求解带时间窗车辆路径问题的改进离散花朵授粉算法

针对当前算法在求解带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)时存在精度、效率方面的不足,提出一种改进的离散花朵授粉算法.算法在基本花朵授粉算法的基础上进行离散化,使其适合求解带时间窗车辆路径问题,重新定义花朵授粉算子操作.为了提高求解精度和效率,设计了随机插入、路径内的2-opt、交换和逆序操作,为了增加种群间信息的交互,结合改进的遗传算子.通过11个测试算例表明,改进的离散花朵授粉算法在求解VRPTW是行之有效的,与文献中其他算法比较,算法在精度、效率和鲁棒性方面具有优势.     

随机模糊的等比例-最小方差投资组合优化研究

Markowitz的均值-方差模型在投资组合优化中得到了广泛的运用和拓展,其中多数拓展模型仅局限于对随机投资组合或模糊投资组合的研究,而忽略了实际问题同时包含了随机信息和模糊信息两个方面。本文首先定义随机模糊变量的方差用以度量投资组合的风险,提出具有阀值约束的最小方差随机模糊投资组合模型,基于随机模糊理论,将该模型转化为具有线性等式和不等式约束的凸二次规划问题。为了提高上述模型的有效性,本文以投资者期望效用最大化为压缩目标对投资组合权重进行压缩,构建等比例-最小方差混合的随机模糊投资组合模型,并求解该模型的最优解。最后,运用滚动实际数据的方法,比较上述两个模型的夏普比率以验证其有效性。     

可数马氏链的截断扩充逼近算法

本文是一篇关于可数马氏链截断扩充逼近算法的综述性文章.截断扩充逼近算法是研究可数无限马氏链的一个有效的方法.它已经成为计算马氏链的平稳分布以及其他参数的关键性工具.本文首先应用截断扩充逼近算法对平稳分布进行研究.我们利用遍历方法以及扰动方法,分别给出在全变差范数意义下以及在V范数意义下的平稳分布的收敛性和误差界.其次,本文应用截断扩充逼近算法研究泊松方程的解.我们给出泊松方程的解的收敛性质,并且考虑中心极限定理中偏差常数的逼近算法.此外,我们将用一些实际的例子来验证这些结果的实用性与准确性.最后,本文对截断扩充逼近算法的一些延伸问题进行了总结与展望.     

基于Adaboost-SVR模型的我国碳排放强度分析与预测

首先对我国1960-2017年的碳排放趋势分5个阶段分析,发现虽然在不同时期存在波动,但长期来看,我国碳排放强度呈逐步下降趋势.然后对差分平稳后的序列数据建立Adaboost-SVR预测模型,采用RMSE、MAPE、MAE、MSE四个评价指标比较Adaboost-SVR模型与Adaboost-DT、SVR、BP神经网络对碳排放强度的预测精度.结果表明,组合模型明显优于其他3种模型,对于碳排放强度预测具有很高的可靠性.另外,通过使用Adaboost-SVR模型进行后续年份预测,发现我国未来碳排放强度总体将继续缓慢下降.最后,基于二氧化碳排放量的LMID分解结果,提出调整能源产业结构, 促进可再生能源利用等节能减排建议.     

带时间窗取送货问题的混合算法

为解决带时间窗的取送货问题,建立了集合划分模型,设计列生成算法与启发式规则相结合的CGA混合算法进行求解。首先,放松约束构建主问题及受限主问题,运用单纯形法与分支定界进行求解;其次,建立时空网络以构建子问题,基于修正的Dijkstra's算法,设计包含算法A、B1、B2的求解算法;最后,通过启发式算法解决节点重复覆盖问题。为验证算法有效性,进一步构建了OPT近似最优解算法;并基于CGA提出三种求解策略C1、C2、C3,做单因素方差分析,采用算例分析算法的性能。实验结果表明,对于客户点数量小于30的小规模算例,CGA与OPT所得结果相近,但CGA求解效率更显著;针对客户点数量为600的大规模算例,CGA至多在20分钟内求得结果,可见本文算法的精度和效率较高。而针对不同类型及规模的客户点的单因素方差分析结果显示,C1、C2、C3在“平均行驶距离成本”、“平均车辆数”、“平均求解时间”三个维度上差异性显著,经营者可根据实际需求进行策略选择。     

基于改进的粒子群算法求解供应链网络均衡问题

传统的供应链求解方法为投影法,针对其要对投影进行计算,十分复杂的缺点,提出用改进的粒子群算法求解供应链均衡问题,利用动态异步调整学习因子来有效的提高了算法搜索能力与精度。本文介绍了供应链网络均衡问题转变为无约束优化问题的方法,然后用改进的粒子群优化算法进行求解。通过四个数值算例,将实验结果与标准粒子群算法、蜂群算法、学习因子同步变化的粒子群算法进行比较,验证了改进的粒子群优化算法在解决供应链网络均衡问题中的有效性与优越性,为供应链网络求解提供了一种新的方法。     

随机服务时间下异质患者门诊预约调度优化

考虑随机服务时间与行为特征互不相同的异质患者,建立随机混合整数规划模型对门诊预约调度问题展开研究。首先在给定服务顺序的假设下求解了两个患者的预约调度问题;在此基础上,设计启发式算法对多个患者预约方案和服务顺序同时进行优化。数值结果表明:当患者服务时间为独立同分布的随机变量时,患者预约时间间隔呈现先增加后减少的圆顶形状;当患者服务时间服从不同分布时,通过与样本平均近似方法对比,验证了启发式算法的计算效率和有效性。     

带时间窗的车间搬运机器人路径优化建模及算法研究

本文以车间搬运机器人为研究对象,在考虑时间窗的前提下,求解机器人进行物料配送和成品回收场景下的路径优化问题。提出一种强化学习遗传蚁群算法,首先利用扫描法求解初始搬运机器人的数量,并将子路径节点的几何中心设置为虚拟节点,利用嵌入遗传算子的蚁群算法求解连接虚拟节点的最优路径,再利用强化学习算法求解子路径的最优结果;最后将基本成本、运输成本和时间惩罚成本的加权和作为目标解,并最终求出满足约束条件的最优解。通过与基准问题求解结果对比,验证了强化学习遗传蚁群算法的优越性。     

区域集群下板材订单配置模型及算法研究

针对集群企业板材资源滞留、无法共享、加工旺季材料短缺等问题,依据区域板材特性和区域企业集群地理相关优势,建立以减少需求方板材订单采购费用最小化为目标的板材订单分配模型,采用以粒子群、免疫算法相结合的混合调度算法。计算过程中,将订单分配对应企业编号作为免疫系统的抗体基因,通过比较适应度函数解与订单预算成本的关系,将抗体群区分为支配解与非支配解,提高算法对抗原的免疫能力和最优解的选择概率。最后以板材订单分配实例进行试验仿真,分别采用PSO算法与IA-PSO算法进行试验对比,对平台上6家订单发布企业寻找合适地理位置相近和价格相对低廉的供应商。试验结果表明,IA-PSO算法能够有效地解决区域集群内板材订单的匹配问题,并且在寻找价格更低和位置更合适的供应商上更有优势。