规划模型（通用12篇）
规划模型 篇1
1 枢纽机场航线网络连接现状
国内民航运输1980年的时候仅有69个民用机场, 到了2013年的时候, 国内民用航空 (颁证) 机场达到183个 (不含港澳台, 下同) 。定期航班的通航机场有180个, 定期航班的通航城市达到178个[1]。同时, 2012年定期航班航线共有2457条, 其中包括2076条国内航线和381条国际航线。全国运输机场运送旅客达到67977.2万人次, 运输货邮达到1199.4万吨。具体从空管角度分析, 国内旅客吞吐量分布情况具体如下:华北区域17.6%, 华东区域29.2%, 西南区域14.9%, 中南区域24.1%, 东北区域6.3%, 西北区域5.4%, 新疆区域2.5%;国内货邮吞吐量具体分布情况如下:华北区域18.1%, 华东区域41.7%, 西南区域9.8%, 中南区域23.4%, 东北区域3.6%, 西北区域2.2%, 新疆区域1.2%[2]。
当前, 国内航线网络已初步形成了以北京首都机场、上海两场、广州白云机场等枢纽机场为中心, 以成都双流机场、昆明长水机场、重庆江北机场等省会或重点城市机场为主干机场, 以及大量支线机场共同支持的结构布局。同时在有些区域表现的是以省会机场为中心, 区域内及周边城市机场为辐射点的轮辐式航线网络, 云南省和新疆维吾尔自治区就是其中最典型代表。
2 航线网络研究中的连通性与通达性区别
在研究和评价航线网络的效率和利用率, 机场的可达与否等, 首先必须区分连通性和通达性的含义。国外研究认为, 连通性被认为是从供给层面来说明一个特定机场如何在航线网络中合理地发挥节点的作用;通达性被认为是从需求层面来研究旅客通过航空运输方式从航线网络的一个节点到另一个节点的可行性和便利性, 以及服务质量的传递和延伸。
连通性模型可以看出一个机场在全球航空运输网络的服务水平, 而通达性模型可以反映出旅客通过航空运输在一个特定节点或者区域的选择机会。具体在研究航线网络时, 通达性研究可以被看做是连通性的延伸和微观分析。文章建立连通性模型, 从宏观角度航线连接的质量和密度来研究国内机场的连通性, 然后按机场分类, 分别论述各级枢纽机场航线网络连通性的评估结果, 并对其作进一步分析和探讨。
3 国内枢纽机场连通性研究
3.1 模型规定
首先, 文章研究的连通性限定在国内机场以及国内航线网络的连通性研究上;然后假定A为计算连通性的机场, L为不同类型的国内机场, 则国内机场ACQI计算模型为:
其中, l指直达机场类型;l'指一次经停的机场类型;fa, l指从机场a到机场l的日航班频次;da, l指连通机场a的直达航线的机场数目;da, l'指连通机场a的直达航线的机场l'数目;wl和wl'分别是对于不同类型的l (直达) 和l' (中转) 机场设定的权重系数;α指对连通性计算的影响程度上, a机场与直达机场, 和a机场与一次经停的机场之间的换算系数;此外, 当机场a与连通的机场之间既有直达航线又有一次经停航线时, 统一当做直达机场来计算。
3.2 机场分类与参数确定
目前, 国内机场布局与经济地理格局基本相互适应。在强调空管因素的基础上, 根据政治、经济和文化综合评定, 将北京、上海两场、广州作为一级枢纽机场, 同时这3个机场也是中国七大管制中心中最大的三个管制中心所在地;其他管制中心所在地分别是东北地区的沈阳, 西北地区的西安, 新疆地区的乌鲁木齐和西南地区的成都, 再加上中南地区吞吐量仅次于北上广的深圳宝安机场, 总共5个二级枢纽机场。其他省会城市作为三级枢纽, 共28个, 其他139个机场作为四级机场。
在参数的计算上, 《从统计看民航》上提供了多项相关数据, 本模型参数值的确定选取最有代表性的吞吐量作为参照和计算的依据。每级枢纽机场权重wl和wl'为该级枢纽机场2011年平均客流量与一级枢纽机场2011年平均客流量的比值, 计算结果如表1所示。
而换算系数α是基于航线服务质量水平 (Quality Service Index, 以下简称QSI) [3]来确定的。QSI最早是航空公司为了通过航线质量来计算市场份额而引入的概念, 航空公司可以通过QSI的变化来预测旅客对该航线的选择机会和满意程度, 从而调整航线和航班来满足旅客需求, 同时更有效地利用有限的空域, 同时便于空管指挥。显然, 旅客一般在航班选择上, 会倾向于选择直达航班, 而不是以一次经停为代表的中转航班。
换算系数α的精确值会根据不同的QSI模型而有所不同, 但一般变化的范围在0.03~0.2之间 (Jenkins (2011) [4]) 。这就是说, 两机场之间, 直达航班对连通性的贡献是中转航班的5到33倍。事实上, 大部分的QSI模型所选取的数据都是二十世纪八十至九十年代的数据, 那个时候全球大多数航班都是直达航班, 中转航班和枢纽机场都很少。而现今, 很多中小型机场之间的连通, 往往会通过枢纽机场来中转, 这就很大程度上增加了中转航班 (Wittman and Swelbar (2013) [5]) 。文章研究的连通性选取的数据样本是近十年的数据, 因此, α值应该选择较大值, 即中转航班对连通性的影响和贡献应该在可取范围中取较大值。同时, 近年来国外学者Emrich and Harris (2008) [6]认为直达航班对连通性的贡献应该是中转航班的8倍左右。综上, 文章在ACQI模型计算中将α值设定为0.125。
3.3基于机场群视角的一次经停机场选择
民航总局在《全国民用机场布局规划》中提到, 到2020年, 我国民航运输机场总数将达到244个, 将形成以北京首都机场为主的北方 (华北、东北) 机场群、以上海两场为主的华东机场群、以广州白云机场为主的中南机场群, 以成都双流机场和昆明长水机场为主的西南机场群, 以西安咸阳机场和乌鲁木齐地窝堡机场为主的西北机场群五大区域机场群。顺应民航总局的政策, 兼顾空管因素, 文章在中转航班研究中, 重点考虑一次经停航班, 从机场群视角, 将一次经停的机场分为北方、华东、中南、西南、西北五大区域机场群, 北方机场群以北京首都机场为一次经停机场, 华东机场群以上海两场为一次经停机场, 中南机场群以广州、深圳机场为一次经停机场, 西南机场群以成都、昆明机场为一次经停机场, 西北机场群以西安、乌鲁木齐机场为一次经停机场。
3.4 结果分析
本模型计算的原始数据来自《从统计看民航》, 由于年数较多, 机场繁多导致数据庞大, 文章采用数据库计算, 最后通过MATLAB编程验证数据的可靠性。后文在研究不同类型的枢纽机场时, 将上文分类的四级机场分别称为一级、二级、三级枢纽机场和非枢纽机场。
(1) 国内枢纽机场连通性整体情况
图1反映了2007年和2012年每种类型的枢纽机场ACQI平均值的比较, 从中可以看出不同类型的枢纽机场连通性变化的差异。所有研究的枢纽机场在2012年总的平均值较2007年上升了46.08%, 这其中涨幅最显著的是非枢纽机场, 同期增长了51.89%。这主要来源于, 这一期间新建了不少非枢纽机场, 陆续开通了这些非枢纽机场直达一级枢纽或者二级枢纽的航线。但同时, 从ACQI值上看, 在2012年, 一级枢纽机场ACQI值是二级枢纽机场的1.75倍左右, 是三级枢纽机场的4倍, 是非枢纽机场的25倍之多。
从图1中也可以看到, 2007年到2012年各级枢纽机场的连通性都是上升的, 说明经济危机对国内机场航线网络整体的连通性并没有产生决定性影响。在下文中将要分别对各级枢纽机场ACQI值从2007年到2012年的变化, 来分析其连通性变化。
(2) 一级枢纽机场连通性分析
图2显示了一级枢纽机场从2007年至2012年, ACQI值由517.20增长至719.25, 平均增长率约为8%。2008年的国际金融危机没有给中国大陆机场连通性造成影响, 2009年与2008年相比, 连通性依然增长了约12.5%。原因是为了防止国际金融危机造成的经济下滑的风险, 国家投入了4万亿用来刺激经济。2011年相比2010年有小幅度降低, 是由于一级枢纽机场到三、四级机场的通航城市和航班大量减少, 使得大型枢纽机场连通性下降, 2012年这些航班又恢复了, 导致连通性再次保持上升的趋势。
从表2看, 2007年至2012年, 上海两场的ACQI值整体呈上升趋势。而2011年机场ACQI值呈下降趋势, 与这6年整体趋势相反, 主要是因为上海两场到三、四级机场的通航城市和航班大量减少。2007年至2012年, 上海两场到二、三级枢纽机场连通性增长较与一级枢纽机场连通性更加明显, 上海到二级枢纽和到三级枢纽ACQI值分别由242.76增加至324.43, 由48.58增加至178.57;而北京到一级枢纽ACQI值仅由265.98增加到290.40。说明北京到上海到北京和广州的航班已经饱和, 而其到其他区域枢纽和省会城市的航班频次增长潜力较大。
每种类型的枢纽机场ACQI值都由两部分组成, 一部分是由直达航线和航班组成, 另一部分是由一次经停航线和航班组成。表3反映了一级枢纽机场到直达航班中的其他级别枢纽机场的ACQI值变化, 和一次经停航班的ACQI值变化。具体来说, 一级枢纽机场到二级枢纽机场的ACQI值由212.56增长到332.62, 增加了56.48%;到三级枢纽机场的ACQI值由42.18增加到114.88, 增幅达到172.36%;到非枢纽机场的ACQI值则经历了轻微的波动, 基数和涨幅较前两者都不是很明显。同时, 一级枢纽机场的一次经停航线ACQI值从2007年至2012年增加了17.68%, 对ACQI值的影响不如到二级枢纽和三级枢纽大。这说明, 一级枢纽机场连通性的增加, 主要来源于其与区域枢纽机场 (二级枢纽) 和省会机场 (三级枢纽) 的点对点航线和航班的增加, 非枢纽机场和中转航班的连通性对其贡献不是很大。
(3) 二级枢纽机场连通性分析
如图3所示, 2007年至2012年, 二级枢纽连通性增加明显, 由267.08增加至394.90, 增幅为47.85%, 较一级枢纽增幅更加明显。由于中国民航局对于中西部民航发展的大力支持, 成都和乌鲁木齐机场航班量显著增加, 连通性相应大幅提升。
