水上应急物资储备库选址-分配优化模型

将应急物资储备库选址和应急需求分配问题集成考虑,基于集合覆盖理论和引力模型,建立水上应急物资储备库选址-分配优化模型,并针对模型设计遗传算法.算例分析结果显示,最终选址-分配方案能够实现对水域的全面覆盖和重点加强;程序运行50次,其中43次结果相同,说明计算结果具有稳定性,表明选址-分配模型和算法是有效的.     

地震救灾初期应急物资智能调度问题的研究

为了探究大规模灾害救援初期物资不足、运输能力有限情况下的应急物资调度问题,引入需求迫切度和满意度的概念,构建了多储备点、多受灾点的多种物资的调度模型,以最大化受灾点平均满意度和最小化运输路径长度为目标,并采用双蚁群算法对模型求解。案例仿真实验表明,该模型在保障受灾点的基本物资需求,且优先供给需求迫切度高的受灾点的前提下,得到了有效的物资调度方案,为决策者制定救灾策略提供了参考。     

基于免疫优化算法的应急物资储备库选址

为了提高应急物资利用效率和应急服务水平,针对灾害情况下应急物资运输调度的时效性特点,基于各需求点历史灾害事件数据,利用三角模糊数对历史灾害事件数进行模糊化处理;引入风险权重系数,建立应急物资储备库选址模型,并采用免疫优化算法完成求解.以安徽省应急物资储备库选址为例,验证了该模型的可行性,可为解决应急物资储备库选址问题提...     

不确定需求下多类型自提点多目标选址

考虑顾客快递数量的不确定性,引入顾客满意度函数,以自提点运营成本最小化和顾客满意度最大化为目标,构建多类型自提点选址问题的整数二次规划模型,通过高德平台获取需求点与自提点之间的实际取货距离,运用三角模糊数刻画顾客快递数量的不确定性,进而将模型转化为模糊机会约束规划模型。采用Epsilon约束算法结合Cplex求解器对实例求解,并对比NSGA-Ⅱ算法,再应用模糊集理论得出折中解,折中解方案较目标最优方案顾客满意度降低了11.4%,运营成本增加了26.3%。结果表明：随着顾客快递数量的增加,自提点的运营成本和顾客满意度均呈现先增后减的趋势;构建多类型自提点可以有效兼顾成本和顾客满意度,实现系统最优。     

不确定需求下考虑混合时间窗的多式联运路径优化

针对多式联运运输网络复杂等问题,提出一种基于不确定的客户需求,引入混合时间窗约束,以总成本、碳排放量最小为优化目标的多式联运优化模型,运用三角模糊数以及机会约束规划理论对模型进行清晰化.考虑粒子群算法的局限性,将模拟退火算法的思想与其结合,对基本粒子群算法进行改进.通过实例分析以及运用灵敏度分析法,分析了运量的不确定性...     

基于粒子群算法的不确定动态多目标优化方法研究

当前不确定动态多目标优化方法通常将多目标问题转换成单目标问题,将其它目标看作约束条件,仅可得到单个解,无法有效体现不确定多目标之间的关系,导致得到的解质量低。为此,提出一种新的基于粒子群算法的不确定动态多目标优化方法,给出不确定动态多目标优化问题的数学描述,介绍了粒子群算法,针对粒子群算法容易陷入局部最优的弊端,引入动态变异算子对其进行改进,通过改进的位置更新公式实现粒子群算法位置的自适应更新,给出解决不确定多目标优化问题的详细过程,在此基础上,通过分段线性函数参数化实现不确定动态多目标优化。实验结果表明,所提方法搜索能力强,采用所提方法得到的解与真实解最相近,质量最高。     

