应急服务设施选址优化研究

从提高应急服务水平的角度出发,构建应急服务设施选址优化模型.所建立的模型以最大化应急服务设施覆盖总权重和最小化投资建设费用为目标.先采用定性方法找到候选点,然后在规划设施点数目、土地投资费用及服务能力限制下,使用定量方法建立多目标0-1整数规划模型,并使用线性加权和法将多目标问题转化为单目标问题进行求解.使用MATLAB中的BINTPROG函数与遗传算法两种方法对模型进行求解.以泗洪县消防站的选址规划为例,通过两种方法求解结果的对比验证了遗传算法的合理性,并确定准确的消防选址点.研究结果表明采用所提出的优化模型与求解算法能够得到准确的选址点,进而提高应急服务水平.     

������ɢ����µĹ��������мƻ��Ż��о�

提出飓风等自然灾害条件下运用公交车进行居民紧急疏散的优化模型. 最优公交车疏散运行计划问题可转化为不确定性需求的选址—路径优化模型,目标函数是使总疏散时间最小. 选址—路径优化模型用于确定最有效的公交车集结点服务区域和将人员从受灾区域转移到指定避难所或安全地区的最优线路,并设计遗传算法、神经网络算法和爬山算法结合的混合启发式算法. 通过美国密西西比州格尔夫波特市的实际数据对所提出的模型进行验证. 实验结果表明,混合遗传算法在求解效果和效率上都优于传统的遗传算法.     

铁路应急服务设施双阶段组合选址模型研究

在对具有区间性质的铁路应急需求点分析的基础上,针对铁路应急服务设施备选点未知且需建数目给定的选址问题,对传统单阶段选址模型进行改进,提出了综合考虑应急服务公平性及响应时效性的双阶段组合选址模型,并结合实例,验证了模型及算法的有效性.针对备选点未知且需建数目给定情况下的铁路应急服务设施双阶段组合选址问题所得的选址方案,应急服务半径降低了21.7%,应急服务水平差异性减少了 35.8%,提高了整个系统的应急服务水平.本文提出的双阶段组合选址模型既适用于局部范围的应急服务设施选址也适用于全国范围的铁路应急服务设施选址,适用于备选点未知且给定建设数目的应急设施选址也适用于存在多个备选方案多目标布局优化的应急设施选址问题.     

�ɳ�����չ�����µ� ��������ѡַ�Ż�ģ�ͼ��㷨

建设现代物流系统要求有关决策部门必须充分考虑可持续发展的因素.基于这个原因，本文建立了可持续发展条件下的物流中心选址双层规划模型，其中上层规划是从系统规划者的角度出发使选址总费用最小，而下层规划为考虑各物流中心相互影响条件下的空间价格平衡的变分不等式模式，与此同时还考虑了污染附加费的征收标准，使其满足环境质量要求.最后设计了基于遗传算法的求解算法，并用一个算例说明了本文所提出的可持续发展条件下物流选址优化模型和算法的应用情况.     

物流配送中心选址双层规划模型与算法

新建物流配送中心在选址时不仅要考虑到与已有配送中心的竞争,还要预测到未来可能出现的竞争者,否则将会在竞争中处于劣势地位. 因此建立了“原有配送中心-新建配送中心-未来加入配送中心”这一框架下的双层规划模型,为竞争环境下的新建配送中心选址提供决策依据. 上层目标极大化新建配送中心在计划期内的市场份额,下层目标极大化未来竞争者的市场份额. 其中市场份额由配送中心与需求者之间的距离作为可观察项的多项logit模型来刻画. 设计了遗传算法求解,最后通过实例验证该模型与算法可以有效的避免损失,提高新建配送中心的竞争力.     

带时间窗的多行程交换箱甩挂路径优化

针对市区-近郊的同城物流配送系统，为尽可能降低物流运输成本的同时提高客户满意度，研究带时间窗的具有多行程的交换箱甩挂运输问题. 在配送系统中，配送车辆从配送中心出发将货物运往各个客户点，由于道路条件的限制，客户点分为只允许小型卡车配送的限制点客户和卡车或带交换箱拖车的整车都可为其配送的灵活点客户. 在客户时间窗和多行程的约束条件下，建立以成本最小为优化目标的基于交换箱甩挂的路径优化模型，提出装箱算法与遗传算法混合的启发式求解算法. 算例验证了所提出算法的有效性，为带交换箱的甩挂车进行物流配送提供一定的决策指导和参考意见.     

一个结合库存策略的物流选址模型

通过对最优库存策略的研究,在总需求一定的情况下,得出总库存费用与配送中心数目的平方根模拟表达式,并进一步提出考虑库存成本的选址模型。克服了以往物流选址模型中忽略库存成本这一主要因素的缺陷,使配送中心选址决策进一步完善。在给出了遗传算法的基础上,结合实际情况对模型及其算法予以简化使之具有实用性。     

应用广义最大覆盖模型进行公路养护应急中心布局选址研究

应用广义最大覆盖模型方法在江西省国省道公路网络中进行公路养护应急中心布局选址,将养护应急中心设置在县级及以上行政中心点上,在点的服务半径已知的条件下,求解如何设立数量最少的点便可覆盖所有区域.     

��������������������������� �滮ģ�ͼ��ⷨ�о�

合理规划区域性物流配送中心，对于提高物流配送服务水平，降低物流配送成本具有重要意义.实际物流配送系统中，需求点的物流配送需求是随机变量.因此，传统的把配送需求假定为已知常数的规划模型，不能反映需求量的随机性对区域性物流配送中心规划的影响.本文研究当物流需求量为随机变量时，区域性配送中心的随机规划模型和解法.由于引入了随机变量，所建立的规划模型更加符合实际;在模型求解过程中,则利用了确定性等价及过滤条件把模型简化成了多个简单的线性规划子问题,简化了模型求解，从而使之更易于在区域性物流配送中心的规划中得到运用.     

