特大暴雨下城市地铁人员应急救援与疏散优化

为提高特大暴雨下地铁车站人员救援与疏散效率,提出地铁人员的应急救援与疏散优化建模与求解方法,旨在协同优化救援中心选址、应急路径设计与分配决策。针对特大暴雨的危害性和地铁被困人员的心理恐慌程度,改进感知风险度量模型。结合应急救援与疏散的阶段性,建立成本和感知风险最小的应急救援与疏散的选址-路径优化模型。设计基于分解多目标进化算法和分支切割算法的两阶段求解步骤。最后,通过郑州实例和测试算例,验证新模型和算法的有效性。计算结果表明：新模型和算法能在2.13 s内求得有效方案;相较于传统风险模型,新模型能够降低9.03%的运输成本;相较于常规的多目标优化算法,新算法能缩短至少60.00%的求解时间,并有较高的计算稳定性。     

兼顾成本与风险的渣土车运输路径优化模型

为提高建筑垃圾运输过程的经济性和安全性,针对渣土车运输路径优化问题进行了研究,提出一种兼顾成本与风险的多目标0-1整数规划模型。该模型将时间成本、固定成本和运输过程中产生的与渣土车流量、道路等级、单双车道相关的风险因素融入了优化目标,同时其约束条件充分考虑了时间窗和路段连续性等影响因素。鉴于模型的复杂性和多目标特征,设计NSGA-Ⅱ算法对模型进行求解。基于济宁市渣土车实时监测数据设计实例对模型和算法进行验证。结果表明：NSGA-Ⅱ算法适用于求解渣土车运输路径多目标优化模型;通过对模型求解可以得到兼顾运输成本与风险的渣土车运输路径;相比于现有运输路径,模型所得路径最多可以使运输成本和运输风险分别降低19.6%和24.6%;渣土车更适合采用道路等级较高的双车道路径。     

多源风险防控下危险废物物流的应急选址模型

为有效防控危险废物安全事故的环境污染、人员伤亡及财产损失,提出一种多源风险防控下危险废物物流的应急选址模型.根据风险受体和环境介质的多样性,构建多源风险度量模型;考虑应急服务半径和多源风险控制的隶属关系,设计"多源风险控制"系数,以多源风险控制最大化和应急成本最小化为目标,构建0-1整数线性规划模型;根据模型计算的复杂性,设计基于遗传算法的多目标求解方法.通过算例验证模型和算法的有效性,计算结果表明:新模型和算法可为危险废物应急管理提供有效选址方案,相较于传统精确算法,新方法可为小规模问题提供的优化方案节约应急成本0.02×108元,并在求解大规模问题时缩短91.67％ 的搜索时间.     

危险废物物流系统的LRP改进多目标线性规划模型

为了解决危险废物回收、加工和处理中心选址问题,确定加工技术类别、安排危险废物和废物残余车辆运输路径,将回收环节纳入危险废物物流系统,考虑废物类型与加工技术的多样性、中心运营费用、废物与加工技术的相容性以及中心能力富余量约束,以费用和风险最小化为优化目标,建立了危险废物物流系统的改进多目标0-1混合整数线性规划模型.采用TOPSIS(technique for order preference by similarity to an ideal solution)方法求解模型.结果表明,与现有模型相比,本文模型的多目标优化方案以增加0.70%的费用为代价,将风险降低7.69%.     

危险废物回收物流的选址-路径多目标模型

本文构建了一个危险废物回收物流系统选址-路径问题的多目标改进模型.该模型特别考虑了废物类型与运输车辆的多样性,废物与运输车辆的相容性,并采用暴露人口吨数表示风险,以最小化最大风险区域代表风险公平性优化目标.同时,该模型主要确定了回收中心的位置,回收中心配备的运输车辆类型,以及各类危险废物的车辆运输路径.针对所建立的多目...     

常态化疫情防控背景下物资运输路径优化

为降低疫情防控对物资运输的影响,首先,在综合考虑不同客户类型、服务时间窗与多车型服务车队等因素的前提下,以最小化由物流供应商运输、防疫和违背时间窗惩罚组成的综合运输成本为目标,建立考虑常态化疫情防控的物资运输路径优化模型。然后,设计结合部分匹配交叉与精英保留策略的遗传算法对模型进行求解。最后,分别应用LINGO软件与遗传算法求解具有不同规模与分布的多组Solomon算例,并通过调整输入参数对模型进行敏感度分析。结果表明：所建模型可以在考虑常态化疫情防控因素的前提下,有效优化物资运输路径;所设计的遗传算法具有良好的求解速度与精度;敏感性分析揭示出防疫成本与网络内部系统配车数存在负相关性,决策者可根据实际需求权衡。     

