考虑中断风险的备件供应选址- 分配优化模型

王亚东， 石全， 陈材， 尤志锋

(陆军工程大学石家庄校区 装备指挥与管理系， 河北 石家庄 050003)

摘要： 战时条件下，仓库或运输载体受到敌方蓄意攻击而丧失全部或部分储存和运输能力，造成备件供应中断。而供应网络的中断风险很难预测且动态变化，为不确定性参数。为解决不确定中断风险下的备件供应问题，以备件供应成本最低、供应延迟时间最短为目标，构建了战时备件供应的多目标选址- 分配联合优化模型。通过对多面体不确定集合的鲁棒等价变化，建立相应的鲁棒优化模型。采用元启发式算法对模型进行求解，得到了模型的非支配解集及其对应的供应方案。研究结果表明：通过对关键设施的加固防护，可以提高备件供应网络的效率和可靠性；鲁棒优化模型的最优解可以保证战时备件供应“最差情况下”解的可行性，即模型具有很好的鲁棒性。

关键词： 备件供应； 中断风险； 选址- 分配问题； 多目标优化； 鲁棒优化

0 引言

中断风险是备件供应保障需要考虑的主要不确定因素，在战时条件下尤为突出。由于受到自然因素和敌方蓄意攻击的影响，部分仓库或运输载体将丧失全部或部分储存和运输能力，备件供应系统可能发生中断。由于中断事件的突发性和复杂性，供应中断的发生时机、发生概率以及造成的后果都是不可预测和深度不确定的。战时条件下备件供应保障的时效性和可靠性通常比平时要求更高。如何提高备件供应网络的柔性和鲁棒性，加强抵御中断风险的能力以及中断发生后的应急响应能力，是战时备件供应亟待解决的重点和难点问题。

目前关于供应链中断风险的研究中，部分学者将重点放在网络结构的优化设计上，以此来增强供应网络的稳定性。Ivanov等^[1]综述了产品中断、供应商中断和运输中断等情况，并详细分析了不同中断对供应链造成的影响。Zhao等^[2]研究了供应网络在中断时的稳健性，建立了一个决策支持系统，用于在各种中断情景中调整供应链网络的拓扑结构，从而主动管理供应链网络。李锐等^[3]研究了考虑蓄意攻击中断时多周期环境下的第三方物流可靠性网络设计问题。Hatefi等^[4]同时考虑了不确定参数和设施的中断情况，提出一个综合稳健可靠的正逆向物流网络模型。秦晓燕等^[5]为应对灾后救援中的点失效和弧失效供应中断情况，通过建立双向互调的血液供应网络来有效降低响应时间和应急成本，缓解过期报废压力。另一部分学者重点研究中断发生后的应对措施，结合提前设置想定来提高供应网络的应急处理能力。Pariazar等^[6]分析了供应链中不同的中断情景，构建了多目标随机规划模型，以确定最佳供应商选择和检查策略，减轻中断对供应可用性和质量的影响。Li等^[7]研究了采取加固防护措施时供应链中断情况的设施选址问题。Qin等^[8]提出了设防设施选址、应急库存预定位策略和应急运输分配相结合的风险缓解措施。除此之外还有一部分学者将供应中断风险转化为不确定性参数，继而利用随机规划、模糊理论以及鲁棒优化等方法进行处理。Pavlov等^[9]用混合模糊概率方法描述供应链中断风险，增强了中断供应的弹性并识别出对供应链运作起关键作用的节点。Shukla等^[10]在网络中断情况下，采用情景规划方法建立了最优整数线性规划模型，其目标是最大限度地提高效率和可靠性。Cheng等^[11]在研究3级物流网络可靠性设计时，在未知中断概率情况下，用不确定性集来描述可能的情况，进而构建了2阶段鲁棒优化模型。

