和优化的包裹交付。ODPD的目标是在给定的期限内为所有客户提供服务,同时考虑客户需求和旅行时间的随机性。我们制定的ODPD作为一个随机整数规划,并使用基数最小化的方法来计算最后期限违反概率。为了加快计算速度,采用了L型分解方法。我们根据Google地图上的真实客户位置和旅行时间进行广泛的性能评估。
2018-02-28 cs.AI math.OC
Effects of forecast errors on optimal utilisation in aggregate production planning with stochastic customer demand
生产计划的层次结构具有将不同的决策变量分配给它们各自的时间范围的优点,因此确保它们的一致性。然而,这种自上而下的方法的限制性结构意味着上层决策是对下层决策的约束,也有其缺点。一个问题是,确定性的混合整数判定问题经常用于长期规划,但实际的生产系统面临着一组随机的影响。因此,一个计划的利用率必须包括到这个确定性的总体规划问题。在实践中,这一决定往往是基于过去的数据,而不是有意识地采取。在本文中,长期预测误差的最佳计划利用系数的影响进行评估的生产系统面临的随机需求和利用这一决策的潜力的好处进行了讨论。针对不同的多阶段、多品种生产系统结构,通过仿真确定了包括产能、缺货和库存成本在内的总成本。结果表明,在总计划问题中使用的计划利用率对最优成本有很大的影响。此外,预测误差的负面影响进行了评估,并详细讨论了不同的生产系统环境。
2018-12-03 math.OC q-fin.GN
Addressing the Time-Varying Dynamic Probabilistic Reserve Sizing Method on Generation and Transmission Investment Planning Decisions
在本文中,我们解决了长期系统的需求储备规模由于高层次的可变可再生能源(VRE)的渗透,内部的扩展规划模型。增加这种能源的插入也将带来储备需求的增加。所需经费增加将使系统的费用增加,因为系统操作员需要分配发电机作为备用。VRE来源隐含地导致了这些成本,因此除了投资成本之外,扩展规划模型还应该在扩展决策过程中考虑这些成本。这里提出的方法的目的是提供一个概率和动态评估的预测误差的VRE源生成,这些错误转化为系统的需求储备。这种评估是在扩张计划最优化模型中进行的,将准备金要求视为内生变量。最后,一个真实的案例研究,墨西哥的系统,使我们可以分析的方法的结果和考虑准备金要求的影响,随着扩张规划决策。
2019-10-01 math.OC
On-Demand Valet Charging for Electric Vehicles: Economic Equilibrium, Infrastructure Planning and Regulatory Incentives
本文提出按需代客充电商业模式,通过排队网络与经济均衡模型分析代客司机、平台和客户的最优充电站密度差异,并证明对平台征税并投资公共充电设施可抑制垄断、提升社会福利和促进电动汽车普及。
2021-11-09 math.OC
Solving the Probabilistic Profitable Tour Problem on a Tree
本文针对客户位于树上的概率盈利旅行问题,提出了一个$O(n^2)$的多项式时间算法,用于先验选择客户子集以最大化期望利润。
2022-10-21 cs.DS math.OC
Design of Cooperative Processes in a Customer-Supplier Relationship: An Approach Based on Simulation and Decision Theory
在战术规划过程中考虑到客户需求的供应链绩效改进至关重要。客户越来越难以在中期内确保一定的需求水平,因为他们自己的客户要求他们个性化和快速适应。因此,有必要开发方法和决策支持系统,以协调订单和图书流程。在此背景下,本文首先将不确定性下的不确定决策与基于风险管理概念的工业观点联系起来。这作为一个基础的定义的方法的基础上,模拟和决策论,是专门设计的合作过程中的客户-供应商关系。这种方法包括评估,在风险方面,不同的合作进程使用模拟专用工具。评价过程是基于决策论概念和方法的开发。该方法的实施说明了一个典型的航空供应链的学术例子。
2008-10-22 math.OC
Robust Assortment Optimization under a Ranking-based Choice Model with Product Unavailability Effect
分类规划问题是零售业中任何公司收入管理战略的核心部分。本文研究了基于序贯排序选择模型下可替代产品的鲁棒搭配最优化问题。我们的建模方法结合了发现多个不可用的产品对客户的购买决策的累积效应。为了模拟高度不确定的顺序,客户探索的产品购买,我们提出了一个双层优化方法,以最大限度地提高预期收入的最坏情况下的产品在客户的偏好列表。我们提供了一个多项式时间算法,最佳地解决了一个特殊的情况下,我们的选择模型的无约束的分类规划问题。对于一般的约束版本的问题,我们设计了一个解决方案的过程,其中包括一个单级的重新制定和切割平面的方法来迭代收紧的解决方案空间。我们还提供了一个贪婪算法,可以快速解决大的情况下,小的最优差距。
