城市路网模块结构探测及Hub路段诊断算法

为了剖析城市路网拓扑结构的复杂性,识别路网中的关键路段,根据模块结构理论,分析了城市路网的聚类特性,提出了一种适用于城市路网模块结构划分和Hub路段诊断的算法——GN-T算法.该算法通过逐条移除介值最大的路段实现模块结构的划分,从而诊断出路网中的Hub路段.为确定模块结构的最佳划分,提出了一个改进的模块度函数.以武昌区路网为例对该算法进行验证,结果显示:武昌区路网模块度的最大值为0.41,表明该路网具有明显的模块结构特性;利用该算法诊断出的Hub路段与实际情况相符,证明了该算法的有效性和实用性.      

时间窗约束下需求可拆分的拣选与配送联合优化问题研究

针对企业急需解决的订单履行效率低问题,基于需求可拆分的思想,综合考虑时间窗和组合拣选策略特征,建立时间窗约束下需求可拆分的拣选与配送联合优化模型。通过拣选成本、拆分需求成本、配送成本、时间惩罚成本反映订单履行效率,指出拆分需求、组合策略以及算法对于模型的优化。利用两阶段算法对模型求解,通过算例验证了模型和算法的有效性。最后以不拆分需求、S-Shape策略和顺序决策算法为对比方案,发现总成本分别下降了33.43%、12.3%和28.17%,证明本文建立的模型和算法可以有效提高订单响应速度,降低订单履行成本。     

随机需求下的CDL系统多目标优化

为了增强越库配送对市场随机需求的适应性,兼顾总体利益和零售商门店的个体利益,充分考虑随机需求、库存、配货和原始订单等因素,以提高最终订单满足随机需求的置信水平、增加配送车辆满载率和降低总运营成本为目标,建立了多目标随机规划模型,构建了正规化的多目标适应度函数,设计了具有自适应特点的遗传算法,并进行了实例研究.结果表明:与原始订单相比,最终订单满足随机需求的置信水平、配送车辆满载率分别增加了3.59%、12.71%,每天的总成本平均减少了631 845元,降低了13.73%.     

带订单选择车辆路径问题的模型与算法

共同配送能够有效提高物流资源利用率,降低物流成本,在此环境下,本文提出了一种带订单选择的车辆路径问题.运输企业可以将运输订单委托给合作企业或者接受合作企业发布的订单,需要同时进行订单选择和车辆路径优化.针对该问题,以最大化企业经济效益为优化目标,建立混合整数规划模型.针对此NP-Hard问题设计了遗传算法进行求解,提出了对该问题染色体编码的一种精确分割算法以得到可行解的结构.本文构造了不同规模的算例,使用Matlab进行数值实验.结果表明,运输企业通过订单的双向委托,能够有效减小车辆行驶距离的同时提高企业的经济效益,为共同配送系统中的个体行为分析提供了理论基础.     

基于订单拆分的线上到线下连锁门店配送优化模型

针对零售企业线上到线下(Online To Offline, O2O)转型下连锁门店订单分配和配送问题,考虑门店商品种类、库存容量及客户退货等因素,提出只按商品种类而非数量进行拆分的订单拆分策略.以配送总费用最小为目标,构建基于订单拆分的O2O门店配送优化模型;设计包含线上订单就近分配和改进禁忌搜索的两阶段启发式求解算法,采用标准算例库中数据验证模型和方法的适用性和有效性.结果表明：与不拆分订单方法相比,订单拆分能够提高客户订单履约率,各门店商品总库存量不小于客户订单总需求量时,客户订单履约率达到100%.     

基于订单拆分的线上到线下连锁门店配送优化模型

针对零售企业线上到线下(Online To Offline, O2O)转型下连锁门店订单分配和配送问题，考虑门店商品种类、库存容量及客户退货等因素，提出只按商品种类而非数量进行拆分的订单拆分策略.以配送总费用最小为目标，构建基于订单拆分的O2O门店配送优化模型；设计包含线上订单就近分配和改进禁忌搜索的两阶段启发式求解算法，采用标准算例库中数据验证模型和方法的适用性和有效性.结果表明：与不拆分订单方法相比，订单拆分能够提高客户订单履约率，各门店商品总库存量不小于客户订单总需求量时，客户订单履约率达到100%.     