上述大部分文献只单独考虑了中断风险下的分配、设施选址或者最短路径问题，很少有文献研究联合优化问题。另一方面，大部分文献考虑平时供应网络优化，仅以成本最小为优化目标。战时备件供应还要兼顾时效性，属于多目标优化问题。此外，在将中断风险转化为不确定参数时，大多假设其服从某一分布，进而采用随机规划的方法求解，这与实际不尽相符。而鲁棒优化不需要提前知道不确定参数的分布规律。因此，本文考虑战时备件供应中断风险，以备件供应成本最小和供应延迟时间最短为目标，对设施选址和分配问题进行联合优化；利用鲁棒优化解决中断风险的深度不确定性，建立风险不确定情况下的多目标鲁棒优化。

（2）采用氯化铵沉淀法直接沉淀萃钯后液中的铂，沉淀尾液中铂浓度为0.007g/L，与萃取法尾液中铂浓度相当，溶液中98.91%的铂以（NH4）2PtCl6沉淀形式进行回收，铂收率高于原工艺。

1 中断风险确定情况下的优化模型

1 .1 问题描述

战时备件供应保障容易受到敌袭干扰，供应路线可能存在中断风险。若仓库设置距离作战前线太近，则很容易成为攻击目标，若距离前线过远又不能保证供应效率。因此，通过在后方仓库和作战单位之间开设野战仓库来解决以上矛盾。此时，构成了3级备件供应网络。第1层为基地级后方仓库，作为备件的供应点，通常距离前线较远，不考虑中断风险；第2层设置野战仓库，备件由后方仓库运输至野战仓库，再由野战仓库向前线作战单位进行中转；第3层为作战单位，是备件需求产生的主体。本文考虑的中断风险发生在野战仓库。当某一野战仓库完全失去供应能力后，其对应作战单位的备件由其他野战仓库作为备用点进行供应。为保证备件顺利运至作战单位，避免所有野战仓库同时瘫痪的情况发生，通常需对部分野战仓库进行加固、隐蔽等防护措施。考虑到加固成本，野战仓库是否需要加固还与中断风险的大小以及供应网络其他要素相关。因此本模型主要解决从所有野战仓库中选择关键野战仓库进行加固防护，以及求解由后方仓库向各开放野战仓库的备件供应量，最终以最低的成本和最短的时间完成备件支援保障，属于选址- 分配联合优化问题。

风险可表示为其中为风险的实际值，P 为风险的名义值，η 为风险的波动范围，为各野战仓库的中断风险偏差，U 为不确定集合。因此目标函数的鲁棒等价表达式为约束c (x ,η )的鲁棒等价表达式为以上为最小和最大优化问题，需要将其转化为易于求解形式。

1 .2 模型构建

目标函数1表示备件供应的总成本C 应最小。供应成本包括被选野战仓库的开放成本、野战仓库的加固成本、备件在野战仓库的库存成本以及备件由后方仓库向野战仓库、由野战仓库向作战单位的运输成本。目标函数1考虑了野战仓库发生中断的可能，其计算公式为

(1)

式中：表示第j 个野战仓库的开放成本；表示第j 个野战仓库的加固成本；为第j 个野战仓库的单位数量备件库存成本；为由第i 个后方仓库向第j 个野战仓库提供备件的单位运输成本；为由第j 个野战仓库向第k 个作战单位提供备件的单位运输成本；w _ij 为第i 个后方仓库向第j 个野战仓库供应备件的数量；J 表示备选野战仓库的数量；I 表示后方仓库的数量；K 表示作战单位的数量；为第j 个野战仓库受敌袭导致供应中断的风险；d _k 为第k 个作战单位的需求量；模型的决策变量如下：

对于未来中国家电行业形势的展望，来自全国家用电器工业信息中心的高级研究员苏亮先生分析，步入2019年，我国的家电行业会普遍出现增速放缓、且需要长期调整的态势，唯有抓住为数不多的机会点才能有所突破。苏亮表示，未来将会是一个全面围绕用户的时代，这就和“嘉电”的初衷不谋而合。

(2)

