The main difficulty of a logistic m

The main difficulty of a logistic management problem is in the face of uncertainty about the future. Since many logistic models encounter uncertainty and noisy data in which variables or parameters have the probability of occurrence, a highly promising technique of solving stochastic optimization problems is the robust programming proposed by Mulvey et al. (Operations Research 43(2) (1995a) 264–281) and Mulvey and Ruszczynski (Operations Research 43 (3) (1995b) 477–490). However, heavy computational burden has prevented wider applications in practice. In this study, we reformulate a stochastic management problem as a highly efficient robust optimization model capable of generating solutions that are progressively less sensitive to the data in the scenario set. The method proposed herein to transform a robust model into a linear program only requires adding n+m variables (where n and m are the number of scenarios and total control constraints, respectively). Whereas, the current robust programming methods proposed by Mulvey et al., Mulvey and Ruszczynski and Bai et al. (Management Science 43 (7)(1997) 895–907) require adding 2n+2m. Two logistic examples, logistic management problems involving a wine company and an airline company, demonstrate the computational efficiency of the proposed model.

ผลลัพธ์ (ไทย) 1:

ปัญหาหลักของปัญหาการจัดการโลจิสติกเป็นหน้าความไม่แน่นอนเกี่ยวกับอนาคต เนื่องจากแบบจำลอง logistic หลายพบความไม่แน่นอนและเสียงดังข้อมูลที่ตัวแปรหรือพารามิเตอร์มีความน่าเป็นของเหตุการณ์ เทคนิคคำสัญญาของการแก้ปัญหาแบบเฟ้นสุ่มเพิ่มประสิทธิภาพจะเขียนโปรแกรมที่สมบูรณ์ที่เสนอ โดย al. et Mulvey (การวิจัยดำเนินการ 43(2) (1995a) 264-281) และ Mulvey และ Ruszczynski (การวิจัยดำเนินการ 43 (3) (1995b) 477-490) อย่างไรก็ตาม คำนวณภาระหนักได้ป้องกันโปรแกรมประยุกต์ที่กว้างในทางปฏิบัติ ในการศึกษานี้ เรา reformulate สโทแคสติกการจัดการปัญหาเป็นแบบประสิทธิภาพสูงสุดแข็งแกร่งมีประสิทธิภาพสูงสามารถสร้างโซลูชั่นที่มีความก้าวหน้าน้อยสำคัญข้อมูลในสถานการณ์ วิธีการนำเสนอนี้เพื่อแปลงแบบจำลองแข็งแกร่งเป็นโปรแกรมเชิงเส้นเท่านั้นจำเป็นต้องเพิ่มตัวแปร n + m (ที่ n และ m เป็นจำนวนสถานการณ์และข้อจำกัดการควบคุมทั้งหมด ตามลำดับ) ในขณะที่ วิธีการเขียนโปรแกรมมีประสิทธิภาพปัจจุบันเสนอ โดย Mulvey et al., Mulvey และ Ruszczynski และ al. et ไบ (43 วิทยาศาสตร์การจัดการ (7)(1997) 895 – 907) ต้องเพิ่ม 2n + 2 เมตร สองตัวอย่างโลจิสติก โลจิสติกการจัดการปัญหาที่เกี่ยวข้องกับบริษัทไวน์และเป็นสายการบิน สาธิตประสิทธิภาพการคำนวณของแบบจำลองที่นำเสนอ

ผลลัพธ์ (ไทย) 2:

