航线网络区间鲁棒优化设计

为解决航空公司航线网络中枢纽机场具体位置及OD流路径设计问题, 根据航线网络设计参数OD 流量和单位流成本的不确定性, 定义了区间型情景集, 建立了区间型绝对鲁棒优化模型, 设计了将修正最短路算法与人工智能算法相结合进行求解的有效算法,并利用航线网络设计经典数据及中国航空网络OD数据对模型进行了验证. 研究结果表明:该模型的最优鲁棒解具有全局最优性,确定型优化模型为本文模型在悲观准则下,当OD 流量和单位流成本确定时的特例;在不同情景的悲观准则和乐观准则下的模型目标值之间的相关系数达到0.99以上;在悲观准则下,用本文模型计算出标准算例的归一化后的最优目标值为784.47,比确定型模型最优目标值减少了16.65%,比相对鲁棒优化模型最优目标值减少了29.07%.      

应急设施鲁棒优化选址模型及算法

为解决不确定情况下应急设施选址问题,采用鲁棒优化方法处理应急节点权重的区间估计,基于最优的设施选址到各个应急节点的赋权距离之和最小,建立有限期要求的不确定性应急设施选址模型,并给出了模型的求解算法,比较分析了鲁棒解与确定情况下的最优解。分析结果表明:当情况发生变化后,在确定情况下得到的最优解将发生较大的偏差,而在所有可能发生的情况下,鲁棒解与最优解目标函数值的最大偏差最小,因此,不确定性应急设施选址模型的解可以有效规避风险。     

基于动态容量的航班进离场流量鲁棒优化分配

为解决机场和定位点动态容量条件下的航班进离场流量优化分配问题,以总航班延误损失为决策依据,建立了绝对鲁棒优化模型、偏差鲁棒优化模型和相对鲁棒优化模型,并用捕食搜索算法,设计了寻找鲁棒最优解的算法流程.以国内某机场数据为例进行仿真验证,结果表明,得到的鲁棒最优解能够根据不同偏好有效规避风险,与该终端区一般容量条件下最优解的航班延误损失相比,偏差鲁棒最优策略和相对鲁棒最优策略下的航班延误损失分别减少了8.2%和7.8%.     

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。      

随机需求航线网络效应下机队鲁棒优化方法

针对航线网络效应及旅客需求不确定性问题,将旅客组合优化模型加入机队规划问题,借鉴航线网络运力优化分配方法,以机型飞机数目、航段机型飞行频次、行程路线上旅客溢出人数为决策变量,以行程路线上旅客需求限制、航段飞行频次限制、特定机型机队飞行时间限制为约束条件,利用量化市场份额指数计算旅客溢出再捕获率,建立了旅客需求不确定情景下的机队鲁棒优化模型,设计了航线网络环境下的旅客需求离散情景集,用情景汇聚算法求解该模型.算例仿真结果表明,与传统机队规划模型相比较,本文模型的机队规划成本降低了167.07万元;与确定解的最小随机期望值相比,在3种情景集下,随机规划解的机队规划成本分别降低了19.88万元、21.02万元与17.55万元.      

��ȷ����������������ѡַ³���Ż�ģ�ͼ����㷨

研究了不确定环境下物流中心的选址优化问题,在随机优化模型的基础上,采用遗憾模型的形式构建了相关问题的鲁棒优化模型。分析了鲁棒优化模型与确定性优化模型、随机优化模型的关系,并在此基础上给出了求解鲁棒优化模型的两种方法——枚举法和遗传算法。以Visual Studio6.0为平台,以Visual C++为开发语言编写了两种算法的代码,代码中通过调用Lingo9.0来求解确定性优化模型和两阶段随机优化模型。利用上述两种算法对若干算例进行了测试,结果表明,本文给出的算法能够满足问题求解需要,与随机优化模型最优解相比,鲁棒优化模型的最优解对各情景下参数扰动的现象敏感程度更低,因此具有更低的风险。     

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。      

�޽��ɱ���ȷ���Ľ�ͨ�����������

交通网络设计问题是交通规划理论的一个重要组成部分,即在资金有限且考虑出行者决策行为的情况下,制定最优投资策略.由于人工费、材料费和使用费等的不确定性,路段的修建成本存在不确定性.本文通过改进预算投资约束,应用鲁棒优化的方法同时考虑出行者的路径选择行为,建立路段修建成本不确定的交通网络设计的鲁棒模型,并利用基于割约束的混合整数线性规划算法求解此模型,进而得到一个受修建成本扰动较小的鲁棒最优解.通过算例表明,在修建成本不确定的交通网络设计中,本文提出的鲁棒优化方法可以得到比传统确定性问题更加可靠的解.     

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。     

���й���ϵͳ��������Ż������о�

采用混合整数优化方法,研究城市公交系统宏观网络优化整合问题. 根据区域间服务水平要求、公交供给能力以及满足一定乘客出行要求,构造公交系统宏观网络优化整合多目标模型,该多目标函数考虑乘客总出行时间成本、各公交方式的建设总费用、各公交方式的能耗和污染物排放总费用、枢纽建设总费用最优;并给出最优解的多方案求解步骤;针对多节点采用Branch-Cut算法进行求解,提高求解效率;通过算例对模型和算法的可行性和有效性进行了验证,说明该算法可得出不同发展阶段下的公交宏观网络最优布局方案;结果表明,提出的模型与算法能对城市公交宏观网络布局提供辅助决策支持.     

Robust Optimization of Hub-and-Spoke Airline Network Design Based on Multi-Objective Genetic Algorithm

In the process of designing hub network, the selection of hub airports is influenced by the change of the demand and cost. Under the condition of changing in demand, this may lead to large minimum cost deviation between the designed optimal network and real optimal network, respectively. To reduce the risk caused by the uncertainty in network optimization and get the optimal robust solution of hub network under the multi-possible conditions of demand and cost, a method based on multi-objective optimization genetic algorithm is proposed in this paper. The convergence of the algorithm has been proved, and the experimental results demonstrate the availability of the algorithm. First, multiple objective functions needing to be optimized simultaneously are formulated from different conditions of needs and cost, then a genetic algorithm is used to provide all possible routes of the network hub structure, and robust optimal network solution for multi-objective optimization is searched. The convergence of the search algorithms is proved to be effective by the numerical results.     

���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。     

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。