考虑路线复杂度的应急疏散双目标路径选择模型

针对路径选择这一疏散计划中最基本的问题，考虑疏散时间以及路线复杂度因素，建立了应急疏散路径选择的双目标优化模型。模型将总疏散时间最短以及路线复杂度最低作为优化目标，同时考虑灾害扩散对疏散网络通行状况的实时影响，将各弧段上的通行速度表示为随时间的连续递减函数。设计了求解模型的蚁群优化算法，仿真结果表明了模型和算法的有效性和可行性。     

一种改进的公交网络最优路径算法

通过对公交网络模型进行分析,考虑公交线路票价变化,按照出行时间最短同时保证换乘次数较少的原则,对现有解决公交网络最短路问题的算法进行改进.应用了将公交线路抽象为顶点,建立邻接矩阵的方法处理换乘问题.通过实际问题计算验证了算法的有效性.     

不可恢复道路堵塞路径选择问题及其算法

针对不可恢复道路堵塞的路径选择问题，分析了堵塞发生的不同起始时间对通过被堵塞边的费用(时间)产生的影响，这种影响引起的后效性使得这个问题不适合用动态规划中逆序推算方法求解。本设计了一种算法(MDA)，对经典的Dijkstra算法中的权值计算进行了修正，证明了算法的复杂性为O(n^2)，并用该算法对模型进行了求解。最后通过一个算例分析，对算法进行了验证。     

一类网络最优路径的双向模拟扩散算法

基于模拟扩散算法的基本原理,文中提出了一种双向寻求网络最优路径的扩散算法,并介绍了该算法原理和具体计算过程,验证了该算法的正确性和合理性。该算法具有并行计算的能力,适合于分布式计算机,寻求大型复杂网络的最优路径。     

基于道路堵塞及顾客时间要求的快件配送最优路径选择

针对道路堵塞如节假日导致的临时最短配送路径失效的问题,提出配送网络最优路径选择模型,并设计了求解快递配送网络关键边和最优路径的算法。首先,计算出整个网络的关键边,掌握配送网络特征;其次,考虑顾客时间要求,研究不完全信息(中断无法提前预知,只有到达中断边的起点处才可知)下的最优路径,根据最短路径上各边新的特点,计算出每条边中断后对应的一组备用路径,再选择运输时间小于或等于顾客可等待时间的路径为有效路径,考虑道路堵塞情况,从有效路径中选择最优路径;最后,结合配送网络的实际情况对最优路径进行了算例分析。     

无预警紧急疏散中公交车辆路径的确定方法

针对无预警式紧急疏散中公交救援车辆的最佳路径确定问题,提出了一个非线性混合整数规划模型.模型不仅考虑了有接收能力限制的多避难所系统,还对如何处理具有不同载客上限的公交救援车进行了分析.利用添加了虚拟路段和节点的时空网络,在以加权的综合疏散时间最小为目标的同时实现了疏散伤亡最小化.通过分析实际疏散的实施过程,得到了一种产生模型可行解的有效方法.通过将时间滚动式的流量加载模式与经典遗传算法相结合,给出了新模型的实用解法.最后,通过算例验证了模型和算法的有效性.     

基于博弈论混合策略下的路径选择模型

为了缓解交通拥挤的状况,预测出行者路径选择行为是一项值得研究的工作.在混合策略下,根据出行者之间的博弈关系,定义了混合策略下的得益函数,并引入求解混合策略纳什均衡的一种新方法,即极值法,对出行者的路径选择博弈模型进行了求解,有效弥补了传统划线法的不足,最终得到每个出行者的最优选择,实现了博弈各方的平衡.通过算例,有效地说明了混合策略下出行者最可能做出的路径选择.     

需求可分的车辆路径问题模型与算法

需求可分的车辆路径问题(SDVRP)无论是从运输距离还是派车数量上,都可进一步优化传统的车辆路径问题。为了降低SDVRP的求解难度,本文在分析最优解性质的基础上,加强模型的约束条件,将原模型转变为等价的改进SDVRP,并在使用蚂蚁算法求解改进SDVRP模型的过程中,采用开发新路径和2-opt相结合的方法,以避免出现迭代停滞的现象。实验表明,算法计算结果稳定,最差解与最好解的偏差仅为1.80%。     

区域运输结构优化路径模型及算法

为寻找区域运输结构优化的最佳调整路径,运用最优控制论,构建优化模型与算法,并对珠三角客运结构优化进行实证研究.研究结果表明:所建立的优化模型精度较高,算法有效,寻找的最佳调整路径合理;可解决运输业总周转量增长率不低于一定比例的前提下,各种运输方式每年应分别以多大的增长率增长,至少需要多少年才能达到某个理想的合理结构目标.     

