物流配送点选址模型及其算法研究

首先介绍以最低送货运输费用为目标 ,借助最小二乘法推导出单物流配送点的选址模型及其迭代算法 ;在此基础上重点分析了已知物流配送点数目条件下的选址和物流服务分配问题 ,提出用二进制数的矩阵来描述物流服务分配方案 ,推导出其选址的数学模型 ,并给出交替选址迭代算法 ;最后讨论了如何把在未知配送点数目条件下的选址问题转化为已知配送点数目条件下的选址问题来求解     

智能网联环境下的多车协同换道策略研究

为提高换道安全性、稳定性和换道效率,本文中提出一种智能网联条件下多车协同安全换道策略。通过建立基于激励模型的换道收益函数进行协同换道可行性判断。基于模型预测控制建立协同换道多目标优化控制函数,实现换道过程的分布式控制。提出一个两阶段协同换道框架,将换道过程分为稀疏纵向距离阶段和换道阶段,以解决由于避撞约束的高维度和车辆运动学的非线性造成的最优控制函数难以求解的问题。采用滚动时域优化算法对优化控制问题逐步动态求解。最后基于美国NGSIM开源交通流数据进行Matlab/Simulink联合仿真,验证了该策略的可行性与准确性。     

克隆选择算法在一类有竞争的物流配送中心选址问题中的应用

根据有竞争的物流配送中心选址问题的特点,以新增物流配送中心获取最大的市场占有量为目标函数,建立了有竞争的物流配送中心选址问题的数学模型。由于建立的数学模型是一个高维、非线性、非凸性,并具有多个局部极值点的复杂函数优化问题,传统确定性优化算法很难求解得到问题的最优解或满意解。为此,提出将一种新型的启发式进化算法——克隆选择算法用于求解建立的数学模型,并详细描述了应用克隆选择算法求解数学模型的方法和步骤。仿真试验表明,克隆选择算法求解有竞争的物流配送中心选址问题是可行而有效的,并且具有收敛速度快、全局搜索能力强和稳定性好的优点。     

基于遗传算法的动态交通分配研究

主要研究动态系统最优（DSO）模型。以总的花费时间最小为目标函数,对模型的节点集、路段集分别进行研究。通过模拟路段的流入量、流出量和路段上的交通量来建模。用传统的迭代算法解决动态交通分配问题非常复杂,而对传统迭代算法进行改进或用遗传算法等新的智能算法求解则会很简洁和方便。     

基于4次样条函数拱轴线优化设计的T-V求解法

拱桥拱轴线可以用4次样条函数表示,而基于4次样条函数的拱桥拱轴线优化设计问题是一个非线性规划问题。采用Topkis-Veinott可行方向法研究了优化求解方法,提出了新算法。通过对上承式钢筋混凝土拱桥实例求解,得到了符合设计要求的结果。计算结果表明,该拱轴线优化模型与初始拱轴线无关,不需要对初始拱轴线的选择做细致研究,只要初始拱轴线是连续曲线即可;在应用Topkis-Veinott容许方向法时,需要注意初始点的选择要求必须是可行点。由于容许方向法的每次迭代都是在可行域中进行的,方向是目标函数下降的方向,每步迭代结果都是可行设计,而且后一步迭代结果比前一步结果要好。因此,该拱轴线优化模型有较好的可靠性和实用性。     

基于降维算法的车身可靠性优化

基于降维算法,以最小化车身质量作为优化目标,选取车身弯曲和扭转刚度功能函数可靠度作为约束条件,建立了一种新的车身可靠性优化模型。利用降维算法,建立了新的n个一维函数模型近似替代原功能函数,借助泰勒级数和统计矩理论,求解车身功能函数的前4阶矩信息,并通过4阶矩法,得到车身可靠度;通过基于改进自适应遗传算法的优化方法与可靠性评定,将该嵌套优化问题解耦为单层优化问题;优化每一迭代步,采用罚函数法来改进适应度函数。与传统可靠性优化方法相比,本文方法无需多重积分求解功能函数统计矩,无需迭代搜索最可能失效点,且可避免种群陷入局部最优的缺陷。数值算例结果表明:所提方法具有较高的计算精度和较好的适应性。     