不失一般性，鲁棒优化的基本形式为

休息时，小猴看见不远处有一个瓶子，捡起来一看里面有一颗果子，下面有一张纸，写着：吃了这个果子，可以去龙宫寻宝。

该模型满足以下约束：

(3)

(4)

Z _jk0 +Z _jk1 ≤X _j ,

(5)

(6)

(7)

(8)

(9)

X _j ,Y _j ∈{0,1},∀j ∈J ,

(10)

Z _jk0 ,Z _jk1 ∈{0,1},

(11)

w _ij ∈N +,

(12)

其中：(3)式规定了一个作战单位有且只有一个主野战仓库为其提供备件；(4)式规定了当作战单位的主野战仓库发生中断时，由另一个备用野战仓库对其实施备件供应；(5)式表示对于一个开放的野战仓库，不能同时作为某个作战单位的主备件供应来源和备用供应来源；(6)式表示经过加固防护的野战仓库数量应不超过开放的野战仓库数量；(7)式表示后方仓库只能向开放的野战仓库提供备件；(8)式规定了对于一个开放的野战仓库，其备件输入量不能超过最大库存容量，v _j 为第j 个野战仓库的最大库存容量；(9)式为流量平衡约束，即对于开放的野战仓库，其备件输出量不得超过输入的备件量；(10)式～(12)式规定了决策变量的类型和取值范围。

2 中断风险深度不确定情况下的优化模型

目前关于供应链中断风险的测算方法主要有基于评估和基于仿真2种^[12-13]。由于在战时备件保障中很难提前得到中断风险的精确数值或分布规律，因此中断风险概率为深度不确定参数。通常通过采用仿真或评估的方法，将野战仓库的中断风险限定在一定范围之内^[14-15]。而鲁棒优化模型是从这一范围内“最坏”情况下的可行解中找到最优解。

目标函数2要求备件供应的延迟时间T 最短，即最短时间内完成备件保障任务，其计算公式为

本文备件供应优化模型建立在以下假设之上：1)以单种关键备件供应为例；2)暂不考虑各级节点之间存在横向转运的情况；3)供应网络中，各节点位置已知；后方仓库到野战仓库、野战仓库到作战单位的单位备件供应时间和单位运输成本已知，且为定值；4)野战仓库有一定概率受损，受损后仓库失去库存和供应能力。某一野战的仓库受损后由其他备用仓库代替完成中转任务；5)进行加固防护措施后的仓库将不受敌袭干扰，或受袭后仍保持正常中转功能；6)各备选野战仓库的开放成本、加固成本、库存成本和最大库存容量已知，且为定值。

式中：表示由第i 个后方仓库向第j 个野战仓库提供备件的运输时间；表示由第j 个野战仓库向第k 个作战单位提供备件的运输时间；sgn (x )=为阶跃函数，当x >0时函数值为1，当x =0时函数值为0，当x <0时函数值为-1.

minCX ，
s.t.AX ≤b ;
l ≤x ≤u .

(13)

该不确定性集合为多面体形。

minCX , min t ,
s.t.l ≤x ≤u ⟹s.t.CX ≤t ;
l ≤x ≤u ,t ∈R .

式中：t 为新增的辅助变量；R 为实数集合。

至少有两点，值得后人总结与借鉴。一是时势异变，强人所难时，一个艺术家可以怎么办？值举国惟苏联老大哥马首是瞻的岁月，潘天寿胸怀老祖宗的底气，仍自行其是。到了大跃进的1958年，他没去白天黑夜地大炼钢铁，却作了200张画。这些都可以当作一个标杆。二、站在旁观者立场，我想说的是，文化政策的制定与执行者应当予艺术家更多自由和宽容，不要合乎政治需要就赞许和扶持，稍与自己的观点和意见不同就严加打压，事实证明，当年认为不能为表现工农兵服务的传统山水花鸟画，如今不也是社会主义文艺中不可或缺的内容？乃至具有某种支撑性的力量和旗帜般的品格属性。

以不确定系数矩阵A =[a _ij ]为例，令J _i 是系数矩阵A 中第i 行所有不确定数据a _ij 的列下标j 组成的集合。矩阵中的不确定参数可表示为因此(13)式中的不确定参数表示为其中：表示参数的实际值；为参数的名义值；表示不确定范围，即与名义值的最大偏差；η _ij 表示不确定水平，属于不确定集合U .

