Un análisis combinado de casos promedio y peor caso para un problema integrado de ubicación de centro y gestión de ingresos.
Autores: Huo, Jia-Zhen; Hou, Yan-Ting; Chu, Feng; He, Jun-Kai
Idioma: Inglés
Editor: Hindawi
Año: 2019
Acceso abierto
Artículo científico
Categoría
Matemáticas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
Este artículo investiga decisiones conjuntas sobre el diseño de la red aérea y la asignación de capacidad al integrar un problema de ubicación mediana de p-hub de asignación única sin capacidad en un problema de gestión de ingresos. Para la situación en la que la demanda incierta puede ser capturada por un conjunto finito de escenarios, extendemos este problema integrado con maximización de beneficios promedio a un análisis combinado de caso promedio y caso peor de esta integración. Formulamos este problema como un marco de programación estocástica de dos etapas para maximizar el beneficio, incluyendo el costo de instalar los hubs y una suma ponderada de costos de transporte promedio y de peor caso y los ingresos de boletos en todos los escenarios. Este modelo puede proporcionar decisiones flexibles al poner énfasis en la importancia de los beneficios promedio y de peor caso. Para resolver este problema, se aplica un algoritmo genético. Los resultados computacionales demuestran el rendimiento superior de la formulación propuesta.
Descripción
Este artículo investiga decisiones conjuntas sobre el diseño de la red aérea y la asignación de capacidad al integrar un problema de ubicación mediana de p-hub de asignación única sin capacidad en un problema de gestión de ingresos. Para la situación en la que la demanda incierta puede ser capturada por un conjunto finito de escenarios, extendemos este problema integrado con maximización de beneficios promedio a un análisis combinado de caso promedio y caso peor de esta integración. Formulamos este problema como un marco de programación estocástica de dos etapas para maximizar el beneficio, incluyendo el costo de instalar los hubs y una suma ponderada de costos de transporte promedio y de peor caso y los ingresos de boletos en todos los escenarios. Este modelo puede proporcionar decisiones flexibles al poner énfasis en la importancia de los beneficios promedio y de peor caso. Para resolver este problema, se aplica un algoritmo genético. Los resultados computacionales demuestran el rendimiento superior de la formulación propuesta.