基于拉格朗日松弛算法的设施选址模型.docxVIP

基于拉格朗日松弛算法的设施选址模型 没有容量限制和固定费用的经典解决方案只考虑在正常情况下系统的运营成本。 Snyder等 另外, 文献[4, 9]中在研究企业供应链时发现, 考虑设施失效的供应链设计方案能够明显改善节点失效时供应链的设施服务效果.因此, 为了降低系统的配送成本、提高系统的可靠性, 本文提出了考虑设施失效概率的无容量约束且固定费用的可靠性选址 (RLFUF) 模型, 并借鉴拉格朗日松弛算法 1 可靠性布局模型是一种有效的分解模型，不受限制，第三年固定 1.1 模型中所需资源的c.c.n 在RLFUF模型中, 假设所有设施的失效概率预知且与设施位置相关, 在网络设计时应考虑设施失效情况下的选址决策及客户分配问题.与传统的选址模型不同, 每个客户不仅接受距离其最近的设施的服务, 而且被分配的设施数量R≥1, 当R≥1个设施都失效时, 系统中将产生惩罚成本.实际上, 尽管每个客户都分到了R个设施, 但由于设施的兼容性、服务能力及配送成本等因素, 客户主要到其“首选”的分配设施接受服务. 本文模型中各符号的含义如下:i为客户点;I为客户集;|I|为客户集基数;j为候选地址;J为候选地址集;|J|为候选地址集基数;r为设施指派水平;λ 1.2 应急设施服务的概率转换模型 每个客户均被分配到了R个设施, 客户能够且只能够被这些设施服务, 各个设施的失效事件相互独立.当客户接受指派设施的服务时, 如果任意设施满足客户i单位需求的服务成本大于ue788 模型中, 设施以不同的指派水平服务于不同的客户, 且规定:如果设施j以指派水平r服务于客户i, 则当且仅当r=0, 1, …, r-1的服务设施全部失效.在理想情况下, 任一客户i都分配到了R个设施, 除非客户i以指派水平sR接受应急设施服务, 即指派水平为rR的任一服务设施满足客户i单位需求的服务成本大于ue788 RLFUF模型可表示为: 式 (1) 为目标函数, 表示使固定选址成本和设施正常及失效情况下的运输成本之和最小;式 (2) 表示客户i或以指派水平r接受常规设施服务, 或以指派水平s≤r接受应急设施服务;式 (3) 表示客户i不被首先指派给应急设施;式 (4) 表示客户分配到开放设施并接受服务;式 (5) 表示每个客户都必须以一定的分配水平到应急设施接受服务;式 (6) 表示r=0的概率转换关系;式 (7) 表示决策变量为0-1的整数约束;式 (8) 为1≤r≤R的概率转换关系.由式 (2) 可知, 最多有一个k∈j, 以使y 式 (1) ~ (8) 为非线性模型, 引入新变量w 将w 2 基于拉格朗日松弛算法的商业软件求解 小规模线性无容量约束且固定费用的可靠性选址问题可用ILOG CPLEX等商业软件求解, 但随着问题规模的增加, 其求解的时间开销增大, 因此, 本文设计了求解该问题的拉格朗日松弛算法. 2.1 rfuf问题界 如果松弛RLFUF模型的约束为式 (4) , μ 对于给定的 将式 (11) 改写成: 令 则 对于给定的 如果r满足 的取值最小, 则令y 将式 (13) 代入式 (14) , 可以求得RLFUF问题的下界Z 在式 (13) 中, f 2.2 rlfuf问题上界 引理对于RLFUF问题的最优或次优方案 (x, y, p) , 如果y 证明假设RLFUF问题的最优方案 (x, y, p) 使得y 根据前面所得x 系统发生的物流成本为 根据引理求解式 (16) , 则可得到RLFUF问题的上界Z 2.3 算法的基本思想 本文采用次梯度算法, 通过不断调整 给定初始非负的拉格朗日乘子 通过式 (17) 和 (18) 更新 综上所述, 拉格朗日算法的主要步骤如下: (1) 初始化各参数.g=1, 使RLFUF问题最优值的上限Z (2) 求解RLFUF模型, 计算得到RLFUF问题的上限值Z (3) 更新Z (4) 更新步长参数.若连续50次迭代后Z (5) 根据式 (17) 和 (18) 更新拉格朗日乘子. (6) 判断是否达到算法终止条件.如果RLFUF问题最优值的上、下限的偏差 (7) 更新迭代次数.如果g=g+1, 则转到步骤 (2) . 3 设施指纹水平 为了评价本文所提出的算法的性能, 采用3组数据进行测试 (/~lvs2) .算法中, 设施j的失效概率为 其中, D 由表1可见:当需求节点数目不变而设施的指派水平增加时, 系统的物流成本随着其指派水平的增加而降低, 但系统的最优选址数目并不受设施指派水平的影响;由于问题的可行解较多及寻求拉格朗日乘子较困难等原因, 当问题规模变大时, 问题的求解时间明显变长.因此, 相对于客户的重指派水平设置, 设施的失效概率对选址问题的影响较大. 为了进一步评价算法的性能, 本文采