网络流的多重解问题研究

介绍了最大流问题的多解,并从此问题出发,研究了最小费用最大流的多重最优解问题,总结了判断多重最优解存在的准则。该准则为若已求出的最小费用最大流分配网络中存在其两个弧组费用相等的可调圈,此问题就有多重最优解。在符合条件的可调圈上进行流量调整,便可得到该最小费用流问题不同的最优解。     

容量及转运点限制的多品种交通网最小代价流

传统的运送问题是在运送品种单一、运送条件理想情况下的最小代价流分配,但在实际的交通网络应用中,往往会出现多品种流的运送问题。同时,由于设备的限制,在同一个阶段的不同品种流的容量限制也可能不尽相同,不同品种在转运点的接发能力也不尽相同。本文主要考虑解决各品种的容量约束以及转运点的最大接发能力问题,分情况讨论复合指标修改规则,通过增流链调整规则修改复合参数,并根据汇的调整量修改复合指标,构造不需要改变网络拓扑结构的最小代价流算法。此算法不需要构造增流网络,也避免了二次求解问题。最后通过示例给出了具体的算法步骤,为以后在此基础上的优化研究提供基础。     

交通运输网络中两个结点间有流量约束的最小费用最大流算法

对交通运输网络最小费用最大流的分配是在满足容量限制条件和流量守恒条件下,基于总费用最低的原则进行的,但在实际应用中,通常对交通运输网络中两个结点之间的流量有具体的要求和约束限制条件.针对交通运输网络中两个结点之间有流量约束的最小费用最大流问题进行了分析,总结了两个结点之间的流量不能超过限制值、不能低于限制值以及在一定范围内的3种约束条件.基于连续最短路算法中构造伴随增流网络的思路,设计了这3种约束限制条件下的最小费用最大流分配算法.利用这个算法,可以解决交通运输网络中两个结点之间有流量约束的最小费用最大流分配问题.在交通运输领域,两个结点之间有流量约束的最小费用最大流问题普遍存在,这些算法也为解决实际的运输问题提供了应用基础.     

基于混合蚁群算法的车辆路径问题研究

为了求解车辆路径问题,设计了一种结合节约算法和邻域搜索算法的混合蚁群算法,该算法改善了标准蚁群算法搜索时间长、容易陷入局部最优解的问题。首次引入节约算法以提高初始解的质量,使得蚁群算法在较优的路径中进行搜索,从而更有效地收敛到最优解;运用最大最小蚂蚁系统控制路径的信息素,避免算法陷入局部最优解;采用邻域搜索算法优化某阶段最优解的子路径。应用该混合蚁群算法对VRPLIB数据库实例进行了运算,取得了较为满意的结果。     

基于Petri网的网络最小费用最大流算法

将Petri网方法应用于求解网络的最小费用最大流问题,提出费用Petri网的定义,设计费用Petri网的变迁使能规则并提出求解最小费用最大流问题的Petri网算法.与以往的算法不同,该算法通过对库所进行标号寻找变迁的触发序列,并在该序列上增流.最后举例说明算法的应用.     

���ڸ���ͼ���۵�·��������Ľ��㷨

在路网规划中,路网关键断面的确定对于解决路网中的交通瓶颈问题有很大的帮助。路网关键断面问题可以转变为寻找路网最大流最小割的问题。本文首先对现有求解网络最大流的各种算法进行了分析和比较。然后,基于图论中的辅助图理论和求解最大流中的Dijkstra算法,得到了一种求解无向路网中最小割集较为简便的算法,即通过构造辅助路网,利用求辅助路网最短路的方法得到最小割集,即原始路网的最大流。在此基础之上,利用VC++计算机语言程序实现了该算法。最后通过对天津市公路网的分析,进一步对本算法进行了说明。通过比较可知,这种方法是一种确定网络关键断面较为简便的算法,并且会对交通规划与管理提供重要的理论依据和数据支持。     

编组站静态配流网络模型

配流是编组站阶段计划不可缺少的内容，本文为此建立了网络模型，将静态配流问题转化为最大流问题，并通过分析和证明，使模型进一步得到简化，从而缩小了问题的规模，可用最大流算法方便地求解。     

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。     

随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题 （vehicle routing problem,VRP） 是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题 （stochastic time-dependent vehicle routing problem,STDVRP） 的多目标鲁棒优化模型. 设计了一种非支配排序蚁群算法 （non-dominated sorting ant colony optimisation,NSACO）,求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法 （non-dominated sorting genetic algorithm II,NSGA-II）. 研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGA-II算法小17.49%.      

求解最小费用最大流问题的分枝界定法

本文纠正文中的一个当之处，对于在保证最大流的前提下，求解最小费用最大流问题，给出一种便于在计算机上操作的分枝界定算法。