空运装载问题求解方法研究

针对空运装载问题,重点研究多目标多载具装载问题的数学模型,并提出基于重量差优先的禁忌邻域搜索优化算法来求解模型。实验结果表明该算法不仅保证目标函数值不恶化,还使得解空间搜索时间大大减少,极大地提高了模型求解速度。     

一种基于邻域空间的混合粒子群优化算法

针对标准粒子群优化算法在信息共享机制的不足,提出基于邻域空间的混合粒子群优化算法。该算法修改了粒子速度更新方程,提出了一种将模式搜索算法嵌入粒子群优化算法新方法。通过4个典型的测试函数的实验研究,表明了所提出的算法充分发挥了模式搜索算法强大的局部搜索能力和基于邻域空间的粒子群优化算法的全局寻优能力,很好地平衡了算法的全局“探索”与局部“开发”。新算法具有优化精度高、鲁棒性强的特点,特别适合对高维多峰函数进行优化。     

基于大邻域搜索算法的储位分配研究

为了提升无人仓系统订单拣选效率,以同一货架上商品关联度之和最大为目标,构建了混合整数规划模型;设计了针对上述问题的大邻域搜索算法,在大邻域搜索算法中设计了多种破坏与修复算子。利用三种规模的算例对设计算子进行比较,结果证明随机移除—最大后悔插入组合算法相比其他组合算法在时间和性能上更加优越。     

基于自适应大规模邻域搜索算法的多等级引航员排班问题

引航服务不仅是保障船舶和港口安全的必要手段,也直接影响船舶进出泊位的效率。本文聚焦引航服务日常运作管理中面临的引航员调度排班问题,考虑引航员等级、服务时间窗、航道宽度等现实因素,以服务延迟成本、引航员出工成本、引航员交通成本、单次服务成本和当日未服务惩罚成本的总加权成本最小为目标构建了一个混合整数规划模型。结合问题特征,本文选择采用自适应大邻域搜索算法对模型进行求解,并针对模型特点设计多种破坏算子和修复算子进一步提高算法的运行速度与精度。最后,本文通过一系列数值试验验证了算法的高效性和准确性,并通过参数进行敏感性分析给出相应的管理启示,为港口企业运营决策提供参考和建议,从而提高引航服务水平。     

基于邻域搜索的黄骅港煤炭堆场自动化卸车方案

现代煤炭码头对港口整体调度的服务水平与效率性要求不断提高。针对黄骅港煤炭堆场存在的卸车方案人工决策时间长、作业冲突和列车在港时间过长等问题，对黄骅港煤炭堆场卸车自动决策方法进行研究。通过考虑列车可拆分特征和设备流程串唯一性特征，以最小化列车等待时间和最大化匹配得分为目标，提出一种带有邻域搜索策略的新型解决方案，并通过邻域搜索策略提升算法的搜索效率。结果表明，新型解决方案的决策时间短于1 min,且其结果优于人工决策方案。     

疫情防控背景下的地铁多车站客流协同控制模型及算法

基于各车站在各时段客流进站速率的协同优化，考虑客流控制和客流承载过程中的各种约束，以列车车厢内客流聚集总风险最低和乘客在车站总等待时间最短为双目标，构建疫情防控背景下的多车站地铁客流协同控制模型。针对模型的非线性特点，设计基于变邻域搜索的启发式算法进行求解。依托南昌地铁1号线实际客流数据构建算例进行验证。结果表明：实施客流协同控制后，研究时段内全部23列列车的满载率均未超过满载率阈值0.5，且客流聚集总风险值较控制前下降65.41%，乘客平均等待时间仅为3.87 min；随着列车最大满载率阈值的增加，乘客的等待时间呈指数下降趋势，而客流聚集风险则呈线性增长；缩短发车间隔时间能够有效降低列车满载率，但列车运行成本也会急剧增加；按实际发车间隔时间（10 min）实施客流协同控制后，所有列车的满载率均低于0.5，客流聚集总风险值下降22.36%，而乘客平均等待时间仅增加0.6 min，验证了模型及算法能更加高效地降低列车满载率。     

需求响应机制下轨道交通出行预约与列车运行计划优化方法

轨道交通供给侧的计划性与需求侧的时变性相互冲突，为更好地协同供需双方，提出了需求响应机制下城市轨道交通列车运行计划的优化方法，包括出行预约和需求响应2个环节；建立了需求响应与列车运行计划协同优化模型，以最小化乘客出行成本和列车运行成本为目标，重点关注乘客由于预约行为产生的延误时间成本；考虑列车运行、运输能力、编组情况、客流分布等因素，设计了基于乘客优先级的自适应大规模邻域搜索算法，外层优化列车运行计划，内层优化客流分配方案，最终实现客流的供需匹配；以北京地铁八通线为例，按照需求响应机制对该线路全天的需求处理与运输组织进行数值试验，并对试验结果从车底运用、乘客等待时间和满载率分布三方面进行分析。研究结果表明:该优化方法可使开行的列车数降低13.8%，同时采用多编组模式，使用车辆数减少了29.8%，这能够有效压缩列车走行公里数，削减企业开支；能够在保证乘客基本出行的前提下，最高可将乘客平均在站等待时间缩短约35.3%，并且预约比例的提升对等待时间的削减效果明显；优化后的运行计划能控制列车满载率维持在设定水平，有效降低人员密度，避免人群大规模聚集，对城市轨道交通疫情的有效防控做出有益探索。      

基于改进t-SNE和RBFNN的柴油机故障诊断

针对柴油机故障诊断问题，提出一种基于改进t分布的随机邻域嵌入（t-SNE）和径向基函数神经网络（RBFNN）的柴油机故障诊断方法。针对t-SNE算法对振动信号的实际降维效果不够理想的问题，进行自适应加权优化；引入遗传算法（GA）解决果蝇优化算法（FOA）陷入局部最优的问题，将GA-FOA应用于RBFNN参数选取中；采用改进后的RBFNN模型对经自适应加权t-SNE降维的数据进行故障识别。研究结果表明，改进后的算法能明显改善聚类效果，提高故障识别的正确率，具有良好的应用前景。