可持续性挑战本质上涉及对多个相互竞争的目标的考虑。帕累托边界(即所有最优解的集合,这些解不能针对一个目标进行改进,否则会对另一个目标产生负面影响)是应对可持续性挑战的关键决策工具,因为它强调了相互冲突的目标之间的内在权衡。我们的研究动机是亚马逊河流域水电战略规划,亚马逊河流域是地球上最大、生物多样性最丰富的河流系统之一,增加能源生产的需求与最大限度地减少有害环境影响的迫切要求不谋而合。我们研究了一种将水电与浮动光伏太阳能电池板 (FPV) 配对的创新战略。我们提供了一种新的扩展多树网络公式,可以考虑多种水坝配置。为了应对扩大帕累托优化框架以解决整个亚马逊河流域的多个目标的计算挑战,我们通过两项改进进一步增强了树形结构网络中帕累托边界的最先进的算法。我们引入了由子边界引起的仿射变换来计算帕累托优势,并提供了合并子树的策略,从而显著提高了优势解决方案的修剪率。我们的实验表明,在保持最优性保证的同时,速度显著提高,在某些情况下甚至提高了一个数量级以上,从而使我们能够更有效地近似帕累托边界。此外,我们的研究结果表明,当将混合水电与 FPV 解决方案配对时,帕累托边界的能量值会显著向更高的方向转变,从而有可能在减轻不利影响的同时扩大能源生产。
教育背景 经济学博士,哈佛大学,2008 年 6 月 论文:“宏观经济模型中的失业和预期” 经济学硕士,哈佛大学,2005 年 11 月 经济学学士学位,麻省理工学院,2002 年 6 月 数学学士学位,麻省理工学院,2002 年 6 月 学术就业 2021 - 经济学副教授(终身教授),圣十字学院,经济学与会计系 2017 – 2021 经济学助理教授,圣十字学院,经济学与会计系。 2008-2017 布兰迪斯大学经济学系与国际商学院经济学助理教授 同行评审出版物 “阿尔茨海默病和其他痴呆症的全球宏观经济负担:对 152 个国家或地区的估计和预测”(与 S. Chen、Z. Cao、A.Nandi、N. Counts、L. Jiao、K. Prettner、M. Kuhn、B. Seligman、D. Vido、C. Wang 和 D. Bloom 合作),《柳叶刀全球健康》,第 12 卷,第 9 期,2024 年 9 月。 “扩大卫生研究与开发的经济案例:从 COVID-19 大流行中吸取的教训”,(与 R. Rappuoli 和 D. Bloom 合作),《美国国家科学院院刊》(PNAS),第 121 卷,第 26 期,2024 年 6 月。 “有效的健康援助:来自“全球疫苗和免疫联盟疫苗计划”(与 Gauri Kartini Shastry 合作),AEJ:经济政策,有条件接受,2024 年 1 月 “美国阿尔茨海默病和相关痴呆症的护理成本:2016 年至 2060 年”(与 A. Nandi、N. Counts、J. Broker、S. Malik、S. Chen、R. Han、J. Klusty、B. Seligman、D. Vigo、D. Bloom 合作),npj:老龄化,已接受,2024 年 1 月
免责声明:本出版物中包含的信息基于撰写时(2023 年 1 月)的知识和理解,可能不准确、不最新或不完整。新南威尔士州(包括新南威尔士州规划和环境部)、作者和出版商对文件中包含的任何信息(包括第三方提供的材料)的准确性、时效性、可靠性或正确性不承担任何责任。读者在做出与本出版物中包含的材料相关的决定时,应自行查询并依靠自己的建议。
摘要:本研究旨在分析第三方物流 (3PL) 服务提供商的仓库增值服务 (VAS) 数据,从而使用帕累托分析作为质量工具,确定为客户执行 VAS 时的服务改进和成本削减机会。采用案例研究方法,从比利时一家领先的 3PL 公司收集了定性和定量数据。该方法通过应用帕累托分析的主要步骤进行。根据医学一般分类分析了两种药品,即麻醉性镇痛药 (NA) 和眼用抗组胺药和减充血剂 (OAD)。结果表明,帕累托原则在 NA — 售票案例中得到证实,五项活动消耗了 VAS 操作总时间的 83.3%。此外,在 OAD — 展示案例中,帕累托原则得到证实,六项活动得到验证,因为它们占主要 VAS 操作总时间的 81.26%。该研究针对造成延误的四个原因提出了解决方案,包括缺乏培训/最佳实践、空间利用率低、自动化程度低以及缺乏凝聚力和规划。尽管避免仓库运营效率低下的重要性已得到公认,但文献中缺乏应用于实践的研究,而且关于分析 3PL 服务提供商的仓储增值服务运营数据的贡献也很少。本研究确定了温控药品的所有增值服务活动。此外,该研究还提出了非自动化 3PL 仓库的仓库运营改进框架,并通过帕累托分析指导管理人员降低成本并提高服务水平。
观察到儿童化学套装中的成分可以创造出比宇宙中原子更多的不同组合。基于这一见解,Weitzman (1998) 构建了一个增长模型,其中新想法是旧想法的组合。然而,由于组合增长如此之快,他发现增长受到我们处理爆炸式增长的想法数量的限制,而组合学在确定增长率方面基本上没有发挥任何正式作用:有如此多的潜在组合,以至于数量不是限制因素。组合过程没有发挥更核心的作用,这有点令人失望和困惑。另一篇文献强调了指数增长和帕累托分布之间的联系。具体来说,Kortum (1997) 引入了一种建模经济增长的新方法,并认为帕累托分布至关重要:如果生产率是在从某个分布中抽取的多个样本中取的最大值(只使用最好的想法),那么在他的设置中,生产率的指数增长要求抽取的次数呈指数增长,并且所抽取的分布是帕累托分布,至少在上尾是这样。有趣的是,似乎需要如此强的分布假设。也许提取想法的底层分布是帕累托分布,但为什么会这样呢?毕竟,在经济学的许多其他应用中,帕累托分布是推导出来的,而不是假设的。例如,Gabaix (1999)、Luttmer (2007) 以及 Jones 和 Kim (2018) 强调,城市规模、公司就业、收入和财富都具有帕累托分布的特征。但是,该文献显示了这些帕累托分布是如何作为内生结果出现的。这就引发了一个问题:帕累托分布在 Kortum 方法中是否真的是必要的。而且,Romer 和 Weitzman 认为组合学应该是理解增长的核心,那么他们的观点又怎么了?本文结合 Kortum (1997) 和 Weitzman (1998) 的观点来回答这些问题。假设创意是现有成分的组合,就像菜谱一样。每个菜谱的生产率都是从概率分布中得出的。与 Romer 和 Weitzman 的观点一样,我们可以从现有成分中创造出的组合数量大到本质上是无限的,而我们受限于处理这些组合的能力。令 N t 表示截至日期 t 已经评估过的菜谱成分数量。换句话说,我们的“食谱”包括了所有可能由 N t 种原料组成的食谱:如果每种原料都可以加入或排除在食谱之外,那么食谱中总共有 2 N t 种食谱。最后,研究包括将新食谱添加到食谱中,即评估它们并了解它们的生产力。特别是,假设研究人员在食谱中添加新配料,并了解其生产率,使得 N t 呈指数增长。我们称一个包含 2 N t 个食谱的设置