混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.     

混合下单模式下在线餐饮订单配送优化模型

针对在线餐饮订单量激增及订单到达非均匀分布导致的调度不合理与资源浪费等问题，提出顾客提前下单与动态实时下单相结合的下单模式，研究此模式下订单配送优化. 考虑在线餐饮订单配送优化具有的动态VRP和多回程VRP属性，以最小化配送成本为目标，建立带有软时间窗的整数规划模型. 设计基于插入算法和2-opt 邻域搜索的混合启发式算法求解模型. 通过算例，分析提前下单顾客比例、提前下单时长等因素的影响. 结果表明，单个因素的增加会降低配送成本，当两者同时增加，因系统达到饱和使配送成本不升反降，因此要调整措施使顾客下单情况与系统配送能力相适应.     

基于DA-SSD的有轨电车轨道小目标障碍物检测算法

城市有轨电车轨道障碍物的高精度、快速检测对保障城市有轨电车安全行驶具有重要意义。针对SSD算法检测轨道小目标障碍物精度较低的问题,提出了基于DA-SSD的城市有轨电车轨道小目标障碍物检测算法。在SSD目标检测算法的基础上,设计低层双段反卷积模块,丰富低层特征层的语义信息,增加自适应注意力机制模块,生成具有更强语义信息和精确位置信息的低层特征预测层,修正先验框生成方式,缩小各个特征层先验框的大小,增强轨道小目标障碍物检测的适应性。通过自制有轨电车轨道障碍物数据集进行训练与测试。结果表明：当R_iou=0.6时,DA-SSD算法的MAP达到78.17%,检测速度为23.4 f/s,相比SSD算法,该算法在保持高速检测的前提下,提高了有轨电车小目标障碍物的检测精度。     

考虑时空热度的共乘匹配问题建模及求解

在共乘匹配问题中,考虑时空热度对共乘车主收益的影响,构建了以共乘收益和共享路线百分比为优化目标的数学模型,提出了一种启发式多进程进化算法用于求解. 算法根据历史数据采用三次样条插值法和复合辛普森求积法得到预计订单的时空热度,从而预估车主共乘收益. 在进化算法中,根据差异度自适应选择不同的交叉策略,以达到搜索深度和广度的自动平衡. 实验结果表明,该算法与最优化算法(匈牙利算法)比较,在以相同效用矩阵作为输入条件时,本文方法可在较短时间内得到高质量的解,且在处理大规模实例上效果明显,能够高效求解共乘匹配问题.     

基于乘客到站率的公交发车频率优化

常规公共交通是城市居民出行的基本交通方式之一,为保障公交出行效率和降低运营成本,有必要对公交车辆的运营调度进行量化分析和系统研究.文中以居民出行和公交公司运营两者总成本最小为目标,提出了基于乘客到站率的多目标公交发车频率优化模型,以实现乘客和运营者双方的利益最大化.利用乘客到站率函数计算乘客的等车时间,使得模型在优化计...     

考虑多因素的不正常航班飞机计划恢复模型

为降低不正常航班给航空公司带来的负面影响,提出了一个以加权成本最小为目标的考虑 多个影响因素的不正常航班飞机计划恢复模型。模型目标函数考虑的因素包括航班延误与取消、飞机维护以及航班运行过程中与飞机和机场相关的各项改变,并且在约束条件中考虑了过站时间 等因素。针对所提出的模型设计遗传算法进行求解。基于大规模航班数据设计算例对模型和算法进行验证,研究结果表明：遗传算法适用于求解所提出的模型;通过对模型求解可以得到合理的 飞机计划恢复方案;除机场关闭之外,飞机维护任务、过站时间等因素对于航班的执行具有重要影响,因此在飞机计划恢复问题中应该考虑多方面的因素。算例结果证明了模型和算法的正确性 和有效性。     

