基于无容量限制的p-枢纽中位问题的随机优化  

Stochastic optimization for uncapacitated p-hub median problems

作　　者：葛伟[1,2] 朱金福[1] 吴薇薇[1] 吴小欢[1] 

机构地区：[1]南京航空航天大学民航学院,南京210016 [2]南京邮电大学经济与管理学院,南京210046

出　　处：《系统工程理论与实践》2013年第10期2674-2678,共5页Systems Engineering-Theory & Practice

基　　金：国家自然科学基金(71201081;71171111);江苏省普通高校研究生创新基金(CX10B-102Z;CXZZ11-0220);南京航空航天大学青年科技创新基金(56Y1082);江苏省博士后科研资助项目(0802041C)

摘　　要：在枢纽网络设计时,未来的成本和需求等参数具有不确定性.为了使设计的网络能在各种情景下具有最优的期望成本,提出了无容量限制的多分配严格p-枢纽中位随机优化模型.考虑到模型本身的结构特点和复杂程度,采用了PH分解算法结合增广拉格朗日松弛算法,将原问题转化为若干个独立子问题来求解.使用了基于经典算例的随机数据集合对模型和算法进行了测试,算例结果表明尤其在情景数量较大的情况下,算法体现出较高的效率.同时,通过随机解价值分析了使用随机优化模型对于该算例的意义.The parameters of hub-and-spoke network design are usually uncertain. In order to get the minimal expectation cost of the network for all scenarios, this paper presents a stochastic uncapacitated strict p-hub median model under the uncertainties of parameters. Based on the model with its high com- plexity, the progressive hedging method combined with the augmented Lagrangian relaxation is introduced to solve the model. This algorithm can divide the primal problem into several subproblems effectively. Fi- nally, a case study based on the classical data sets shows importance of adopting stochastic optimization method solution. the effect of using the combined method, and the by the comparison over the values of stochastic

关 键 词：p-枢纽中位问题 随机优化 PH算法 随机解价值 

分 类 号：F560[经济管理—产业经济]