当夜林白轩苏雨鸾等候在东方宇轩常住的悦来酒家，东方宇轩则披星戴月，连夜赶回万花谷。一路由关中的平原过潼关，经风陵渡，又步入秦岭群山，头顶星空历历，新月如弯，他运起花间游内力，提纵起伏，跋山涉水，如飞电跳丸，云霄轻羽，将三十余年来的修为全部激发出来，觉得踏步山川河流迎送，上纵又有星月冥冥中的助力，茫茫大块，万物流转，批郤导窾，皆与身形激发，竟是十数年来轻功大成的一夜，三更里赶回谷中，催请孙思邈老神仙起床配了药粉，团成一丸丹药，又召唤大鹏鲲载自己重返长安。

由于鲁棒优化需要保证最差情况下的可行性，但模型也并不总是处于最差情况，鲁棒优化模型的解较确定性模型的解具有很强的保守性。为了在可行性和保守性之间取得平衡，根据Bertsimas和Sim的研究，为每一个约束i 引入一个不确定预算参数Γ _i ^[16].Γ _i 在区间[0,|J _i |]内任意取值，其中|J _i |表示约束i 中不确定参数的个数。对于每一约束有当Γ _i =0时，η _ij 必须全部取值为0，即所有中断风险均为名义值，为确定参数，此时模型将不具备鲁棒性；当Γ _i =|J _i |时，所有η _ij 全都可以在[0,1]区间之间取值，中断风险的不确定性最强，同时约束的保守性也最强；当Γ _i ∈(0,|J _i |)时，决策者可以灵活调整模型的鲁棒性水平和保守性程度。

则本文中断风险中η 的不确定集合表示为

式中：C 为目标函数的系数矩阵；X 为决策变量矩阵；A 为约束的系数矩阵，b 为常数项列向量，在矩阵A 和向量b 中包含不确定参数，令U 为这些不确定参数构成的集合；x 为决策变量中的元素；l 为决策变量的下限；u 为决策变量的上线。目标函数系数矩阵C 中的不确定参数可由以下公式转化到约束中：

这取决于传播者能否专有体育赛事转播权，实现“赢家通吃”的局面。当法律允许一个传播者专有体育赛事转播权时，传播者将面临“烧钱”竞争，从而极大地推高传播费用，甚至达到最终的“赢家”都成为“输家”的泡沫化程度。㊴ 同注释㉒。相反，当法律禁止传播者专有体育赛事转播权时，传播者之间更有可能通过合作的方式拿下体育赛事转播权，传播成本也会被控制在一定范围内。

模型(13)式可以转换为以下鲁棒等价形式^[17]：

minCX ，

(14)

式中：可以表示为

0≤η _ij ≤1,∀J _i .

(15)

为解决最大和最小优化问题，根据强对偶定理，可通过求(15)式的对偶问题将其转化为最小和最小问题，有

P _ij ≥0,∀j ∈J _i ;
z _i ≥0,∀i .

(16)

式中：P _ij 为风险；z _i 为对偶变换产生的辅助变量。

1.3 诱导培养和增殖培养条件 温度(25±2)℃，光照时间12～14 h/d，光照强度1 500～3 000 lx，光质为T4灯管发出的光。

因此模型(14)式的最终鲁棒优化模型为

[3]Beijing-Washington cooperation on the Belt and Road initiative is highly likely to be the most significant basis for global peace in the 21st century.

minCX ，


P _ij ≥0,∀j ∈J _i ;
z _i ≥0,∀i ;
l ≤x ≤u .