基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

考虑船舶封存与压港的电煤船舶调度优化模型

针对中国电煤水运系统的实际特点, 综合考虑了船舶封存与港口拥堵(压港)因素, 建立了混合整数规划优化模型, 对电煤船舶调度方案进行优化; 基于运输需求的硬时间窗、卸货港船舶排队等待时间与水路-铁路运输协同三因素之间的互动关系, 以运输系统总成本最小为目标, 协同优化水、铁电煤运输的货运分担率、水路运输任务指派和相应的船舶调度与封存/启用方案; 基于改进列生成算法, 提出了一种可精确求解实际规模电煤船舶调度问题的列生成算法, 利用Gurobi求解列生成的主模型, 使用动态规划标号法求解列生成的子模型; 利用中国南部某火力发电集团的实际数据, 对提出的算法进行了算例分析。计算结果表明: 在中等规模的算例中, 使用提出的改进算法获得最优解仅需73.61 s, 相比于使用基于运输任务运量排序的启发式求解方法(PHA), 求解效率提高了18.1%;在较大规模的算例中, 使用提出算法的计算时间仅为222.02 s, 同比PHA, 计算效率提高了19.1%;通过求解一个实际的调度问题可以发现, 利用提出的优化模型和算法能有效缩短船舶在卸货港的等待时长与船舶处于启用状态的时长, 使运输总成本下降17.13%, 实现了电煤稳定运输, 提升了企业运营效率, 降低了运营成本。      

城市道路两相邻交叉口信号控制组合优化研究

以两个单点信号控制交叉口组成的简单绿波系统为例,建立一个以干线车辆行程时间最短为目标,各相位有效绿灯时间、饱和度及周期时长为约束条件的非线性函数模型,分别运用遗传算法和遗传退火算法对目标函数进行优化,实现了对绿波系统各交叉口信号配时的优化设计,并以实例加以论证,其优化效果良好。结果表明:遗传退火算法更能快速、准确地寻找出全局最优解。     

考虑二阶效应的空间刚架结构布局优化

针对三维空间刚架布局优化问题,以七自由度节点梁柱单元二阶弹性理论推导考虑构件几何非线性和截面翘曲变形的非线性刚度矩阵,通过整合梁柱单元非线性刚度矩阵对刚架结构进行整体的二阶弹性分析,建立满足刚架结构强度、刚度和稳定性要求的布局优化数值模型;并针对复杂刚架结构布局优化数值求解问题,改进遗传搜索算法（GA）,提出可靠拓扑和引导型遗传算法双向控制方法（KLGA）. 该方法一方面将拓扑变量从布局设计变量中分离,以构件重要度评定结构可靠拓扑变量组合,再与设计变量整合;另一方面将结构特有的引导信息加入算法中,为GA提供全局最优解的指引路径. 通过两种典型的刚架算例表明二阶效应模型和KLGA算法的可行性和有效性,例如算例2中基于二阶效应模型的KLGA得到的最优结构质量比GA减轻了24.5%,波动幅度从9.61%提升到1.39%,算法更加稳定.      

震后恢复期物资配送中的多周期选址-联运问题

震后恢复期的物资配送是一项复杂的系统工程,针对震后恢复期两级救援物资 配送系统中的多品种物资、多运输方式、多周期决策等特征,提出了一个以系统总费用最 小为目标的混合整数线性规划模型,用以解决震后恢复期救援物流系统中的选址-联运 问题.针对该模型的特点,设计了一种结合启发式规则的分周期、分阶段解码的混合遗传 算法. 以“5.12”汶川大地震恢复期救援物资保障过程构建算例,对该模型和算法进行了实 例验证. 结果表明,该算法具有较好的性能,可以有效解决震后恢复期物资配送中的多周 期选址-联运问题.     

基于遗传算法的列车端部桁架优化设计

为实现列车端部桁架优化设计,提出了一种将ANSYS和遗传算法有机结合的优化设计方法,该方法是将模型用批处理命令流（APDL）描述,在命令流文件中定义优化目标,设计变量及约束条件,然后遗传算法（GA）把ANSYS的前处理模块作为计算黑箱进行后台调用,从而对吸能结构进行优化设计．以桁架为应用对象,给出了该方法对桁架吸能结构优化设计的全过程,证实把遗传算法引入复杂结构的大规模优化计算是可行的．     

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.