一类极大极小随机规划逼近问题最优解集的上半收敛性

本文首先将极大极小随机规划等价的转化为一个二层随机规划,在下层初始随机规划最优解集为多点集的情形下,给出下层随机规划逼近问题最优解集集值映射关于上层决策变量参数的上半收敛性和最优值函数的连续性.然后将上层随机规划等价转化为以上层和下层决策变量作为整体决策变量,以下层规划最优解集的图作为约束条件的单层规划,并在下层初始随机规划最优解集的图为正则的条件下,得到上层随机规划逼近问题最优解集关于最小信息概率度量收敛的上半收敛性.     

极大极小随机规划逼近问题最优解集和最优值的稳定性

研究了特殊的二层极大极小随机规划逼近收敛问题. 首先将下层初始随机规划最优解集拓展到非单点集情形, 且可行集正则的条件下, 讨论了下层随机规划逼近问题最优解集关于上层决策变量参数的上半收敛性和最优值函数的连续性. 然后把下层随机规划的epsilon-最优解向量函数反馈到上层随机规划的目标函数中, 得到了上层随机规划逼近问题的最优解集关于最小信息概率度量收敛的上半收敛性和最优值的连续性.     

移动机器人履行系统配置优化研究——基于闭排队网络理论

本文对移动机器人履行系统中货架调度任务的履行过程进行分析,根据机器人在货架装载、搬运、拣选、卸载四个过程的作业特点建立闭排队网络模型。采用近似平均值分析算法求解,实现系统绩效的迅速评估。通过与仿真计算实验的对比证明,模型对系统绩效的评估误差不超过5%。利用闭排队网络模型评估拣选台、机器人利用率和调度任务履行能力,实现对系统设施配置的讨论和优化。研究表明,拣选台均匀分布于仓库较长的两侧能提高系统履行绩效;系统存在最优机器人投放数量使系统整体利用率较高。     

二层随机规划逼近最优解集的上半收敛性

下层随机规划以上层决策变量作为参数,而上层随机规划是以下层随机规划的唯一最优解作为响应的一类二层随机规划问题,首先在下层随机规划的原问题有唯一最优解的假设下,讨论了下层随机规划的任意一个逼近最优解序列都收敛于原问题的唯一最优解,然后将下层随机规划的唯一最优解反馈到上层,得到了上层随机规划逼近最优解集序列的上半收敛性.     

关于二层规划的逼近问题

下层问题以上层决策变量作为参数,而上层是以下层问题的最优值作为响应 的一类最优化问题——二层规划问题。我们给出了由一系列此类二层规划去逼近原二层规划的逼近法,得到了这种逼近的一些有趣的结果.     

基于情景分析的应急疏散车辆配置模型

在情景模式影响疏散点疏散人员数量及疏散最晚完成时间限制的条件下,研究了避难所应急疏散车辆配置计划及各种情景模式下的车辆出车任务安排,以疏散车辆出车安排为下层模型,以期望疏散总时间最小化车辆配置计划为上层模型建立了车辆配置及出车任务安排的双层规划模型。设计了结合CPLEX内置算法的模拟退火算法,最后用算例进行了仿真研究。     

带有限反馈下层的二层规划问题的部分合作模型

对下层最优反馈为离散有限多个的二层规划问题的部分合作模型进行探讨. 当下层的合作程度依赖于上层的决策变量时, 给出一个确定合作系数函数的一般方法, 进而得到一个新的部分合作模型. 在适当地假设下, 可保证所给的部分合作模型一定可以找到比悲观解要好的解, 并结合新的部分合作模型对原不适定问题进行分析, 得到了一些有益的结论. 最后以实际算例说明了所给部分合作模型的可行性.     

