战时备件配送的MDVRPTW问题研究

战时备件配送的车辆调度是提高装备保障效率的关键因素.以装备效能损失最小化为车辆调度的目标,建立了问题的M DVRPTW模型,并应用蚁群算法对问题进行了求解.算法中,根据问题特征改进了状态转移规则,设计了串行和并行两种路线构造方法,并应用局部搜索模块对蚂蚁构造的路线进行改进.对算例的计算实验表明,串行路线构造方法在精度和速度两方面均优于并行路线构造方法.     

多行程带时间窗口的车辆调度问题研究北大核心

为了提高车辆的使用率,企业往往会安排车辆在单位周期内,执行多次配送任务.为了研究多行程带时间窗口的车辆配送(VRPTW)中的车辆调度问题.模型以车辆的固定费用、车辆行驶过程中的等待费用、司机的工作小时费最小为目标,同时也融合了司机在执行不同路线时,由于熟悉的过程所弓I起的费用.通过对路线的时间窗口性质的分析,建立了调度问题的模型.     

多行程带时间窗口的车辆调度问题研究

为了提高车辆的使用率,企业往往会安排车辆在单位周期内,执行多次配送任务.为了研究多行程带时间窗口的车辆配送(VRPTW)中的车辆调度问题.模型以车辆的固定费用、车辆行驶过程中的等待费用、司机的工作小时费最小为目标,同时也融合了司机在执行不同路线时,由于熟悉的过程所弓I起的费用.通过对路线的时间窗口性质的分析,建立了调度问题的模型.     

多车场有时间窗的多车型车辆调度及其禁忌算法研究

本文针对物流配送中的多车场车辆调度问题提出了两种多车场的处理方法，介绍了多车场车辆调度问题中容量、时间窗、多车型等多种约束的处理方法，并且根据具体约束情况设计了禁忌算法，对多车场有时间窗的多车型车辆调度问题加以实现，给出了一个具有代表性的算例试验结果和结果分析，通过试验表明了此方法对优化有时间窗的多车型车辆调度问题的有效性．     

多行程车辆路径问题和配送中心定位问题的研究

为了同时解决多行程车辆路径问题和配送中心的定位问题,首先开发了一个以最小化总成本为目标的数学模型,其中总成本包括运输成本和车辆启动成本.然后设计了一个启发式算法解决这个问题,包括三个阶段:第一阶段是找到初始定位并进行路线安排,第二阶段采用模拟退火(SA)的逻辑和交换算法来获得更好的路线,最后阶段是改善由模拟退火算法中当前温度控制的位置.通过标准样例进行的实验结果表明,该算法可以更好地获得一个配送中心定位和有效的相关路线安排.最后,数值实验指出:1)选择不同类型行程的配送方式取决于每辆车的启动成本和单位距离的运输成本;2)使用大容量车辆可以更好地减少运输距离.3)增加服务时间可以有效地减少所需车辆的数量,这三个结果对于多行程车辆路径问题和配送中心的定位问题的管理决策都具有一定的实用价值.     

求解车辆路径问题的免疫算法

将免疫算法用于求解车辆路径问题,并根据车辆路径问题的具体情况提出了一种基于分组匹配的亲和力计算方法.实验结果表明,免疫算法能有效地应用于车辆路径问题.     

成品油配送多车舱车辆指派及路径优化问题研究

针对成品油配送中多车型、多车舱的车辆优化调度难题,综合考虑多车型车辆指派、多车舱车辆装载及路径安排等决策,以派车成本与油耗成本之和的总成本最小为目标,建立了多车型多车舱的车辆优化调度模型。为降低模型求解的复杂性,本文提出一种基于C-W节约算法的“需求拆分→合并装载”的车辆装载策略,并综合利用Relocate和Exchange算子进行并行邻域搜索改进,获得优化的成品油配送方案。最后,通过算例验证了本文提出的模型与算法用于求解大规模成品油配送问题的有效性。并通过数据实验揭示了以下规律:1)多车舱车辆相对于单车舱车辆在运营成本上具有优越性;2)大型车辆适合远距离配送,小型车辆适合近距离配送;3)多车型车辆混合配送相对于单车型车辆配送在运营成本上具有优越性。这些规律可为成品油配送公司的车辆配置提供决策参考。     

一种带时间窗和车辆数目限制的车辆路线问题及其算法

本文提出了带时间窗和车辆数目限制的车辆路线问题的数学模型,针对该问题的特征构造了一种路线生成算法和禁忌搜索算法,并对Solomon提出的C1、R1、RC1类数据集给出了数值运算的结果,实验结果表明算法是有效的.     

一种市内邮件转运问题的模型与算法

邮件转运是邮政局的一项日常工作．本文提出了一种市内邮件转运问题的数学模型，并构造了这个问题的一种列生成算法．市内邮件转运问题与一般带时间窗口车辆路线问题（VRPTW）的不同之处在于，前者车辆到达客户的时刻即是对该客户开始服务的时刻．     

改进的混合算法求解车间作业调度问题

车间作业调度问题是个典型的NP-hard问题,为了更有效的解决车间作业调度问题,提出了一种改进的混合算法(IGASA).算法设计了一种基于当前最优解的免疫算子,算子对当前最优个体中选取运行时间最少的一台机器上的工件顺序当作疫苗,并用车间调度问题的图论模型解释了此算子的合理性.最后通过大量实验证明改进的混合算法的性能的优越性,从而证明设计的免疫算子是有意义的.     