一种求解路径优化问题的新型人工鱼群算法

针对人工鱼群算法由于固定视野导致寻优效率低、易陷入局部极值的弊端,引入视野递减反馈策略,提出一种改进人工鱼群算法.视野随着迭代次数和寻优反馈信息适时变化,旨在平衡算法的全局搜索和局部搜索能力.实验测试表明算法在保证收敛速度的基础上提高了计算精度,并且增加了算法陷入局部极值时快速跳出的可能性,最后将改进算法应用于求解国家AAAAA级风景区最短遍历路径问题.     

带集货和配送的多站点VRP优化算法研究

带集货和配送的多站点车辆路线问题(M DVRPPD)是经典VRP的扩展,是多个站点和若干客户既有需求又有供给的VRP问题.研究了该问题的模型并提出了求解该问题的多阶段启发式算法,即先用临界客户的思想把多站点转换为单一站点问题,再使用基于SFC的分组方法来构造初始解,并运用3-opt算法优化回路,之后采用插入算法改善解的可行性,从而得到最终优化解.最后通过实例计算证明了该方法解决M DVRPPD问题的实用可行性和科学有效性.     

人口密集场所紧急疏散问题中的速度模型

从人的身体素质及心理素质出发,研究人口密集场所紧急疏散问题中人员移动速度与人间距这对主要矛盾,建立了相应的微分方程.数据拟合表明,积分该微分方程所得到的人员移动速度——人间距的表达式是比较合理的函数关系.它不仅使用方便,而且拟合的相关系数高.为人口密集场所制定紧急疏散方案提供了依据.     

人口密集场所紧急疏散问题的数学模型及其优化解

在人口密集场所(馆)观众席位区及疏散通道分布模拟图的基础上,着眼于紧急疏散方案制定中的主要问题,分析人群疏散过程中的主要矛盾,建立了属于非线性规划问题的人员紧急疏散的数学模型.在转化为整数线性规划问题后,可用分枝定界法求解,并用L ingo计算程序实现.所求得的最优解为布局比较简单的场馆制定紧急疏散方案提供了依据.     

Kth最短路径的Bellman改进算法

基于对Bellm an算法的改进,得到了求解k th最短路的新算法.改进算法的优势在于从Bellm an算法只能解决最短路问题拓展到求解k th最短路问题,而且可以考虑权重为负数的情况.与传统算法相比,新算法更易于理解.     

一类Lagrangian对偶问题的零对偶间隙性质及其最优路径的收敛性

针对一般的非线性规划问题,利用某些Lagrange型函数给出了一类Lagrangian对偶问题的一般模型,并证明它与原问题之间存在零对偶间隙．针对具体的一类增广La- grangian对偶问题以及几类由非线性卷积函数构成的Lagrangian对偶问题,详细讨论了零对偶间隙的存在性．进一步,讨论了在最优路径存在的前提下,最优路径的收敛性质．     

An Algorithm for Continuous Type Optimal Location Problem

In this paper, we extend the ordinary discrete type facility location problems to continuous type ones. Unlike the discrete type facility location problem in which the objective function isn't everywhere differentiable, the objective function in the continuous type facility location problem is strictly convex and continuously differentiable. An algorithm without line search for solving the continuous type facility location problems is proposed and its global convergence, linear convergence rate is proved. Numerical experiments illustrate that the algorithm suggested in this paper have smaller amount of computation, quicker convergence rate than the gradient method and conjugate direction method in some sense.     

Scaled Optimal Path Trust-Region Algorithm

Trust-region algorithms solve a trust-region subproblem at each iteration. Among the methods solving the subproblem, the optimal path algorithm obtains the solution to the subproblem in full-dimensional space by using the eigenvalues and eigenvectors of the system. Although the idea is attractive, the existing optimal path method seems impractical because, in addition to factorization, it requires either the calculation of the full eigensystem of a matrix or repeated factorizations of matrices at each iteration. In this paper, we propose a scaled optimal path trust-region algorithm. The algorithm finds a solution of the subproblem in full-dimensional space by just one Bunch–Parlett factorization for symmetric matrices at each iteration and by using the resulting unit lower triangular factor to scale the variables in the problem. A scaled optimal path can then be formed easily. The algorithm has good convergence properties under commonly used conditions. Computational results for small-scale and large-scale optimization problems are presented which show that the algorithm is robust and effective.