配送网络规划蚁群算法

分析了配送网络规划复杂的非线性组合优化问题，以配送网络中的运行费用、设施投资费用及可靠性费用之和最小为目标函数，建立了配送网络规划的数学模型，设计了相应的蚁群算法。应用结果表明该算法的计算结果与实际的配送网络规划线路相符，是可行的。     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

灾后道路抢修和物资配送的整合优化算法

为了在有限的时间内同时获得最佳抢修效益和物资配送方案,提高救灾工作效率,针对灾后道路抢修与救灾物资配送问题,利用时空网络流动技巧,构建了两者相应的时空网络,在考虑两者的相关性后,建立了多目标的灾后道路抢修工程与紧急物资配送混合整数多重网络规划模型,提出了分解启发式求解方法。算例计算结果表明,用CPLEX数学规划软件直接求解,在求解到106.9 h时,才可求得最优解,而分解启发式方法只需31.8 min即可求得最优解,其求解效率大幅提高,求解时间对于实际的救灾工作是可以接受的。     

论虚工作是单双代号网络图的实质性区别

单代号网络图与双代号网络图区别的主要形式是其符号含义的互换。由于符号含义互换带来它们之间某些时间参数计算和关键线路确定的方法不同,但是这些不同都是当双代号网络图存在虚工作时引起的。所以单双代号网络图除符号含义不同之外,其时间参数计算的实质区别取决于双代号网络图中有无虚工作。针对网络计划一实例分析了虚工作造成的实质性区别,说明了这种实质性的区别在网络计划应用中的重要性。     

基于交通网络图算法的驮背运输路径选择研究

论文从驮背运输的政策背景和发展现状入手,分析了现代运输行业的未来趋势,即全球性与跨区域性的经济贸易活动越来越普及,联运组织模式是大势所趋。论文采用交通网络图模拟运输节点与线路的连接形式,将实际运行过程中的各项影响成本做了函数分析,重点提出时间成本、费用成本和交通环境影响成本三个参数。在算法上,论文将两种运输方式单独分开,将模型中首末点和转运点的成本拟化成一条虚拟的线路,形成符合传统最短路Floyd算法的网络图形,并采用计算机编程求得最优方案的结果组合。     

基于大数据平台下的物流配送车辆路径问题研究

利用大数据平台对多源大量数据进行实时计算处理的优势,考虑具有载重限制、运输路径限制且带时间窗限制的路网中物流配送车辆路径问题,建立以配送时间最短和配送成本最低为目标的数学模型.构建大数据下的多源信息分析处理平台构架图以获取实时交通信息,根据实时路况环境,对配送车辆的路径进行优化.通过利用大数据平台Hadoop中的MapReduce编程模型进行遗传算法并行化设计并求解.结果表明:利用大数据平台进行遗传算法并行化设计能有效求解多目标配送车辆路径问题,创新性地对车辆路径问题进行研究,具有解决实际问题的积极意义.     

交通流变化下的多配送中心-多需求点配送网络优化模型

基于城市道路网结构与交通流特征,以总配送耗时最小为目标函数,以交通流为约束条件,构建了双层配送网络优化模型。上层模型计算配送车辆的配送路径,下层模型为用户均衡交通分配模型,通过上层模型的计算结果改变下层模型中的OD出行数据,通过下层模型的计算结果改变上层模型中的路段通行时间。利用混合式分组法、遗传算法与Frank-Wolf算法求解模型,并以大连市某带有31个交通小区、27个需求点和4个配送中心的交通网络为例进行实例验证。计算结果表明:当利用最短距离法求得配送方案时,27个需求点的总配送距离为94.8km,总配送耗时为425.2min,计算时间为13s;考虑交通流变化后,利用提出的双层优化模型,27个需求点的总配送距离为109.7km,总配送耗时为329.1min,计算时间为256s。利用提出的双层优化模型,虽然总配送距离增加14.9km,但总配送耗时却缩短96.1min,并可以一次性达到配送车辆和其他车辆相互平衡的过程,计算速度和效率并不是最重要的因素,可以得到更符合实际的计算结果。     

基于Dijkstra和深度优先搜索的进路搜索算法研究

为了搜索铁路站场进路,把铁路站场平面图转化为运输网络,借鉴网络图中求最短路径的思想,对网络图中的顶点和边赋予一定的属性,建立了以最短路为目标函数的进路搜索数学模型。借鉴Dijkstra算法和深度优先搜索算法并进行改进,对进路的搜索算法进行研究,提出一种通用进路搜索算法,可以大量减少搜索的深度,提高搜索效率,得到最优的进路。     

大道定理在城市主干路间距分析中的应用

城市居民出行可以分为街区内和街区外的出行2部分,且街区内的平均出行速度往往比街区外的出行速度要低。居民出行为了缩短时间,要求城市中的干路网尽量的密,但是线路网过密,会引起因交叉口等待而造成延误时间增加,而达不到时间最优的效果。所以合理的设计、布局城市内的干路网络是缩短城市居民出行的关键。文章结合大道定理的出行时间最优和干路投资资金限制的思想,建立城市居民出行时间最优模型,并计算出城市干路网络的最优间距。     

基于策略均衡分配的公交线网规划优化方法

本文将轨道交通旅客换乘网络应用于描述高峰时段的公交换乘网络,并采用基于有效频率的策略均衡客流分配方法对公交用户出行选择行为进行均衡分析;综合考虑乘客和公交公司两方面的利益,建立公交线网规划的双层规划模型;提出求解模型的模拟退火算法,设计了删除线路、生成线路、替换线路、延伸线路、缩短线路、拼接线路和拆分线路等7 种线路调整及频率调整进行邻域搜索.算例分析表明,该模型与算法具有良好的优化效果.     