不确定需求下物流配送网点选址多目标优化及仿真

物流配送需求的不确定性导致物流配送成本波动,增加了物流企业配送管理的难度,加剧了“最后一公里”末端配送不畅。本文以降低末端物流配送成本和缩短配送时间为优化目标,考虑快递包裹数量不确定情况下末端配送的运力水平和配送覆盖区域人口密度因素,提出了一种基于“0-1”整数规划模型的多重目标优化策略,建立了物流配送中心的动态选址模型,并用Anylogic进行了仿真验证。研究结果表明,在配送包裹数量短期大幅度波动的情况下,末端配送运力水平、网点位置和服务能力需要有差别调整才能达到降本增效的目的。     

基于离散粒子群算法的应急物资选址与调度

【目的】为了提高应急管理水平,有效降低突发事件的不良影响,研究了应急物资储备库的合理布局与物资调度问题。【方法】针对应急物资储备库与物资调度问题的特点,建立了考虑物资供应约束以及转运平衡约束的多目标优化模型,目标函数为储备库建设成本、维护成本与物资运输成本之和最小,整体风险程度和整体灾害处置难度最小。【结果】设计了带惯性权重的离散二进制粒子群算法对模型进行了求解。【结论】仿真实例表明了模型以及算法的有效性与收敛性。
     

抵港时间不确定的多目标泊位-岸桥分配

针对不确定性因素造成的船舶提前或延迟到港的问题,考虑船舶抵港时间不确定性,建立以船舶在港时间和港口装卸成本最小化为目标的泊位-岸桥分配非线性混合整数多目标规划模型,利用优化技术处理非线性多目标问题.研究结果表明:模型能有效减少船舶抵港时间不确定性对港口运营造成的损失,优化船舶装卸操作成本和船舶在港作业时间,为集装箱码头提供了更合理的解决方案.     

不确定应急物流LRP双目标优化模型

为了优化应急物资配送系统,提高配送的时效性和经济性,以总时间最短和总成本最小为目标,建立了不确定双目标机会约束优化模型,在这个模型中综合考虑了需求点的限制期要求以及需求点物资需求量的不确定性、两节点运输时间的不确定性、若干车辆容量的有限性和若干候选救援中心容量的有限性,并且假设救援车辆完成自身的任务后停靠在就近已经启用的救援中心;运用遗传算法求解该模型,并且利用惩罚函数的思想以及加权法对目标进行了处理,最后给出数值例子验证该模型和算法的有效性.     

基于道路分级的应急转运中心选址及运输优化问题

应急转运中心选址和运输优化问题的研究为自然灾害发生后的响应阶段提供参考。本文在研究转运中心选址与运输优化问题时,将救援过程划分为多个阶段,考虑道路恢复的影响,以最小化运输成本和最大化受灾点平均满意度为目标,以满足转运中心物资处理能力、受灾点最低需求等为约束,建立多目标混合整数规划模型,确定转运中心建设位置及应急物资分配关系。设计两类实验研究模型中两个目标的关系以及四个参数对实验结果的影响,并对结果进行讨论。最后通过以雅安地震为背景的算例,验证了模型的实用性。     

基于多目标粒子群算法的应急物流储备库选址

针对应急物流的特点,提出了应急物流储备库选址应考虑各行政区的风险权重、灾害处置难度、储备库恢复能力、地区影响程度及建设成本等因素.借助普通物流选址思想,构建了基于多目标粒子群算法的应急物流储备库选址模型.并以长株潭城市群应急物流系统构建为例,进行了应急物流储备库选址实例研究.     

不确定需求下容量限制工厂选址的改进蜂群算法

研究了需求不确定下容量限制工厂选址问题。在考虑需求点的实际情况后,根据各点不确定需求的变化而改变工厂的生产规模限制,建立设置分段的生产规模的容量限制工厂选址模型。使用联系数和区间灰数理论对不确定的需求进行预测。为了求解该问题,对传统人工蜂群算法的编码、更新、搜索和追随策略进行了改进。最后进行数值实验,将新算法与遗传算法、萤火虫算法、粒子群算法和海鸥算法进行对比。结果表明,改进后的人工蜂群算法有更好的优化效果,在求解容量限制的选址问题上具有可行性和有效性。     

