轴向随动分布载荷作用下FGMs Timoshenko梁的后屈曲特性

研究了Timoshenko功能梯度材料梁在随动分布载荷作用下的后屈曲问题。在考虑轴线伸长和一阶横向剪切变形基础上,建立了在轴向分布随动载荷作用下一端简支一端固定Timoshenko功能梯度梁的过屈曲控制方程。其中假设功能梯度材料性质只沿厚度方向变化,并以成分含量的幂指数函数形式变化。采用打靶法求解了所得线性常微分两点边值问题,获得了随动载荷作用下Timoshenko功能梯度梁的过屈曲平衡路径和平衡构形。对比了Timoshenko梁和Euler梁的后屈曲行为,并分析了材料的体积分数指数和长细比对梁屈曲行为的影响。结果表明:考虑剪切变形的Timoshenko梁的后屈曲行为与Euler梁的后屈曲行为明显不同;体积分数指数一定时,随着长细比的增加,梁的临界载荷减小;长细比一定时,随着体积分数指数的增加,梁的临界载荷也减小。     

基于骨架提取和启发式算法的路径规划方法

针对农业机器人在大棚中执行搬运任务时的高效率且尽可能沿地图中心行驶的需求,提出一种基于骨架提取和启发式算法的路径规划方法。首先设计了自适应阈值的地图骨架路径关键点提取步骤,用关键点指导启发式搜索树的构建。然后采用膨胀RS曲线代替直线进行树的生长,保证机器人的运动学约束和防碰撞,同时提出一种混合碰撞检测方法,进一步提高算法效率。最后设计关键点扩展步骤,提高算法的鲁棒性。仿真结果表明,简单地图下,本算法效率约是RRT*-Connect算法的5倍、Hybrid A*算法的7倍,复杂地图下约是RRT*-Connect算法的300倍、Hybrid A*算法的9倍,能够满足机器人的运动学约束。     

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.     

客户动态变更配送需求的配送路线优化研究

针对物流配送途中客户动态变更配送需求问题,分别研究了满足客户临时变更收货时间窗、收货地址和取消收货的三种要求时所需成本相较于预先设计配送路径所需成本的波动值,建立了客户临时变更配送需求的动态管理模型.基于嵌套分割算法,设计了邻近救援策略、最佳离库策略、增派车辆策略对模型进行求解.最后,通过算例试验,证明模型可以有效的降低物流配送成本,且具有更强的实用性、灵活性,且嵌套分割算法还在数据优化、计算时间上有显著成效.     

基于FDI收益分成视角的FTA网络演化

本文假定双边自由贸易协定(bilateral free trade agreement,简称FTA)包含着无限制对外直接投资(foreign direct investment,简称FDI),并且通过FDI销售到非FTA伙伴国的收益按照一定比例在母国和东道国之间进行分配。基于Goyal和Joshi^[1],本文构建了FTA网络形成博弈模型。本文发现,FTA网络演化过程分为两个阶段:第一阶段,从空FTA网络到星状FTA网络,存在一条路径使得个体国家福利、世界总福利均改善,在此过程中,国家福利存在不对称性;第二阶段,从星状FTA网络到全连接FTA网络,存在一条路径使得个体国家福利改善,在此过程中,世界总福利不变,国家福利不对称性逐步消除。     

基于聚类和动态规划的组合路径策略

为提高电商仓库的拣货作业效率,本文提出了基于聚类和动态规划的组合路径策略,实现了生成路径消耗时间和路径长度之间的平衡,并将这一策略成功地应用到多区型仓库。该策略分四步:首先,根据待拣储位分布特征,运用聚类分析法对其进行分类;然后,以各类的首末储位作为节点,运用动态规划法对已得分类进行排序,得到相应的类序;其次,得到各类内部路径;最后,依次拣取待拣商品,并返回出发点完成拣货作业。在提出新的路径策略后,通过仿真方法将新策略与三种传统路径策略(穿越策略、最大间隙策略和混合策略)和一种优质算法(蚁群算法)进行了对比分析,结果表明:该策略具备良好的适用性和实用性。     

权重完全未知下基于投影的犹豫模糊多属性群决策方法及应用

旨在犹豫模糊环境下,针对属性权重和专家权重完全未知的情形,提出了一种基于投影的犹豫模糊多属性群决策方法.首先,根据改进的犹豫模糊熵结合均熵求得决策者的客观权重,利用熵最小化原则与犹豫模糊指数熵确定评价属性的权重.接着,利用犹豫模糊加权算术平均算子对个体犹豫模糊决策矩阵进行集结,构建并求解出每个方案在正、负理想方案上的投影.然后,通过计算相对贴近度实现方案的排序和择优.最后,把该决策方法应用在应急救援路径选择问题上,进而验证了所提群决策方法的可行性与有效性.     

考虑碳排放的需求可拆分车辆路径问题模型及算法研究

考虑低碳环境下的需求可拆分车辆路径问题,建立了以配送成本最小为决策目标的数学模型.随后根据模型特点,设计了基于动态学习因子的改进粒子群算法,并通过两个不同规模算例对模型验证模型和算法的有效性和合理性.通过两个算例中的算法对比发现,所提出的算法较改进前算法,均能够在保证求解质量的前提下,减少计算时间;而当算例规模增大时,这一优势更为明显.     

多时间窗车辆路径问题的智能水滴算法

研究了多时间窗车辆路径问题,考虑了车容量、多个硬时间窗限制等约束条件,以动用车辆的固定成本和车辆运行成本之和最小为目标,建立了整数线性规划模型。根据智能水滴算法的基本原理,设计了求解多时间窗车辆路径问题的快速算法,利用具体实例进行了模拟计算,并与遗传算法的计算结果进行了对比分析,结果显示,利用智能水滴算法求解多时间窗车辆路径问题,能够以很高的概率得到全局最优解,是求解多时间窗车辆路径问题的有效算法。     

基于模拟扩散的最短路径新算法

基于模拟水流扩散的自然现象,提出了一种寻求最优路径的新算法,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.