基于自注意力机制与图自编码器的路网交通流数据修复模型

针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型.该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络.在该网络中使用LSTM(Long Short-Term Mem...     

基于模糊理论的公路网路线重要度综合评价研究

公路网路线重要程度的评价对公路网规划、投资、建设和运营管理具有重大意义。模糊数学理论可应用于公路网路线重要度的综合评价，经研究验证，该方法具有有效性。     

数据驱动的公交网络动态优化调整方法

为了更好地满足不断变化的公交出行需求和提高公交运营效率,本文提出一种数据驱动的公交网络动态优化调整方法——滚动决策,频率为先,增删迭代.该方法由两部分组成:第1部分是数据驱动的公交网络优化调整时机决策;第2部分是公交网络优化调整措施决策,包括发车频率优化和线网结构优化.该方法的具体思路为:对于给定的现状公交网络,通过数据建模分析,动态判断公交网络优化调整的触发时机,若触发优化,则优先进行发车频率优化调整,如果发车频率优化调整不能满足预期系统目标,则进行线网结构优化调整,线网结构优化调整策略简化为新增线路和删除线路的迭代.数值实验表明,该方法能比较充分利用智能公交系统采集的数据,可操作性强,可为公交网络动态优化提供决策参考.     

Route Selection for Railway Passengers: A Multi-objective Model and Optimization Algorithm

With an increased operating speed in Chinese railways in recent years, the number of passengers traveling by trains has been significantly increasing. The research issue is regarding how passengers select their routes when there are no direct trains. Previous studies have dealt with the route selection problem as a multi-objective optimization. The study began by setting up a transportation network which encompasses the departure and terminal stations along with important intermediate stations. Then, six key factors are analyzed and formulated using a multi-objective model, consisting of the train-running time, railway fare, transfer frequencies, distances between transfer stations, transfer interval time, and travel comfort. Furthermore, a two-phase algorithm is employed to solve the model. A rapid searching algorithm for feasible routes based on the train timetable is established, then the weight vector is assigned by introducing the information entropy to obtain satisfied routes. In the end, the two-phase algorithm is tested respectively for railway passengers from Lanzhou to Beijing (with direct trains) and from Lanzhou to Changchun (without direct trains), and the results show that the proposed model and solution algorithm are efficient for obtaining satisfactory routes.     

考虑行驶时间不确定性的合乘路径鲁棒优化方法

为应对实际合乘过程中时间不确定性带来的负面影响,本文研究不确定行驶时间下的合乘问题。采用预算不确定集合描述时间变量,引入不确定性水平可调节的预算系数,构建以车辆总里程最短和车辆数最少为目标的合乘路径鲁棒优化模型。并设计两阶段算法求解,第1阶段以两乘客间的可行合乘路径为基础,从车辆总里程节省率和乘客时间窗匹配灵活性两方面设计公式量化合乘匹配机会,以匹配机会为权重构建乘客图网络并聚类乘客需求;第2阶段设计以顺序插入启发式方法构造初始解的禁忌搜索算法求解。案例数据实验结果表明：本文聚类方法能保证优化质量并提高85%以上的计算效率,同时能缩减乘客等车时间和绕行距离;增大预算系数时解的鲁棒性逐渐提高,但会增加10%~40%的车辆数并降低1%~10%的里程节省率;大规模乘客案例和窄时间窗案例的合乘路径对不确定时间的敏感性更高,宽时间窗案例无需增加过多额外车辆和总里程就能达到较高水平的路径鲁棒性。     

日常路径选择行为的模拟研究

假设司机只能根据自己的历史经验做出判断，本文据此设计了日常路径选择行为中的四种路径更新规则。应用基于多智能体的模拟环境-SeSAm，在简单网络上对四种规则进行模拟，比较和分析了模拟结果。     

城轨运营中断下应急公交车辆调度模型

随着城市轨道交通运营网络规模扩大和客流迅速增长,运营中断下公交应急联动问题日益被重视.针对城轨运营中断下的公交桥接疏运问题,提出一种灵活调度策略,允许车辆服务于不同的桥接路径,以最小化总疏散时间和平均乘客延误为目标,建立基于灵活路径模式下的多目标应急公交车辆调度模型,使用理想点法和遗传算法进行求解,并进行实例验证.对比传统固定路径车辆调度方案,基于灵活路径的车辆调度方案使总疏散时间和平均乘客延误分别减少了 4.2%和 4.4%.结果表明,本文提出的模型能够提高公交应急桥接疏运效率、降低乘客延误.     

城轨运营中断下应急公交车辆调度模型

随着城市轨道交通运营网络规模扩大和客流迅速增长,运营中断下公交应急联动问题日益被重视.针对城轨运营中断下的公交桥接疏运问题,提出一种灵活调度策略,允许车辆服务于不同的桥接路径,以最小化总疏散时间和平均乘客延误为目标,建立基于灵活路径模式下的多目标应急公交车辆调度模型,使用理想点法和遗传算法进行求解,并进行实例验证.对比传统固定路径车辆调度方案,基于灵活路径的车辆调度方案使总疏散时间和平均乘客延误分别减少了 4.2%和 4.4%.结果表明,本文提出的模型能够提高公交应急桥接疏运效率、降低乘客延误.     

城市交通车辆模糊路径的柔性选择策略

基于有限理性的思想,通过引入决策者主观偏好的概念,阐述了给定时间约束下车辆模糊路径的柔性选择策略;建立了该问题的模糊机会规划模型,并给出了一种启发式算法.以最小化剩余旅行距离为目标,用随机模拟方法探讨了决策者主观偏好值P＊对最终目标的影响.结果表明,约束时间一定时,在特定的路网中,存在最优的P＊值.