考虑需求满意度与救援时间公平的应急物资调度多目标模型及算法

针对突发灾害后的应急物资调度问题,本文基于各个灾点物资满足程度情况构建了灾民满意度目标函数,以各个灾点救援时间构建了时间公平目标函数,以灾民满意度最大化与救援时间公平、成本最小化为目标建立了多目标数学模型。设计了一种改进的非支配排序萤火虫算法求解该类多目标问题帕累托解。通过算例进行模拟实验表明,所提出的模型和算法可以有效解决突发事件下应急物资调度问题,且改进算法的性能更优。     

基于时间-冲击的喷胶机器人轨迹优化算法

针对喷胶机器人时间-冲击等多目标优化的轨迹规划问题,提出基于时间-冲击最优的轨迹优化算法,优化喷胶机器人的运行时间和冲击(加加速度)两个效果相反的目标。采用4-5-6多项式插值曲线作为关节空间内的插值轨迹,确保机器人运动的连续性和平稳性;在关节角速度、角加速度和角加加速度的运动学约束下,利用多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法,以喷胶机器人的运行时间和冲击为目标对其进行轨迹优化。仿真结果表明,采用MOPSO算法对4-5-6分段多项式插值结果进行优化,提高了机器人的轨迹精度,减少了机器人运动过程中的冲击,有效缩短了机器人的作业时间。     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。     

不确定需求下应急物流系统多目标鲁棒优化模型

针对在突发事件发生的紧急救援期,应急物流系统的运载能力有限性及多种应急物资的需求不确定性,采用相对鲁棒优化方法建立了基于总时间和总成本最优的多目标数学模型.结果表明:模型合理地解决了应急物资在需求不确定条件下选址-路径的安排问题,通过算例将绝对鲁棒优化与相对鲁棒优化的对应问题以及单目标与多目标模型的最优解进行对比,验证了多目标鲁棒优化模型能够体现应急物资在需求不确定条件下选址-路径方案的最优性与鲁棒性的均衡,从而在突发事件发生时能有效保证应急物流决策的鲁棒性.     

考虑需求变化与时变路网的同城货运路径优化

为了使客户得到更加优质的服务,设计科学合理的算法进行车-货匹配并优化车辆路径,结合同城货运平台订单需求实时变化特点,以车辆使用成本、燃油成本、延误或提前到达货主位置产生的违约成本、为避免道路拥堵或产生过大违约成本产生的等待成本最小为目标函数,建立考虑车-货匹配、城市时变路网等约束的车辆路径优化模型。设计一种混合量子粒子群优化算法,决策最优货物匹配方案、车辆路径及车辆运行时间计划方案。研究结果表明：设计改进的量子粒子群算法得到的小规模算例优化解与Cplex优化软件得到最优解的相对偏差为3.7%,但所设计算法的平均求解时间仅需54.84 s,而Cplex的平均求解时间则需8 640.80 s;在合理规划周期内,所提出的路径规划模型可通过调整车辆出发时间有效地将违约成本转化为代价较低的等待成本,或通过牺牲油耗成本降低违约和等待成本从而降低平台运营总成本;当单位等待成本为单位违约成本的30%时,考虑时变路网可有效降低平台运营总成本,当单位等待成本为单位违约成本的20%时,考虑时变路网可降低0.7%的平台运营总成本,当不考虑等待成本时,考虑时变路网可降低10.6%的平台运营总成本。     

考虑需求侧响应的热电联供型微网经济优化运行

热电联供(combined heat and power,CHP)微网是提高可再生能源利用率以及实现能源转型的有效途径之一,具有广阔的应用前景。为保证其经济、灵活、高效运行,需对CHP微网进行合理的系统优化。为此提出考虑热、电负荷需求侧响应CHP微网多目标优化方法,热电负荷需求侧响应模型基于建筑物热力学模型,同时考虑可转移负荷的调度。在此基础上,建立基于热电负荷需求侧响应的多目标混合整数线性规划模型,采用所提复合粒子群算法求解。算例仿真结果表明,应用热、电负荷需求响应可以使供电、供热的灵活性大大提升,并且降低了系统经济运行成本。