ปัญหาหลักของการจัดการโลจิสติกปัญหาคือในหน้าของความไม่แน่นอนเกี่ยวกับอนาคต โลจิสติกตั้งแต่รุ่นหลายพบความไม่แน่นอนและข้อมูลที่มีเสียงดังซึ่งตัวแปรหรือพารามิเตอร์ที่มีความน่าจะเป็นของการเกิดเป็นเทคนิคที่มีแนวโน้มสูงของการแก้ปัญหาการเพิ่มประสิทธิภาพสุ่มเป็นโปรแกรมที่มีประสิทธิภาพที่เสนอโดย Mulvey et al, (ปฏิบัติการวิจัย 43 (2) (1995a) 264-281) และ Mulvey และ Ruszczynski (ปฏิบัติการวิจัย 43 (3) (1995b) 477-490) อย่างไรก็ตามการคำนวณภาระหนักได้ทำให้การใช้งานที่กว้างขึ้นในทางปฏิบัติ ในการศึกษานี้เรากำหนดใหม่เป็นปัญหาการจัดการสุ่มเป็นรูปแบบการเพิ่มประสิทธิภาพที่มีประสิทธิภาพสูงที่มีประสิทธิภาพในการสร้างความสามารถในการแก้ปัญหาที่มีความก้าวหน้ามีความสำคัญน้อยกว่าข้อมูลในสถานการณ์ที่กำหนด วิธีที่เสนอไว้ในที่นี้จะเปลี่ยนรูปแบบที่แข็งแกร่งเป็นโปรแกรมเชิงเส้นเพียง แต่ต้องเพิ่มตัวแปร n + m (ที่ n และ m เป็นจำนวนสถานการณ์และข้อ จำกัด การควบคุมรวมตามลำดับ) ด้วย ในขณะที่วิธีการเขียนโปรแกรมในปัจจุบันที่แข็งแกร่งที่เสนอโดย Mulvey et al., Mulvey และ Ruszczynski และตากใบ et al, (วิทยาการจัดการ 43 (7) (1997) 895-907) ต้องเพิ่ม 2n + 2 เมตร สองตัวอย่างโลจิสติก, การจัดการโลจิสติกปัญหาที่เกี่ยวข้องกับ บริษัท ไวน์และ บริษัท สายการบินที่แสดงให้เห็นถึงประสิทธิภาพในการคำนวณของรูปแบบที่นำเสนอ

ผลลัพธ์ (ไทย) 3:

ปัญหาหลักของปัญหาการจัดการโลจิสติกในหน้าของความไม่แน่นอนเกี่ยวกับอนาคต เนื่องจากโมเดลโลจิสติกหลายเผชิญความไม่แน่นอนและข้อมูลในตัวแปรหรือพารามิเตอร์ดังซึ่งมีความน่าจะเป็นของการเกิด เทคนิคมีแนวโน้มสูงแก้ปัญหาการเพิ่มประสิทธิภาพเป็นโปรแกรมที่เสนอโดยสุ่ม ( มัลวีย์ et al .การวิจัยการดำเนินงาน 43 ( 2 ) ( 1995a ) 264 ( 281 ) และมัลวีย์ ruszczynski และการวิจัยการดำเนินงาน 43 ( 3 ) ( 1995b ) หรือ ( 490 ) อย่างไรก็ตาม ภาระหนักป้องกันการใช้งานที่กว้างขึ้นในเชิงปฏิบัติ ในการศึกษานี้เรา reformulate ปัญหาการจัดการ Stochastic เป็นที่มีประสิทธิภาพสูงเสถียรภาพเพิ่มประสิทธิภาพรุ่นที่มีความสามารถในการสร้างโซลูชั่นที่ก้าวหน้าน้อยไวต่อข้อมูลในสถานการณ์ที่กำหนด วิธีที่เสนอนี้เพื่อแปลงรูปแบบแข็งแกร่งเป็นโปรแกรมเชิงเส้นเดียวต้องเพิ่ม n m ตัวแปร ( ที่ n และ m เป็นจำนวนของสถานการณ์และปัญหาการควบคุมทั้งหมดตามลำดับ )ส่วนกระแสที่แข็งแกร่งโปรแกรมวิธีที่เสนอโดยมัลวีย์ et al . , และใบ ruszczynski มัลวีย์และ et al . ( การจัดการวิทยาศาสตร์ 43 ( 7 ) ( 1997 ) 895 – 862 ) ต้องเพิ่ม 2n 2 โดยตัวอย่างโลจิสติก , การจัดการปัญหาที่เกี่ยวข้องกับ บริษัท ไวน์ และบริษัทสายการบิน แสดงให้เห็นถึงประสิทธิภาพในการคำนวณของแบบจำลอง