地下快速路出入口集散点选择模型

分析了地下快速路出入口选址时要考虑的需求距离递减特性、分担率以及集散效率3个因素,以集散效率最大化为目标,建立了针对地下快速路的集散点选择模型.利用均衡分配模型,提出地下快速路分担率求解的迭代算法,求解趋于稳定的分担率以及集散效率最大化情况下的集散点位置.最后给出一个算例,对提出的模型和迭代算法的可行性进行了验证.研究结果表明:集散点选择模型能够求得最优解,迭代算法能够使分担率趋于稳定、模型收敛,最终使集散点实现全局最优.     

公路路政管理站点规划和巡视路线优化研究

采用遗传算法建立了公路路政管理站点规划选址优化模型,研究了路网中规划选址优化的多变量算法不易收敛问题,应用受限P 中心问题以减少管理站的备择点数目,从而减少遗传算法中染色体的基因长度,并按不同策略进行初始群体和种群的选择,加快收敛速度,从而提高算法的运算效率。针对高速公路巡视路线优化中最大巡路长度问题,采用贪婪算法和邻域搜索算法的结合求解最佳巡视路线,给出了问题的多目标函数优化模型和算法。     

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km.      

遗传算法在有竞争的物流配送中心选址中的应用

在分析有竞争的物流配送中心选址特点的基础上,引入了一种有竞争的物流配送中心选址模型。由于该模型是一个组合优化问题,具有NP难的性质,用常规算法对其进行求解时,经常会陷入局部优化解。针对这一情况,提出一种求解该模型的混合遗传算法,该算法主要利用Drezner算法的局部搜索性能来提高遗传算法的寻优能力。研究结果表明该算法能很好地处理有竞争的物流配送中心选址问题。     

基于灰色综合评价的物流中心选址方法

物流中心选址是物流系统优化的一个关键步骤,因此选择一种合适的方法进行评价就显得尤其重要。本文通过对影响物流中心选址影响因素的分析,构建了物流中心选址评价的指标体系,在此基础上,运用多层次灰色评价方法建立了物流中心选址多层次灰色评价模型。最后通过实例分析表明该模型能很好地处理物流中心选址问题,为决策者提供一种有效的优化工具。     

考虑库存成本的配送中心动态选址模型及算法

为了解决传统配送中心选址没有同时考虑库存持有成本和决策环境的动态变化的问题,建立了一种新的模型。首先,利用两步骤近似方法获得(Q,R)库存策略下每一个周期配送中心的库存成本计算公式;然后,针对传统设施动态选址模型对选址成本的不恰当表示进行了修正,并与库存成本计算方法相结合,从而建立考虑库存成本的配送中心动态选址模型。最后,分别用遗传算法、克隆选择算法、粒子群优化算法求解所建立的模型,并从算法的精确度、稳定性、运算速度和收敛性比较了三种算法的性能。算例测试结果表明:所建立的模型是有效的;从总体上看,遗传算法的适应性要强于克隆选择算法和粒子群算法。     

产品销售物流配送中心布局方法研究

论述了产品销售物流配送中心布局规划的重要性,分析了配送中心布局规划现有数学模型的不足,然后提出了基于经济规模理论的配送中心布局规划方法。在考虑配送中心经济规模的前提下,建立了确立配送中心布局方案的数学模型,模型以总费用最小为规划目标函数,并可利用遍历算法对该模型进行求解。经过实例验证,说明运用经济规模理论在确定配送中心个数的范围之后,该模型能在物流中心位置和路网条件已知的情况下对配送中心的个数、位置和规模进行定量确定,对生产企业在较大范围内规划其销售物流的配送系统有重要的理论价值和实用意义。     

