特大暴雨下城市地铁人员应急救援与疏散优化

为提高特大暴雨下地铁车站人员救援与疏散效率,提出地铁人员的应急救援与疏散优化建模与求解方法,旨在协同优化救援中心选址、应急路径设计与分配决策。针对特大暴雨的危害性和地铁被困人员的心理恐慌程度,改进感知风险度量模型。结合应急救援与疏散的阶段性,建立成本和感知风险最小的应急救援与疏散的选址-路径优化模型。设计基于分解多目标进化算法和分支切割算法的两阶段求解步骤。最后,通过郑州实例和测试算例,验证新模型和算法的有效性。计算结果表明：新模型和算法能在2.13 s内求得有效方案;相较于传统风险模型,新模型能够降低9.03%的运输成本;相较于常规的多目标优化算法,新算法能缩短至少60.00%的求解时间,并有较高的计算稳定性。     

考虑信号灯影响的交通警力巡逻模型研究

交警在进行交通巡逻时,需要提前确定最优的交通巡逻路线.较为优化的交通巡逻路线应该具有覆盖所有路段、巡逻路径短和巡逻时间少等一些特点.本文提出了一种交警巡逻路线的计算方法,求得的交警巡逻路线既能覆盖所有路段,又能使交通巡逻花费的时间最短.交警在巡逻的过程中,所使用的总时间既与路线长短有关,又受到交通信号灯的影响,本文综合考虑了这两种情况,建立了考虑交通信号灯影响的交通警力巡逻模型,并采用两阶段求解法,对模型进行求解.通过仿真计算,给出多种路网形态下的交警巡逻路线,并且将所得结果与Stochastic 算法、Clossey 算法进行比较.通过对比分析得出,本文模型求得的交警巡逻路线总用时较少.     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

基于多旅行商问题的应急设施服务区划分模型

基于多旅行商问题，增设集散中心需求及应急服务设施资源容量约束条件，以最小化遍历区域内全部集散中心的综合旅行时间成本为优化目标，构建一种应急设施服务区划分模型，确定各应急设施的服务区范围.设计一种复合算法求解模型，首先基于P-中值选址模型的优化理念，形成初始方案；继而加入禁忌搜索算法，结合LKH求解器对模型进行迭代优化求得最优解.基于宁波市北仑区实际拓扑网络进行案例分析，验证了模型和求解方法的有效性.     

考虑随机需求和时间约束LIRP联合协同优化

针对多节点多层次多功能的供应链管理中整体效益亟待提高的问题，结合某连锁超市的单一供应商、多分销中心、多零售店所构成二级分销网络，建立以系统总成本和供货时间为目标的多目标选址-库存-路径问题（location-inventory-routing?problem，LIRP）集成规划模型. 利用线性加权法将其转化为单目标规划模型，提出遗传算法和节约里程法相结合的两阶段启发式算法并求解模型，第1阶段用遗传算法求解选址-库存问题，第2阶段用节约里程算法求解车辆路径规划问题. 并结合某连锁超市实例，对不同总成本权重下的不同决策方案的分销网络进行LIRP集成优化，优化后的系统方案比原文献的总里程减少了3 606.9 km，系统总成本减小了6 526.2 元，缺货成本降低了124.6 元，只有19.7元，验证了模型和算法的有效性.      

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。      

多源风险防控下危险废物物流的应急选址模型

为有效防控危险废物安全事故的环境污染、人员伤亡及财产损失,提出一种多源风险防控下危险废物物流的应急选址模型.根据风险受体和环境介质的多样性,构建多源风险度量模型;考虑应急服务半径和多源风险控制的隶属关系,设计"多源风险控制"系数,以多源风险控制最大化和应急成本最小化为目标,构建0-1整数线性规划模型;根据模型计算的复杂性,设计基于遗传算法的多目标求解方法.通过算例验证模型和算法的有效性,计算结果表明:新模型和算法可为危险废物应急管理提供有效选址方案,相较于传统精确算法,新方法可为小规模问题提供的优化方案节约应急成本0.02×108元,并在求解大规模问题时缩短91.67％ 的搜索时间.     

基于时空等待特征系数的大型活动出行规划研究

高效、合理的综合交通路径规划是成功举办大型活动的前提之一。本文针对观众群体参 与大型活动的出行路径规划问题，引入乘客出行偏好，转换为时空等待优化问题，再根据大型活 动中乘客通过多模式公共交通出行特点，构建多维时间-空间-交通方式网络，以乘客出行时间总 成本最小为目标建立整数线性规划模型。为提高模型的求解效率与质量，提出一种基于拉格朗 日松弛和次梯度优化的算法进行求解，并在求解中提出基于逆向推断的搜索空间约减方法，提高 了算法求解速度。本文以观众从北京市城区前往延庆区高山滑雪中心观赛为案例验证模型与算 法。结果表明，引入时空等待特征系数后，提升了大型活动综合交通出行路径规划方案的合理 性，改善了乘客的出行体验，并有效缓解举办大型活动时的道路拥堵状况。     