下面以乌鲁木齐地窝铺机场为例, 如图4所示, 2007年至2012年, ACQI值由141.42增加至227.86, 增幅为61.13%。直达城市由2007年的18个省至2012年的22个, 没有显著增加。但到一级枢纽和二级枢纽机场的航班频次大幅上升, 由21322架次每年上升至35927架次每年。乌鲁木齐机场增加的ACQI值主要来自航班频次的提升。
表4反映了二级枢纽机场到直达航班中的其他级别枢纽机场的ACQI值变化, 和一次经停航班的ACQI值变化。具体来说, 二级枢纽到一级枢纽的ACQI值从184.32增加到249.68, 增长了35.46%;到三级枢纽机场的ACQI值由10.02到18.06, 增加了80.24%, 但是其ACQI值所占比重相对于到一级枢纽的ACQI值要小很多;到非枢纽机场的ACQI值则波动较大, 这与区域枢纽尤其是西部机场乌鲁木齐、西安等区域内或相邻区域间通达的小机场航线与航班不固定有关。而一级枢纽机场的一次经停航线ACQI值从2007年至2012年小幅增长4.2%, 变化不显著。这说明, 二级枢纽机场连通性的增加, 主要源于其与一级枢纽机场航班量的增加, 中转航班的连通性变化较小, 说明二级枢纽机场区域枢纽的作用不明显, 与其功能定位不相匹配。
(4) 三级枢纽机场连通性分析
如图5, 2007年至2012年, 三级枢纽连通性增加较为明显, 由142.33增加至207.10, 增幅为45.51%, 比一、二级枢纽增幅小。由于高铁的开通造成了中部机场1000公里半径内的机场航班减少明显, 从而导致中部地区一些省会机场连通性下降。
这其中表现明显的有中南地区的区域枢纽机场长沙黄花机场, 如图6是长沙黄花机场2007年至2012年的ACQI值变化, 由于武汉至广州的广铁在09年底通车, 导致通往一级枢纽广州的航班频次在09年之后呈下降趋势 (如图7) , 2010年ACQI值较前几年上升缓慢, 2011年则由288下降到279。
表5反映了三级枢纽机场的ACQI值变化具体情况。其中, 三级枢纽到一级枢纽的ACQI值从94.82到124.74, 增加了31.55%;到二级枢纽机场的ACQI值由33.35到45.17, 增加了35.44%;到非枢纽机场的ACQI值则经历了一个急剧增加的过程 (这其中也存在2010年到2011年的短暂回落) , 从2.83上升至9.04, 增长了219.43%, 这与省会城市新增加省内或相邻省间的航线有关。一次经停航线ACQI值从2007年至2012年增长了48.34%, 但其所占比重渐渐有被三级枢纽到非枢纽机场的ACQI值赶超的趋势。这些说明, 三级枢纽机场连通性的增加, 主要源于其与一、二级枢纽机场连通性的增加, 但是, 三级枢纽机场与非枢纽机场连通性的迅速提升, 说明省会城市机场的功能定位渐趋明晰, 覆盖范围增加, 满足其省市经济发展的广度和深度的诉求, 同时反映出支线航空近年来的迅猛发展。
(5) 非枢纽机场连通性分析
如表6, 非枢纽机场ACQI值大小是由其到一、二级枢纽是否通航及航班量的大小决定的。非枢纽机场与一、二级枢纽机场连通的ACQI值占到非枢纽机场总的ACQI值的90%以上。大部分非枢纽机场与一级枢纽连通, 并且ACQI值主要由到一级枢纽的频次组成。如新疆佳木斯机场, 2008至2010年, ACQI值由7.6上升至11.5, 增幅为51.3%, 而其到北京首都国际机场的航班量在这三年内由881增加至1330架次, 2011年, 该机场与北京不再通航, 因此ACQI值在2011年减少为0.1。
4 结束语
文章运用The Airport Connectivity Quality Index (ACQI) 方法计算2007年至2012年中国机场国内连通性的ACQI值, 从宏观上定量分类评估了国内机场航线网络的合理性。国内机场在6年内, 主要机场的ACQI值均有大幅提升, 一级枢纽ACQI值的增加主要来自于其到二三级枢纽机场的航班频次的增加, 二级枢纽ACQI值的增加主要来自于其到一级枢纽机场的航班频次的增加, 三级枢纽和非枢纽机场ACQI值的增加主要来自于其到一级枢纽机场的航班频次的增加。综上所述, 中国机场发展相对不平衡, 一级枢纽发展较快, 航班量增加明显, 二、三级枢纽和小机场之间连通性不好, 航班量较少有待进一步发展。
同时, 文章也提到了与连通性相对应的微观上研究的概念———通达性, 通达性从旅客需求层面具体到每一条航线、每一个航班的合理性研究, 其中涉及到客座率、运载率、中转时间等连通性的延伸研究。在此研究基础上, 通过删减不合理的航班和航线, 达到缩短航班延误时间, 缓解空域资源紧张, 提高空管运行效率的目的。
参考文献
[1]马海宁.浅谈民用小型支线机场总平面布局规划[J].城市建设理论研究 (电子版) , 2013 (15) :24-26.
[2]王姣娥, 金凤君, 孙炜, 等.中国机场体系的空间格局及其服务水平[J].地理学报, 2006, 61 (8) :18-21.
[3]Hensher D A, Stopher P, Bullock P.Service quality--developing a service quality index in the provision of commercial bus contracts[J].Transportation Research Part A:Policy and Practice, 2003, 37 (6) :499-517.
[4]Jenkins J J.The evolution of passenger accessibility in the USairline industry, 1980-2010[D].Massachusetts Institute of Technology, 2011.
[5]Wittman M D, Swelbar W S.Modeling Changes in Connectivity at US Airports:A Small Community Perspective[J].2013, 63 (5) :273-276.
[6]Emrich R M, Harris F H B.Share shift and airport substitution in origin-destination markets with low-cost entrants[J].International Journal of Revenue Management, 2008, 2 (2) :109-122.
规划模型 篇2
为进一步加强我校教师队伍建设，优化教师学科岗位结构，实现学科教育均衡发展，解决目前存在的教师所学专业与所任学科不一致的问题。结合我校实际，制定教师岗位学历提升规划如下。
一、指导思想
实施素质教育，要求开全开足课程。进一步加强中小学教师学历达标与提升工作，制定切实可行的规划与制度，有目的有步骤地鼓励和保障在职教师积极参加继续教育，学用一致，促进各学科教师的专业化，保证学科教学质量，提高教师实施素质教育的能力和水平，不断提高岗位学历层次和教学能力。
要从人才强校、建设和谐教育的战略高度，充分认识提升教师学历层次的重要性、紧迫性，将教师学历进修作为当前和今后一段时期的重要工作内容，切实摆上位置，狠抓落实，确保实效。
二、提升目标任务
1、提升对象 所有在职的教师。
2、具体目标为：现年40周岁以下在职教师，到2015年前要获得本科学历标准证书；
三、组织与实施
1、突出重点定任务。
要将40周岁以下的在职教师作为学历提升的重点对象，要求2015年前，40周岁以下的教师必须达本科学历，动员和鼓励教师参加在职学习，尽快取得研究生层次学历（或学位）。
学校要统筹确定每位在职教师的岗位学历进修目标，并与教师考核评价工作结合，切实督促教师参加进修学习。
2、严抓对教师学历进修的过程管理，推进各目标任务的顺利实现
要认真做好宣传动员工作，教育、引导全体教师加强学习，对规定的重点年龄段的教师，要通过引导、鼓励和行政、经济手段结合的方法，调动其学习的积极性、主动性，确保任务到人不落空。
学校要在目标任务的落实上下功夫，要逐一核查各学校学历目标任务的分解及落实情况，并结合学校考核和教师业务考核工作，定期督查，确保目标任务的顺利完成。
3、适当调整，实现学科教师专任化
逐步解决教师分布、配置不合理现状，按照国家课程合理设置专业教师岗位，结合实际适当调整。教师在选报进修专业时要按照学用一致的原则，在岗位学历未达标前，不允许跨专业进修。在提高教师岗位学历的基础上，逐步取消包班制，实现学科教师专任化。
4、要强势推进，为教师的岗位学历提升创造条件
要为教师的岗位学历提升创造条件，要积极鼓励、组织教师参加高一层次的自学考试、成人高考、网络教育学习等学历进修，不断提高教育教学理论和专业知识水平，并加强学习管理，保证学习质量。
规划模型 篇3
关键词：不确定规划；机会约束规划；目标规划；供应商选择问题
中图分类号：F252 文献标识码：A
文章编号：1002-3100(2007)11-0140-03
Abstract: This paper presents a model to facilitate the vendor selection and their quota allocation under vague market demand of supply chain. The model maximizes the possibility measure of achieving three important goals: cost, quality and delivery time with constrains such as meeting the market demand, vendors' capacity, etc. Finally, to solving the model, an intelligence algorithm based on computer fuzzy simulation combined with genetic algorithm and neural networks is put forward.