综合模糊品质机能法和模糊TOPSIS的配送中心选址方法

考虑第3方物流企业在配送选中心选址决策过程中的模糊不确定性和多角度性，综合模糊TOPSIS和模糊品质机能法建立了配送中心选址的多角度决策方法。首先应用模糊品质机能法分别从客户、第3方物流企业的角度确定配送中心选址准则因素权重，并对选址准则因素权重进行集成，然后再利用模糊TOPSIS综合确定最优选址方案。最后，应用一个案例说明此选址方法的有效性。     

考虑路线安排的物流配送中心选址双层规划模型及求解算法

在充分考虑物流规划部门与客户双方利益及选址地点对路线安排影响的基础上 ,采用双层规划模型描述了物流配送中心的选址问题 ,并对模型进行了求解。最后通过一算例来验证模型及其算法的可行性     

侧风对高速汽车行驶稳定性影响的仿真分析

汽车高速运动时的方向稳定性受侧向风的影响非常明显,其影响规律与侧风气动中心的位置密切相关。但是,对侧向风的影响有两种不同的观点,一种观点认为与气动中心和中性转向点的相对位置相关;另一种观点则认为取决于气动中心和质心的相对位置。基于二自由度汽车动力学模型,用Matlab软件对侧风引起的汽车行驶稳定性进行了仿真分析,认为汽车在侧风作用下的运动规律取决于侧风气动中心与中性转向点的相对位置。     

考虑拥堵空间排队与溢出的道路网静态交通流分配

为刻画拥堵空间排队与溢出现象对交通流分配的影响，提出考虑拥堵空间排队与溢出的道路网静态交通流分配问题，并构建相关的求解算法，用于描述交通需求在起讫点移动过程中路网整体的宏观运行状态。首先，丰富和完善考虑拥堵空间排队与溢出的静态交通流分配的相关假设，提出次生瓶颈、拥堵干扰与渗透和分段化路段阻抗等基本概念和理论，来刻画拥堵交通瓶颈、拥堵空间排队等交通现象；其次，建立网络瓶颈识别算法和空间排队回溯算法，基于此构建考虑拥堵空间排队和溢出的增量分配算法，用于求解交通流分配的结果；最后，通过使用一个具有说明型的算例进行对比分析。研究结果表明：建立的瓶颈识别、排队回溯和增量分配算法可以识别路网中的瓶颈位置及其拥堵排队区域，并可计算得到各路段上的分段分配流量；与点排队只影响瓶颈路段的运行状况和均一的路段分配结果相比，可有效描述路网整体的宏观运行状态以及由于拥堵空间排队所导致的拥堵干扰与渗透现象；不同于“时间片”的伪动态交通流分配模型，新建算法的分配结果是“全时段”与“整体性”的路网宏观运行状态，包含了拥堵瓶颈的具体位置和空间排队的干扰与渗透情况；一般拥堵点排队模型和基于“时间片”的拥堵空间排队模型难以刻画拥堵干扰与渗透现象以及路网整体的宏观运行状态，故所建立的分配方法是对传统拥堵交通流分配的丰富和发展。     

基于K均值和不变矩的粒子滤波视频目标跟踪

针对传统的粒子滤波算法存在的粒子退化现象和需要大量粒子才能保证状态预估计的精度,导致视频序列目标实时跟踪难以实现的问题进行了研究,提出了一种基于K均值和不变矩的粒子滤波实时目标跟踪算法。首先对最初采样的粒子集采用K均值算法进行聚类,将N个粒子分配到K个聚类中心;然后将不变矩算法引入到粒子的选取中,通过与上一帧目标位置最接近的三类聚类中心进行不变矩匹配,选择其中与目标模块最接近的那一类进行粒子滤波跟踪运算。实验结果表明文中提出的改进算法能够很好的解决粒子退化的问题,只需要采用较少的粒子就能达到很好的跟踪精度,大大的减少了计算量,改善了粒子滤波的实时性的问题。同时,在一定程度上解决了目标跟踪中相似背景的干扰和目标遮挡的问题。