基于物流AGV的“货到人”订单拣选系统任务调度研究

基于物流AGV的“货到人”订单拣选模式由于其高效率和灵活性,逐渐成为电商物流配送中心订单拣选系统发展趋势。本文通过对基于物流AGV的电商物流配送中心订单拣选作业流程分析,提出多拣选台同步拣选和多拣选台异步拣选两种作业模式。然后对基于物流AGV的订单拣选任务调度问题进行描述,以物流AGV完成所有任务的时间最短为目标,分别建立同步和异步两种拣选模式下物流AGV任务调度模型;针对物流AGV任务调度问题特性,对共同进化遗传算法粗粒度模型进行改进用于模型求解。最后,通过改进前后算法的对比,验证了改进共同进化遗传算法在求解物流AGV任务调度问题中的有效性;通过在求解速度和优化结果上对多拣选台同步拣选和异步拣选两种作业模式进行比较,得出同步拣选优于异步拣选的结果。     

基于Stackelberg博弈的时变双层交通分配模型

提出一个时变双层交通分配模型,其中上层网络管理者设立了一个路段的最大排队长度,其目标是使由网络流和排队长度定义的总出行时间最小.目标函数在离散时段内以路段流量和排队长度作为决策变量,同时考虑不同类型的信号交叉口延误的影响.下层网络用户的反应依赖于上层管理者的决策,其选择是使自身感知阻抗最小的路径,服从一个基于成对组合Logit的路径选择模型,构成一个成对组合Logit的均衡分配问题.结合了交通分配和流传播方法,将其表示为一个均衡约束下的双层数学规划问题,形成了一个Stackelberg非合作博弈.使用遗传算法求解该双层规划问题,并采用实证分析来表现模型的特征和算法的计算表现.结果表明路径重叠、路段流量、路段排队长度等因素对网络均衡流分布均有显著影响.     

“货到人”拣选系统中电商订单分批优化研究

本文在电商行业迅速发展及人工智能日趋成熟的背景下,研究以自动导引车(AGV)为搬运工具的“货到人”拣选系统订单分批问题。首先以最小化AGV搬运货架次数为目标建立订单分批模型,然后提出了基于货架相似度的两阶段订单分批算法,在第一阶段分为新批次创建及订单加入批次两个步骤得到初始解;在第二阶段采用局部搜索改进初始解。在算法中构造订单选取货架规则,定义货架相似度函数并设计两种方法创建新批次,同时考虑周转箱数量限制求解订单分批方案。最后通过实验测试验证了模型和算法的有效性,分析了两种批次创建方法的适用性,并通过灵敏度分析给出了合理的周转箱数量配置建议。本研究可为采用“货到人”拣选系统的企业通过订单分批优化进一步提高AGV拣选效率提供理论依据和实践指导。     

考虑商品数量和商品拣选成本的AGV智能仓库订单分批问题研究

AGV(Automated Guided Vehicle,自动导引车)智能仓库是一种基于“货到人”拣选模式的自动化仓库。本文考虑了订单中商品的需求量和货架上商品的存储量,以极小化货架搬运成本和商品拣选成本为目标,建立了AGV智能仓库订单分批问题的整数规划模型。本文针对订单分批问题的特点,提出了一种基于订单和货架交替选择的贪婪求解算法。对比CPLEX求解器的精确最优解,本文提出的贪婪算法的误差百分比不超过10%,平均误差百分比为5.38%;对比基于相似性的分批算法的求解结果,本文提出的贪婪算法不仅运算时间更短,解的质量也更好。进一步地,对比不考虑商品拣选成本的订单分批模型,本文提出的模型在不明显增加货架搬运成本的前提下,可以大幅度降低商品拣选成本。因此,在订单分批模型中考虑商品拣选成本是非常必要的。     