Key words: uncertain programming; constrained chance programming; target planning; vendor selection problem
0引言
在现代供应链管理中，供应商选择得正确与否，不但直接影响采购成本的高低，而且对企业的产品成本、柔性以及竞争能力等都将产生重要的影响。由此可见，科学合理地选择供应商和分配供货量，对企业具有极为重要的现实意义。
供应商选择问题（VSP）一直是供应链管理的研究热点。对于VSP，存在着下列不同的解决方法：线性权重法、数学建模法（线性规划和非线性规划，包括混合整数规划和目标规划等）以及统计方法[1]。
目前，VSP模型主要采用线性规划或非线性规划，但是多数研究是基于确定环境。实际上，决策所需要的许多信息并不是确定的已知条件，例如供货提前期、货物中的废品率以及需求量可能都是不确定的。当模糊程度较高或存在不确定因素时，模糊集理论成为处理决策变量的不确定性的有力工具。文献[2]提出在模糊环境中模糊规划模型的应用。文献[3]将模糊规划方法发展到多目标线性规划问题。文献[1]用模糊的多目标整数规划的方法进行供应商选择并决定各个供应商的供货量，考虑了约束条件的模糊性，并把模糊规划转化成为确定的线性规划。
VSP的决策过程中存在许多不确定因素，如货物中的废品率、延迟交付率以及需求量。若以随机变量描述这些变量，一般需要大量历史统计数据通过统计手段得到随机变量的分布函数，但在有些情况下，可能得不到这些数据[4]，这种情况适宜利用模糊集理论进行定量描述。本文正针对这类模糊环境下的VSP，提出用模糊机会约束规划方法建立VSP的模型。
1VSP的模糊机会约束规划模型
模糊机会约束规划的建模思想是允许所作的决策在某种程度上不满足约束条件，但模糊约束条件成立的可能性（必要性或可信性）不小于决策者预先给定的置信水平。
VSP模型假设：
（1）每次只从一个供应商采购一项货物；（2）不考虑批量购买的折扣；（3）对任何供应商，不存在货物短缺；（4）提前期是已知常量。
以下列出模型中的一些变量和参数：
i=1,2,…,N——供应商个数
j=1,2,…,J——目标个数
k=1,2,…,K——约束个数
规划模型 篇4
“规划求解”是一组命令的组成部分, 这些命令有时也被称为假设分析工具。借助“规划求解”, 可求得工作表上某个单元格 (被称为目标单元格) 中公式的最优值。“规划求解”将对直接或间接与目标单元格中公式相关联的一组单元格中的数值进行调整, 最终在目标单元格公式中求得期望的结果。
“规划求解”通过调整所指定的可更改的单元格 (可变单元格) 中的值, 从目标单元格公式中求得所需的结果。在创建模型过程中, 可以对“规划求解”模型中的可变单元格数值应用约束条件, 而且约束条件可以引用其他影响目标单元格公式的单元格。
2 分析工具的安装
“规划求解”是Office 2003提供的一个加载宏。如果在安装Office 2003时没有选择加载宏, 就必须重新启动Office 2003安装程序并且选择Excel选项, 在加载宏区段中选择“规划求解”, 然后进行安装。
安装了“规划求解”之后, 在“工具”菜单下可能仍然找不到“规划求解”, 此时可以选择“工具”—“加载宏”, 在打开的“加载宏”对话框中选中“规划求解”复选框, 确定后, 就可以将“规划求解”命令添加到“工具”菜单栏中。
3 应用实例
已知M公司生产的产品在不同月份的需求量、单位生产成本与生产能力不同, 如表1所示。
已知:每月的储存成本等于单位储存成本与月平均库存量 (月初库存量与月末库存量的平均值) 的乘积, 而每月的单位储存成本等于当月单位生产成本的1.6%。公司要求每月的生产量既不超过当月生产能力又不低于当月生产能力的一半。另外, 为防备急需, 管理人员还要求每月月末库存量不少于1 600件 (安全库存量) , 仓库容量为6 500件, 当前库存量为2 800件。假设每月生产量为1件, 试在Excel中建立规划求解模型。并且计算出每月的月初库存量、生产量下限、月末库存量、月平均库存量、单位储存成本和总成本;用规划求解工具求解每月的最优生产量和6个月总成本的最小值。
4 模型设计
(1) 将上述资料填入Excel某一工作表中, 如图1所示。
(2) 建立公式, 计算各项指标。
月末库存量:C13=C9+C10-C8, 复制公式至H13
月初库存量:D9==C13, 复制公式至H9
生产量下限:C12=C11/2, 复制公式至H12
月平均库存量:C14== (C9+C13) /2, 复制公式至H14
月末库存量:C13=C9+C10-C8, 复制公式至H13
单位储存成本:C16=C15*SCS4, 复制公式至H16
(3) 规划求解总成本。选中C17单元格, 单击“工具”→“规划求解”→在弹出的“规划求解参数”对话框中添入如图2所示的参数, 其中:“设置目标单元格”为C17, “等于”选择最小值, 可变单元格为C10:H10 (原始数据为假定的1) , 再依次添入约束条件, 单击“求解”按钮, 在弹出的如图3所示的“规划求解结果”对话框中, 分别选择“保存规划求解结果为运算结果报告”、“保存规划求解结果为敏感性报告”、“保存规划求解结果为极限值报告”。求解结果如图4所示。
5 动态显示
如果要分别改变仓库容量、安全库存量、储存成本系数以及当前库存量的数值, 总成本的数值也会随之刷新。
具体操作:在菜单栏的空白处, 右击选择“窗体”→弹出的“窗体”工具箱→单击其中的“微调控件”在工作表的任一位置拖曳形成一控件, 如图5所示。
右击该控件, 选择“设置控件格式”, 在弹出的“设置控件格式”对话框中作如图6所示的设置。这样就可以使仓储容量从1 000到5 000之间以100的步长变动, 从而求出不同的总成本。其他如安全库存量、储存成本系数以及当前库存量的设置以此类推。
但要注意的是该控件的取值没有小数, 对于储存成本系数的设置参数如图7所示, 首选将其链接到D4单元格, 让D3=D4/1 000, 这样就可以转化为小数变动。
最终结果如图8所示。
6 结束语
规划模型 篇5
对于一类线性半无限规划问题给出一种我们称之为修正算法的一种新算法.算法采用松弛策略使得满足一定条件的新割面(相当于一个约束)在每一步迭代时被找到.修正算法的`主要改进是避免了每一步迭代寻找全局极小解,或者在每一步迭代中去检验δ(xk)是否为极小值.最后,基于提出的修正算法,并与传统割平面方法、普通离散方法对同一问题作了初步的数值比较实验.
作 者：杜廷松 费浦生 张明望 DU Ting-song FEI Pu-sheng ZHANG Ming-wang 作者单位：杜廷松,张明望,DU Ting-song,ZHANG Ming-wang(三峡大学,理学院,湖北,宜昌,443002)
费浦生,FEI Pu-sheng(武汉大学,数学与计算科学学院,湖北,武汉,430072)
人生规划请大于理财规划 篇6
“我觉得很多人夸大了房子的事情，把对生活的不安全感加诸其上。对房价的未来没信心，和对自己没信心不是一回事儿。”
在购房合同上签下名字的时候，Diana的右半边脸是肿的——在赶来付款的路上，她乘坐的出租车被撞了，Diana坐在后排，脸撞在前排椅背上，但是她从同事口中听闻房主的善变，实在怕房主改变主意，决心付完款后再去医院检查。
还好，这是Diana买房这件事上出现的最大岔子了。“其他一切，都非常顺其自然。”Dlana说。这已经是她买过的第三套房子了。
找家安定向上的公司
买房这件事，往往不同的群体有截然不同的样貌，一个电话打过去，要不然这家公司的人都在抱怨，要不然那家公司的人都平心静气，Diana就在一家同事们都平心静气的公司。好像外面的房价都和他们无关似的，大家对于买房这件事既没有买或不买的纠结，也没有没房或没钱这样的愁苦，“房是肯定要买的啊，大家都这么认为，只不过是在什么时机买的问题。”“基本上在办公室里没听见抱怨，听见的都是互相交流买房心得和楼盘信息、和地产商讨价还价的信息吧。”Diana的回答简洁明快。
买一间住一阵的房屋成长史
Diana属于结婚比较早的那种。她已经准备在看第三套房了。“我发现结婚早有一个好处，就是买房上没那么多想法，说买就买了。”Diana的老公更是那种一个阶段做一个事儿的人。2003年单身的时候就自己买了套60平方米的老公房，花了三十几万。住了两三年后，单身公寓变成了两口之家，考虑到父母从老家过来，小两口只能打地铺，让父母有点不放心，再加上总是要生孩子，就把第一套房转手卖了70万元，加上20万存款，赶在2007年底上海房价涨势停滞的时期买了第二套。
Diana这套房买得很随性，也是“老公房”，后来因为物业不太满意，两个人决定再换第三套。
“当时我们从2007年5月看到7月份，新房都嫌太远，那就买旧房吧!刚好赶上7月有天我老公在家休假，就去周边随便看了看房，看上了我家马路对面的一套。”Diana说，
“当时我们礼拜五看的房，礼拜六就说卖掉了；我们让中介留意同样的房型，中介刚通知我们有三套，紧接着又打电话来说已经卖掉了两套，吓得我和我老公8月最热的两天揣着3万元定金，骑着自行车去看房。”两个人看了一套很破的小区中的好复式，带露台能看江景，平均每平方米不到8000元，同地段大概均价要到1.3万元以上，吹着江风，狮子座的Diana和白羊座的老公当机立断，把定金拍了出去。
当然，后来也经过了房东拖着不签合同等事情，Diana还偷偷打电话去询问竞争对手的出价，好在对方出价虽高5万元，但房东违约需付双倍违约金6万元，Diana小胜。于是，也就出现了开头那一幕Diana出了车祸仍坚持先签合同付款的情景。
如果人生规划正好和财务规划一致，当然再好不过。可是如果两者出现了矛盾，Diana觉得，还是要以自己的人生规划为先。如果人生理想都实现不了，空守着一个房子指望未来升值，多么无趣。
“别把对未来的恐惧转嫁到房价上”
对于买房是否让生活变得不堪负荷，Diana觉得关键在于怎么看：“我身边也有朋友一直说房价贵，从2003年的时候就说买不起。2008年的时候还是挺不过，咬着牙买了。”Diaria认为买房是顺其自然的事情，买完第二套房后，她和老公曾经有一段要还两个房子贷款的时期，
“虽然房贷一度要占到我们两个人共同收入的一半，但是很快两个人的收入也都有所增长，房贷的负担并没有影响我们的生活，还好吧。”她说。
“我觉得很多人夸大了房子的事情，把对生活的不安全感加诸其上。对房价的未来没信心，和对自己没信心不是一回事儿。”
“而且，谁知道未来会怎样?北苑2400元每平方米的时候，谁知道以后会变成1万元?可是你想想当初北苑卖1000元每平方米的时候，别人买了，每个月还2800元的贷款，你不是还笑人家傻?现在看谁傻?眼光要放远点。”
“人生规划是应该大于理财规划”
Diana害怕对自己的人生和理财都没有规划的人，也不知道为什么要买房，就是随大溜，“他们说要买房吧，但是也不关心，也不看新闻，也不存钱，也不和周围沟通，就知道抱怨房价高。”她说。
“实际上买房，就看自己需要不需要。”Diana认为“需要”首先是要基于人生规划的，自己的人生处在什么阶段，要不要在这个地方安顿下来，要不要跟某个人共同负担房子，都是需要考虑的人生问题。至于买房会不会增值，在什么地方买最合算，这些则属于财务规划的范围。如果人生规划正好和财务规划一致，当然再好不过。可是如果两者出现了矛盾，Diana觉得，还是要以自己的人生规划为先。如果人生理想都实现不了，空守着一个房子指望未来升值，多么无趣。
物流企业配送规划模型构建研究 篇7
1 模型需求分析
配送网络结构包含外部顾客服务网络与内部营运网络。其中, 内部营运网络为营业分公司—中转站点—营业分公司构成的轴辐式网络结构。物流企业的营运决策即为货物的路线规划以及货车形态与数量的决定, 然而实务上货物路线的选择与货车形态及数量通常是相互影响的, 一般是按货物路径与运输需求, 选择适宜的车辆形态与数量, 进行配送的车辆选择与车数量的均衡问题。因此, 进一步将货物配送路线与货车种类的决策合并考虑, 则称之为配送规划问题, 主要任务为货车的调派与货物配送路线的规划, 其目的在于满足顾客的需求的情况下, 派遣适当的货车形态与数量, 并选择最佳的货物配送路线, 使其营运成本为最低。