2020-08-29 math.OC
Approximate Resolution of Stochastic Choice-based Discrete Planning
本文提出一个通用建模框架和混合整数线性规划方法,结合分解算法,用于求解随机选择下的离散规划问题,并在约束品类优化和设施选址中证明(近)最优性,且改进了指数选择模型下的现有技术。
2024-09-19 math.OC
Honesty is the Best Policy ... or is it? Demand Management for Probabilistic Service Options
University of Augsburg(奥格斯堡大学);University of the Bundeswehr Munich(慕尼黑联邦国防军大学)
本研究针对概率服务选项的需求管理问题,将其建模为序列决策过程,提出改进的强化学习算法与采样混合整数规划,以动态披露概率信息并权衡个体透明度与总体客户效用。
2026-10-16 cs.LG math.OC
Path Planning for Aerial Relays via Probabilistic Roadmaps
University of Agder(阿格德尔大学)
本文提出了一种基于概率路网的空中中继路径规划框架,通过空间离散化和概率分布优化,解决飞行约束和信道模型的问题,提升路径规划的最优性和计算效率。
2026-02-04 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
Probabilistic assessment of the impact of flexible loads under network tariffs in low voltage distribution networks
The University of Sydney(悉尼大学)
本文提出了一种概率框架,用于设计电价以最小化分布式能源资源对网络性能的影响,稳定电网公司收入并改善网络成本分配的公平性。通过结合自动化家庭能源管理系统减少高峰需求,该框架展示了如何通过非参数贝叶斯模型、热用水统计模型和新型HEMS来调度可控设备,从而降低客户成本并缓解网络约束。
2020-07-17 cs.SY eess.SY math.OC
Optimal Partition for Multi-Type Queueing System
针对异质多类型 FCFS 排队系统,研究服务器划分与概率顾客分配的联合优化,揭示最优分配的几何与连续服务速率结构,并提出高效算法。
2025-01-07 math.OC
Revealed Preference at Scale: Learning Personalized Preferences from Assortment Choices
Cornell University(康奈尔大学);Cornell Tech(康奈尔科技学院)
我们考虑的问题是,通过观察各种各样的产品、广告或其他产品的选择来学习异质群体的偏好。我们的观察模型采取了一种常见的分类规划应用程序的形式:每个到达的客户提供了一个由所有可能的产品的子集组成的分类,我们只观察分类和客户的单一选择。在本文中,我们提出了一个混合选择模型与一个自然的底层低维结构,并展示了如何估计其参数。在我们的模型中,每个客户或细分市场的偏好遵循一个单独的参数选择模型,但这些参数在所有模型的底层结构具有低维。我们表明,核范数正则化的极大似然估计可以学习所有客户的偏好,使用一些观察远小于项目客户组合的数量。这一结果显示了结构假设在加速学习和提高分类规划和定制收入方面的潜力。我们提供了一个专门的因子梯度下降算法,并研究经验的方法的成功。
2016-06-07 cs.LG math.OC stat.ML
A Capacitated Collection-and-Delivery-Point Location Problem with Random Utility Maximizing Customers
本文研究了具有随机效用最大化的顾客的容量化收集与配送点定位问题,提出两种线性改写方法以高效求解,并通过案例研究验证了准确需求建模的重要性。
2025-10-24 math.OC
Planning of Truck Platooning for Road-Network Capacitated Vehicle Routing Problem
本研究首次针对公路网络容量约束车辆路径问题优化卡车编队计划,提出三阶段算法,最小化总运营成本并满足时间窗约束,实验验证了其有效性。
2024-04-21 cs.ET math.OC
Path Planning Problem under non-probabilistic Uncertainty
KU Leuven(鲁汶大学)
