基于实际路网情境的配送车辆调度优化

在实际路网情境下结合车道数、车道宽度、路口信号灯设置等路网物理特性,构建了考虑综合交通阻抗的多车型车辆调度模型,提出了两阶段求解策略:第1阶段设计了改进A-star精确解算法用于计算客户时间距离矩阵;第2阶段针对实际路网的特征设计了混合模拟退火算法求解调度方案。以大连市某配送中心运营实例进行路网情境仿真试验,结果表明:改进A-star算法较改进Dijkstra算法具有更短的路径搜索时间;混合模拟退火算法求解结果较实际调度方案优化了13.1% 的综合成本;路网增流、区域拥堵和路段禁行三类路网情境均能对配送方案的车辆配置、路径选择、客户服务次序、作业时间和违约费用等5方面内容产生干扰,调度计划的制定需要详细考虑这些因素的变化。     

面向电商终端物流配送的电动车配置与路径集成优化

在电子商务终端物流配送方面,存在能力与需求的矛盾。一方面,电动车存在货物容量约束和电池电量约束,配送能力有限;另一方面,一个物流配送点需要为众多的消费者进行门到门的配送,配送任务繁重。针对电子商务环境下终端物流配送规模大、电动车货物容量和行驶里程有限的问题,建立电商终端物流配送的电动车配置与路径规划集成优化模型,并提出一种基于临近城市列表的双策略蚁群算法,实现物流配送电动车辆配置与配送路径集成优化。该模型以电动车辆数最少和总路径最短为目标,以电动车货物容量和电池续航里程为约束,是带容量的车辆路径问题的进一步扩展,属于双容量约束路径规划问题。双策略蚁群算法在货物容量和续航里程的约束下,将蚁群搜索策略分为两类,即基于临近城市列表的局部搜索策略和全局搜索策略,在提高搜索效率的同时防止陷入局部优化。最后,通过阿里巴巴旗下菜鸟网络科技有限公司在上海的30组真实配送数据进行了测试,验证双策略蚁群算法显著优于一般蚁群算法。     

铁路应急设施非概率可靠性选址优化研究

为解决小样本、贫信息下铁路应急资源储备点的可靠性选址问题,创新性地将选址-路径问题与区间非概率可靠性方法结合起来,考虑灾情发生后应急设施点在可接受的时间范围内响应受灾点的需求能力及其稳定程度,采用区间值度量路段阻抗,基于区间非概率可靠性理论及区间运算规则,提出路径的非概率可靠性度量及可靠最短路径选择方法;建立基于区间时间阻抗下可靠最短路径的无容量设施选址模型,提出约束条件限制的Monte Carlo改进算法,确定了铁路资源储备点选址的最优方案。实例表明,本文的优化方案能更好地保证救援的时间可靠性,改进的求解算法具有更小的时间复杂度,有效地缩短了运算时间,改善了解的质量。本文的方法与模型体系对于实现铁路应急设施可靠性选址,为决策者提供决策支持,提高铁路应急响应能力具有重要的指导意义。     

基于改进蚁群算法的最短路径问题研究及应用

蚁群系统作为一种蚁群算法是解决最短路径问题的一种行之有效的方法.然而,它自身也存在着一些缺陷,主要针对基本蚁群算法易陷入局部最优这一缺陷对其进行改进,集中体现在初始信息素求解和信息素更新这两方面.为了进一步了解改进蚁群算法的优点,进行了实验仿真:将改进的蚁群算法应用子模拟医疗救护GIS中,利用GIS的网络分析功能对城市道路网络的最短路径选择算法进行了深入地探讨研究,并以山西省太原市的交通路线作为实例进行研究.计算机仿真结果表明,改进的蚁群算法在解决最短路径问题时较基本蚁群算法的性能好,它具有一定的理论参考价值和现实意义.     