(17)

式中：Γ _i 为对偶变换产生的辅助变量。

根据以上鲁棒变换规则，分别求目标函数(1)式、目标函数(2)式以及约束(9)式的鲁棒等价形式。令目标函数(1)式中与无关项为a ′，与相关项的系数为b ′，则目标函数(1)式可表示为

minc ，

(18)

式中：c 为适应度函数。

其鲁棒等价形式为

minc ，


Γ ₁=rand(0,|J |);
z ₁≥0,v ′_j ≥0,∀j ∈J ;
c ∈R .

(19)

式中：

令目标函数(2)式中与无关项为a ″，与相关项的系数为b ″，则目标函数(2)式的鲁棒等价形式为

备件供应联合优化模型为多目标优化模型，不失一般性，求最小值的多目标优化问题的定义如下：

mint ,


Γ ₂=rand(0,|J |);
z ₂≥0,v ″_j ≥0,∀j ∈J ;
t ∈R .

(20)

式中：

令约束(9)式中与无关项为a ‴，与相关项的系数为b ‴，则约束(9)式的鲁棒等价形式为

（2）这石巨的媳妇张氏，天生也是个不贤惠的妇人，邻舍街坊躲着他他还要寻上门去的主顾，他依你在他门首乔声怪气的恶骂？（明·西周生《醒世姻缘传》第89回）

(21)

式中：

用(19)式和(20)替换原模型的目标函数(1)式和目标函数(2)式，用(21)式替换约束(9)式，即得到中断风险不确定情况下的多目标鲁棒优化模型。

3 算例分析

3 .1 任务想定

某作战任务下的3级供应网络由2个后方仓库、4个野战仓库备选点以及8个作战单位组成。以某种关键备件为例，根据作战单位的抢修任务产生的需求，由后方仓库经野战仓库中转向作战单位提供备件支援保障。由于战争条件下，野战仓库同样会成为敌人攻击的目标，具有一定的中断风险。为保证供应通畅，对部分关键野战仓库进行加固防护，经过防护措施后野战仓库遭受敌袭的概率以及敌袭后的损失会大大减小。在备件需求以及供应网络节点信息已知、中断风险为深度不确定情况下，制定最优的选址和分配方案。备件供应网络中的相关信息如表1～表4所示。

表1 野战仓库相关参数

Tab.1 Related parameters of field depots

表2 作战单位备件需求量

Tab.2 Demand for spare parts 个

表3 节点间单位备件运输成本
Tab.3 Transport cost of spare parts between nodes 元

表4 节点间运输时间

Tab.4 Transport time of spare parts supply between nodes h

3 .2 求解算法

李树化的钢琴曲《钱塘江幻想曲》谱写于1934年，这在他的手稿上写得非常明确。乐谱右上角的“一九三四，西湖”这几个字虽然曾被用笔画掉，但字迹仍明晰可见。

miny =f (x )=[f ₁(x ),f ₂(x ),…,f _m (x )]，
s.t.g _i (x )≤0,i =1,…,p ;
h _i (x )=0,j =1,…,q .

(22)

式中：m 为目标函数个数；x =(x ₁,x ₂,…,x _D )∈D 是解向量，D 为决策空间；f =(f ₁,f ₂,…,f _m )∈Y 是目标向量，Y 是目标空间；g 和h 分别为模型的不等式和等式约束；p 、q 分别为不等式和等式约束的个数。在多目标问题中，各个目标函数之间通常是相互冲突的，通常不可能找到一个解可以使得所有目标均取得最优，因此采用Pareto最优的概念来衡量解的优劣性。Pareto的相关概念^[18]如下：

1)Pareto支配：对于两个解向量x ₁和x ₂，当满足所有的目标函数均有f (x ₁)≤f (x ₂)，且至少存在一个目标函数满足f (x ₁)<f (x ₂)，则称x ₂被x ₁支配，记作x ₁x ₂.