考虑出口箱进出场及预翻箱的箱位分配与场桥调度协同优化

为降低送箱集卡到场的不确定性对出口箱堆存和装船效率的影响,以最小化堆场进出场作业系统总作业时间为上层模型的目标,以最小化同一批入场出口箱的堆存时间下层模型的目标,构建了双层混合整数规划模型为进出场的出口箱分配箱位并优化场桥调度。设计改进的遗传模拟退火算法求解上层模型可得出口箱箱位分配方案,求解下层模型可得预翻箱和场桥调度方案,通过不断平衡上下层最优解使堆场堆存和装船作业效率最优。通过数值实验验证了算法和调度策略有效性,研究结果可丰富集装箱码头运营系统优化理论,为提高出口箱堆场作业效率提供决策参考。     

基于AGV的智能仓库系统订单分批问题研究

研究了基于自动引导小车(AGV)的“货到人”智能仓库订单分批拣选问题, 在同时考虑工作人员拣选商品成本和AGV搬运货架成本的前提下, 建立了以总成本极小化为目标函数的订单分批问题整数规划模型。根据订单中包含的商品信息和商品所在的货架信息构建了描述订单之间关系的加权相似度指标, 分析了加权相似度与总拣选成本之间的正相关关系。基于订单之间的加权相似度设计了求解模型的贪婪算法。利用具体算例进行模拟计算, 分析了加权系数的变化对订单分批结果的影响, 以及加权系数λ的取值与工作人员拣取一件商品的成本c₁和AGV搬运一次货架的成本c₂之间的关系, 得到了贪婪算法中加权系数λ的确定方法。进一步分析了贪婪算法的计算时间和计算效果, 结果显示, 通过适当选取加权系数, 利用贪婪算法可以在短时间内得到订单分批问题的近似最优解;对于小规模算例, 贪婪算法在最坏情况下近似比不超过1.35。利用本文的模型和算法进行订单分批, 兼顾了工作人员拣取商品的成本和AGV搬运货架的成本, 可以有效提高订单拣选效率, 降低订单拣选总成本。     

基于AGV的智能仓库系统储位分配问题研究

研究了基于自动引导机器人(AGV)的"货到人"拣选模式下的智能仓库系统补货阶段的储位分配问题.根据待拣选订单信息计算出商品之间的关联度,考虑了货架上存放的物品信息、空余储位数量、待补货物品信息,以同一货架上的各种商品之间的关联度之和最大化为目标函数,建立了补货阶段储位分配问题的整数规划模型;设计了求解模型的贪婪算法,并分析了算法复杂度.利用一个具体实例进行模拟计算,分析了贪婪算法的求解效果.进一步利用不同规模算例进行模拟计算,分析了贪婪算法的计算时间和近似比,结果显示贪婪算法可以在很短的时间内得到近似最优解,近似比不超过1.15.设计的贪婪算法可以作为智能仓库管理信息系统的核心算法.     

多方式弹性需求下公交定价双层规划模型

为描述多方式城市交通网络下公交定价与出行选择行为的相互作用与影响,将出行方式选择与路径选择涵盖于同一网络,建立了上层模型分别以企业利润最大化、乘客出行成本最小化和社会福利最大化为目标函数,下层模型为多方式弹性需求随机用户配流模型的公交定价双层规划模型。运用改进遗传算法对模型整体进行求解,下层模型采用综合对角化算法和MSA算法的组合求解算法。最后,设计了一个算例以说明模型应用。结果表明:运用双层规划模型所确定的公交票价较传统静态票价可使政府、企业及出行者三方都获得更高收益,且上层模型以社会福利最大化为目标函数能代表社会群体中多数人利益,优化效果最为理想。     

基于多Agent的车间任务招投标粗模糊集建模研究

首先通过相识集、招标集、投标集和任务集的概念 ,描述制造执行系统中的调度 Agent与资源 A-gent间任务招投标过程模型 ;基于任务的属性和资源 Agent完成任务的成本、质量、负荷和时间等属性 ,定义论域上的模糊集 ,将模糊集中的隶属度函数作为粗集的属性 ,在模糊集上作截集 ,从而获得系统的分类知识 ;收集样本数据 ,构造并分析决策表 ,进而获得调度 Agent调度决策知识 ;应用调度知识进行推理 ,从争取获得招标任务的若干个资源 Agent中 ,选出最适合招标任务的中标者 .     