基于人机交互—蚁群算法的港口疏船调度优化

为解决因港口无法正常作业导致大量船舶压港后的疏船调度问题,从同时兼顾船公司和港口方利益出发,建立了船舶平均在港时间最短、额外作业成本最低、生产秩序恢复最快的调度生产多目标优化模型。利用多属性效用理论将多目标转换为单目标,并构建了相应的评价函数,采用改进的蚁群算法并结合人机交互以及邻域搜索方法求解,最后以大连港集装箱码头实际案例进行验证。结果表明,与通常调度方法相比,文中建立的优化模型能够更好地解决疏船问题;对比常规的蚁群算法,改进后的算法搜索效率更高。上述模型和算法为集装箱码头的生产组织调度提供了新的优化思路和方法。     

基于距离测度的区间粗糙模糊数多属性决策方法北大核心

将模糊集理论与区间粗糙数融合,提出了区间粗糙模糊数的概念,并定义了区间粗糙模糊数的运算法则。为对区间粗糙模糊数进行比较及排序,定义了区间粗糙模糊数的上近似距离和下近似距离,每个距离下分别讨论了最大、最小和平均三种情形,并通过调节因子α将上近似距离和下近似距离集成为区间粗糙模糊数的距离。为解决区间粗糙模糊数形式下的多属性决策问题,定义了信息系统的最优解、最劣解、正距离、负距离、优势度等概念,并借助熵权法确定属性权重,给出对象的加权综合优势度及排序结果。算例结果表明,最大距离、最小距离和平均距离三种情形下得到的结果无显著差异,且与决策者主观认知基本一致,验证了算法的合理性与稳健性。     

基于改进蚁群算法的带硬时间窗的接送机场服务路径优化研究

针对航空票务公司免费接送顾客去机场路径优化的问题,文章研究了更贴近实际的关于单时间窗约束下的接送机场服务,同时考虑了接送过程中的碳排放,构建出相应的优化模型,提出利用蚁群算法来解决该问题,并采用改进的蚁群算法加以求解.在初始选择路径上的改进,有效解决路径选择上容易陷入局部最优的缺点;根据当前节点到目标点和起点的距离,重新设计启发式函数,驱使车辆尽量沿着起点和目标点之间的最短路行进;依据实时路径长度,动态调整挥发系数,精炼搜索空间,提高收敛性能.最后通过参数校验和实例计算验证,得出了适用于此问题的蚁群算法的参数优化组合;以及顾客点位置在三种不同类型分布下时,使用改进后的蚁群算法都能更好的求出问题的最优解,表明改进后的蚁群算法是解决航空票务公司免费接送顾客去机场服务路径优化问题的一个更有效的求解算法.     

基于改进反向搜索算法的广义二型模糊集质心计算

随着广义二型模糊集的α-平面表达理论被提出,广义二型模糊集及其模糊逻辑系统在近年来成为学术界热点研究问题。计算广义二型模糊集的质心(也称降型)在广义二型模糊逻辑系统中起着到关重要的作用。本文介绍了广义二型模糊集相关理论,扩展了求区间二型模糊集质心的改进反向搜索(enhanced opposite direction searching,EODS)算法计算完成广义二型模糊集质心。在计算两种具有非对称足迹不确定性的广义二型模糊集质心降型集和解模糊糊化值时,EODS算法可在不损失计算精度的前提下取得比最常用的Karnik-Mendel算法更快的计算速度,这给二型模糊集设计及应用提供了潜在的价值。     

基于改进反向搜索算法的区间二型模糊逻辑系统

二型模糊逻辑系统是当前为学术界热点研究问题。本文介绍了区间二型模糊集相关理论,结合求解区间二型模糊集质心的改进反向搜索(EODS)算法,讨论了区间二型模糊逻辑系统的模糊推理,质心降型和解模糊化等模块。用两个计算机仿真例子来阐述和分析EODS算法的表现,与最常用的Karnik-Mendel(KM)算法相比,EODS算法在计算系统输出值时在不损失计算精度的条件下具有更快的计算速度,给二型模糊逻辑系统设计者和应用者提供了潜在的价值。     