2)Pareto最优解：若某个解向量x ^*不存在x ∈D :x x ^*，则称该解向量为Pareto最优解或非支配解。由x ^*构成的集合称为最优解集或非支配解集。

3)Pareto前沿：由非支配解集对应的目标函数构成的最优面被称为Pareto最优前沿(PF)。

由于本文建立的多目标鲁棒优化为NP难题，采用元启发式算法对模型进行求解。本文在platEMO框架上分别采用改进的非支配排序遗传算法(NSGA-II)、多目标粒子群优化(MOPSO)算法和基于分解的多目标进化算法(MOEA/D)求模型的最优解集^[19]。实验在Windows 7操作系统上采用数值软件MATLAB 2014b进行编程，平台为个人笔记本(Intel Core i5-6300HQ (2.3 GHz/L3) CPU和4.00 GB RAM)。

3 .3 结果分析

经过计算，得到3种算法下的非支配解集以及最终的最优解集，如图1所示。各离散点为一个供应方案(包含80个决策变量)的适应度值在目标空间的分布。NSGA-II、MOPSO、MOEA/D分别表示各算法下独立运行30次后得到的非支配解集。最优解表示综合3种算法结果求得的非支配解。可以看出最终求得了32个非支配解，即32个最优供应方案，每个方案均互不支配。

大豆根系作为大豆的重要器官之一，在大豆整个生长发育、生理功能和物质代谢中发挥着重要作用。由于根系生长环境的特殊性，使得作物根系的研究远远滞后于地上部分，虚拟植物克服了传统方式下试验周期长、环境因素难以控制的缺点，大豆根系的虚拟研究具有重要现实意义。

图1 各算法求得的非支配解集分布情况
Fig.1 Distribution of non-dominate solution sets of 3 algorithms

为分析模型的鲁棒性，分别取各野战仓库中断风险的名义值、平均值和最大值，构建3种风险确定情况下的优化模型。同将鲁棒优化的所有最优解代入风险确定的优化模型中，计算确定性模型的约束和目标值，其供应成本和延迟时间的均值如表5所示。由表5可见，鲁棒优化的最优解在不同确定性模型中均为可行解，表明鲁棒优化的最优解可以满足各种情况下的解可行性，体现了模型具有很好的鲁棒性。同时，鲁棒优化模型的备件供应延迟时间T 和总成本C 均大于确定性模型的结果，体现了鲁棒优化的保守性。

表5 鲁棒最优解在确定性模型中的可行性

Tab.5 Feasibility of robust optimal solution in deterministic model

图2 中断风险对供应成本与供应延迟时间的影响
Fig.2 Effect of disruption risk on supply cost and lead time

为了对中断风险概率进行灵敏度分析，保持中断风险名义值不变，通过不断增加中断风险偏差增量来增加各野战仓库的中断风险偏差计算新的鲁棒优化模型的最优解集。对比分析不同中断风险偏差下，最优解集的供应成本以及供应时间的均值，如图2所示。由图2可以看出，随着中断风险的不断增大，备件的总供应成本C 和供应时间T 均呈递增趋势。这是因为鲁棒优化是满足最坏情况下解的可行性。中断风险增加，使得供应条件变得更加恶劣，为了应对最大中断风险的影响，鲁棒优化模型下的最优方案对应的供应成本和供应时间也将增大。

为进一步研究加固防护策略对备件供应的影响，对比未考虑加固措施的优化模型，即Y _j =0时的情况。两种情况下的备件供应成本和供应时间如图3所示。由图3可以看出，当不考虑加固防护措施时，野战仓库发生中断的概率更高。为保证供应顺利进行，对于每个作战单位须启用更多的备用野战仓库，因此在备选野战仓库中要开放更多的野战仓库，从而造成供应成本与供应时间的增加。因此通过对关键野战仓库的加固防护，将在很大程度上提高整个备件供应网络的可靠性和供应效率。

