Enhancing efficiency in multi-objective simulation optimization: a novel approach using discrete event simulation and data envelopment analysis

doi:10.1108/JM2-05-2025-0246

2025-11-01

PRE

Rafael de Carvalho Miranda *

Guilherme Ferreira Lopes

Jonathan Serafim Lúcio

Aneirson Francisco da Silva

DOI：10.1108/JM2-05-2025-0246

原文链接

原文求助

摘要

En 中文

目的：本文旨在通过提高多目标仿真优化（MOSO）的效率，提出一种结构化方法以支持复杂运营环境中的决策制定。重点在于帮助管理者与分析人员处理具有高维搜索空间的大规模决策问题，这些问题常出现在生产与物流系统中。设计/方法/途径：所提出的方法整合了拉丁超立方设计（LHD）和数据包络分析（DEA-VRS），包括超效率分析，用于识别搜索空间中的有前景区域。该方法已应用于物流和制造环境中的两个真实案例研究。发现：所提出的方法实现了搜索空间的显著缩减，范围在70%至89%之间，并将优化实验数量最多减少了31%。在两个案例研究中，缩减后的搜索空间使得大多数优化指标得到改善。在物流案例中，成本最多降低了10%，运输量最多增加了219%。在制造案例中，提前期最多减少了26%，同时保持了相同的产量，证明了在不牺牲解质量的前提下提升了计算效率。这些结果证实了该方法在复杂的MOSO场景中能增强计算效率而不牺牲解质量。实践意义：该方法使高质解决方案的识别成为可能，并带来了显著的操作效益。这些改进通过减少模拟运行次数实现，最多减少了31%，证明了该方法加速决策制定和降低计算成本的能力。其与现有仿真平台的集成以及在不同优化指标上的一致性能，使其成为支持复杂数据驱动决策的有价值工具。原创性与价值：本研究引入了LHD与DEA-VRS的新型结合，以提升仿真优化方法的性能。它为运筹学与运营管理领域均做出了贡献，提供了一种稳健、可解释且计算高效的框架，用于解决工业应用中的复杂MOSO问题。

Keyword:

Multi-objective optimization

Discrete event simulation

Data envelopment analysis

Super-efficiency