通行受限下需求可拆分的应急物资卡车-多无人机协同配送路径优化

研究通行受限情景下需求可拆分的应急物资卡车-多无人机协同配送路径优化问题,综合考虑灾区路网状况、卡车可途中发射/接受无人机、无人机单次起飞可配送多个需求点、需求可拆分等因素,以应急物资配送任务完成时间最短为目标,构建卡车-多无人机协同配送路径优化模型.根据问题与模型特征设计一种改进蚁群算法求解.实验结果表明:文章方法能合理分配卡车与无人机的配送任务,科学规划通行受限情景下需求可拆分的应急物资卡车-多无人机协同配送路径;卡车途中发射/接收无人机方式能有效缩短无人机飞行距离,减少卡车与无人机的协同时间,缩短通行受限情景下的应急物资配送时间,具有可行性、合理性与有效性.     

震后应急物流设施不确定失效情景下的LRP研究

针对震后应急物流设施不确定失效情景下的定位-路径问题,综合考虑灾区路网存在部分损毁、应急物资多方式配送与运达时间限制等因素,以应急物流设施最坏失效情景下的需求点覆盖期望最大、应急物资总配送时间最短为目标,采用情景建模方法构建多目标定位-路径问题的数学模型,并根据模型特点设计基于分层序列法的两阶段混合启发式求解算法,第一阶段设计改进贪婪算法进行应急物流设施定位分配,第二阶段采用蚁群算法优化应急物资配送路线。最后,通过算例验证了本文模型和算法的可行性与有效性。     

突发事件中对嫌疑犯有效封堵的模型与算法

基于CUMCM-2011 B题中关于嫌疑犯的封堵问题的研究.通过建立描述市区交通网络图的权矩阵,采用求最短路的Dijstra算法求出市区任意两节点的最短路径及路长,构作最佳路径阵和距离矩阵,以此为基点建立封堵路口的最优调度方案模型,再在此基础上建立封堵住嫌疑犯的最优模型,并设计了模型求解的算法.将算法应用于CUMCM-2011 B题中关于嫌疑犯的封堵问题,获得最优封堵方案.     

机器人避障问题

研究机器人在平面区域中绕过静态障碍物到达指定目的地的问题, 分别考虑了路程最短和时间最短两种目标下的最优路径, 给出了计算机自动搜索最优路径的模型和算法。     

面向节能的单/多列车优化决策问题

主要研究了单/多列车运行优化控制问题.首先建立了面向节能的单列车能耗优化模型,采用节能控制策略对模型进行求解,得出节能运行的速度距离曲线;其次对多列车多区段的节能运行进行优化控制设计,以再生能量利用最大化为目标,分别建立多列车能耗优化通用模型和高峰/非高峰情形下优化模型,利用模拟退火算法求解模型,得出使总能耗最低的列车运行方案;最后针对晚点情况下追踪运行的多列车运行优化控制问题,分别建立随机和非随机晚点情况下实时控制模型,求解得到耗能最少的列车运行曲线.     

基于决策者风险偏好的模糊鲁棒性项目调度优化

不确定条件下模糊鲁棒性项目调度计划的生成受决策者风险偏好影响。本文研究模糊活动工期下考虑决策者风险偏好的鲁棒性项目调度优化问题，目标是合理安排活动开始时间，生成特定风险偏好下鲁棒性最大的进度计划。首先界定问题，构建优化模型；随后针对问题NP-hard属性和模型特点设计交替禁忌搜索启发式算法，求解得到不同风险偏好下满意的进度计划；最后用实例验证说明，并分析关键参数影响。结论如下：决策者风险偏好由规避转乐观时，项目冲突区间总和增多；截止日期、资源可用量较紧张时，风险偏好变化对冲突区间总和变化影响更大；风险偏好乐观时，截止日期变化对冲突区间总和变化影响更大。研究成果可为不同风险偏好决策者在不具历史数据的高不确定环境中制定合理前摄性计划提供决策支持。     

