铁水运输调度双层多目标约束优化模型

为实现铁水运输作业排程与资源分配的协同优化，基于约束程序累积调度和字典序多目标优化理论，研究了铁水运输调度双层多目标约束优化方法.首先，基于铁水罐周转率最高和作业效率最高2个字典序优化目标，考虑作业时序、作业实施逻辑、铁水温降时限、铁水罐作业次数限制、资源容量限制和铁水罐资源池等约束条件，建立了上层的铁水运输作业排程约束优化模型；其次，以资源利用均衡度最高为目标，将作业实施唯一性和资源容量限制作为约束条件，建立了下层的铁水运输资源分配约束优化模型；最后，通过约束传播与多点构建性搜索的混合算法迭代求解整个模型.通过实例验证表明：设计的混合算法求得的铁水罐周转率目标和运输作业效率目标，比基本深度优先回溯算法分别提高了14.29%和60.53%；字典序多目标模型比加权和单目标模型求解效率和求解质量分别提高了20.3%和11.11%.     

多目标决策问题的模糊数学解法

针对多目标决策问题，在已知目标权重范围的前提下，应用模糊数学理论提出了一种求解多目标决策问题的客观赋权的模糊算法，把多目标决策问题转化为单目标规划问题进行求解，并通过实例说明了此方法的具体应用．最后进行了理论分析，论证了该算法的先进性与有效性。     

基于模糊偏好的不确定性多属性决策方法

通过建立模糊偏好下模糊属性的序关系，探讨了属性值为模糊数的一类多属性决策问题，在此基础上，提出了不确定多属性的统一序关系。     

多品种供应的多供应商选择模型及分解算法

为解决供应链中多品种供应的多供应商选择问题，建立了以供应综合成本最低为目标函数、满足多个约束条件的组合优化模型．为解决求解的困难，采用变换分解算法，将原模型转换为整数规划问题．根据不同迭代方式，给出了2种基本运算步骤．在算例中运用模型和算法，得到了多物资供应环境下多供应商的最优任务分派．新方法克服了常规供应商的选择评价方法只针对单一物资供应过程和面向单一供应商选择过程的局限性．     

基于群体理想解的多属性群决策算法

为了求解多属性群决策问题，采用理想点法，对每个单一属性将个体判断集结成群体判断，构造出了群体多属性决策矩阵．从而，将复杂的多属性群决策问题转化成一般的多属性决策问题，并采用理想点法进行了求解．最后，给出了1个群体投资项目选择的算例．     

多目标评价指标的定性定量规范化研究

对几种传统的多目标评价指标的量化方法作了评述，指出了其存在的若干问题，继而根据不同特征，提出了由特态分析，上下限分析，到定量刻画所组成的指标定性定量规范化方法。并就多目标决策问题中规范化的作用提出新观点。     

不定期多目标动态规划问题的非劣矩阵解法

针对不定期多目标规划问题，指出其一般只存在非劣解的性质，提出了不定期多目标阶段收益非劣合成矩阵、不定期多目标递推矩阵等概念．在此基础上构造出不定期多目标动态规划问题的非劣矩阵解法．该方法不要求事先给出各目标的相应权重，并能保证找到所有非劣解．文中给出的计算实例验证了这一方法的正确性和实用价值．     

铁路选线设计方案多目标决策模糊优选模型及其应？…

铁路选线设计方案优选是一个多目标决策问题,本文中将为案优选视为多目标决策模糊优化问题,建立了相应的系统模糊优选模型,并结合实例编制了该模型的应用软件。     

双层集装箱列车装载问题多目标优化研究

为了提高双层集装箱列车的装载效率,保障双层集装箱列车的运行安全,建立 了一种降低重车重心高和均衡车辆转向架负重差的双层集装箱列车装载问题多目标优 化模型,并采用字典序规划法对多目标优化问题进行求解,即为存在矛盾的优化目标与 约束条件设置不同的优先级.为了优化重车重心高,采用线性分式规划将相应的混合整数 分式问题转化为一系列混合整数线性规划子问题进行求解.算例验证结果表明,研究所提 出的多目标优化方法能够在保证列车集装箱装载量最大的条件下降低集装箱车的重车 重心高,并减少其转向架负重差,具有重要的应用价值.     

编组站静态配流的约束传播和启发式回溯算法

为了提高阶段计划的编制效率,针对编组站静态配流字典序多目标累积调度模型,设计了迭代、约束传播和启发式回溯的混合算法.该算法根据多目标的字典序将模型分为3层:第1层为配流成功的出发列车优先级总和最大化,第2层为出发列车车流来源总数最少化,第3层为车辆平均停留时间最短化.每层先通过约束传播算法化简模型、缩小解空间,再通过启发式回溯算法和约束传播技术联合快速求解.上一层的最优解作为下一层的初始解,并动态增加避免上一层目标退化的约束,迭代求解每层的最优解.通过某编组站实际数据验证表明,本算法耗时小于20 s,满足现场对阶段计划编制的实时性要求,且求得的配流方案优于其他算法.      

