基于机会约束的公交调度研究

利用机会约束规划研究公交调度问题 ,考虑了公交走行时间的不确定性、乘客需求的不确定性、以及乘客等待时间约束等影响因素 ,据此建立在一定的置信水平下企业利益最大化模型 ,利用基于随机模拟的遗传算法进行求解 ,并通过实验算例说明模型的可行性 ,最后通过研究模型参数的敏感性 ,分析模型的参数对最优解的影响 .     

基于遗传算法的物流配送车辆调度问题研究

研究使用遗传算法求解物流配送组织过程中车辆调度问题 .通过把时间窗约束和车辆容量约束转嫁到最小费用目标函数中去 ,建立适合于遗传算法的车辆调度模型 .阐述放回式随机复制算子和适应度函数 ,设计描述行驶线路的染色体结构、初始群体生成方法、独特的交叉算子和交换变异算子 ,构造完整的遗传算法 .并给出算例 ,验证调度模型和遗传算法 .     

一类有时间窗口约束的多资源动态调度模型与方法

含时间窗口的多资源调度，是一个包括资源分配和时间窗口分配的两阶段优化过程。在初始调度方案执行过程中，由于新的任务需求的到达，需要对初始方案进行调整．以使整个调度方案最优。本针对这种情况，分析了该问题中的主要约束条件．建立了含时间窗口的多资源动态调度模型，给出了一种启发式迭代修改求解方法；并以含时间窗口的多机调度问题为例．对模型和算法进行了验证。     

基于多因素SVM的油价预测模型研究

准确预测国际原油价格,对于维护经济稳定和规避风险具有重要意义.由于国际油价的波动是由多种因素引起的,本文采用误差修正模型确定原油价格与因素的关系.将结果作为SVM回归预测模型的输入模式,建立基于多因素SVM的油价预测模型.通过实证研究,发现基于多因素SVM的油价预测模型相对于误差修正模型和基于国际油价本身的自回归SVM预测模型具有更好的拟合和预测效果.     

考虑任务优先约束的同类岸桥作业调度优化

分析了以箱组为任务对象QCSP与以整贝为任务对象QCSP的异同,指出前者更能均衡各岸桥作业负荷,并减少船舶装卸作业时间。考虑到岸桥具有作业效率差异的特点,将其视为同类平行机调度问题,同时结合任务优先约束、岸桥作业不可相互穿越与安全距离等特有约束,建立了更加符合实际的以箱组为任务对象的岸桥作业调度混合整数规划模型,其优化目标是最小化装卸作业的makespan。针对模型求解的复杂度,设计了一种遗传算法,对算法搜索空间进行了讨论,并推导了问题的低界。实验算例表明所建立的模型能够反映岸桥作业调度过程中作业效率差异及任务优先约束现象,其算法能够在允许的运算时间内获得稳定的满意解,并且优化结果要全面优于以整贝为任务对象QCSP的调度方案。     

基于改进遗传算法的应急车辆调度研究

近年来,突发事件频发,给人类生命财产安全带来了巨大挑战.如何实现及时高效的应急车辆调度,保证应急资源的合理分配,成为亟待解决的问题.本研究在综合考虑新冠肺炎疫情这类特殊突发事件特点的前提下,以配送成本最低、时间惩罚最少、配送员被感染风险最小为优化目标,构建了一类多目标优化调度模型.并针对模型设计了一种改进遗传算法,在一...     

露天矿生产的车辆调度模型

讨论露天矿生产的车辆调度问题,关键是如何分配和调度现有条件下的电铲和卡车,从而得到一个好的生产计划.通过对问题的进一步分析和合理的简化,根据总定量最小原则及产量最大原则分别建立了相应的动态规划模型.由于模型在解决具体问题过程中的复杂程度和变量、不等式约束条件的个数太多等原因,我们采用逐步优化法对模型作了进一步的改进,然后用LINGO、LINDO等数学软件编程进行模型求解,得到了根据总定量最小原则及产量最大原则下的计划方案.     

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．     

基于约束满足问题的中继卫星调度问题研究

中继卫星任务规划与调度是中继卫星系统应用中的重要问题。根据航天器的空间轨道参数，得到中继卫星与用户航天器之间的可见时间窗口。在此基础上，通过分析中继卫星系统中各种资源之间的约束关系、任务优先级与调度准则，建立中继卫星系统的任务调度模型。仿真结果表明，基于约束规划理论建立中继卫星调度模型是解决中继卫星调度问题的有效方法。     

基于小波神经网络的海上突发事件应急资源动态需求预测

近年来海洋综合开发势头迅猛,海上船舶运输业的发展迅速,然而在创造可观的经济效益和社会效益的同时,海上险情事故频发,应急资源需求复杂多变。本文尝试将小波理论应用于海上应急管理领域,运用小波神经网络模型预测未来周期内的海域险情事故数。在海域险情事故预测的基础上,结合应急资源种类、海域的风险程度等影响因素,引入平均风险月度系数,构建了海上突发事件应急资源动态需求概念模型,间接预测应急资源需求,并提出部分可替代应急资源需求的预测思路。并以山东海事辖区为例,验证了该方法的有效性和可行性。     

基于AGA-SVM的非线性组合预测模型

为提高预测精度,提出基于AGA-SVM的非线性组合预测模型.以组合预测模型的误差平方和最小为优化准则,用加速遗传算法对支持向量机参数进行优化选择,并利用支持向量机对单一模型的预测结果进行组合预测.算例结果表明,AGASVM综合利用了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强.     

