不確定性樞紐航線網(wǎng)絡(luò)優(yōu)化設(shè)計方法研究.pdf

1、航線網(wǎng)絡(luò)是航空公司的立足之本，航空公司的其它管理決策，例如航班計劃、運行控制、收益管理等都是在航線網(wǎng)絡(luò)的基礎(chǔ)之上進行的，因此航線網(wǎng)絡(luò)是否科學(xué)合理對航空公司的整體效益將產(chǎn)生深遠的影響。航線網(wǎng)絡(luò)設(shè)計問題中的運輸需求、成本和容量等參數(shù)往往具有不確定性，本文針對樞紐航線網(wǎng)絡(luò)隨機優(yōu)化的相關(guān)問題展開研究。
　　從航線網(wǎng)絡(luò)的經(jīng)濟性角度出發(fā)，本文提出了無容量限制的多分配嚴格p樞紐中位隨機優(yōu)化模型，設(shè)計了情景分解算法，采用經(jīng)典航空運輸算例對模型和算

2、法進行了測試。算例結(jié)果表明在情景數(shù)量較大的情況下，算法體現(xiàn)出了較高的效率，通過隨機解價值指標比較了使用確定模型和隨機優(yōu)化模型的差異。
　　從風(fēng)險控制角度出發(fā)，本文使用了魯棒優(yōu)化方法，綜合考慮需求、成本和容量三個設(shè)計參數(shù)的不確定性，建立了航線網(wǎng)絡(luò)的魯棒優(yōu)化模型。多種不確定因素的綜合以及容量限制的加入使得整個模型的求解復(fù)雜度大大增加。針對有容量限制的樞紐網(wǎng)絡(luò)的特點，本文設(shè)計了TreePruning算法，能夠預(yù)先排除大量樞紐組合，減少計

3、算量，提高算法效率。針對多情景下魯棒優(yōu)化模型，本文將Tree Pruning算法與對偶升算法相結(jié)合，較為快速地求解出精確解，適用于大型網(wǎng)絡(luò)的中長期規(guī)劃。
　　同時考慮航線網(wǎng)絡(luò)的經(jīng)濟性和風(fēng)險控制，本文提出了樞紐航線網(wǎng)絡(luò)的均值-魯棒值模型，在算例中比較了期望值模型、確定性模型以及均值-魯棒值模型的解。魯棒值完全取決于最差情景，并沒有考慮情景的發(fā)生概率，這導(dǎo)致在某些極端情況下風(fēng)險度量不準確。因此，本文引入了條件風(fēng)險價值作為風(fēng)險度量函數(shù)，

4、建立了樞紐航線網(wǎng)絡(luò)的均值-條件風(fēng)險價值模型。目標函數(shù)中加入條件風(fēng)險價值導(dǎo)致模型的求解復(fù)雜度大大增加，本文設(shè)計了拉格朗日松弛算法結(jié)合情景分解算法進行求解。在算例部分，采用了CAB數(shù)據(jù)算例和中國民航實際算例，分析了雙懲罰參數(shù)的取值對最終求解效果的影響，比較了期望值模型、確定性模型以及均值-條件風(fēng)險價值模型的解，兩個算例的求解結(jié)果均表明均值-條件風(fēng)險價值模型的結(jié)果優(yōu)于其他模型。
　　本文在網(wǎng)絡(luò)模型中考慮了旅客的時間效用的影響，提出了旅客