使用储能系统 (ESS) 和分布式发电机 (DG) 来提高可靠性是当今受到研究人员广泛关注的解决方案之一。在本研究中,我们从多目标优化的角度利用多目标优化方法对配电网中的分布式发电机进行优化规划。目标是提高网络的可靠性,同时降低年成本和网络损耗。使用多目标正弦余弦算法的改进版本来确定 DG 的最佳大小、位置和类型以及 ESS 的最佳容量、位置和运行策略。对具有土耳其 DG 和负载数据的 IEEE 33 总线、69 总线和 141 总线测试系统的三个案例研究,以验证所提方法的有效性。将帕累托前沿解和最佳目标函数的分布与其他已知算法进行了比较。模拟结果表明,测试系统的平均未供应能量和年能量损失分别减少了高达 68% 和 64%。此外,根据三种不同的帕累托优化指标,所提方法的帕累托前沿呈现出更好的分布,并且优于 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEA-D 获得的帕累托前沿。最后,计算工作量结果显示,与 MOGWO、MOSMA、NSGA-II、MOPSO 和 MOEAD 相比,MOSCA 的收敛速度更快。
原文发表时未注明资金来源:本研究由泉州市科技重大专项(批准号:2022GZ8)、闽南理工大学技术创新项目(批准号:23XTD113)、产学研合作资助。
为了降低风力降低速度并增加了风能的容量,电力购买区应增加风力购买。但是,风力发电的当前电价高于热力电力的电力,这使风能容易容易量化。优化风能住宿和电力购买成本的这两个目标是不切实际的。基于这一矛盾,本文通过构建一个考虑上述两个目标的多目标优化模型(MOOM)来描述这一矛盾。首先,该模型通过混合粒子群优化和重力搜索算法(HPSO-GSA)解决,以获得帕累托最佳溶液集。然后,根据模糊满意度功能,帕累托最佳解决方案是从帕累托最佳边界中选择的。最后,以某个区域的春季为例,典型的每日负载和风电场输出值是模拟验证的示例。已验证,所提出的方法确实可以为区域电力购买提供科学的电力购买计划。©2022作者。由Elsevier Ltd.这是CC下的开放访问文章(http://creativecommons.org/licenses/4.0/)。
Koehn 描述了流域的河流生态系统及其健康状况。由于受到各种威胁的影响,这些生态系统的状况通常很差,而且许多宝贵的生态资产仍在不断减少。尽管人们对流域经济发展和管理给予了极大关注,但对生态管理的投资却滞后了。本地鱼类种群的大幅减少(过去 150 年损失了 90% 以上),加上达令河的大量鱼类死亡和外来鲤鱼种群的激增,都清楚地提醒人们注意流域水生生态系统中发生的生态紧急情况。必须全面关注所有生物群、水生生态系统及其提供的生态服务。原始环境水回收量的减少、流域计划实施的暂停以及对气候变化后果的忽视,推迟了任何重大的环境改善,并威胁到流域计划的目标。
图 1:机场禁区绩效背景 ...................................................................................................................... 2 图 2:方法和结构 ................................................................................................................................ 3 图 3:年度需求与年度容量 ................................................................................................................ 11 图 4:预测每日容量与需求图示 ...................................................................................................... 11 图 5:容量定义与 ATFCM 和时隙流程的比较 ............................................................................. 14 图 6:容量评估背景 ............................................................................................................................. 16 图 7:给定跑道模式的 ARR 与 DEP 的帕累托图示 ............................................................................. 19 图 8:给定 GMC 位置的帕累托图示 ................................................................................................ 20 图 9:帕累托特定停机坪周转率与吞吐量的示意图..................................................................................................................................... 20 图 10:容量定义与用户、模型和指标的对应关系......................................................................................................... 22 图 11:容量增强选项......................................................................................................................................... 29 图 12:容量增强流程......................................................................................................................................... 30 图 13:停机位在高峰时段已成为稀缺资源......................................................................................................... 56 图 14:日内瓦机场每年的禁区容量增强项目......................................................................................................... 57 图 15:除雪和冬季运营......................................................................................................................................... 58 图 16:周末滑雪季节期间的值机大厅........................................................... 59