���ڶ�Ŀ���Ŵ��㷨����Ŧ���������³���Ż�����

枢纽航线网络在设计的过程中,容易受到需求和成本数据发生变化带来的影响。往往造成构建出来的最优网络,在需求发生变化的条件下,与实际对应的最优解存在较大的最低成本优化偏差。为了降低这种网络优化中的不确定性带来的风险,得到在多种可能的需求和成本条件下均可获得较好效果的鲁棒最优解,文中采用了一个多目标优化的遗传算法进行研究。首先将各种不同的需求和成本条件作为需要同时优化的多个目标函数,然后采用一个遗传算法来表示所有可能的枢纽航线网路结构,并搜索多目标优化的鲁棒最优网络解。最后本文对该搜索算法的收敛性进行了证明,数值实验结果表明了算法的有效性。     

���ڶ�Ŀ���Ż��ĵ�·����վ��ѡַ�о�

为了研究道路客运站场规划的站场选址优化,提出了一种基于多目标优化的道路客运站场选址方法。首先,将道路客运站场规划区域的道路网简化为有向赋权图,使选址优化问题转化为0-1规划问题;然后,以道路客运站场的建设投资、网络总运输成本以及乘客的总出行距离为优化目标,同时把道路客运的实际条件转化为优化目标的约束条件;最后,利用基于目标值排序组合选择的多目标遗传算法求解模型的Pareto最优解集合,并通过客运站场选址优化算例阐述了模型的求解过程。     

基于双层规划的危险货物配送路径鲁棒优化

针对不确定环境下带时间窗的多配送中心危险货物配送路径优化问题, 提出一种含鲁棒控制参数的鲁棒优化方法; 综合考虑危险货物运输风险、运输费用和服务时间窗, 构建了危险货物配送路径多目标双层鲁棒优化模型, 上层模型追求运输风险和运输费用最小化, 下层模型采用用户均衡交通分配模型; 根据Bertsimas-Sim鲁棒优化理论, 对含有不确定参数的上层模型进行鲁棒对等转化; 联合增强型Pareto遗传算法和Frank-Wolfe算法构建了求解多目标双层鲁棒优化模型的混合算法, 采用3段式编码和解码方法、等位匹配交叉操作以及翻转变异等遗传操作方法求解上层模型, 采用Frank-Wolfe算法求解下层用户均衡模型; 以经典的Sioux-Falls交通网络为例, 对含有3个配送中心、7个需求点的危险货物配送路径优化问题进行案例分析, 以验证模型及其算法的合理性。研究结果表明: 当鲁棒控制参数分别为0、30和60时, 构建的混合算法能分别快速得到3、2和3组鲁棒最优解, 且所有解均为包含具体运输路段和发车时刻的配送方案, 而非配送顺序; 该混合算法与传统两阶段启发式算法相比, 运算时间能节省54.74%。可见, 该混合算法无论是在求解效率上, 还是在解的表达形式上均优于两阶段启发式算法, 能较好地完成不确定环境下危险货物配送路径多目标双层鲁棒优化任务。      

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

随机需求下公交网络设计的期望值模型与求解算法研究

科学规划公交系统是解决城市交通拥挤问题的有效手段,公交网络设计问题更是公交体系规划的重点与难点。公交需求作为公交网络设计的输入条件,在现实中具有不确定性。鉴于此,假设不确定乘客需求具有随机特性,来研究随机需求下公交网络设计问题的优化方法。以乘客成本与运营成本最小化为优化目标,构建了多目标规划的期望值模型。将遗传算法与模拟退火算法相结合,设计了求解模型的遗传模拟退火算法。最后,通过算例验证了提出的模型与算法的有效性。     

航路时空资源分配的多目标优化方法

为了提高航空公司与空管方之间的协同决策程度, 降低航班延误水平, 以航路飞行的航班为研究对象, 研究了航路时空资源的多目标分配; 考虑实际运行条件下航班的唯一性约束、时间顺序约束和可行性约束的影响, 以航班在流量受限区所分配的飞行航迹和进入时隙为决策变量, 以航班总延误成本最小和航空公司延误公平损失偏差系数最小为目标函数, 构建了多目标非线性0-1整数规划模型; 基于模型特点引用了非支配排序遗传算法(NSGA-Ⅱ), 并利用排列编码法设计了一种整数基因编码方式, 以最大限度保证基因产生可行解集; 为了验证模型与算法的有效性, 基于南中国海地区航班运行实例, 对算法搜寻最优解的性能进行了研究, 并将此算法与传统按时刻表分配(RBS)方法进行了对比。研究结果表明: 改进编码方式的NSGA-Ⅱ算法使解集种群在约50代后世代距离从600收敛至30并稳定, 具有良好的收敛性; 针对实例中的多目标优化模型共生成有6组解的帕累托解集, 结果有66.7%的概率完全支配RBS方法, 且优化结果中航班平均延误成本比RBS方法降低了8.5%, 平均公平损失偏差系数降低了70.6%。可见提出的航路时空资源多目标优化方法的执行效果显著, 可在降低总延误成本的基础上兼顾各航空公司的公平性, 是解决航路飞行航班航迹与时隙资源分配问题的一种有效方法。      