2 符号定义
为使模型构建方便, 将模型中所使用的符号定义如下:A:所有节线所成的集合;V:所有节点所成的集合;O:所有O-D节点对的起点所成的集合;D:所有O-D节点对的终点所成的集合;M:所有O-D节点对所成的集合;N:中转站点节点所成的集合。
二元决策变数:
整数决策变数:
nij-在节线 (i, j) 的货车总数, (i, j) ∈A
实数决策变量分别表示:
bj-第j中转站点节点组装货运量, j∈N
Pij-节线 (i, j) 的货运量, (i, j) ∈A
3 限制条件
根据对物流配送问题特性的分析, 归纳以下模型构建的限制条件:
(1) 限制使用节线 (i, j) 的所有节点对的货物运输总需求量必须等于节线 (i, j) 的货运量。
(2) j∈N, 限制进入每一个中转站点的总需求量必须等于该中转站点所收到货运量。
(3) 限制中转站点容量, 即每一个中转站点节点所收到货运量, 必须不大于其最大组装容量。
(4) 限制货车运量, 即任一节线 (i, j) 的货运量必须小于指派至节线所有货车的最大容量。
(5) 同时限制货车流量与货物流量的守恒, 限制到达每一个中转站点节点的所有货车都必须离开该节点, 以保持货车的均衡。
(6) 限制每一个营业分公司 (起点) 所收到的货物必须先送达中转站点, 并限制每一终点对的货物需求量, 由起点送出必须只能送达至单一个中转站点。
(7) 限制每一个中转站点组装后, 同一起点的货物必须选择相同送达的营业分公司 (终点) 或另一个中转站点, 亦即限制所有起点至同一终点的货物需求量必须选择唯一的路径, 以符合实务上的要求。
4 模型建立
本文构建的模型仅考虑没有时效要求的一般物流企业, 且所探讨的物流配送问题为在营业分公司、中转站点等硬体设施区位已知情况下, 指派适当的车辆数, 并选择最佳的货物配送路线, 使中转站点转运货物的组装成本与所有运输成本为最低。根据上述所提专业物流配送问题考虑的相关因素, 构建专业物流配送规划模型如下:
关于配送规划问题其目标函数一般都使用最小成本, 而本研究的物流配送规划模型中, 其成本包括各中转站点的货物组装成本与所有货车的运输成本, 亦求其总和最小化, 即其目标值代表总营运成本, 其意义是总营运成本愈小则愈好。然而当实务上企业要了解公司的获利状况时, 则必须知道其最大利润, 因此加入营业收入后公司即可知最大利润。因此, 本研究进一步假设公司在各节线的需求量不变的情况下, 针对专业物流企业实务上向顾客收取的运费, 换而言之, 公司的收益减去成本则为实际的利润, 故其目标函数最大利润的模型为:
其中P为每吨向顾客收取的运费, 亦即公司的订价。此模型的意义, 即为所有节线运送需求量的收益, 减去总营运成本, 使得利润总和最大化, 而由最大利润可以清楚得知公司每个节线获利情形。本模型可以利用LINDO工具计算等出可行解, 为专业物流公司增加或减少营业分公司及货车调派等决策提供参考依据。
5 物流企业模型应用
5.1 实例资料说明
为了验证本研究所建立的模型适用于大型网络, 因此, 本研究以江苏XX物流有限公司计划于江苏地区的南、北两地, 各设立一大型中转站点, 并以轴辐式网络为其营运网络为例, 作一实例分析。其中南部之中转站点设于南京;北部之中转站点则设在镇江, 而营业分公司由南至北只抽取前八大的独立营业分公司, 分别为常州、苏州、溧阳、扬州、淮安、盐城、连云港、徐州等八个营业分公司。其营运网络示意图, 如图1:
XX公司各营业分公司至中转站点与中转站点至中转站点间的单位运输成本Cij分别列于表1及表2。中转站点的单位组装成本与中转站点所的规模, 列于表3。各营业分公司间的需求如表4所示。另专业物流公司所使用货车形态的容量限制为10吨。而关于各站所间的运输成本、中转站点的组装成本与终点对的需求量, 皆由该货运企业所提供。
5.2 应用结果分析
实例主要问题是在满足顾客需求的情况下, 指派适当的货车数量与选择最佳的货物配送路线, 使其总营运成本即中转站点组装成本及货车运输成本的总和为最小化。本研究实例的模型经由LINDO软件进行运算后所得的结果, 其目标函数最小成本的最佳解为151, 844元, 而本模型的最大利润则为264, 155元。
根据以上模型应用可得以下结论:
(1) 在关闭或增设营业分公司时, 需审慎评估营业分公司改变时对于公司的最小成本与最大利润间的变化。当公司为应对外部环境压力, 在决策是否缩减或扩充营业分公司时, 应先对于公司的最小成本与最大利润的变化, 进行审慎的评估与衡量, 再予以决定增加或减少何处的营业分公司。
(2) 当货运量少时即可派遣单一车中小型车来进行配送任务, 不但可减少公司的营运成本, 亦可增加配送时货车指派的弹性。当某节线的运输成本降低, 则要增加指派该节线车辆。
(3) 当考虑要降低总营运成本时, 可由降低组装成本方向努力, 以达公司最小成本的绩效, 且当组装成本变化为1%时, 对公司最小成本和最大效益的增加均最为显著。若公司运输成本增幅在10%内时, 公司可考虑自行吸收, 超过10%则可考虑涨价。
(4) 若需求长期持续增加时, 公司可考虑在需求较多的营业分公司附近, 增设一处中转站点站所, 来就近处理该地区的货运量, 以减轻其他中转站点组装容量的负荷, 使各中转站点组装的货运量更平均。
5.3 模型不足之处
(1) 对于具有时效性的货物的配送规划问题有待探究;
(2) 现有专业物流企业在实务上使用多种货车种类, 而多种货车种类将使配送问题的求解更加困难, 虽本模型可扩充多种货车种类, 但是计算相当困难。
(3) 国内目前专业物流企业的内部网络超过百个营业分公司, 需要存在有效率的求解方法与方便的决策分析工具与环境, 为使模型能应用于大型实务问题, 求解方法与决策支持系统有待进一步的发展。
摘要：物流企业的配送规划问题其主要目的在满足物流需求的基础上, 通过调派适当的货车形态与数量, 并选择最佳的货物配送路线, 以期总营运成本为最低。本研究针对此问题以整体优化为考虑, 探讨配送规划问题的各种限制条件, 构建混合整数规划模型, 利用数学规划方法将问题做明确的表达, 并以案例进行测试以反映模型的功能与效果。
关键词：配送,数学规划,物流企业
参考文献
[1]林正章, 刘志远.路线货运业货物整体运输网络设计的研究[J].运输计划季刊, 2008 (4) .
[2]刘艳.敏捷供应链环境下的核心企业库存控制模型及策略研究[D].南京林业大学, 2009.
[3]张佳锐.基于VMI的华润万家公司库存管理优化研究[D].西北工业大学, 2009.
[4]毛国荃.供应链中制造商对第三方物流服务质量知觉的研究-以四项产业为例[D].上海交通大学, 2008.
[5]吴思华.策略九说[M].中国水利水电出版社, 2009.
小区CCCH容量规划模型的研究 篇8
随着中国移动GPRS/EDGE业务的飞速发展, 数据业务流量的大幅增长, 客户手机建立数据业务连接请求的数量大幅上涨。由于目前网络良好的接入性能, 这些请求都被交换机接纳, 而如此大量的接入允许, 必然会导致AGCH的过载, 由于其优先级要大于PCH的优先级, 它就会强行占用其它8个PCH来传送接入允许指令, 也就导致了大量的PCH寻呼消息被挤掉或无法传送, 进而导致寻呼丢失。
小区寻呼丢失问题发生的根本原因在于小区CCCH信道容量不足 (AGCH和PCH共用CCCH信道, 当AGCH信道过载后将占用PCH信道, 从而导致寻呼丢失) 。目前处理小区寻呼丢失问题的主要手段多集中在小区扩容、分裂, 小区间话务均衡、分布小区建立、寻呼、小区重选参数调整等方面, 上述手段多属于经验型, 没有结合新建小区规划、小区话务增长预测等方面做量化、科学的分析。因此我们应当针对不同话务模型建立小区CCCH容量规划模型, 科学指导新建小区规划, 同时结合日常小区话务增长分析, 应用小区CCCH容量规划模型, 科学有效地进行小区话务均衡, 处理潜在的寻呼丢失问题, 从而达到提高网络运行质量、为用户提高精品网络的目标。
2 小区CCCH容量规划模型的建立
2.1 基础理论
2.1.1 信道配置
基站理论上每秒能够传送最多的寻呼块:
Combined BCCH/SDCCH小区:
No Combined BCCH/SDCCH小区:
目前网络中设置为AGBLK=1, BCCH TYPE=NCOMB
CCCH信道是由PCH和AGCH共享的, 无论AGBLK的设置, 任何时候AGCH的优先级别都高于PCH, 即当需要下发Immediate Assignment消息时, 即使AGBLK设置为0, Immediate Assignment消息的优先级别仍高于Paging消息。这样的话在需要的时候PCH被AGCH代替, 因此在考虑基站的寻呼容量的时候, 需要先估算了Immediate Assignment的数量。由于一条Immediate Assignment消息 (不管CS和PS) 占用一个CCCH block, 从理论上分析Immediate Assignment消息 (包括CS和PS) 的最大值为:
9/0.2354=38.25个/秒, 相当于1小时为 (3600/0.2354) x9=137700个block。
每个小区Immediate Assignment的总数量应为:TOT IM-MASS=CSIMMASS+PSIMMASS。
2.1.2 寻呼块结构
每个寻呼块最多可以发出4个寻呼请求 (Paging Request) 。
现网使用的是:TMSI+IMSI寻呼请求。假设平均10.0%的寻呼会重复进行第二次寻呼。这表示对每个移动台落地的呼叫尝试 (=Paging Attempt (PA) ) , 会发出1TMSI+5.0%IMSI。那么每个寻呼块可以容纳的寻呼尝试为: (1PA=1TMSI+5.0%IMSI) 1 paging block=4/ (1+2*5%) =363 PA (寻呼尝试) 。
网络中的配置是非组合的BCCH/SDCCH, AGBLK=1, 每个复帧上有8个寻呼块, 可以得到理论上现网BTS每小时最大的寻呼容量为: (3600/0.2354) *8*3.63=44万次PA。
结合话务统计忙时Paging Attempt (PA) 最大次数为20万次, 理论上占用寻呼块数为:Round{200000/[3.63* (3600/0.2354) ]}=4个block。
2.2 场景选则
为了小区CCCH容量规划模型创建的针对性和普遍有效性, 我们选取了沧州移动BSC19和BSC22两个BSC共397个小区作为研究对象。其中BSC19为市区高话务场景, BSC22为农村低话务场景。这里由于篇幅有限, 我们仅介绍BSC19模型的详细推理计算, BSC22仅将结果列出。
2.3 小区CCCH容量规划模型的数学推导
2.3.1 话统指标的选取
为了能进一步了解CS域与PS域的IMMASS与业务的关系, 并对小区级别的寻呼拥塞与立即指配关系进行分析, 我们收集了小区的TCH话务量、数据业务流量 (IP层) 、SDCCH话务量、小区CCCHLOAD的CSIMMASS、PSIMMASS、PAG-PCHCONG, PAGETOOOLD等数据进行研究, 时间为连续7日24小时时段。
2.3.2 寻呼拥塞与立即指配和寻呼量的关系
在前面我们已经指出, IMMASS和PAGING共用CCCH信道, 理论上每小时可发出相当于137700个IMMASS, 每个IMMASS占用一个CCCH block。
1 IMMASS=4/ (1+2*10%) =3.33PA (寻呼尝试)
由于目前我们是一个BSC一个LAC, 每个BSC寻呼折算成IMMASS的数 (也是到每个小区的数目) 为:
而CS和PS的IMMASS可从统计中直接得到, 分别为CSIMMASS和PSIMMASS。因此单个小区立即指配和寻呼总数为:IMMASS_TOTAL=CSIMMASS+PSIMMASS+PAG-IMMASS;
单个小区的PAGE拥塞数为:PAGCONGS_TOTAL=PAG-PCHCONG+PAGETOOOLD;
PAGPCHCONG——因为寻呼队列已满导致寻呼消息丢失数;
PAGETOOOLD——因为寻呼消息超时导致寻呼消息丢失数;
