隨機需求下的風(fēng)險規(guī)避型閉環(huán)物流網(wǎng)絡(luò)設(shè)計優(yōu)化模型與算法研究
發(fā)布時間:2021-01-26 12:59
隨著社會及經(jīng)濟的不斷發(fā)展,人類對資源及商品的需求與日俱增,且多樣化、個性化趨勢愈發(fā)明顯?萍嫉倪M步在滿足社會需求的同時使得商品的更新?lián)Q代速度越來越快。產(chǎn)品生命周期的縮短加速了廢棄品的產(chǎn)生,而且,借助于業(yè)已高度發(fā)達的電商產(chǎn)業(yè),產(chǎn)品退換貨需求與日俱增。對于此類產(chǎn)品若處理不當,將對環(huán)境造成難以估量的損害。與此同時,愈發(fā)嚴峻的霧霾、水污染等環(huán)境問題促使企業(yè)在追求發(fā)展的同時關(guān)注更多的可持續(xù)發(fā)展模式,這給企業(yè)帶來巨大機遇的同時也提出了嚴峻挑戰(zhàn)。在此背景下,以減少廢棄物排放、促進物流可持續(xù)發(fā)展為基本目標的閉環(huán)物流網(wǎng)絡(luò)模式應(yīng)運而生。在閉環(huán)物流中,除傳統(tǒng)的正向物流產(chǎn)品配送外,還包括對于各種退換產(chǎn)品的回收處理。由于外部環(huán)境,特別是市場需求(包括正向市場需求和逆向回收需求)的不確定性,使得本就更加復(fù)雜的閉環(huán)物流系統(tǒng)如何降低其運作成本、提高物流效率、增強其環(huán)境友好性成為企業(yè)面臨的一大難題。也就是說,如何提高閉環(huán)物流系統(tǒng)在不確定需求下的可行性和可靠性是目前仍亟待解決的問題。為此,本文從隨機需求下的閉環(huán)物流網(wǎng)絡(luò)設(shè)計入手,以閉環(huán)設(shè)施選址、庫存策略規(guī)劃以及配送取貨路徑規(guī)劃為基本內(nèi)容,綜合運用綠色供應(yīng)鏈理論、最優(yōu)化理論...
【文章來源】:武漢科技大學(xué)湖北省
【文章頁數(shù)】:174 頁
【學(xué)位級別】:博士
【部分圖文】:
014-2018年天貓“雙十一”交易額、包裹量與退貨率統(tǒng)計
武漢科技大學(xué)博士學(xué)位論文41些客戶需求頻率并不高,但其單位價值遠高于平均水平,VaR顯然無法準確預(yù)估此類需求下的風(fēng)險值。關(guān)于VaR的缺點,Uryasev和Rockafellar[165]給出了更加詳細的分析和討論。為克服VaR的這一缺陷,以保證風(fēng)險度量結(jié)果在不確定環(huán)境下更加準確,文獻[30,165]提出了條件風(fēng)險值CVaR。圖3.2VaR與CVaR示意圖定義3.2(條件風(fēng)險值,ConditionalValueatRisk,CVaR)對于具有連續(xù)分布函數(shù)的隨機變量而言,CVaRα(X)等于的條件期望,且受≥()所限制。具體地,隨機變量在置信水平∈[0,1)下的CVaR是廣義α尾分布的均值,()=∫()∞∞,(3-4)其中,()={0<()()1≥()由上述定義可知,在一般情況下,CVaRα(X)≥VaRα(X)。對于一般分布而言,為計算CVaRα(X),可能需要將原概率分布加以分解。例如,當通過場景來構(gòu)建概率分布時,可以通過平均一定數(shù)量的場景來獲得CVaR。具體地,定義CVaRα+(X)為“upperCVaR”,其表示在>()下的條件期望:
圖3.3分區(qū)相關(guān)的RLTMcCormick封包
本文編號:3001156
【文章來源】:武漢科技大學(xué)湖北省
【文章頁數(shù)】:174 頁
【學(xué)位級別】:博士
【部分圖文】:
014-2018年天貓“雙十一”交易額、包裹量與退貨率統(tǒng)計
武漢科技大學(xué)博士學(xué)位論文41些客戶需求頻率并不高,但其單位價值遠高于平均水平,VaR顯然無法準確預(yù)估此類需求下的風(fēng)險值。關(guān)于VaR的缺點,Uryasev和Rockafellar[165]給出了更加詳細的分析和討論。為克服VaR的這一缺陷,以保證風(fēng)險度量結(jié)果在不確定環(huán)境下更加準確,文獻[30,165]提出了條件風(fēng)險值CVaR。圖3.2VaR與CVaR示意圖定義3.2(條件風(fēng)險值,ConditionalValueatRisk,CVaR)對于具有連續(xù)分布函數(shù)的隨機變量而言,CVaRα(X)等于的條件期望,且受≥()所限制。具體地,隨機變量在置信水平∈[0,1)下的CVaR是廣義α尾分布的均值,()=∫()∞∞,(3-4)其中,()={0<()()1≥()由上述定義可知,在一般情況下,CVaRα(X)≥VaRα(X)。對于一般分布而言,為計算CVaRα(X),可能需要將原概率分布加以分解。例如,當通過場景來構(gòu)建概率分布時,可以通過平均一定數(shù)量的場景來獲得CVaR。具體地,定義CVaRα+(X)為“upperCVaR”,其表示在>()下的條件期望:
圖3.3分區(qū)相關(guān)的RLTMcCormick封包
本文編號:3001156
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3001156.html
最近更新
教材專著