基于动态分时电价的虚拟电厂双层优化调度研究

针对虚拟电厂(virtual power plant,VPP)中供给侧与负荷侧价格传导问题,考虑能源侧新能源出力不确定性、大电网购电价格、各类机组运行成本,文章提出了一种VPP厂内部动态分时电价策略,并综合考虑了负荷侧综合需求响应提出了EV接入的VPP双层经济调度模型,以保证VPP的低碳经济运行.上层考虑能源侧成本,以VPP运营商供能成本最小为目标函数,并将碳捕集系统(carbon capture system,CCS)作为灵活性资源,提出一种充分利用新能源与电网低谷电量的碳捕集装置运行模式.下层考虑包括EV在内的负荷侧用能成本,以用能成本最小为目标函数.最后,通过算例结果验证了所提策略的有效性.结果表明,相较于采用大电网分时电价机制,文章所提动态分时电价机制可节约51.8%的能源供给成本,且可降低81.62%的CO₂排放量,有效提升了VPP经济性与低碳性.     

基于两阶段启发式算法的物流配送选址-路径问题研究

为了解决配送中心选址与带时间窗的多中心车辆路径优化组合决策问题,利用双层规划法建立了配送中心选址与车辆路径安排的多目标整数规划模型,针对该模型的特点,采用两阶段启发式算法进行了求解。首先,通过基于聚集度的启发式算法对客户进行分类,确定了备选配送中心的服务范围;然后,基于双层规划法,以配送中心选址成本最小作为上层规划目标,以车辆配送成本最小作为下层规划目标,建立了多目标整数规划模型;最后,利用改进的蚁群算法进行了求解。通过分析实例数据和Barreto Benchmark算例的实验结果,验证了该模型的有效性和可行性。     

“限时服务规则”下的复线船闸多目标调度优化

针对现有船舶过闸排队规则的欠缺,基于“限时服务规则”,构建复线船闸多目标双层优化调度模型:上层模型用于获得两个闸室安全区域的船舶排布可行方案;下层模型用于获得不同船舶排布可行方案的优化闸次数。下层模型分两个阶段完成:对符合“限时服务规则”的船舶,构建以闸次最少为目标的0-1规划模型,获得此类船舶安排的闸次;对其余船舶按照“先到先服务规则”,构建以闸次最少、闸室利用率最大为目标的多目标决策模型,获得不同船舶排布可行方案应该安排的频次。以位于江苏省干线航道上的某复线船闸某日24小时内过闸船舶的数据为例,计算结果表明:采用本文优化模型获得的优化方案与“经验编排方式”相比,两座船闸各节约2个闸次,两个船闸的平均闸室利用率分别提高了3.66和4.72个百分点。     

共享单车调度优化问题研究

针对共享单车站点经常出现的供需不平衡问题,提出人工调度策略,以提高单车利用率和用户满足率.首先将一天划分为几个用车高峰时段,根据每个站点的单车使用历史数据,计算各站点在每个时段的需求量区间;在区域内单车总投放量不变的前提下,基于每个时段初期各个站点存放的单车数量,确定单车调出站点和单车调入站点,进一步以站点之间的单车调度数量为决策变量,建立共享单车调度问题的整数规划模型,使区域内各个单车站点的供需量基本达到平衡,并且总调度成本最小.利用北京市海淀区共享单车数据进行模拟计算,对比分析了调度优化前后的共享单车利用率和用户满足率.结果显示,调度优化后,单车利用率平均提高7.78%,用户满足率平均提高13.09%;综合考虑企业调度成本和收入情况可以发现,通过调度优化,企业的平均利润增长率为7.53%.本文的研究结果可以帮助共享单车企业提升管理水平,增加利润.