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。      

考虑风险公平性的无能力约束条件下危险废物回收路径优化问题

区别于传统风险公平性,本文从风险补偿角度提出了风险公平性的全新内涵,并设计了风险补偿型的风险公平计算模型。构建了考虑运输成本、运输风险以及风险公平性的优化目标,同时确定了固体危险废物的回收路径。针对所构建的多目标0-1整数非线性规划模型,本文通过线性加权法设计了求解算法。并通过一个算例表明该模型与算法可以获得最优解,并比传统风险公平性模型更具优越性。     

一种基于决策者风险偏好的危险品运输路径优化问题研究

在现实情况中,决策者风险偏好的差异性往往会对危险品运输路径优化产生影响。本文将决策者的风险偏好分为远期风险厌恶型、近期风险厌恶型和风险中性三种类型,将决策者风险偏好下的路径风险值、运营时间和运营成本的最小化作为危险品运输路径优化问题的目标函数,依此建立多目标决策模型。通过选择合适的加权开方乘方数将多目标决策模型中的目标函数转化为单目标函数,然后用标号算法求解最优折衷解,最后通过实例进行编程计算,验证了模型和算法的有效性。     

基于多目标优化的应急设施选址-配送模型

针对频发的突发事件,应急设施选址与配送路径规划对快速开展救援活动、减少事件损失具有重要意义.通过构建基于多目标优化的应急设施选址-配送模型,同步解决应急设施选址和配送路径规划问题.模型目标函数包括3个方面:最小化总物资运输时间成本、最大化应急设施设置容量和最小化应急设施设置数量.在此基础上,设计了一种多目标遗传算法,结...     

威慑时间下警车巡逻的多级覆盖路径优化

针对警车巡逻路径优化问题，以提高警车巡逻效率、降低巡逻成本为目标，提出威慑时间下的警车巡逻多级覆盖路径优化模型。基于警车停留时间与警力威慑的关联函数，考虑犯罪率的时变特性及威慑扩散效应，构建了警力威慑最大化和成本最小化的多目标多级覆盖巡逻车辆路径优化模型。根据模型计算复杂度，采用k-means聚类并确定巡逻关键点，利用ε-约束法求解模型。计算结果表明：新模型和新算法能够切实反应警车巡逻的威慑效力，其求得的优化方案能提高41.08%的警车威慑效力；相较于常规多目标优化方法，新算法能将求解时间缩短至1 586 s,求得与理想目标差距值低于8.25%的警车巡逻优化方案，相关研究结果可为警务部门制定警车巡逻的路径优化提供决策支持。     

考虑碳排放的混合轴辐式多式联运网络枢纽扩增选址-路径问题

针对现有多式联运网络枢纽饱和度高、枢纽到城市直达运输成本高且效率低等不足,提出采用混合轴辐式多式联运网络研究扩增枢纽选址,同时优化运输线路;基于允许枢纽间转运和需求城市间巡回运输的运输网络,考虑低碳因素构建了最小化总运输成本、二级枢纽开放建设成本、枢纽处转运成本和总碳排放成本的数学模型,将问题分解为选址-分配与路径优化2个阶段,并针对两阶段特点分别采用0-1编码和数字编码设计了两阶段遗传算法;针对现有实际案例采用设计的算法进行求解,并将求得的最优运输方案与现实方案进行对比。研究结果表明:采用提出的算法进行10次运行获得的最优解与其平均值的差值百分比仅为4.7%,且平均求解时间仅为90.6 s;优化后网络扩增了2个枢纽,弃用了1个不合理枢纽,网络转运能力提高了11.3%,枢纽的平均饱和度降低了15.7%,不同枢纽的饱和度比原网络更均衡,不仅缓解了饱和枢纽的压力,还提高了空闲枢纽的周转率,从而提高了转运效率;优化后运输方案对应的总成本、运输成本、中转成本和碳排放成本分别降低了68.41%、68.14%、56.55%和86.76%,且碳排放减少最为突出。由此可见,提出的模型和算法对扩张轴辐式网络选址和混合轴辐式多式联运网络运输方案的组合优化具有较好的性能。      

考虑随机需求和时间约束LIRP联合协同优化

针对多节点多层次多功能的供应链管理中整体效益亟待提高的问题,结合某连锁超市的单一供应商、多分销中心、多零售店所构成二级分销网络,建立以系统总成本和供货时间为目标的多目标选址-库存-路径问题(location-inventory-routing problem,LIRP)集成规划模型.利用线性加权法将其转化为单目标规划模型,提出遗传算法和节约里程法相结合的两阶段启发式算法并求解模型,第1阶段用遗传算法求解选址-库存问题,第2阶段用节约里程算法求解车辆路径规划问题.并结合某连锁超市实例,对不同总成本权重下的不同决策方案的分销网络进行LIRP集成优化,优化后的系统方案比原文献的总里程减少了3 606.9 km,系统总成本减小了6 526.2元,缺货成本降低了124.6元,只有19.7元,验证了模型和算法的有效性.     