单个小区的寻呼丢弃率为:Rate_Disc_Pag= (PAGTOOLD+PAGPCHCONG) / (TOTPAG+PAGCSBSC+PAGPSBSC) 。
经过数据处理可得到小区级别的寻呼拥塞与立即指配关系。
2.3.3 立即指配和话务量及数据业务流量的关系
(1) CSIMMASS和TCH话务量的关系。从采样点来看, CSIMMASS的指配与小区TCH话务量呈离散状态, CSIMMASS与TCH话务没有直接的数量关系。由于CSIMMAS只是在申请信道的时候产生, 而用户一次通话的时长变化较大, 同时很多CSIMMASS是因为短信位置更新而产生的, 因此2者之间并无明确的关系。
(2) CSIMMASS和SDCCH话务量的关系。从20760个采样点可以看出, 随着小区的SDCCH话务量增加, CSIMMASS数量也相应增加。SDCCH承载了用于传送建立连接的信令、位置更新信息、短消息、鉴权、加密信息以及处理各种附属业务。SDCCH的业务量增加必然会引起CSIMMASS数量的增加。2者基本成线性增长关系, 其中每erl SDCCH话务约产生925个CSIMMASS数目。
(3) PSIMMASS和数据流量的关系。我们对BSC上小区的上下行数据流量DATA_VOL进行了统计, 单位为Mbyte:数据流量DATA_VOL= (上行总数据流量+下行总数据流量) /1024, 经过和PSIMMASS的值进行处理, 得出2者的分布 (与图2类似波形, 暂不列出) , 我们发现, 数据业务流量和PSIMMASS的关系也比较离散, 但总体趋势是流量大时, PSIMMASS高。由于不同的应用时 (WAP, FTP下载等) TBF的长短不一, 因此对于某些小区如果用户做FTP下载, 可能流量很大, PSIMMASS也可能不高。而某些小数据报业务, 比如WAP, 飞信等, 流量很少, 可能产生比较多的PSIMMASS。因此想得出个基本的每兆流量产生的PSIMMASS数比较困难。为了得出基于沧州的数据业务模型, 我们对47757个样本的每兆流量产生的PSIMMASS数 (用PSIMASS除以上下行总流量) 进行整理分析, 发现小区的每兆流量产生的PSIMMASS的个数分布比较广, 但集中在65-100附近。然而对于规划和优化部门来说, 取100/Mbyte估计, 将有超过25%的风险低估PSIMAASS的数量, 而80%的小区每兆流量产生的PSIMMASS数在100之内, 而90%小区的在160之内, 95%的值在240/Mbyte之内。
2.3.4 模型建立
根据前面所得到的数据和描述, 规划时某小区CCCH的容量需要考虑PS业务的上下行总流量, SDCCH话务量和该小区所在LAC的寻呼总量, 为了使小区的Paging拥塞控制在2500之内, 当考虑80%的小区每兆流量产生的PSIMMASS不会过大时, 我们得出以下模型:
DATA_VOL*100+SDCCHTRAFFIC*925+LA寻呼次数/3.33<80000。
依据以上方法, 我们得出农村低话务场景BSC22CCCH容量模型:
DATA_VOL*100+SDCCHTRAFFIC*979+LA寻呼次数/3.33<80000。
其中DATA_VOL为小区上下行总流量, 单位为Mbyte, SDCCHTRAFFIC为在SDCCH的话务量, 单位为Erl, LA寻呼次数为该小区所在LAC的寻呼总量, 并且采用的是一次寻呼为TMSI, 二次寻呼为IMSI。
对于某小区而言, DATA_VOL、SDCCHTRAFFIC、LAC寻呼次数三变量均能通过话务统计得到。因此将上述三变量带入公式计算, 如果数值超过门限值 (80000) , 说明该小区存在寻呼丢失问题。
3 小区CCCH容量规划模型的应用意义
小区CCCH容量规划模型的应用, 对我们处理寻呼丢失问题, 创建精品网络具有很好的指导意义。其可以为新建小区规划提供科学指导, 为位置区划分和BSC割接提供小区寻呼丢失问题的数值参考, 并通过现网小区话务分析, 及时、合理、有效地进行小区话务分担, 避免小区寻呼丢失问题的发生。
参考文献
[1]张威.GSM网络优化[M].人民邮电出版社
[2]韩斌杰.GSM原理及其网络优化[M].机械工业出版社
规划模型 篇9
随着智能电网这一构建设想的提出,我国和欧美等国的能源安全和国家战略[1]纷纷将其列为发展重点。实施过程中,需从系统规划、运行控制、管理决策等方面进行研究,其中规划是关键[2]。智能电网的基本特性有:自愈性、抗攻击性、优质供电、用户参与、选择性、可市场化和资产优化与高效性[3]。为此,在系统规划中,用户与系统之间的兼容性、友好性、用户满意度是重要内容,规划指标除建设成本、运营成本和用户停电损失外,可能引起的潜在损失也不可忽视。根据电力市场营销原理,用户满意度由用户总价值与总成本确定,是用户进行价值判断的测度,是电力系统得以存在的根本[4],因此,在电力系统规划中以用户满意度作为规划指标,更符合用户的要求。
根据现代电网的基本特性和要求[3],电力系统应是在保证安全、可靠、经济的同时,对用户和环境更为友好,由电力系统和用户共同构成的综合效益最优的整个系统,本文将其定义为用户友好的电网。在规划时,系统可能产生的危及用户利益和损害用户满意度的扰动是本文考虑的重要因素。根据IEEE Standard 1346–1998[5]及文献[6]提出的设备电压耐受能力范围,可粗略地对用户损失进行估计,但由于系统扰动和用户耐受能力具有不确定性,在规划用户友好电网时,必须对不同的规划方案和各种不确定性因素进行深入研究,以此定量评估用户潜在损失。
国内外研究表明,主要由系统故障引起的电压暂降是最严重的电能质量问题[7,8,9],是用户抱怨最多、损失最大的扰动。用户敏感设备,如:计算机(Personal Computers,PC)、调速驱动装置(Adjustable Speed Drives,ASD)、可编程序逻辑控制器(Programmable Logic Controllers,PLC)和交流接触器(AC-Contactor,ACC)等对电压暂降十分敏感,单个元件的故障可能造成整条生产线产品报废。而系统扰动造成的用户损失不仅有停电损失,有时暂降损失更严重,这种损失表现为潜在损失。因此,同时考虑停电损失和潜在损失对于提高系统的用户满意度具有重要意义。
用户潜在损失评估是保证用户满意度的关键。文献[10]考虑到某区域电压暂降的影响最低的电网重构方法;文献[7]从可靠性指标的角度对电压暂降的影响进行了研究。这些分析对于进一步研究用户友好电网具有重要意义,但对存在的诸多不确定性因素的影响的研究还不够,尚需考虑不同影响因素的特点和属性,找到更符合实际的用户潜在损失的评估方法。
基于上述分析,本文对不同电网规划方案下系统电压暂降和用户设备电压耐受能力的不确定性评估方法进行了研究,定量确定用户潜在损失,以此损失为规划目标之一,对用户友好电力系统的规划模型和方法进行了研究,以Garver-6节点系统为例,对提出的用户潜在损失评估和系统规划方法进行验证,证明方法的有效性和可行性。
1 用户友好电网及规划思路
1.1 用户友好电网
传统电网规划考虑了建设成本、运营成本、用户停电损失和可靠性指标,大多仅进行“N-1”或“N-2”过负荷后校验,对系统中的用户满意度和潜在损失等的认识还很不够[11]。文献[12]将可靠性指标转化为经济性指标作为系统规划目标,考虑了供用电双方利益,初步指出了电力系统应具有用户友好性的要求。
用户友好电网定义为:是智能电网在整个电力系统的具体化和现实化的表现,是在建设成本、运营成本和用户损失成本最低的前提下,满足用户对供电容量、电量、可靠性、用电效率等的要求,考虑资源能源和环保要求,以用户根本利益和用户满意度为出发点和归宿点的电力系统。在该系统中,资源友好、环境友好和用户友好,系统与用户双方均满意是重点,用户满意度是关键。
现有电力系统规划重点考虑了供电方的经济性,在可靠性上则以供电方有电送、用户有电用为主要目标,但对用户的根本利益,如系统中潜在故障等造成的损失考虑不够。用户使用电力除了要求数量上充足外,更关注其质量是否能达到期望的使用价值,即达到其希望的满意度。用户因系统扰动引起的潜在损失受多重不确定性因素影响,包括接线方式、回路数、线路型号、线路故障位置、故障类型等,同时与用户设备的电压耐受能力有关。根据IEEE推荐标准[5],设备电压耐受能力可作为一种度量,但需考虑其与系统扰动之间的兼容性问题。在进行系统规划时首先需对这些不确定因素造成的潜在影响进行准确评估。
1.2 用户友好电网规划要求
传统电力系统规划将系统建设成本、运营成本、用户停电损失作为目标,满足系统等式约束和不等式约束,以及可靠性指标等约束条件;而用户友好电力系统除需满足以上要求和约束外,更突出系统中用户满意度。因此其规划要求是:全面考虑系统侧和用户侧各类成本,准确评估用户可能经受的停电损失和潜在损失,明确系统规划所需达到的目标;根据供电充足性原则和系统基本安全要求确定可能的电网规划方案;对各种可能方案内系统可能产生的电压暂降等扰动和可能的用户敏感设备的电压耐受能力,评估用户潜在损失;建立包括建设成本、运行成本和用户综合损失在内的电网规划模型;对不同规划方案进行比较,从中确定最优方案。
2 用户潜在损失评估
2.1 系统扰动不确定性评估
系统中故障产生的电压暂降是导致用户潜在损失的主要因素,其严重程度与系统拓扑、运行方式及故障位置、故障类型、保护类型、保护定值及装置特性等有关[13]。不同用户设备的电压耐受能力的不确定范围不同,不同情况下可能造成的潜在损失也不同,因此,在进行规划时需对各规划方案下系统扰动特性进行评估。
对任意规划系统,如图1,根据现有资料可得到不同型号线路的可靠性参数。当任意线路i-j上任意位置f点发生三相短路时,任意用户设备接入点m处的暂降幅值为:
式中:Ur,m为节点m暂降时的剩余电压;Umpref、Ufpref为故障前m、f点的电压;l为线路归一化长度;Zii、Zjj为节点i、j的自阻抗;Zmi、Zmj、Zij分别为节点m、i、j的互阻抗;zij为线路i-j的阻抗;Zg为故障阻抗。当线路i-j发生非对称故障时,可用文献[14]提出的对称分量法分析,不再赘述。
系统故障具有随机性,根据线路i-j不同位置故障引起的m点暂降幅值分布,用最大熵方法[15]可确定线路故障引起m点的电压暂降强度的概率密度函数:
式中:λi为第i阶矩约束条件对应的拉格朗日算子;i=2,3,…,N。根据文献[15],取N=5。
式(2)中变量取值由电压暂降幅值分布决定,结合式(1),计算时采用的Zii、Zjj、Zmi、Zmj、Zij均为系统阻抗矩阵对应参数,与拓扑有关,根据拟规划方案可分别确定。
2.2 用户设备电压耐受能力不确定性评估
用户设备的电压耐受能力受设备类型、使用场所、寿命、运行条件、负载水平等影响,有极强的不确定性,不确定区域如图2。针对不同用户设备,如果仅用确定的暂降(如幅值为50%[16])频次来估计用户损失有失真伪,此时需考虑用户设备受影响的不确定性。
用户设备在系统扰动时可能处于正常、故障、正常与故障之间的过渡状态等多种运行状态,造成的损失也随之差异较大,对拟规划系统的拓扑结构,根据上节原理可确定用户接入点暂降强度概率密度函数f(s),结合用户设备故障状态隶属函数μA[17],可评估用户设备的故障概率。
式中,s为电压暂降强度指标(可描述暂降幅值、暂降持续时间或其综合指标,本文仅考虑暂降幅值)[8]。
用户设备故障概率P(A)反映了线路i-j上任意点故障可能导致的m点用户设备故障概率。在m点接入的k类用户经受的年潜在故障次数为:
式中:k为各节点所连接用户类型;xmk1,xmk2表示m点处k类用户的设备电压耐受幅值的最小值、最大值;Lij和λij分别为线路i-j的长度和故障率。
2.3 用户潜在损失评估模型
现有电力系统规划对用户电压暂降损失涉及较少,最多考虑了用户设备停运、系统重启、产品报废等情况[16]。在电力技术经济评价中,有时用户潜在损失更严重。
实际中,用户可分为居民、商业、工业等类型。根据美国、加拿大统计数据[18],工业用户对恢复时间尤为敏感,其他用户的敏感特性则基本相同,这与工业用户生产线的大量流水线作业相符。单次电压暂降引起用户潜在损失的大小反应了用户对系统故障以及用户满意程度的不同期望。一般,设备故障必然造成用户生产工作的中断,故取平均每次短时中断损失作为用户的单次潜在损失[16],如表1。