公交线网优化的算法研究

为缩短居民乘车出行时间以及减少公交运营投入,在公交线网优化过程中通常采用具有全局最优的遗传算法。针对基本遗传算法自身的一些缺点,提出了一种改进的遗传算法。该算法在公共交通路线优选过程中运用减少搜索空间、加入最佳保留策略和修正策略的方法,对基本遗传算法中的选择、交叉、变异算子及中止条件进行改进。改进遗传算法能够在保证种群多样性的同时加快收敛速度,较好地避免了基本遗传算法前期容易早熟和后期进化缓慢等现象。实例仿真计算表明,该算法具有比基本遗传算法更高的效率,是优化公交线网的一个有效途径。     

考虑碳排放的混合轴辐式多式联运网络枢纽扩增选址-路径问题

针对现有多式联运网络枢纽饱和度高、枢纽到城市直达运输成本高且效率低等不足,提出采用混合轴辐式多式联运网络研究扩增枢纽选址,同时优化运输线路;基于允许枢纽间转运和需求城市间巡回运输的运输网络,考虑低碳因素构建了最小化总运输成本、二级枢纽开放建设成本、枢纽处转运成本和总碳排放成本的数学模型,将问题分解为选址-分配与路径优化2个阶段,并针对两阶段特点分别采用0-1编码和数字编码设计了两阶段遗传算法;针对现有实际案例采用设计的算法进行求解,并将求得的最优运输方案与现实方案进行对比。研究结果表明:采用提出的算法进行10次运行获得的最优解与其平均值的差值百分比仅为4.7%,且平均求解时间仅为90.6 s;优化后网络扩增了2个枢纽,弃用了1个不合理枢纽,网络转运能力提高了11.3%,枢纽的平均饱和度降低了15.7%,不同枢纽的饱和度比原网络更均衡,不仅缓解了饱和枢纽的压力,还提高了空闲枢纽的周转率,从而提高了转运效率;优化后运输方案对应的总成本、运输成本、中转成本和碳排放成本分别降低了68.41%、68.14%、56.55%和86.76%,且碳排放减少最为突出。由此可见,提出的模型和算法对扩张轴辐式网络选址和混合轴辐式多式联运网络运输方案的组合优化具有较好的性能。      

Structural Multi-objective Probabilistic Design for Six Sigma

Uncertainties in engineering design may lead to low reliable solutions that also exhibit high sensitivity to uncontrollable variations. In addition, there often exist several conflicting objectives and constraints in various design environments. In order to obtain solutions that are not only "multi-objectively" optimal, but also reliable and robust, a probabilistic optimization method was presented by integrating six sigma philosophy and multi-objective genetic algorithm. With this method, multi-objective genetic algorithm was adopted to obtain the global Pareto solutions, and six sigma method was used to improve the reliability and robustness of those optimal solutions. Two engineering design problems were provided as examples to illustrate the proposed method.     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

单配送中心快递企业共同配送车辆鲁棒调度研究

考虑到不确定因素在快递企业共同配送车辆鲁棒调度问题中广泛存在，为了改善快递企业的服务水平，并缓解快递派送中由于不确定因素带来的客户满意度低的现状，采用鲁棒离散理论的相关知识，建立了车辆路段等待时间不确定情形下的单配送中心快递企业共同配送车辆调度的多目标鲁棒优化模型，然后根据转化规则，将鲁棒优化模型转化为确定型优化模型，并采用改进的遗传算法对其进行求解。结果表明，快递企业采用共同配送模式可以有效降低成本，节约时间，而且企业决策者可以根据所考虑的不确定性值G 的大小，选择自己偏好的车辆调度方案。     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

