项目名称: 随机运输服务网络设计场景树压缩及应用研究

项目编号: No.71471092

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 管理科学

项目作者: 白瑞斌

作者单位: 宁波诺丁汉大学

项目金额: 60万元

中文摘要: 服务网络设计是运输物流的核心问题,比车辆路径VRP模型更适合建模货物运输的中转、充实等增效策略,因此更适用于解决大规模运输网络优化问题。随着用户对服务质量和可靠性要求的不断提高,随机服务网络设计近年来成为一个研究热点,但国际上目前对于该问题的求解算法还远远达不到实际应用要求。为此,本项目创新性的从随机服务网络设计的场景树(Scenario Tree)入手,研究场景树在服务网络设计应用中的压缩方法,以减少随机规划两个阶段之间的迭代次数来达到提高算法效率的目的。项目拟分别研究动态场景聚类法和演化计算场景分类法,结合以场景类为基础的分割法、整数规划和最新的启发式领域搜索算法,从根本上提高随机网络优化算法性能,并采用国际标准问题集和宁波港内陆集卡运输真实数据加以测试验证。研究将大大提高现有随机服务网络设计算法效率,对国内外相关运输网络问题具有巨大经济价值和环境效益。

中文关键词: 运输服务网络优化;随机规划;智能计算;进化计算;物流运输

英文摘要: .Service network design is one of the core problems in freight logistics. Compared to vehicle routing problem, service network design can readily model freight transfers and consolidation and, therefore, is more suitable for large transportation network optimization. Due to an uncertain environment in which freight transportation operates and reliability requirements from users, stochastic service network design is becoming a focused research area recently. In contrast to the other relevant research which concentrates on optimization algorithms, this project mainly focuses on the scenario tree compression in the context of service network design. In this way, we can reduce the number of iterations between the two stages of stochastic programming. To achieve this, we will investigate both the dynamic scenario clustering methods and evolutionary based scenario classification approaches. These will be combined with decomposition based methods, integer programming approaches and latest meta-heuristics to improve the performance of algorithms for the stochastic service network design. These algorithms will be tested on the well-known international benchmark instances as well as the real world container transportation problem at Ningbo Port. The project will advance the state-of-the-art algorithms for stochastic service network design significantly. It will also significantly benefit relevant practical transportation network design applications both economically and environmentally.

英文关键词: Freight service network design;Stochastic Programming;Computational intelligence;Evolutionary Computation;Transportation Logistics

成为VIP会员查看完整内容
0

相关内容

《华为云金融行业 保险全业务上云解决方案》18页PPT
专知会员服务
15+阅读 · 2022年3月23日
5G无人机应用白皮书,50页PDF
专知会员服务
93+阅读 · 2022年3月20日
基于 5G 通信技术的无人机立体覆盖网络白皮书
专知会员服务
60+阅读 · 2022年3月20日
【博士论文】集群系统中的网络流调度
专知会员服务
42+阅读 · 2021年12月7日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
21+阅读 · 2021年7月31日
专知会员服务
34+阅读 · 2021年5月10日
专知会员服务
36+阅读 · 2020年12月22日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
智慧园区整体建设规划设计方案(附PPT)
智能交通技术
41+阅读 · 2019年4月11日
RCNN算法分析
统计学习与视觉计算组
10+阅读 · 2018年1月12日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
22+阅读 · 2022年3月31日
Arxiv
19+阅读 · 2020年7月13日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
Knowledge Representation Learning: A Quantitative Review
小贴士
相关VIP内容
《华为云金融行业 保险全业务上云解决方案》18页PPT
专知会员服务
15+阅读 · 2022年3月23日
5G无人机应用白皮书,50页PDF
专知会员服务
93+阅读 · 2022年3月20日
基于 5G 通信技术的无人机立体覆盖网络白皮书
专知会员服务
60+阅读 · 2022年3月20日
【博士论文】集群系统中的网络流调度
专知会员服务
42+阅读 · 2021年12月7日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
21+阅读 · 2021年7月31日
专知会员服务
34+阅读 · 2021年5月10日
专知会员服务
36+阅读 · 2020年12月22日
【KDD2020】最小方差采样用于图神经网络的快速训练
专知会员服务
27+阅读 · 2020年7月13日
相关资讯
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
【边缘计算】边缘计算面临的问题
产业智能官
17+阅读 · 2019年5月31日
智慧园区整体建设规划设计方案(附PPT)
智能交通技术
41+阅读 · 2019年4月11日
RCNN算法分析
统计学习与视觉计算组
10+阅读 · 2018年1月12日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员