组会也有好好听系列（二）

组会会议纪要

20221023组会

1.樊*： 
 论文：A robust location-inventory model for food supply chains operating under disruptions with ripple  effects，Mohammad Gholami-Zanjan

摘要：
The integration of food product-specific characteristics and potential disruptions has continuously gained importance because it better reflects real-world problems and responds to a crucial need for resilience, robustness, and competitiveness. In this article, a generic two-stage
mixed-integer mathematical model is developed to integrate key features of location-allocation and inventory-replenishment decisions. Then, food-specific disruptions with ripple effects are incorpo- rated through plausible scenarios. For such a setting, three resiliency strategies – namely, readiness,flexibility, and responsiveness – are used to deal with uncertainties. Based on extensive numerical experiments, the solutions obtained highlight behaviour of different design models to hedge against ripple effects as well as the importance of incorporating food-specific assumptions and risk aversion attitudes.

 1.SP：随机规划 RO：鲁棒优化
  2.蒙特卡洛方法：一种常见的仿真方法；
 3.模型考虑了多个方面，十分复杂但贴切现实：
     三层仓库网络、周期性、食品变质、两阶段等等；
     两阶段的目标函数不同，分开单独优化的。
 4.价格阶梯性下降特征；
 5.对各种复杂约束做了一些处理，设计了一些指标简化模型，最后用cplex求解器得到解；

2.刘**： 

论文：Dynamic Scheduling and Path Planning of Automated Guided Vehicles in Automatic Container Terminal，Zhongqiang Ren

摘要：

为解决AGV调度和路径规划问题，引入了一种动态调度过程，调度方案决定了路径的起始节点和结束节点，节点之间路径的选择影响后续AGV的调度。本文提出了一种两阶段混合整数优化模型，以使agv运输成本最小化。设计了一种动态优化算法，包括改进的基于规则的启发式算法，以及Dijkstra算法和Q-Learning算法的集成，以求解最优AGV调度和路径方案。提出了一种新的冲突规避策略，以降低agv之间路径冲突的概率。通过数值实验验证了模型和算法的有效性。

    1.三种冲突；任务调度：批调度；
    2.模型：AGV动态调度和路径规划的两阶段混合整数优化模型；
    3.迪克斯特拉算法用在第二阶段，道理来说，是不是也可以用q-learning？ 实验对比之后发现比单独使用Q-learning要好很多。
    4.我认为有潜力的研究方向：基于规则的启发式+机器学习 ;   强化/深度学习都是试错，训练时间太长，基于规则的启发式太贪婪，两者可以达到一个平衡。

建议:

       1.提前把ppt文档传进来，保证听众可以翻阅；
       2.如果汇报的东西比较多内容比较长，建议大家汇报完一小节内容之后停一下，问一下听众有没有问题？不然可能最后会忘了问题在哪一页ppt哈哈哈。比如说模型结束了，算法结束了可以停顿一下。

3.刘**：

论文：Multi-objective Conflict-based Search Using Safe-interval Path Planning，Lijun Yue
        低层搜索在任何基于CBS的方法中都被重复调用，因此低层搜索使用低效算法会显著加重基于cbs的算法的负担。本研究旨在通过开发一种新的低层搜索算法—多目标安全区间路径规划（MO-SIPP）来解决这一问题。
        1.证明了MO-SIPP能够计算出单个智能体的所有帕累托最优
        2.使用MO-SIPP作为MO-CBS的低层规划器，并使用MAPF基准集来验证。从实验数值观察到低层搜索时间和寻找帕累托最优解的成功率都有明显改善。