节点m处k类用户的年潜在损失:
在此基础上可进一步确定出规划系统在某方案下整个系统中所有用户潜在损失:
式中:m、M分别为规划系统的节点号和总可感知的负荷点集合;Ck为第k类用户单次故障损失。
2.4 用户潜在损失评估过程
基于以上分析,评估某电力系统规划方案下的用户潜在损失的一般过程为:
(1)根据被规划系统在某规划方案下的网络拓扑结构、各支路参数,以及各类用户设备的电压耐受能力,用最大熵原理[15]和模糊随机方法[17]求得各类用户的潜在故障概率。
(2)根据统计得到的各线路类型的可靠性参数,结合式(4)得到各个用户设备接入点上各类用户的潜在故障次数。
(3)由各类用户设备单次故障的经济损失和得到的潜在故障次数,计算电力系统不同规划方案下用户潜在损失,从而确定系统规划目标函数的最小值,由此选定最佳电网规划方案。
3 用户友好电网规划
3.1 规划模型
为阐明原理,以现有系统中新建馈线为规划变量;以电压暂降引起的用户潜在损失和系统电量不足损失之和作为年用户损失;以年用户损失、建设投资年费用、年运行费用之和作为系统规划综合费用;以综合费用最小为规划目标。电网的规划模型为:
式中:f1、f2、f3分别为建设投资等年值费用、年运行费用(包括年网损费和年折旧维护费)、用户综合损失费用(包括缺电损失和潜在损失);Uh为第h年建设计划(uh为系统建设可行方案集);xh为系统结构优化变量;yh为系统运行优化变量。
式(8)、(9)为系统结构优化约束,如线路回路数、线路路径、线型等;式(10)为系统运行优化约束,包括线路潮流、发电厂出力和机组出力、负荷水平以及系统稳定性等约束。
目标函数中各部分的表达式为:
式中:i为投资折现率;n为施工年限;cl为线路l单位长度造价;ll为支路l新增回路数;L为系统支路集合。
式中:T为年损耗小时数;Closs为单位功率损耗年运行费用;rl、Pl分别为支路l的电阻及有功潮流;Cd为年折旧费。
式中:EENS为年电量不足期望;CIC为单位电量停电损失;Cpotential为不确定性故障引起的用户年潜在损失。
3.2 规划计算流程
根据以上规划要求和模型,用户友好电力系统的规划流程如图3。
4 算例分析
Garver-6节点系统是国内外系统规划中广泛采用的实验电网。在未来的规划年中,系统每两个节点之间都可以架设新线,规划方案中每次可改变的架空线路的最大走廊数为4回。线路具体参数及网络结构如表2和图4。
利用本文方法对待规划系统进行经济损失评估,并与未考虑用户潜在损失的评估结果做比较,说明规划中考虑用户满意度的重要性和必要性。
方案一和方案二分别为考虑和不考虑用户友好计及潜在损失的规划结果。具体接线方式如表3所示。
在不同方案下,各条支路在敏感负荷接入点电压暂降幅值的概率密度函数系数的变化趋势如表4,5,它表征了系统扰动的强度,结合用户敏感设备耐受能力,可得到不同种类用户故障概率。
注:未建设支路未标出。
注:表中仅给出了系统发生三相故障的情况。
结合各个节点下的用户信息,如表6所示,按照第四节中的用户经济损失评估方法,更能直观地体现出不同用户对电网规划方案的满意程度。根据SEMIF47标准,选取PC、ASD、PLC分别代表住宅、商业、工业用户中典型的敏感设备,且各用户及各设备间相互独立。
由表4、5可知:
1)随着规划方案的不同,网络拓扑结构影响系统中各线路对用户点的故障概率密度函数,从而改变了用户可能发生故障的可能性。
2)不同方案下,故障率即使发生细微变化,对整个系统中成千上万用户而言也足以造成巨大的经济损失。而终端用户的满意度的直接体现则是自身的经济效益,它同时也是社会发展的保障。因此,在规划初期找到符合需要的最低潜在故障率的拓扑结构至关重要。
3)当敏感负荷点的用户不同,即设备的耐受能力出现差异时,连接在同一节点上不同用户对系统产生扰动的兼容性不尽相同,说明了区别用户类型的必要性。
结合线路可靠性等计算参数[19],上述两种不同方案的用户损失如图5,各类费用计算结果如表7。
方案一与方案二相比,两者的缺电损失几乎相同,但潜在损失则大不一样。比较还可得出,潜在损失对系统内用户造成的危害更加深重。而用户对电网的满意度体现的关键则是网络拓扑在经济上的影响,将潜在损失考虑到用户损失,甚至电网规划的目标函数中是用户满意度的客观体现。
在不考虑用户损失时,方案二在馈线的建设、运行费用上更为经济,因此成为首选规划方案。然而考虑用户损失后,特别是用户潜在损失,方案一中各类用户的潜在故障次数均随之减小,从而使得年用户损失及系统年综合费用降低,用户设备对系统扰动显示出更优的兼容能力。这时规划出的电网方案,不但在综合费用上是最经济的,在用户心目中同样是满意度最高的。
5 结论
(1)本文利用电网规划中拓扑结构的变化,求取了不同规划系统中各用户发生潜在事故的概率,适用于任何规模大小的电网发生对称故障和不对称故障时用户故障的判断。
(2)考虑了同一系统下不同用户经济损失的差别和联系,更好地反映出不同用户对电网电能质量需求的满意度。在实际中,用户友好的电网使得系统侧和用户侧更好地融为一体。
(3)国内外大量的投诉都与电网的网架结构不合理而导致的用户经济损失有关。仿真结果也表明了考虑用户潜在损失的必要性。如何进一步找到合理的补偿装置,提高系统抗灾性,是值得更深入研究的重要课题。
摘要：在现代智能电网框架下,对用户友好电网概念及其规划模型和方法展开研究。规划中除考虑建设成本、运营成本和用户停电损失外,重点研究不同规划方案下不同用户因系统扰动引起的潜在损失评估方法,并将该损失计入用户损失中,以此为基础规划电网。实际中用户潜在损失与系统中扰动和设备电压耐受能力有关,具有不确定性,分别用最大熵和模糊法进行评估。对Garver-6节点系统仿真证明,考虑用户潜在损失后的电网规划方案能保证综合成本最低。
规划模型 篇10
关键词：双层规划,自适应粒子群优化算法,分层迭代
1 引言
双层规划研究的是具有两个层次系统的规划与管理问题。上层决策者只是通过自己的决策去指导下层决策者,并不直接干涉下层的决策;而下层决策者只需要把上层的决策作为参数,他可以在自己的可能范围内自由决策。这种决策机制使得上层决策者在选择策略以优化自己的目标达成时,必须考虑到下层决策者可能采取的策略对自己的不利影响。因此,双层规划是一种NP hard问题,具有一定的复杂性与现实意义。
目前对于双层规划模型通常采用数值仿真计算,以期在合理的时间内获得模型的近似最优解。但是,当前国内外一些学者提出的求解算法或求解方法,都是针对特定的双层规划模型提出的,并且算法的运行效率和收敛精度都不高。本文在分析和借鉴现有的一些较优秀的算法思想的基础上,提出采用自适应粒子群优化算法求解双层规划模型。实验研究表明,本文提出的算法不仅能有效求解双层规划模型,可以获得高质量的全局最优解,而且该算法具有通用性和普遍性,不依赖于具体的双层规划模型。
2 双层规划模型
双层规划模型的基本思想可以用下面的数学模型来描述:
设上层决策者控制的变量为
下层决策者控制的变量为
上层规划的数学模型为:
其中y=y(x)由下层规划求解。
下层规划数学的模型为:
双层规划模型是由以上两个相互关联的子模型(U)和(L)组成,F是上层规划所确定的目标函数,x为上层规划的决策变量,G是对变量的约束;f为下层规划所确定的目标函数,y为下层规划的决策变量,g是对变量y的约束。上层决策者通过设置x的值影响下层决策者,因此限制了下层决策者的可行约束集,而下层决策者的行为反过来又会通过y影响上层的决策,所以下层决策变量y是上层决策变量x的函数,即y=y(x),这个函数一般称为反应函数。
一般来说,求解线性双层规划问题是非常困难的,Jeroslow指出线性双层规划是一个NP-hard问题,Ben-Ayed及Bard对此结论给出了简短的证明;Hallsen对性双层规划是强NP-hard问题给出了严格的证明。后来,Vicente指出,寻找线性双层规划的局部最优解也是NP-hard问题,不存在多项式求解算法。即使双层规划上、下层中目标函数和约束函数都是线性的,它也可能是一个非凸问题,并且是非处处可微的。非凸性是造成求解线性双层规划问题异常复杂的重要原因。
3 粒子群优化算法模型
3.1 基本粒子群优化算法
粒子群优化算法是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法,在PSO中,每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值,每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。
PSO初始化为一群随机粒子(随机解),然后通过迭代找到最优解,在每一次叠代中,粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解,这个解叫做个体极值pBest,另一个极值是整个种群目前找到的最优解,这个极值是全局极值gBest。粒子在找到上述两个极值后,就根据下面两个公式来更新自己的速度与位置:
其中,Vk为迭代第k步粒子的速度,Xk为第k步粒子的位置,pBestk为第k步粒子本身所找到的最优解的位置,gBestk为第k步整个粒子群当前找到的最优解的位置;rand是[0,1]之间的随机数,c1和c2被称作学习因子,通常,c1=c2=2,w是加权系数,一般取值在0.1-0.9之间。
3.2 自适应粒子群优化算法
为了平衡PSO算法的全局搜索能力和局部改善能力,采用非线性的动态惯性权重系数,公式如下:
其中wmax、wmin分别表示w的最大值和最小值,f表示粒子当前的目标函数值,favg和fmin分别表示当前所有粒子的平均目标值和最小目标值。在上式中,惯性权重随着粒子的目标函数值而自动改变,因此称为自适应权重。
当各粒子的目标值趋于一致或者趋于局部最优时,惯性权重将增加,而各粒子的目标值比较分散时,惯性权重将减小,同时对于目标函数优于平均目标值的粒子,其对于的惯性权重因子较小,从而保护了改粒子,反之对于目标函数值差于平均目标值的粒子,其对于的惯性权重因子较大,使得该粒子向较好的搜索区域靠拢。
3.3 双层规划模型求解方法
双层规划问题是一个多目标优化难题,对于一个非线性双层规划问题,对其求解会更加复杂。粒子群优化算法结构简单,控制参数更少,本文将利用分层迭代的思想,采用改进的粒子群算法求解双层规划问题。算法的基本流程如下:
步骤1(初始化)初始化自适应粒子群算法中的参数;随机产生下层模型的初始解(需满足约束条件)。
步骤2 (求解上层规划)将下层模型的解代入上层模型,利用算法求解上层模型,获得上层模型的最优解。
步骤3(求解下层规划)将上层模型的解代入下层模型,利用传统优化方法求解下层模型,获得下层模型的最优解。
步骤4(判断)若满足算法终止条件(误差足够好或者达到最大迭代条件),则停止,否则转步骤2。
4 算例研究
下面通过几个双层规划模型的数值例子,来验证本文给出的自适应粒子群算法求解双层规划模型的可行性与有效性,并与参考文献中的结果做比较。
例1
例2
在上例中,取离子数为40,学习因子都取2,最大惯性权重为0.9,最小惯性权重为0.6,迭代步数取100,最后得到的结果和文献比较如表1所示。
从上述的例子结果可以看出,本文算法的计算结果和文献基本相符合,充分可以得出本文算法的有效性,另外,由于粒子群算法的简单与智能化,参数设定比较少,因此,在解决类似问题具有一定的优势。
5 结论
采用自适应粒子群算法求解双层规划模型是一项崭新的尝试,通过对算例的数值计算,表明本文提出的算法是非常有效的。自适应粒子群算法不仅能够有效的求解双层规划模型,而且具有一定的通用性和普遍性。本研究期望能为以合理的代价用智能算法求解大型复杂模型指明一条新的路径。
参考文献
[1]Kennedy J.Eberhart R.Particle swarm optimization[C].IEEE International Conference on Neural Networks(Perth,Austra1ia),IEEE Service Center,Piscataway,N J,1995,IV:1942-1948.