多属性随机时间依赖网络路径优化

为了改善实时交通诱导,根据交通网络中路段属性具有随机时间依赖性的特点,将路段各属性定义为关于时间的离散随机变量,建立了多属性条件下随机时间依赖网络路径优化模型.基于信息熵的多属性决策方法,设计了模型的求解算法;优化了网络节点的搜索顺序,使每个节点的信息只通过一步更新就可得到,从而获得多属性条件下所有节点到给定终点的路径选择结果,出行者可以根据到达某节点的具体时刻选择行进方向.最后,通过算例给出了算法的实现过程,并说明了随机时间依赖网络不遵从“先进先出(FIFO)”条件.     

基于蚂蚁算法的物流配送路径的优化

随着物流行业的发展,物流配送成本成为人们关注的问题。为了进一步降低日益复杂的物流配送成本,文中将蚂蚁算法应用于物流配送的路径优化问题中,设计了求解物流配送路径优化问题的蚂蚁算法,并应用实例加以仿真计算,结果表明该算法对物流配送路径优化是实用和有效的。     

公共交通枢纽换乘算法设计

对公共交通枢纽换乘算法设计,换乘分为直达线路,一次换乘,二次换乘,换乘算法的具体设计分为两个步骤1、构造并求解换乘矩阵,获得公交换乘方案(即从起点到终点最少换乘次数,及换乘站点).2、根据最少换乘次数,缩小求解范围,求解起始站点与目标站点间的最短路径,进而得到最佳路径.     

求一类无穷级数和的新方法

基于基础数学知识,建立了求一类无穷级数和的新方法。     

利益博弈下的城市出租车管理费测算

为科学测算城市出租车管理费,解决现有测算方法难以体现各方利益均衡的 难题,运用博弈理论,解析出租车公司与司机的动态博弈过程,明确各博弈路径的收益函 数和各主体的博弈均衡条件,通过求解最优子博弈纳什均衡,给出管理费合理范围的测 算方法,并以西安市为例进行实证检验,为城市出租车管理费测算提供基础性决策依据. 研究表明,出租车运营各主体收益最大得以实现的条件是对方是否能以更大概率选择对 自身有利的策略,从利益博弈视角测算管理费能实现双方收益均衡,缓解利益冲突.西安 市的合理范围为4 022–5 840 元/（月·车）,即现实中有72%的出租车利益冲突激烈,这与 实际相符,说明该方法可信.     

粗糙费用多设施选址问题的模型和算法

设施选址在整个物流网络中是一个十分重要的决策问题,它决定了整个物流系统的模式,结构和形状.设施选址方法尤其是多设施选址方法的研究已经成为一个备受人们关注的研究领域.首先介绍了设施选址的重要性. 然后在粗糙环境中根据不同的决策标准,建立了3种不同类型的模型,并设计了一个遗传算法来解决其中1个模型.最后给出了1个数值例子.     

改进的禁忌搜索算法求解多机并行模糊调度问题

提出一种改进的禁忌搜索算法求解多机并行模糊调度问题,该算法在邻域中引入记忆结构,可以减少重复搜索,并对候选解集使用映射排序法进行剪枝,减少了搜索空间,从而极大的提高了算法效率．同时为了减少计算误差,该算法计算时不需要将模糊时间转换为精确时间求解,可以同时处理作业加工时间是三角模糊数或梯形模糊数的情况,从而更具有通用性．仿真结果证明该算法有效、可行．     

江苏沭阳干线公路网节点布局方案研究

对沭阳节点的路网布局做了深入的阐述,分析其路网现状及存在的问题,通过该节点205国道的改建项目,对沭阳周边路网进行了梳理,改革了老路路网构造,对解决干线公路节点问题具有一定的参考意义。     

Optimal Threshold Policies for Robust Data Center Control

With the simultaneous rise of energy costs and demand for cloud computing, efficient control of data centers becomes crucial. In the data center control problem, one needs to plan at every time step how many servers to switch on or off in order to meet stochastic job arrivals while trying to minimize electricity consumption. This problem becomes particularly challenging when servers can be of various types and jobs from different classes can only be served by certain types of server, as it is often the case in real data centers. We model this problem as a robust Markov decision process (i.e., the transition function is not assumed to be known precisely). We give sufficient conditions (which seem to be reasonable and satisfied in practice) guaranteeing that an optimal threshold policy exists. This property can then be exploited in the design of an efficient solving method, which we provide. Finally, we present some experimental results demonstrating the practicability of our approach and compare with a previous related approach based on model predictive control.     

不发达网络环境下基于神经网络的危险品公路运输路径决策

随着经济的发展,危险品的运输量在大幅增长,危险品对环境和人类的潜在风险在扩大。如何选择一条最佳的危险品运输路径,使其既能保证运输安全又能保证快捷地到达目的地,是决策部门面临的一个重要问题。文章在构建危险品公路运输路径决策指标系统的基础上,建立了危险品路径决策的BP神经网络模型,并通过一个例子证明了该决策模型的可行性。该方法有助于决策部门在不发达网络环境下选择合理的运输路径。