Benchmark of standardization of natural and organic cosmetics —importance and key message of ISO16128-1/2 7 10

图3 加固措施对供应成本和延迟时间的影响
Fig.3 Effect of reinforcement measures on supply cost and lead time

4 结论

本文考虑存在中断风险时的备件供应选址- 分配联合优化问题，同时以备件供应成本最小和延迟时间最短为目标建立了多目标优化模型。由于未知风险概率及其分布规律，针对中断风险的深度不确定性构建了相应的鲁棒优化模型。采用多目标进化算法求解所构建的模型，得到最优解集。通过算例分析可知，鲁棒优化模型的最优解能够保证最坏情况下解的可行性，即在供应成本最小和延迟时间最短的前提下保证了所有中断风险下备件供应的顺利实施。同时，模型能够从所有备选野战仓库中找出关键仓库，通过对选中的关键野战仓库进行加固防护可以有效降低中断风险对整个供应网络的影响。研究结论对战时中断风险不确定情况下备件供应提供了一定的决策依据和支持。

参考文献

[1] IVANOV D, DOLGUI A, SOKOLOV B, et al. Disruptions in supply chains and recovery policies: state-of-the art review[J]. IFAC-PapersOnLine,2016, 49(12):1436-1441.

[2] ZHAO K, SCHEIBE K, BLACKHURST J, et al. Supply chain network robustness against disruptions: topological analysis, measurement, and optimization[J]. IEEE Transactions on Engineering Management,2018,99: 1-13.

[3] 李锐, 黄敏, 孙福明.考虑蓄意攻击的第三方物流多周期可靠性网络设计[J].控制与决策,2016,31(11):1953-1959.

LI R, HUANG M, SUN F M.Multi-period reliable network design of third-party logistics with proactive attack considered[J].Control and Decision, 2016, 31(11):1953-1959.(in Chinese)

[4] HATEFI S M, JOLAI F. Robust and reliable forward-reverse logistics network design under demand uncertainty and facility disruptions[L]. Applied Mathematical Modelling,2014, 38(9/10): 2630-2647.

[5] 秦晓燕, 刘晓,程勤侦. 考虑供应中断的灾后安全救援血液优化调度研究[J].中国安全科学学报,2012, 22 (1) :165-171.

QIN X Y, LIU X,CHENG Q Z.Research on blood emergency scheduling optimization under supply disruption after disasters[J].China Safety Science Journal,2012, 22(1):165-171.(in Chinese)

[6] PARIAZAR M, SIR M Y. A multi-objective approach for supply chain design considering disruptions impacting supply availability and quality[J]. Computers & Industrial Engineering, 2018, 121: 113-130.

[7] LI Q W, ZENG B, SAVACHKIN A. Reliable facility location design under disruptions[J]. Computers & Operations Research,2013, 40(4): 901-909.

[8] QIN X W, LIU X, TANG L X. A two-stage stochastic mixed-integer program for the capacitated logistics fortification planning under accidental disruptions[J]. Computers & Industrial Engineering,2013, 65(4)： 614-623.

[9] PAVLOV A, IVANOV D, DOLGUI A, et al. Hybrid fuzzy-probabilistic approach to supply chain resilience assessment[J].IEEE Transactions on Engineering Management,2018, 65(2): 303-315.

[10] SHUKLA A, LALIT V A, VENKATASUBRAMANIAN V. Optimizing efficiency-robustness trade-offs in supply chain design under uncertainty due to disruptions[J]. International Journal of Physical Distribution & Logistics Management, 2011, 41(6): 623-647.

[11] CHENG C, QI M, ZHANG Y, et al. A two-stage robust approach for the reliable logistics network design problem[J]. Transportation Research Part B: Methodological,2018,111:185-202.

[12] HO W, ZHENG T, YILDIZ H, et al. Supply chain risk management: a literature review[J]. International Journal of Production Research, 2015, 53(16): 5031-5069.