本文考虑了非概率不确定性下路径规划问题的理论解,该理论解用于不确定性下的旅行商问题。不确定性是在城市之间的路径上作为流动推销员问题中的节点。在两个节点/站之间存在至少一条路径,其中节点之间的行进时间不是精确已知的。这可能是由于环境影响,如道路上的拥挤(高峰期),电池的充电状态,天气条件,或考虑行驶时的路线安全性。在这项工作中,我们考虑了两种不同的先进的不确定性模型(i)概率精确的不确定性模型:概率分布和(ii)非概率不精确的不确定性模型:区间。我们研究什么样的理论结果可以得到两个不同的最优性标准:最大和最大的流动推销员问题。
2022-12-01 cs.RO math.OC math.PR
A Unified Algorithmic Framework for Dynamic Assortment Optimization under MNL Choice
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);UC Berkeley(加州大学伯克利分校);University of Hong Kong(香港大学)
针对无补货且存在缺货替代的两类动态品类与库存规划问题,提出基于MNL选择模型的统一算法框架,在近似保证、运行时间及不确定性与复杂约束处理上优于现有方法。
2026-11-13 cs.DS math.OC
Managing Relocation and Delay in Container Terminals with Flexible Service Policies
提出了一种新的集装箱码头堆场起重机运行规划模型和数学公式。我们的目标是开发一种工具,捕捉以客户为中心的元素,特别是服务时间,并帮助运营商管理昂贵的搬迁。我们的模型结合了几个实际的细节,为港口运营商提供了扩展的功能,包括计划在非高峰时段重新定位移动,控制每个客户的等待时间以及总服务时间,优化重新定位的数量和等待时间,并同时优化集装箱堆放和检索过程。我们还研究了一类灵活的服务政策,允许无序检索。我们表明,在这种灵活的政策下,我们可以减少搬迁和检索延迟的数量,而不会造成不公平。
2015-03-05 cs.DS math.OC
Predicting the probability distribution of bus travel time to move towards reliable planning of public transport services
Université de Montréal(蒙特利尔大学);Polytechnique Montréal(蒙特利尔综合理工学院)
公共交通服务质量的一个重要方面是其可靠性,其定义为服务属性的不变性。在规划期间采取的预防措施可以减少整个运营过程中的不可靠风险。为了解决服务规划阶段的可靠性问题,一个关键的信息是旅行时间密度的长期预测,它传达了旅行时间的不确定性。我们介绍了一种可靠的方法,在公共交通服务规划的问题之一,即多车场车辆调度问题(MDVSP),它需要作为输入的一组行程和概率密度函数(p.d.f.)。的行程时间,以输出延迟容忍的车辆调度。这项工作经验比较概率模型的预测条件p.d.f.作为迈向可靠MDVSP解决方案的第一步。两种类型的概率模型,即基于相似性的密度估计模型和平滑的Logistic回归的概率分类模型,比较了超过41,000人次和蒙特利尔市的50条公交线路的数据集。绝大多数概率模型的结果优于随机森林模型的结果,后者本身并不是概率性的,因此突出了对条件p.d. f建模的附加值。用概率模型来计算旅行时间。使用$k$最近邻方法和核密度估计的基于相似性的密度估计模型预测了真实条件p.d. f的最佳估计。在这个数据集上。
2021-02-03 cs.LG math.OC
Probabilistic motion planning for non-Euclidean and multi-vehicle problems
George Mason University(乔治梅森大学);Temple University(天普大学)
针对非欧几里得与多车辆问题,本文提出灵活框架证明PRM*、RRT和RRT*算法在非欧几里得设定下保持渐近最优,并保证协作系统的轨迹规划收敛性。
2023-06-28 cs.RO math.MG math.OC
Formal-language-theoretic Optimal Path Planning For Accommodation of Amortized Uncertainties and Dynamic Effects
Department of Mechanical Engineering, The Pennsylvnaia State University, University Park, 16802(机械工程系,宾夕法尼亚州立大学,University Park)
提出基于形式语言定量测度理论的全局最优路径规划方法,通过引入概率不可控转移建模不确定性,并采用无搜索组合优化最大化概率正则语言测度,实现机器人导航中目标到达概率最大化与障碍碰撞概率最小化。
2010-08-23 cs.RO cs.SY eess.SY