计及碳减排的共享电动汽车网点选址优化

为解决共享电动汽车网点选址布局不合理问题，从低碳角度出发，以建设共享电动汽车网点成本、用户出行时间成本及建设共享电动汽车网点碳排放和共享电动汽车路径碳排放最小为目标，以共享电动汽车网点覆盖程度为约束，构建计及碳减排的网点多目标选址规划模型，设计多目标优化算法NSGA-Ⅱ(非支配排序遗传算法),以Chicago Sketch(芝加哥写生)网络为算例求解模型得出网点选址结果，并将其与基于K-means(K均值)的聚类算法网点选址结果进行对比。结果表明：计及碳减排的共享电动汽车网点选址模型在车辆路径碳排放、聚类内部平均距离和聚类间平均距离等指标上表现更好。     

基于多旅行商问题的应急设施服务区划分模型

基于多旅行商问题,增设集散中心需求及应急服务设施资源容量约束条件,以最小化遍历区域内全部集散中心的综合旅行时间成本为优化目标,构建一种应急设施服务区划分模型,确定各应急设施的服务区范围.设计一种复合算法求解模型,首先基于P-中值选址模型的优化理念,形成初始方案;继而加入禁忌搜索算法,结合LKH求解器对模型进行迭代优化求得最优解.基于宁波市北仑区实际拓扑网络进行案例分析,验证了模型和求解方法的有效性.     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

高速铁路列车运行图结构优化研究

为提高高速铁路列车运行图的通过能力,通过紧凑铺画列车运行图,合理安排列车运行线顺序,优化了列车运行图结构;将列车运行图结构优化问题转化为旅行商问题,以巡回路径总费用最小化为目标建立0-1整数规划模型,并利用遗传算法求解。用2015年京沪高速铁路数据进行实例验证,求得列车运行图结构的优化方案。计算结果表明:原方案开行39列列车最少需628min,优化方案的开行时间比原方案的开行时间减少了133min,约21.2%,能更好地满足客流高峰时段或突发性客流激增时需尽快密集发车的要求。      

铁水运输调度双层多目标约束优化模型

为实现铁水运输作业排程与资源分配的协同优化，基于约束程序累积调度和字典序多目标优化理论，研究了铁水运输调度双层多目标约束优化方法.首先，基于铁水罐周转率最高和作业效率最高2个字典序优化目标，考虑作业时序、作业实施逻辑、铁水温降时限、铁水罐作业次数限制、资源容量限制和铁水罐资源池等约束条件，建立了上层的铁水运输作业排程约束优化模型；其次，以资源利用均衡度最高为目标，将作业实施唯一性和资源容量限制作为约束条件，建立了下层的铁水运输资源分配约束优化模型；最后，通过约束传播与多点构建性搜索的混合算法迭代求解整个模型.通过实例验证表明：设计的混合算法求得的铁水罐周转率目标和运输作业效率目标，比基本深度优先回溯算法分别提高了14.29%和60.53%；字典序多目标模型比加权和单目标模型求解效率和求解质量分别提高了20.3%和11.11%.     

���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.     

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。      

基于Martins算法的联合运输最优路径规划

为了快速高效地找出最优的联运路径,在现有模型的基础上,考虑时间窗约束,建立了具有多目标、多运输方式、多货种的路径选择改进模型,并设计了2层搜索算法求解该模型.第1层在已知每条路径标签的基础上,根据时间窗删除规则并利用改进的Martins算法,计算出有效路径集;第2层将第1层的有效解作为其初始解,删除不满足货物运输总时间、中转次数和运输方式容量3个限制条件的路径,得到最优路径集合.根据货主的需求,采用序数偏好方法,组合不同的费用权重和时间权重得到综合权重值,找出对应最大综合权重值的最优路径.实例分析表明:相比已有的标签算法,改进算法增加了运算方式容量限制条件,缩小了解空间,避免了生成无效路径;相比拉格朗日松弛算法只能求得解的上下限,本文算法能够求得精确解,耗时在30 s以内,计算时间减少75%.      

带时间窗的多式联运路径优化模型及算法研究

多式联运是我国现代交通运输体系的重要组成部分,其中运输方式和运输路径的选择直接影响到托运人和承运人的利益。根据多式联运相关的概念与网络构建方法,考虑了运输费用、时间价值成本,引入时间窗约束,以总成本最小为主要目标建立多式联运路径优化模型,并根据时间窗要求建立了惩罚机制。根据模型特点,设计了基于floyd的K短路-GA混合算法,求解得到总成本最少的联运方案。最后将该混合算法和传统遗传算法同时应用于多式联运算例求解,分析对比,验证了混合算法的有效性。     

一种基于决策者风险偏好的危险品运输路径优化问题研究

在现实情况中,决策者风险偏好的差异性往往会对危险品运输路径优化产生影响。本文将决策者的风险偏好分为远期风险厌恶型、近期风险厌恶型和风险中性三种类型,将决策者风险偏好下的路径风险值、运营时间和运营成本的最小化作为危险品运输路径优化问题的目标函数,依此建立多目标决策模型。通过选择合适的加权开方乘方数将多目标决策模型中的目标函数转化为单目标函数,然后用标号算法求解最优折衷解,最后通过实例进行编程计算,验证了模型和算法的有效性。