基于轨迹数据的车辆跟驰行为分析与建模综述

随着轨迹收集技术与数据分析技术的迅速发展,越来越多的车辆行驶轨迹被采集并用于 交通流研究。车辆轨迹数据主要包括车辆运行的位置与时间等信息,利用这些信息可以推算出 车辆的速度、加速度及其与前车之间的空间和时间距离等驾驶行为参量。通过研究轨迹数据可 以揭示车辆自身的运行规律,车辆之间的相互作用规律,道路环境对车辆的作用规律,以及由此 产生的宏观、微观交通流现象,因此,轨迹数据研究受到日益重视。本文简要回顾了与轨迹数据 收集相关的历史,介绍了自然场景下采集的Next Generation SIMulation(NGSIM)数据及实验场景 下采集的车队轨迹数据,并梳理了近几年基于车辆跟驰轨迹的理论研究。首先,分析以交通振 荡、交通回滞为代表的交通流关键实测现象研究工作;整理跟驰行为分析方面的研究成果,包括 不对称跟驰行为、稳定跟驰行为的存在性、跟驰行为的记忆效应、任务难度、随机性、异质性。之 后,介绍基于跟驰行为分析成果而构建的仿真模型。最后,从3个方面评述现有基于轨迹数据的 研究,并提出未来展望：交通流关键实测现象方面,应收集更多不同条件下的数据,并尝试构建更 加普适性的理论或模型解释交通流现象;跟驰行为分析方面,可结合数据挖掘技术或生理、心理 理论,量化驾驶员跟驰特性与生理、心理特征,并将两者结合深入分析跟驰行为的机理;仿真建模 方面,可更多考虑驾驶员生理和心理变量,使模型更具人性化特征,并关注模型的评价方法,注重 模型对实际交通流的解释能力。     

城市公交线网差异化计程票价多目标优化

为获取更加接近实际城市公交线网的票价策略，将出行者的社会互动行为与后悔心理引入广义费用，提出线路客流OD矩阵均衡算法；分别以交通管理部门利润最大化及出行者效用最大化为目标，以公交计程票价、发车频率、私家车停车费为变量，建立固定需求下公交线网差异化计程票价多目标优化模型.引入集群智能多目标优化算法求解，并应用于Mandl 标准公交线网.研究发现：以线路里程为标准，差异化计程票制可以有效降低出行成本；依据帕累托最优解调节票价，可以促进出行者选择行为向优势均衡转移.     

Optimization of PERT Network and Compression of Time

In the traditional methods of program evaluation and review technique （PERT） network optimization and compression of time limit for project, the uncertainty of free time difference and total time difference were not considered as well as its time risk. The authors of this paper use the theory of dependent-chance programming to establish a new model about compression of time for project and multi-objective network optimization, which can overcome the shortages of traditional methods and realize the optimization of PERT network directly. By calculating an example with genetic algorithms, the following conclusions are drawn： （ 1 ） compression of time is restricted by cost ratio and completion probability of project; （2） activities with maximal standard difference of duration and minimal cost will be compressed in order of precedence; （3） there is no optimal solutions but noninferior solutions between chance and cost, and the most optimal node time depends on decision-maker＇s preference.     

����ǰ·��ѡ��Ķ�Ŀ��滮ģ��

在分析了基于城市交通信息港的出行前最优路径选择问题的多目标属性的基础上，建立了出行前最优路径选择的多目标规划模型，模型所求得的解是综合最优路径，反映了城市交通出行者信息以及目标需求多样性的特点.设计了基于线性加权法的模型求解算法.通过算例初步验证了模型的合理性和有效性.     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。      

基于乘客需求及成本分析的快速公交发车频率优化模型

快速公交系统(BRT)是解决城市交通问题的一种重要且有效的方式.发车频率是公交企业和乘客共同考虑的一个重要因素.从乘客需求和公交企业运营成本的角度分析问题,建立了以企业投资运营成本最小,乘客出行时间费用最少,抱怨拥挤路段最短为目标的多目标优化模型.用遗传算法寻求最优结果,使得双方达到平衡.以兰州市为例,进行实例计算,证明该模型具有一定的实际意义.     

融入偏好信息的列车运行过程多目标优化算法

列车运行过程优化是一个多目标、大滞后、非线性的极其复杂的优化问题.为了更好地解决上述问题,以列车能耗、舒适性、停靠准确性和运行时间为控制目标,以列车运动动力学方程为约束,建立了列车运行过程的多目标优化模型,提出了一种融入偏好信息的列车运行过程多目标遗传粒子群算法.提出的改进策略具有以下优点,在融入偏好信息的基础上通过控制粒子群中个体在解空间的分布能够更好地保持粒子群多样性,从而在进化过程中具有更明显的全局收敛的指向作用.仿真得到的速度距离曲线表明,在列车及其运行线路相同的情况下,本文所提出的算法性能较佳、寻优结果较好.     

城轨牵引供电系统逆变回馈装置的定容选址

以节省逆变回馈装置投资成本和提高再生制动能量利用率为目标,建立了城轨牵引供电系统逆变回馈装置定容选址优化模型. 将考虑逆变回馈装置周期性间歇工作制的城轨牵引供电系统交直流混合潮流算法与带精英策略的快速非支配排序遗传算法（fast non-dominated sorting genetic algorithm Ⅱ,fast NSGA-Ⅱ）相结合,求解多目标函数的Pareto解集;并采用基于信息熵的序数偏好法（technique for order preference by similarity to ideal solution,TOPSIS）筛选逆变回馈装置定容选址的最优方案. 以广州地铁某线路为算例进行仿真验证,结果表明:优化方案相对该地铁工程实际逆变回馈装置配置方案,其装置投资成本节省70万元,系统级节能率提高3.25%,投资回报周期相应缩短.