组团城市换乘枢纽选址模型

针对一元解析法和多元最优化方法用于组团城市换乘枢纽选址时,结果可能集中个别组团的问题,以路网总成本最小、组团间联系强度最大为上层模型,以用户均衡交通量分配模型为下层模型,构建了组团城市换乘枢纽的双层规划选址模型,设计了求解该模型的遗传算法.算例表明,用于4 个组团、20 个节点的组团城市换乘枢纽选址时,在每个组团最多只布设1 个换乘枢纽的约束下,遗传算法比SAB算法收敛速度快50 s,稳定性高9%,验证了该模型在描述问题时的正确性及求解问题的优越性.     

含特殊负荷的配电网分层故障定位方法

特殊负荷接入配电网，增强了电源、负荷与电网之间的互动性，对故障定位提出了更高的要求，为此，提出了一种快速定位故障点的分层定位方法. 首先分析基于遗传算法的单层含特殊负荷配电网故障定位的不完备性；其次在单层模型的理论基础上，提出改进量子免疫算法的区域定位方法和隐枚举法的区段定位方法；最后对所提模型和基于单一智能算法的单层模型进行了对比仿真实验. 结果表明:与遗传算法、免疫算法和改进量子免疫算法构建的单层定位模型相比，所提分层定位方法大大简化了故障辨识模型的复杂度，在提高定位效率的同时保证了定位的容错性和稳定性，可将故障搜索维度降低69%，故障定位耗时在1 s以内，故障辨识率达到100%.      

基于混合遗传算法的物流配送模糊车辆调度问题研究

在同时考虑物流配送总费用和服务水平的基础上,建立适合物流配送模糊车辆调度问题的数学模型.并且采用期望值选择法,将爬山法与遗传算法相结合,构造了求解该问题的混合遗传算法.研究表明,用该算法求解物流配送模糊车辆调度问题,能够很快收敛到满意解.     

物流系统“结合部”的神经网络表达及决策

针对“结合部”在物流系统中的重要地位，在对物流系统结构及功能进行分析的基础上，提出了物流“结合部”的一种神经网络表达，并运用遗传算法实现了“结合部”网络的学习与决策。这一方法揭示了物流结合部的结构及作用机理，对物流系统的科学决策具有指导意义。     

一种Delaunay三角网数模快速定位算法

逐点插入法是构建Delaunay三角网的主流算法之一，在众多三角形中快速定位目标三角形是影响逐点插入法构网速度的一个重要因素，同时也是影响高程内插速度的关键。在分析多种已有定位法特点的基础上提出区域定位法，给出了详细的判断条件，并加以证明。通过对几种定位方法进行分析比较，在两种投点方式下用逐点插入法对四种算法进行了TIN的构网实验，结果表明均匀投点的构网速度都要快于任意投点的构网速度，区域定位法搜索方向唯一，算法稳健，具有较快的定位速度。     

基于RSSI的无线传感器网络加权质心定位算法

节点定位是无线传感器网络中的关键技术之一．文中通过对无线电传播路径损耗模型的分析，提出了加权质心定位算法，用信标节点对未知节点的不同影响力来确定加权因子，以提高定位精度．并且在理论分析的基础上，提出了优选信标节点进行节点定位计算的规则，以此进一步提高节点定位精度．加权质心定位算法计算简单，定位过程中节点问无通信开销．节点定位精度较常用的极大似然估计算法高，具有较普遍的应用意义．     

快递配送车辆路径优化研究

考虑到快递配送和物流配送的异同,在物流配送路径优化问题的基础上构建了符合快递配送路径优化问题的数学模型.设计了一种采用自然数编码,综合考虑快件数量、车辆载重、车辆容量等约束的解码方式的遗传算法.通过一个拥有20个配送点的快递配送案例,验证本文所构建模型和算法能够得到合理配送路径和各个配送点的服务时刻.最后通过灵敏度分析和四轮厢式货车算例验证表明:当前情况下,研究快递配送路径优化时,快件数量、快递员最长配送时间和各配送点的作业时间必须考虑;当前快递配送车辆的载重和容量满足当前需求,无需更换载重和容量更大的配送车辆.     

基于进化神经元算法的堡镇隧道软弱围岩施工弹塑性智能位移反分析

结合宜万铁路堡镇隧道的施工,将BP神经网络和遗传算法引入特长隧道软岩段的施工位移反分析,采用遗传算法自动搜索BP神经网络训练效果最优的参数,建立起反映围岩变形与岩体物理力学参数及初始地应力之间高度非线性、不确定的GA-BP智能模型,然后采用遗传算法在岩体物理力学参数和初始地应力取值范围内,搜索BP神经网络预测围岩变形与实测围岩变形最接近的参数组合,取得反演获得的岩体物理力学参数和初始地应力.从堡镇隧道应用结果来看,这种进化神经元算法反演结果可以满足隧道施工的需要,并为类似工程提供了借鉴.     

�����Ŵ��㷨�Ĵ�ʱ��Լ���ij���·�������Ż�

基于遗传算法的车辆路径优化问题，虽然已经被提出过多种思想方法，但仍有较大的改进余地．而且具体的车辆路径优化问题，往往在时间和路程两方面都有限制和要求，而在这方面的研究相对较少．针对这种问题，在传统遗传计算基础上，加入了时间约束算法，对算法的实时实现作出保证；同时根据客户点的位置改进初始群，提高了变异率，减少低效计算，极大提高了寻优速度，为多计算点的遗传操作提供有力的支持．计算机仿真实现的结果和物流公司的实际运作都证明了算法的有效性．     

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。