模糊随机环境下，PD-HTS算法优化轮毂位置的均衡服务策略

本文探讨的是"开发轮毂位置问题的均衡优化方法"。轮毂位置问题在物流、交通网络规划等领域具有重要意义，特别是在存在不确定性因素的情况下，如旅行时间以模糊随机变量为特征。本文关注的核心问题是寻找最优的枢纽设施（hub location）和需求节点（node demand）布局，以最大化不确定行程时间下的平衡服务水平（equilibrium service level）。平衡服务意味着在面对随机事件时，系统能够提供一个稳定的服务质量标准。 作者提出了一种新颖的平衡优化模型，通过将模糊随机时间转化为等效的概率约束，降低了问题的复杂度。这个模型属于随机规划（stochastic programming）的范畴，旨在解决实际中的随机性和不确定性。作者利用了参数分解（parametric decomposition，PD）技术，结合样本均值逼近（sample average approximation，SAA）和禁忌搜索算法（tabu search algorithm）来设计了一种混合算法，即PD-HTS算法。PD有助于分解大问题为更小的子问题，SAA用于近似期望值，而禁忌搜索则保证了解空间的探索效率。 在验证方法有效性方面，研究者采用了澳大利亚邮政的实际数据集以及随机生成的数据集进行了实验。结果显示，与基于参数分解的混合遗传算法（a hybrid genetic algorithm with parameter decomposition）相比，PD-HTS算法在解决这类问题时表现出了更好的性能，可能体现在收敛速度、精度或者计算效率上。 总结来说，本文的主要贡献在于：一是提出了针对模糊随机变量的均衡服务水平的平衡优化模型；二是设计并实现了高效且适用于实际问题的PD-HTS算法；三是通过实证分析证实了新算法在解决轮毂位置问题上的优势。这些研究成果对于物流网络优化、供应链管理等领域具有实际应用价值，展示了在处理不确定性环境下的决策问题时，如何结合多种优化技术来提升决策的稳健性和效率。