配送中心选址与车辆路径一体优化模型与算法

在配送系统中,配送中心选址问题与在此基础上的车辆路径问题相互影响.为了反映两者之间的相互关系,建立了配送系统优化的双层规划模型.模型上层为配送中心选址问题,下层为车辆路径优化问题.由上层模型给出初始配送中心选址方案;在此基础上由下层模型进行配送车辆路径优化;然后计算上层模型中的供应商到配送中心的运输费用,从而得到上层模型的目标函数;再对上层模型方案进行调整.设计了基于遗传算法与粒子群算法的求解方法.算例分析表明,与两者分别优化相比,双层规划模型可以降低配送系统的总成本,提高配送系统的整体效率.     

双重不确定下应急物资多式联运可靠路径优化

为按时、可靠地将应急物资运达目的地，综合考虑需求和运输环境的双重不确定性、节点疫情感染风险、成本约束、班期限制和转运能力限制等，构建以可靠度最大为目标的应急物资多式联运可靠路径优化模型。同时针对所求问题的NP-难特点，设计蒙特卡洛自适应遗传算法和模拟退火遗传算法进行求解，并引入优劣解距离法对算例的运行结果进行分析。研究结果表明：蒙特卡洛自适应遗传算法较模拟退火遗传算法在求解质量和求解时间方面更优，在交叉概率为0.80，变异概率为0.08，种群大小为50的最佳参数组合下，得到的优化路径最大可靠度为85%，且求解出来的最优路线均未经过存在疫情感染风险的节点，求解结果较好。参数分析表明：在交叉概率相同的条件下，两种算法的平均运行时间均随着变异概率的降低而减少，随着变异概率的增加而增加；多式联运路径优化的决策会受水铁班期的影响。     

面向随机因素的多式联运动态路径优化

针对随机因素影响下多式联运所表现的动态性和随机性,在引入惩罚因子控制运输质量的基础上,以总费用最小化为目标,建立了具有软时间窗约束的动态路径优化模型;运用基于Dijkstra算法的改进路径优化算法求解模型;设计了一个基于铁路、公路、航空及水运等4种运输方式的多式联运问题的算例,验证了模型的实用性和有效性。     

������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.     

基于Martins算法的联合运输最优路径规划

为了快速高效地找出最优的联运路径,在现有模型的基础上,考虑时间窗约束,建立了具有多目标、多运输方式、多货种的路径选择改进模型,并设计了2层搜索算法求解该模型.第1层在已知每条路径标签的基础上,根据时间窗删除规则并利用改进的Martins算法,计算出有效路径集;第2层将第1层的有效解作为其初始解,删除不满足货物运输总时间、中转次数和运输方式容量3个限制条件的路径,得到最优路径集合.根据货主的需求,采用序数偏好方法,组合不同的费用权重和时间权重得到综合权重值,找出对应最大综合权重值的最优路径.实例分析表明:相比已有的标签算法,改进算法增加了运算方式容量限制条件,缩小了解空间,避免了生成无效路径;相比拉格朗日松弛算法只能求得解的上下限,本文算法能够求得精确解,耗时在30 s以内,计算时间减少75%.      

带同时取送货的选址-多车型路径问题研究

考虑配送具有多车型、同时取货和送货等情形,研究带同时取送货的选址-多车型路径问题,建立相应的数学模型,并设计了求解该模型的改进遗传算法。为了对所构建模型及算法进行验证,设计了相应的算例进行仿真分析。算例测试结果表明这是求解带同时取送货的选址-多车型路径优化问题的一种有效方法。     

不确定环境下多式联运路径多目标优化

针对不确定环境下的多式联运网络,考虑转运成本、时间及运输方式班期等影响因素,构建运输总成本最小和运输总时间最小的双目标优化模型.通过蒙特卡洛方法处理网络中的不确定性,设计结合非支配排序的多目标蚁群算法求解Pareto解.为解决基本蚁群算法收敛过慢、过早收敛带来的求解质量低等问题,在状态转移策略中加入方向启发因子,在信息素更新策略引入"最大-最小蚂蚁系统",从而提高解的质量.最后通过算例检验改进蚁群算法的优化效率,并为决策人提供5个充分满足其对不同目标要求的决策路径.