突发事件应急救援动态调度优化:以KX井喷事故为例

突发事件应急救援具有高度的不确定性和动态性。本文以KX井喷事故为例,研究突发事件应急救援的动态调度优化问题。作者首先给出KX井喷事故的背景资料,在此基础上提炼本文所研究的问题,即如何基于突发事件救援过程中的实际变化,对原定计划进行最优的动态调整。随后,构建突发事件应急救援的动态调度优化模型,针对其NP-hard属性设计专门的禁忌搜索启发式算法。最后,对KX井喷事故应急救援的动态调度问题进行求解,并结合现实情况对求解结果进行讨论分析,得到如下结论:早期发生的计划调整通常会对应急救援产生较大的影响,而后期发生的计划调整的影响则相对较小。本文的研究可为突发事件应急救援的实时指挥提供定量化决策支持。     

基于多阶段模糊规模效应量化的TMC模式下供应链调度优化研究

旅游大规模定制(Tourism Mass Customization, TMC)模式实施的关键是通过对旅游供应链的调度优化处理旅游活动的“规模效应”与游客“个性化需求”之间的矛盾问题。运用经济学及模糊数学的理论方法分析并实现了TMC模式下存在的多阶段模糊规模效应量化处理。构建了引入规模效应量化的服务成本最小化、引入模糊时间窗的顾客满意度最大化及供应链协同度最大化为优化目标的TMC模式下多目标供应链调度优化模型。最后,通过蚁群算法实现TMC模式下多调度优化目标的求解并对优化效果进行对比研究。研究结果表明,TMC模式下供应链调度中旅游活动存在多阶段模糊规模效应并且可以量化处理;TMC模式中的规模效应具有合理的区间范围,旅游企业应注重规模效应与其他目标的均衡;蚂蚁算法在求解TMC模式下多目标优化问题方面不仅收敛速度快,而且通过对多调度目标优化效果的对比检验表明,性能稳健优良。     

线性等式约束优化的既约预条件共轭梯度路径法

采用既约预条件共轭梯度路径结合非单调技术解线性等式约束的非线性优化问题.基于广义消去法将原问题转化为等式约束矩阵的零空间中的一个无约束优化问题,通过一个增广系统获得既约预条件方程,并构造共轭梯度路径解二次模型,从而获得搜索方向和迭代步长.基于共轭梯度路径的良好性质,在合理的假设条件下,证明了算法不仅具有整体收敛性,而且保持快速的超线性收敛速率.进一步,数值计算表明了算法的可行性和有效性.     

动态连续蚁群系统及其在天基预警中的应用

存在监控冲突的天基中段预警传感器调度优化是一个动态、高维、复杂多约束的非线性优化问题,其解空间的高维度与状态复杂性直接制约了智能优化算法的运用.本文以任务分解与任务复合优先权计算为基础,通过二级分离机制将解空间维度与状态复杂性降低至适于连续蚁群(continuous ant-colony optimization,CACO)处理的全局优化形态,构建出相应的优化子路径集.在此基础上,针对监控冲突导致的状态变化特性,从局部搜索递进与募集的角度提出适于传感器调度优化的MG-DCACO(double direction continuous ant-colony optimization based mass recruitment and group recruitment)算法,成功将智能优化算法应用于基于低轨星座的天基中段预警中.最后对算法的收敛性进行论证,并通过与已有规则调度算法的对比得出MG-DCACO算法可获得优于规则调度算法的全局最优解.     

冷链低碳物流配送路径优化的细菌觅食—蚁群算法研究

冷链物流的绿色发展已成为国家十三五发展的热点,在分析冷链物流配送环节各种成本基础上,以车载容量和时间窗为约束,构建综合总成本最小化的冷链低碳物流配送路径优化模型.将细菌觅食算法中的复制操作和趋向操作引入基本蚁群算法中,改善了算法的收敛效率和全局搜索能力,提出了细菌觅食一蚁群算法用于求解冷链低碳物流配送路径优化模型.通过实例仿真表明,在求解冷链低碳物流配送路径优化模型方面,细菌觅食—蚁群算法能够以更高的效率寻找到更低的综合总成本,验证了改进算法的合理性和有效性.