基于支持向量回归机的水文混沌时间序列预测

支持向量机在系统辨识和分类研究方面比较成熟,目前尚没有提出有效的支持向量回归理论来解决非线性、时变、干扰的复杂问题.支持向量回归机主要用于因果关系点对的回归预测,把支持向量回归机应用于水文混沌时间序列的预测研究是一个有意义的工作.在支持向量机一般理论基础上,提出了水文混沌时间序列支持向量回归机模型,并就模型进行仿真计算,讨论了模型参数对支持向量回归机预测精度的影响,为模型参数寻优提供一般指导原则.直门达水文站径流量混沌时间序列支持向量回归机预测实验表明,水文混沌时间序列支持向量回归机模型是有效的.     

基于GA-SVM的太原市空气质量指数预测

针对大气环境的复杂多变性和不确定性,采用太原市2014年至2016年的空气污染物监测数据,分别将改进的粒子群算法(IPSO)和遗传算法(GA)与支持向量机(SVM)相结合,通过参数寻优构建新模型完成对空气质量指数(AQI)的预测.实验结果表明,GA-SVM在预测精度、误差率和可靠性方面均优于IPSO-SVM与SVM.因此GA-SVM模型更适用于AQI的预测,为大气污染防治提供了科学合理的理论依据和新的预测方法.     

基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

基于GA-SVR算法的淀粉价格预测研究

近年来我国淀粉产业迅速发展,给相关企业带来了巨大经济效益的同时,由于其情况复杂,致使相关企业无法正确掌控淀粉价格的走势,也造成了大量的经济损失.因此,寻找一种科学的、高效的淀粉价格预测方法已成为当务之急.将遗传算法(GA)与回归型支持向量机(SVR)相融合,建立了GA-SVR淀粉价格预测模型.对2003-2011年淀粉价格进行仿真预测,结果表明,模型的决定系数和均方误差均优于其它方法,验证了模型的有效性与优势.     

基于遗传算法和熵的缩减记忆式LS-SVM财务困境预测模型研究

为了提高财务困境预测的正确率,减少模型的训练样本数和训练时间,在传统支持向量机(SVM)预测模型的基础上,将遗传算法、信息熵和缩减记忆算法应用于最小二乘支持向量机(LS-SVM),提出了一种基于遗传算法和信息熵的缩减记忆式最小二乘支持向量机预测模型。并独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进模型的实现步骤。实验结果表明,该模型无论是预测正确率,还是训练样本的数量和训练时间,都显著优于最小二乘支持向量机以及传统支持向量机模型。     

基于最近边界向量的SVM增量学习算法

为了减少求支持向量过程中二次规划的复杂度,利用训练样本集的几何信息,选出两类中离另一类最近的边界向量集合,它是样本中最有可能成为支持向量的一部分,用它代替原样本集进行训练.对新增样本,若存在违反KKT条件的样本,只对这部分新样本进行学习.同时找出原样本中可能转化为支持向量的非支持向量样本.基于分析结果,提出了一种新的基于最近边界向量的增量式支持向量机学习算法.对标准数据集的实验结果表明,算法是可行的,有效的.     

基于邻域粗糙集属性约简的对偶约束式LS-SVM财务困境预测模型研究

为了提高财务困境预测的正确率,改善模型预测的效果,将邻域粗糙集和遗传算法应用于对偶约束式最小二乘支持向量机,提出了一种基于邻域粗糙集属性约简的对偶约束式最小二乘支持向量机预测模型.同时,给出了这一改进模型的实现步骤.实证结果表明,通过邻域粗糙集指标预处理和遗传算法参数优化后,不但提高了模型预测的正确率,还降低了模型运行的时间,证实了该模型应用于财务困境预测是有效的.     

基于支持向量回归机的交通状态短时预测和北京某区域实例分析

根据基于支持向量回归机的交通状态短时预测方法建立了数学模型,考虑以交通检测器收集到所要预测时刻前几个时段及被测路段上下游前几时段的交通流量、车道占有率、平均线速度等交通参数为输入,以对应时段的平均线速度为输出.选取核函数,对支持向量回归机进行训练.应用训练完成的支持向量回归机,利用输入参数预测下时段的交通线速度.最后,以北京市北四环某路段的实时监测数据来对模型进行检测,预测结果表明了模型的有效性.     

基于CSO-SVR的气膜钢筋混凝土储仓主体结构施工成本预测研究

为了较准确的预测气膜钢筋混凝土储仓主体结构施工成本,提出一种鸡群算法(CSO)和支持向量回归机(SVR)结合模型,即CSO-SVR,利用CSO算法对SVR进行寻优得到全局最优解,从而得到具有最佳参数的支持向量回归机模型,通过气膜钢筋混凝土储仓主体结构施工成本数据预测仿真,结果显示:CSO-SVR模型预测精度高于PSO-SVR,GA-SVR,SVR,BPNN等方法,是预测气膜钢筋混凝土储仓主体结构施工成本的有效工具.