旅行商问题最优路径的改进免疫遗传算法

本文研究了一种改进的求解旅行商问题最优路径的免疫遗传算法.结合随机法与贪心法生成初始种群,利用亲和度排序而选取抗体以得到复制群体,引入轮盘赌及克隆选择获取高亲和度抗体,并实施疫苗接种及免疫记忆更新抗体.运用免疫记忆机理的闭环逻辑,证明了该算法生成的城市序列是全局收敛的.数值实验证明该算法是有效的.     

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。     

A computational approach for understanding immune response to multiple epitopes based on optimal control formulation

The immune system does not response in equal probability to every epitope of an invader. We investigate the immune system’s decision making process using optimal control principles. Mathematically, this formulation requires the solution of a two-point boundary-value problem, which is a challenging task especially when the control variables are bounded. In this work, we develop a computational approach based on the shooting technique for bounded optimal control problems. We then utilize the computational approach to carry out extensive numerical studies on a simple immune response model of two competing controls. Numerical solutions demonstrate that the results of optimal control depend on the objective function, the limitations on control inputs, as well as the amounts of peptides. Moreover, the state space of peptides can be divided into different regions according the properties of the solutions. The developed algorithm not only provides a useful tool for understanding decision making strategies of the immune system but can also be utilized to solve other complex optimal control problems.     

京津冀协同应对自然灾害应急资源配置优化研究

京津冀协同发展已成为国家战略。京津冀区县毗邻,在灾害分布上具有临近相似性和区域差异性的特点。本文从整合京津冀地区应急资源、协同应对突发事件的角度出发,提出了京津冀地区统筹规划下区域协同应对自然灾害的新模式。本文以京津冀地区应急物资保障的经济性和物资分配的公平性为目标,建立了多阶段、多灾种的京津冀协同应对自然灾害应急资源配置的多目标规划模型,在此基础上设计了一种多目标免疫算法。结合京津冀地区自然灾害发生的情景概率,验证了模型的科学性与算法的有效性,为京津冀地区乃至世界城市群协同应对应急资源的优化配置提供理论指导与科学的决策。     

基于免疫记忆克隆算法的指数化投资组合优化构建策略

本文基于克隆选择学说及基于克隆选择学说及生物免疫响应过程的相关机理,提出用于指数化投资的免疫记忆克隆算法,并将其应用于指数化投资组合优化构建模型的求解,旨在探索指数化投资的优化构建策略。文章首先提出多目标的指数化投资组合构建模型。其次,分别设计了适用于指数化投资组合构建策略的抗原、抗体、亲和度函数、克隆选择算子、免疫记忆算子和相应的进化算法。该算法有效避免了传统遗传算法所存在的计算后期解的多样性差、易早熟以及收敛速度慢等缺点。同时,提出了限制投资组合中股票数量的启发式算法。最后,使用包括上证180指数在内的6组世界主要股票市场指数及其成份股的历史数据对模型及算法进行测算,结果表明算法具有良好的求解能力和收敛速度,所建模型的合理性和有效性亦被论证,模型和算法均具有很强的实践价值;     

A novel hybrid immune algorithm and its convergence based on the steepest descent algorithm

This paper proposes a novel hybrid immune algorithm (HIA) that can overcome the typical drawback of the artificial immune algorithm (AIA), which runs slowly and experiences slow convergence. The HIA combines the adaptive AIA based on the steepest descent algorithm. The HIA fully displays global search ability and the global convergence of the immune algorithm. At the same time, it inserts a quasi-descent operator to strengthen its local search ability. A good convergence of the HIA with the quasi-descent idea is shown as well. Numerical experiment results show that the HIA successfully improves running speed and convergence performance.     

A novel chaos danger model immune algorithm

Making use of ergodicity and randomness of chaos, a novel chaos danger model immune algorithm (CDMIA) is presented by combining the benefits of chaos and danger model immune algorithm (DMIA). To maintain the diversity of antibodies and ensure the performances of the algorithm, two chaotic operators are proposed. Chaotic disturbance is used for updating the danger antibody to exploit local solution space, and the chaotic regeneration is referred to the safe antibody for exploring the entire solution space. In addition, the performances of the algorithm are examined based upon several benchmark problems. The experimental results indicate that the diversity of the population is improved noticeably, and the CDMIA exhibits a higher efficiency than the danger model immune algorithm and other optimization algorithms.     

On optimal algorithms for the joint replenishment problem

In this paper, we demonstrate that the algorithm for determining the optimal strict cyclic policy for the Joint Replenishment Problem suggested by Fung and Ma¹ does not guarantee an optimal solution. We propose a modification that will ensure that the algorithm obtains the optimal strict cyclic policy. We then perform a comprehensive computational study to compare the modified Fung and Ma algorithm with other optimal algorithms for the problem. The study reveals that the optimal algorithm of Viswanathan² is computationally more efficient than other methods.     

A New Optimal Algorithm for the Joint Replenishment Problem

In this paper, we propose a new optimal algorithm for the Joint Replenishment Problem. The proposed algorithm can be used to determine the optimal strict-cyclic policy, as well as the optimal among all cyclic policies for the joint replenishment problem. Computational experiments on randomly generated problems reveal that the proposed algorithm performs better than existing optimal algorithms for the problem.