[2]Shi Y.Eberhart R.A modified particle swarm optimizer[C].IEEE International Conference on Evolutionary Computation,Anchorage,Alaska,May4-9,1998.
[3]孙会君,高自友.供应链分销系统双层优化模型[J].管理科学学报,2003,6(3):66-70.
[4]吕振肃,侯志荣.自适应变异的粒子群优化算法[J].电子学报,2004,32(3):416-420.
[5]江燕,胡铁松等.基于粒子群算法的非线性二层规划问题的求解算法[J].运筹与管理,2006,15(2).
[6]刘佳,秦四平.不确定性决策在配送中心选址y元素中的应用研究[J].物流技术.2006.(12):52—54.
[7]龚纯,王正林.精通MATLAB最优化设计[M].北京:电子工业出版社,2009.271-290.
规划模型 篇11
关键词：企业战略性;人力资源;规划模型
一、企业人力资源规划现状
当前，我国对企业人力资源管理的认识越来越清晰，管理部门正在由传统的人事管理模式向以推动人才发展的管理模式转型。人力资源规划整体流程越来越规范，企业在员工引入计划、培养、选拔等机制方面更加注重公平、公正，更加注重量化，企业把引入人才与自身的现实目标实现联系起来，人才实用性得到强化，但企业对于将来战略性发展所指定的人才暂时性引进方面重视不足，对长期性、过渡性以及培养性等多类型人才的把握不清晰。企业员工晋升机制相对不完善，虽然路径相对清晰，但具体实施上仍面临许多操作困难，许多员工虽然掌握晋升流程并付诸实际行动，但限于隐性的公司、制度缺陷，员工晋升利益得不到保障。员工培训次数相对不足，培训质量不高，使得员工可持续发展能力得不到保障，培养现有人才与引入人才的成本把握和培养应用性认识不清晰。员工绩效激励主要以工资为主，缺乏整体性的福利激发措施，员工在子女教育、自身医疗、住房等方面得不到保障，工作缺乏积极性。
二、企业战略性人力资源规划模型与应用
（一）企业人才需求规划模型
企业人才的战略性管理是一个复杂的系统工程，它既涉及到现有的人才管理，同时又对人才需求需要制定发展规划。而企业人才需求需要考量的因素是多方面的，既要把握企业战略性发展目标、中短期目标等，又要结合企业自身发展条件及市场需求。对于企业人才需求规划模型的建立需要建立对人才需求的预测。企业可以根据自身的发展需求来采用不同的预测模型。最常用到的是经验预测模型，企业在运行的过程中会总结出管理者与被管理者之间的一种比例关系，通过把握这种比例关系可以在今后人员调整方面形成经验性的比例，这种方法是一种经验积累，一般不会出现大的调整波动。
（二）企业人才序列划分模型
企业人力资源需要整合与分类，这有利于形成高效的工作团队。依据企业自身在目标规划、生产要求、技术发展、管理储备等方面的特点，企业可以将人力资源按职能管理和基础生产两部分进行划分。其中这两类的人员依据自身所处的公司角色地位可以进一步细化。企业人才序列划分模型重点是企业人力资源要建立科学化、细致化的分类标准，以便企业有序运行。例如，对企业职能管理人员可以按人员性质进一步细化为核心管理层、干部管理层和基层管理层。生产人员又可以按生产流程或生产角色来确定人员的细化，如可以分为水工、电工、维修工等等。
（三）企业人才供需平衡模型
企业推进战略性人力资源规划的目的在于实现企业发展需求与企业人员供给的平衡，那么建立企业人才供需平衡的模型十分有必要。从人才供需平衡的角度考量，企业人才供需平衡模型会出现三种状况。第一，企业需求与人才供给较为合理。这种情况是一种理想的人才供需状态，多数企业不会长期处于这类状态，企业良性发展或劣势萎缩都会打破人才供需平衡。第二，企业需求大，而人才供给少。这类状态是企业处于高速的生长期，对人才的需求较大，而高素质的人才供应在一定时期内又很难满足企业的发展需求，这就造成了需求大供给少的人力资源状态。出现这类情况时，企业要基于发展目标和人才需求规划来推进人才招聘、培训等一系列措施，也可以通过企业内部员工在不同岗位间的调剂来实现人才的有效应用供给。第三，企业需求少，人才过剩。当出现这一类情况时，企业就需要通过提高发展目标、增大生产规模、合并企业内部机构、建立裁员培训等措施来调整供大于需的人力资源状态。企业人力资源的供需平衡模型既要把握总体的企业需求与外界人才供给，同时也要关注企业内部机构间的人才平衡战略。企业在人力资源规划时要细化至每个部门、每个岗位，不能把企业总体的平衡当作是一种理想状态，当细化至具体岗位时，部门间的人才不平衡才会发现，企业针对内部人才的不平衡才会采取针对性的措施。
（四）有效利用人力资源外包模式
专业化的分工大大促进了社会的发展。企业从根本上说也是专业化分工的产物。在分工越来越细，效率不断提高的今天，企业内部许多行政事务都可以交由专业化的公司来运作，比如说员工的招聘、各种培训、薪资设计等等。通过将日常的管理工作交给专业化程度更高的外包公司等专业机构来运作，企业内部的人力资源管理者可以将更多的精力集中在对企业价值更大的管理实践开发以及战略经营伙伴的形成等功能上。目前，国内的人力资源外包机构有很多，其中实力较强的有北京双高志信人才派遣有限公司、上海朵奈特人力资源有限公司、福建双维劳动保障事务有限公司等。
（五）全面提高人力资源从业人员的素质
企业所面临的外部环境竞争激烈，使得人力资源规划的制定更为复杂，这就要求企业人力资源规划的制定者应具有高超而立体的战略思维与丰富的实际操作经验。加强培养高层次、高素质的人力资源管理队伍，提升整体专业素质，不断增强企业智力资本竞争的优势，成为实施战略性人力资源规划的关键因素。人力资源管理者应当了解企业的经营目标、各业务部门的需求，以及企业职能、产品、生产、销售、企业使命、价值观、企业文化等多个方面，并围绕目标实现的高度来设计对员工基本技能和知识、态度的要求，深入企业的各个环节来调动和开发人的潜能，更好地为业务部门提供增值服务。
结束语：人力资源作为企业的首要资源，在企业中的地位越来越重要，关系到企业的未来发展、企业战略目标的实现。但是，我国绝大多数企业的人力资源管理能力很弱，人力资源竞争力整体偏低，为在愈演愈烈的全球人才争夺战中占领一席之地，它们迫切需要从战略高度进行人力资源管理，要求其人力资源战略必须与企业战略发展相一致。
参考文献：
[1]李洪涛.分层分类的战略性人力资源管理模式[J].销售与管理，2012.
[2]朱文.企业人力资源动态战略规划研究.吉林大学硕士学位论文，2011，（4）.