[13] 李民, 黎建强.基于模拟方法的供应链风险与成本[J].系统工程理论与实践, 2012, 32(3):580-588.

LI M, LI J Q. Analysis of supply chain risk and cost with simulation methods[J].Systems Engineering—Theory & Practice, 2012, 32(3): 580-588.(in Chinese)

[14] 宋业新, 王天虹, 金智林. 基于模糊模式识别的战时装备供应链风险评估[J]. 海军工程大学学报， 2012, 24(4): 19-23.

SONG Y X, WANG T H, JIN Z L. Risk evaluation of wartime equipment supply chain based on fuzzy pattern recognition[J].Journal of Naval University of Engineering， 2012, 24(4): 19-23.(in Chinese)

[15] 韩震.战时装备网络化建模研究[D].石家庄：军械工程学院,2015: 12.

HAN Z. Modeling research on the equipment support network in wartime[D]. Shijiazhuang: Ordnance Engineering College,2015:12.(in Chinese)

[16] SHAHPARVARI S, CHHETRI P, CHAN C,et al. Modular recycling supply chain under uncertainty: a robust optimization approach[J].International Journal of Advanced Manufacturing Technology, 2018,96(12):915-934.

[17] PISHVAEE M S, RABBANI M, TORABI S A. A robust optimization approach to closed-loop supply chain network design under uncertainty[J]. Applied Mathematical Modelling, 2011, 35(2): 637-649.

[18] ZHAN Z H, LI J J, CAO J N, et al. Multiple populations for multiple objectives: a coevolutionary technique for solving multiobjective optimization problems[J]. IEEE Transactions on Cybernetics,2013, 43(2): 445-463.

[19] TIAN Y, CHENG R, ZHANG X, et al. PlatEMO: a MATLAB platform for evolutionary multi-objective optimization[J]. IEEE Computational Intelligence Magazine,2017, 12(4): 73-87.

Location -allocation Joint Optimization Model of Spare Parts Supply under Supply Disruption Risk

WANG Yadong, SHI Quan, CHEN Cai, YOU Zhifeng

Department of Equipment Command and Management, Shijiazhuang Campus, Army Engineering University, Shijiazhuang 050003, Hebei, China)

Abstract : In wartime, the spare parts warehouse or transport carrier may be attacked deliberately, and some storage and transportation capacity may be completely or partially lost, which leads to the interruption of spare parts supply system. The interruption risk of supply network is an uncertain parameter and difficult to be predicted and change dynamically. In view of the depth uncertainty of interruption risk, the diversification of wartime spare parts supply optimization objectives is considered. A joint optimization model of multi-objective location-allocation for wartime spare parts supply is constructed for the minimum cost of spare parts supply and the shortest lead time of supply. A corresponding robust optimization model is established based on the robust equivalent change of polyhedron uncertainty set. The meta-heuristic algorithms are used to obtain the non-dominate solution sets and the corresponding supply plans. The results show that the efficiency and reliability of spare parts supply network can be greatly improved by strengthening some key nodes. On the other hand, the optimal solution of the robust optimization model can guarantee the feasibility of the worst-case solution of spare parts supply, that is, the model has good robustness.

Keywords : spare parts supply; disruption risk; location-allocation problem; multi-objective optimization; robust optimization

中图分类号： E92

文献标志码： A

文章编号： 1000-1093(2019)08-1708-08

DOI :10.3969/j.issn.1000-1093.2019.08.021

收稿日期： 2018-11-12

基金项目： 武器装备“十三五”预先研究共用技术项目(41404050501)；军内科研重点项目(KYSZJWJK1742)

作者简介： 王亚东(1992—)，男，博士研究生。E-mail: xwzj0003@163.com

通信作者： 石全(1966—)，男，教授，博士生导师。E-mail: junshiyc@163.com

标签：备件供应论文;  中断风险论文;  选址-分配问题论文;  多目标优化论文;  鲁棒优化论文;  陆军工程大学石家庄校区装备指挥与管理系论文;