7月5日至7日，由华中科技大学管理系统工程研究中心、湖北省系统工程学会主办的2019年第一届物流智能算法学术研讨会在管理学院学术报告厅成功举办。参加本次论坛的嘉宾有管理学院生产运作与物流管理系、湖北省系统工程学会会长王红卫教授及来自海内外著名高校的11名专家学者，会议由管理科学与信息管理系秦虎教授主持。

7月5日晚上，由南京大学工程管理学院罗志兴副教授给学生带来一场算法的短课，他简单介绍了车辆路径问题，并对其优化精确算法——侧重分支定价法进行了详细讲解，带动大家进行更多路径优化的启发式算法。

南京大学工程管理学院胡骞副教授也详细讲解了如何用CPLEX求解整数规划问题以及CPLEX MIP Callbacks 应用。

开幕式上，王红卫为研讨会致辞。他简述了本次学术研讨会的主要议题，旨在为物流优化领域海内外的众多专家搭建一个学术平台，并代表华中科技大学管理学院欢迎各位专家的到来，最后他衷心祝愿此次论坛圆满成功。

学术研讨开始，意大利博洛尼亚大学的Roberto Baldacci副教授以“Solution of Vehicle Routing Problems: Past and Recent Contributions”为题作了学术报告，他谈到，车辆路径问题的解决需要确定一组路线，每个路线由在起点和终点都在自己仓库的单个车辆执行，使得满足客户的所有要求，并最小化运输成本。这些路线必须满足若干业务的限制，这些限制取决于运输货物的性质、服务水平的质量、顾客和车辆的特点。Roberto Baldacci回顾了过去研究针对目前最先进的车辆路径问题的精确算法，讨论了不同作者在文献中提出的最有效的方法，如路由松弛和路由枚举，并概述了不同方法得到的计算结果以及这些方法如何应用于解决实际车辆路线选择应用中出现的问题。

接着，香港理工大学徐宙教授作了“A State-Time-Space Approach to Optimizing Locomotives Routing with Train Service Planning”的主题报告。他针对铁路管理中的车辆路径问题，提出了一种状态-时间-空间方法，即利用列车服务计划优化机车路径。徐宙通过构造一个三维的状态-时空网络，其中一个状态用来表示机车所服务的列车，将该问题转化为具有不相容弧和整数流约束的最小成本多商品网络流问题。徐宙详细介绍了一种拉格朗日松弛启发式算法，该算法采用了一套先进的优化技术来解决该问题，并通过计算验证了拉格朗日松弛启发式算法的有效性。

来自南京大学工程管理学院的罗志兴副教授分享了“A Benders Decomposition Approach for The Multi-Vehicle Production Routing Problem with Order-up-to-level Policy”主题报告。罗志兴分享了，生产路线问题在集成供应链的应用，包括优化生产、库存、配送和路线决策。他提出了一种求解多车生产路线问题的精确弯管分解方法，并将问题分解为一个主问题和一个次问题。主问题决定是否生产该产品、要生产的数量以及在规划的每个阶段要补充的需求。次问题则是将规划的每个阶段分解为一个车辆路径问题，其中每个问题都使用基于集合划分模型的精确算法求解。

下午，华为诺亚方舟实验室的高级工程师童夏良开展了题为“供应链优化在华为的应用”的主题汇报。他首先介绍了华为供应链综述，包括诺亚方舟实验室和华为供应链问题的介绍，并重点介绍华为供应链优化实践，包括装箱问题、装柜问题、仓库自动化调度及路径优化问题在华为的实践。

天津大学管理与经济学部朱宁副教授分享了题为“A Matheuristic Approach to the Orienteering Problem with Service Time Dependent Profits”的学术报告，他介绍了服务时间相关利润的定点问题, 即每个定点收取的利润是服务时间的非线性函数,其结果是通过确定要访问的定点子集,并在给定时间内为每个定点分配适当的服务时间。朱宁提出了一个混合整数非线性编程模型,并实现了由tabu搜索方法和非线性编程组成的两相数学算法，结果表明,该算法能够高质量地解决。

东北大学信息科学与工程学院的于洋副教授分享了题为“多类Green Pickup and Delivery Problem及基于Set Partitioning的精确算法”的主题报告。他以基本型Green pickup and delivery problem(GPDP)的Set Partitioning(SP)算法为基础，介绍了多种类型GPDP的基于SP的精确算法，包括：多行程GPDP、集中式/合作式GPDP、多车型GPDP和双目标GPDP。于洋分析了这些类型GPDP相比于基本型GPDP减少碳排放的潜力以及基于精确sharpley值的成本补偿和利益分配方法。

西南财经大学工商管理学院的章宇副教授作了题为“Robust Data-Driven Vehicle Routing with Time Windows”的分享。章宇针对在不确定的行驶时间下,时间窗口的数据驱动车辆路径问题提出了一种新的方案。为了尽可能减少延迟,章宇提出了服务履行风险指数（SRI）,将差旅成本限制在预算内，SRI既考虑了延迟到达的概率及其幅度大小，捕捉了旅行时间中的风险和沃瑟斯坦模糊度，并以封闭的形式有效地进行评估。

接下来，亚利桑那州立大学教授周学松以“ADMM-based Problem Decomposition Scheme and Heuristic Algorithm for Vehicle Routing Problem”为题作了报告。针对新兴城市物流应用在交通条件和时间敏感方面的挑战，周学松及其团队率先将ADMM引进到多车辆路径问题中。他表示，传统上，ADMM即交替方向乘子法,作为增广拉格朗日松弛法和块坐标下降法的结合，被广泛应用于凸规划领域。周学松进一步就ADMM的应用加以说明，并演示了如何将ADMM中使用的二次罚项简化为简单的线性函数。此外，周学松还介绍了基于时空状态的建模框架和基于ADMM的原始启发式算法，以及基于对偶的启发式算法在车辆路径调度中的应用。

广东工业大学机电工程学院魏丽军教授就“考虑装箱约束车辆路径问题”这一主题展开介绍。在魏丽军看来，车辆路径和装箱问题都是在实际物流配送中需要解决的问题，并且随着计算机运算速度的提升，对于这两个问题的解决方式也趋于多样化。由此，魏丽军对于考虑装箱约束车辆路径问题的常用求解算法进行了详细的介绍，并针对他们的特点作了说明。

中山大学数据科学与计算机学院副教授张子臻以“基于GPU并行计算求解车辆路径优化问题”为题作了报告。他采用了基于GPU的并行计算来处理一个多目标优化问题，称为路径平衡车辆路径问题，即VRPRB。张子臻表示，VRPRB通过同时考虑两个目标扩展了传统的VRPs，第一个目标是总出行成本的最小化，第二个目标是确保多条线路之间的平衡。为了找到最优解，张子臻提出了一种多目标模因算法，即MMA，它将特定于问题的局部搜索过程集成到一个多目标进化算法中。此外，张子臻针对基于CPU和基于GPU的算法进行了简要介绍，并就它们的不同性能作了说明。

活动最后，秦虎进行了总结发言，他感谢了各位老师的精彩分享，给在场师生带来一场学术盛宴，并鼓励大家今后能够通过此次机会多进行合作交流，做出更多更好的研究成果，期待明年与大家的再次相遇。