规划模型 篇12
随着人口与经济社会的发展,各用水部门的需水量增大,如何将有限的水资源合理地分配给多个不同用水部门成为了供水水库运行管理中的关键问题。目前,关于供水水库的研究主要集中在水库长时序调度过程的模拟与相关待定参数的优化计算两个方面。对于前者,不同学者对水库供水调度规则进行了大量的研究,提出了诸如SOP[1],Hedging rule[2],供水调度图[3],仿真规则[4]等;对于后者,不同的智能优化算法如遗传算法[5]、粒子群算法[6]、蚁群算法[7]等被广泛地应用到水库调度领域中[8]。在上述研究中,通常假设多个用水部门之间能够完美合作,并按照一定的供水调度规则进行操作,然后应用权重法、约束法等方法将问题转化为单人单目标决策问题,最终通过优化方法对模型的求解为决策者提供优化方案或者方案组合[9]。但对于不同用水部门之间的博弈特征缺乏认识,在模型的结构中,忽略了不同用水部门之间决策信息的交流与作用,从而影响到模型的求解效果。
近年来博弈论方法的发展与应用为解决水库调度问题提供了新的途径。博弈论方法被认为是研究主体之间决策相互影响的最佳数学工具,合作博弈的特点是参与人在相应制度约束下通过个体决策间的相互影响以追求整体效益的最大化。根据博弈论的观点,完全信息动态博弈模型、不完全信息动态博弈模型、模糊动态博弈模型等[10,11,12]被用来解决水库调度中用水部门与水库调度管理者,以及不同用水部门之间的博弈问题。但上述博弈模型均为离散型模型,难以与水库的调度规则结合使用。
二层规划是一种具有两层递阶结构的系统优化方法,可以很好的描述决策参与者之间动态博弈行为,并且有效地与水库调度规则结合使用[13]。当二层规划模型中上下层模型追求的目标函数不同(或者冲突)时,二层规划模型被认为是解决上下层参与者之间Stackelberg博弈问题的有效工具[14]。当上下层模型均以整体效益的最大化为目标时,可以认为上下层决策参与者通过一定的约束结盟,通过动态合作博弈行为,达到整体(联盟)效益的最大化。此时,二层规划模型与常规模拟-优化模型的主要区别就是在二层模型中可以考虑到决策行为对参与者的相互作用。因此,本文从动态博弈论的观点出发,将不同的用水部门看做博弈参与者,考虑到供水决策行为对参与者的影响,提出了有序供水规则的表述形式,建立了上下层均以多用水部门缺水指数最小化为目标函数的二层规划模型,并采用粒子群算法对该模型进行分层优化求解。在我国北方某供水水库的实例研究中,通过与常规模拟-优化模型的结果比较,验证了模型的合理性与有效性,得出了在模型的结构中考虑到参与者决策之间的相互作用,能够显著提高模型求解结果稳定性的结论。
1基于有序供水规则的二层规划模型
二层规划是近年来在交通网络设计[15]、经济决策[16]、委托与代理[17]、跨流域水资源优化配置[13]、水资源优化配置[18]以及模型参数优选[19]等领域应用比较广泛的一种具有二层递阶结构的系统优化方法,适合于决策者之间具有博弈特征的系统,强调的是整体达到最优[20]。它包含上层和下层两个问题,上层和下层均有各自的目标函数和约束条件,并且上层问题的目标函数不仅与上层决策变量有关,还依赖于下层问题的最优解。下层问题的最优解又受上层问题决策变量的影响。二层规划的决策过程是:上层模型在可行域范围内给定一个决策变量,下层决策者根据自身的目标函数以及约束条件,得到对此相应的可行解集,根据下层决策者反馈的解集,上层决策者对其给定的决策进行修正,最终找到使上下层目标达到最优的策略。
二层规划问题的数学模型一般表述为:
式中:F,f:Rn1×Rn2→R;R:Rn1×Rn2→Rp;g:Rn1×Rn2→Rq;F(x,y),f(x,y) 分别为上下层目标函数;G(x,y),g(x,y)分别为上下层约束函数。
1.1有序供水调度规则的表述形式
类比水库多目标供水调度仿真规则,本文提出的调度规则主要考虑到供水决策行为对水库蓄水量的影响,以研究水库对多个用水部门有序供水调度的问题。在该规则中水库按照用水部门重要程度拟定供水的优先顺序。对于不同优先级别的用水部门,以水库相应的蓄水状态与其限制供水线之间的大小关系,共同判定是否需要对用水部门进行限制供水。
假设水库有3 个主要的用水部门Di(t)(i=1,2,3为用水部门的序号;t=1,2,3,…,T为时段的序号),用水部门的优先级从高到低依次为D1(t)、D2(t)、D3(t)。一个水文年度分为p个调度时段,Xi(Xi,1,Xi,2,…,Xi,k,…,Xi,p)为第i个用水部门的限制供水启动向量,与水库蓄水状态的某个阀值相等。若供水调度在时段t启动,此时段初水库的蓄水状态为S1(t)。那么首先根据S1(t)与D1(t)限制供水值的大小关系确定水库在此时刻对D1(t)的供水量R1(t),其次由水库对D1(t)供水后的蓄水量S2(t)与D2(t)限制供水值判定水库是否需要对D2(t)进行限制供水,依此类推,最后确定对D3(t)的供水量R3(t)。水库有序供水调度规则与供水过程的示意图,如图1 所示。图中S1(t)表示水库在时段初的蓄水量,S2(t)、S3(t)分别为水库对D2(t)、D3(t)启动供水时的蓄水状态,Smax(t)、Smin(t)分别为水库的上限库容和死库容。
具体的供水规则为:
水库对用水部门D1(t)的供水量:
水库对用水部门Di(t)供水时的蓄水状态:
水库对用水部门Di(t)的供水量:
其中1<i≤n,n为用水部门的数目;α1,…,αi,…,αn∈[0,1]分别为用水部门对应的限制供水系数。
1.2二层规划模型的建立
在水库向多用水部门有序供水的调度过程中,水库对用水部门的供水会改变水库的蓄水状态,从而对其后用水部门的供水产生影响;同样,后面的用水部门通过制定供水决策,可以对时段末水库的蓄水状态造成影响,从而将作用反馈到下一时段水库的供水过程。因此,水库对多用水部门的供水行为具有序贯博弈的特征,可以用二层规划模型进行描述。二层规划的特点是考虑到供水决策行为之间的相互作用,将不同用水部门的限制供水决策变量分开优选,可以较好地处理决策变量间的相关关系[19]。
同时,为了使有限的水资源在不同用水部门之间合理地进行分配利用,避免用水部门之间非合作博弈导致“公地悲剧”的发生,本文以多用水部门缺水指数最小化作为上下层模型的目标函数。
对任意给定的上层决策变量x,在满足约束条件下,确定下层模型中相应的限制供水决策变量 ,使其能够根据上层高优先级用水部门的供水决策,做出相应的供水决策,达到下层目标函数的最优化。
式中:SIi为水库在满足水量平衡、水库限制库容、弃水量、供水量等约束条件下,下层用水部门Di(t)的缺水指数;p为低优先级用水部门的数目;M为一年中的调度时段数;N为总年数。
然后,在可行域内确定上层限制供水线x,使其满足用水部门的需水要求。对于任意给定的一个上层决策变量x,将式(5) 得到与此对应的极值y(x),反馈回上层模型中,使高优先级的用水部门能够根据低优先级用水部门的限制供水决策作出相应的策略调整,达到多用水部门整体效益的最大化。
式中:SIj为水库在满足水量平衡、水库限制库容、弃水量、供水量等约束条件下,下层用水部门Di(t)的缺水指数;q为高优先级用水部门的数目;ωi、ωj分别不同用水部门缺水指数的权重。
式(5) 和式(6) 构成了基于有序供水方式下水库对多用水部门供水的二层规划数学模型,即式(7)。它表示不同用水部门之间通过合作交流,形成联盟,达到水资源合理分配的目的。
1.3模型的求解
在水库对多用水部门供水的二层规划模型中,目标函数中的变量是通过模拟水库长时序供水过程,然后对与决策变量相关的指标进行统计而建立起来的,难以给出其具体数学表达式。因此,该二层规划问题是一个非凸的资源分配问题,不能用常规的数学方法,如互补旋转算法,下降算法,罚函数法等[21]进行求解。但启发式算法的出现为求解该问题提供了有效途径[22,23,24]。本文在求解该二层规划模型时,采用参考文献[24]中提出的基于粒子群算法求解二层规划问题的方法,具体求解流程如图2所示。
2实例研究
2.1工程概况
白石水库位于辽宁省大凌河干流上,控制流域面积17 649 km2,水库死库容为8 450万m3,正常库容为70 990万m3,汛限库容为60 758万m3,其中,该地区的汛期为7月至9月。白石水库主要有2个用水部门:①工业用水,年均需水量为6 022.5万m3;②农业灌溉用水,年均需水量为24 619.6万m3。供水优先级依次降低,按照设计要求工业、农业的缺水允许破坏深度分别为10%,30%。
2.2不同调度模型结果对比分析
在白石水库不同调度模型的对比研究中,一个水文年度被划分为24个时段(4-9月份以旬,其余月份以月作为计算时段),以多用水部门缺水指数(SI)最小为目标函数,权重系数设置均为1,对白石水库构建以下4种调度模型:①基于有序供水规则下的二层规划模型;②基于常规供水规则下的二层规划模型;③基于有序供水规则下的模拟-优化调度模型;③基于常规供水规则下的模拟-优化调度模型。本文利用水库1956-2007共52年的入库径流作为调度模型的来水资料,用水采用2020水平年的设计用水,应用种群规模为60,迭代次数为100,上下层迭代次数设置为20次的PSO算法对模型1与模型2进行分层求解;应用种群规模为800,迭代次数为9 000的PSO算法对模型3与模型4进行优化计算。为了尽可能消除优化算法随机性对于模型调度结果的影响,每个模型均运行20次,并给出4种模型在20次运行结果中得到目标函数的较优值,平均值,较劣值以及计算结果的标准差与平均计算时间,如表1所示。
由表1可知,4种调度模型的平均计算时间为47 min或48 min,两者相差不大,这样使得不同模型的调度结果更具有可比性。将模型1与模型3,以及模型2与模型4的调度结果对比可知,在相同供水规则的条件下,二层规划模型得到的目标函数较优值与基于模拟-优化方法得到数值相同,但二层模型得到的其他统计指标,如平均值,较劣值,方差,都优于模拟-优化方法得到结果。将模型1与模型2,以及模型3与模型4的结果对比可知,在相同的模型结构中,有序供水规则得到的目标函数值统计结果优于常规供水规则得到的结果,并且计算结果的方差无显著性差别。表1的计算结果表明,相比常规模拟-优化方法,二层规划方法可以提高模型求解结果的稳定性;同时,有序供水规则比常规供水规则更为优越。
为了分析限制供水控制线与调度结果之间的联系,如图3所示,本文给出了模型1中得到较优目标函数值所对应的供水调度图以及不同用水部门在每个计算时段下的供水保证率。从图3(a)中白石水库不同用水部门限制供水控制线的相对位置可以看出:农业限制供水线的位置整体高于工业限制供水线。同样,从图3(b)中可以看出农业供水保证率在每个时段都小于工业供水保证率。这表明不同用水部门限制供水控制线位置的高低直接决定着用水部门供水保证率的大小关系。
从图3(a)中各限制供水控制线随时间的变化规律可以看出:限制供水线在非汛期所处的位置均较高,在汛期的位置则偏低。同样,结合图3(b)供水保证率在各个时段的分布状况可以得到,在汛期用水部门的供水保证率相对比非汛期的保证率高。这是由于在非汛期增加限制供水的概率,使水尽可能留在水库内,防止超破坏深度供水情况的发生。
2.3有序供水规则合理性的分析
为了分析有序供水规则的合理性,本文采用模拟的方法,分别将工业与农业的限制供水线位置进行调整,观察它对水库水量平衡项和供水过程的影响。
如图4所示,当水库的农业限制供水线整体下降2 000 m3后,多用水部门的缺水指数值减少了0.43,由1.67减小到1.24,其中,农业用水部门的缺水指数由1.62减少到1.16,工业用水部门的缺水指数由0.05增大到0.08,但值得注意的是,水库在枯水年份(1983-1984年)的最低运行水位跌至死水位以下,这种情况应该是绝不允许发生的。
同样,当水库的工业限制供水线整体上抬2 000 m3后,多用水部门的缺水指数值由1.67增大到1.70,其中,农业用水部门的缺水指数由1.62减小到1.61,工业用水部门的缺水指数由0.05增大到0.09,并且水库在枯水年份的蓄水量比优化得到的蓄水过程整体得到了提高,这表明,在调整工业限制供水线后,水库还具有一定的供水空间。综合分析,可以得到限制供水线不仅决定了本用水部门的供水状况,对其余用水部门的供水也会产生一定的影响,同时,以上结果也从侧面说明由PSO算法求解二层规划模型得到的供水调度规则是合理的。
4结语
针对水库向多个用水部门供水调度的问题,本文将不同的用水部门看作决策参与者,提出了有序供水规则的表述形式,建立了具有序贯博弈特征的二层规划模型。我国北方白石水库的实例研究表明,相比常规模拟-优化方法,二层规划方法可以提高模型求解结果的稳定性;同时,有序供水规则比常规供水规则更为优越。
随着水资源系统的结构越来越复杂,不同目标之间的博弈关系越来越显著,基于二层规划以及多层规划解决水资源系统问题具有研究和推广的应用价值。
摘要：针对具有多个用水部门的供水水库,提出了一种有序的供水调度规则,在该规则中水库按照用水部门的优先级确定供水的顺序,并根据水库相应的蓄水状态与用水部门限制供水线之间的关系,共同判定是否对其限制供水。基于供水过程动态博弈的特征,建立了水库对多个用水部门有序供水的二层规划模型。模型由上层水库对高优先级用水部门的供水模型以及下层对低优先级用水部门的供水模型构成,并采用粒子群算法对二层规划模型分层求解。在实例研究中,通过与不同调度模型与供水规则进行比较,检验了提出的供水规则与二层调度模型的合理性和有效性。