随机需求IRPTW的多目标优化

针对随机需求下带时间窗的存贮路径问题,建立了多目标库存和配送策略优化模型,用多目标遗传算法对模型求解．该算法采用精华保留策略和自适应调整策略等遗传算子逼近全局最优解,可以克服遗传算法局部搜索能力不足的缺陷,提高收敛速度和改善全局寻优性能．以某物流公司的产品配送系统为例,用多目标遗传算法获得了费用较低的方案．     

考虑补货周期偏移的最优库存控制双层规划

研究了物流系统中多产品共用仓库的存贮策略.假设库存系统的平均总费用包括每次订货的固定订购费、产品所需仓库空间决定的固定存贮费,以及实际存贮产品数量决定的可变存贮费.通过多产品补货周期的相对偏移节省存贮空间和费用.最优库存控制双层规划模型中,以库存系统的平均总费用最小为上层目标,以库存系统所需的仓库空间最小为下层目标,上下层模型的决策变量分别为补货周期和补货周期的偏移量.设计了求解该模型的粒子群优化算法,求得最优补货周期和补货周期偏移量.用算例验证了模型和算法的有效性.     

一种复杂诊断系统的多智能体协同求解算法

为适应故障诊断中动态变化的环境和满足求解复杂系统全部任务的要求,研究一种基于MAS的分布式智能监控系统.以诊断决策问题的结构及建模过程的层次性为基本思想,基于诊断任务的多层次混合分解策略,提出了融合不同表达方式和推理机制的多Agent并行诊断结构,分析了管理Agent,诊断Agent和决策Agent的基本职能.探讨了实时Agent的组织和演化机制,给出了并行推理过程中的冲突消解算法,建立了具有公共属性的智能体模块化层次结构,实现了基于MAS多层分布式黑板模型的智能监控系统.工程应用效果验证了该求解的可行性和有效性.     

带时间窗的甩挂运输路径优化问题研究

针对带时间窗的甩挂运输路径优化问题,考虑整车和卡车2种运输方式,以及整车、卡车、混合3种行驶路径,以行驶时间为目标函数构建模型,设计基于A、B策略的两阶段混合启发式算法.算例分析结果表明：针对客户规模在100以内的小规模算例,均可在3s内求得结果,策略B的求解时间少于策略A,而策略A的目标函数优于策略B;当客户规模逐步增至900时,选择策略A可获得更高的求解效率.可见,本文所构建的模型与算法是可行和有效的,对实际配送过程中的车辆指派与路径优化具有一定的参考价值.     

多Agent系统协作求解的粒子模型方法

讨论了多Agent系统分布协作求解和粒子协作之间的关系,提出了一种多Agent系统协作求解粒子模型方法,将任务资源规划协作求解过程转化为多粒子共同寻优的过程.引入了协作程度变化参数,建立了需求强度计算公式和效益目标函数,并构造了适合求解的粒子群算法.通过算法的寻优计算,得到了任务资源规划协作求解的最优解.仿真实验结果表明,对于复杂的任务资源规划问题,该方法能描述和处理Agent本身自组织现象和社会交互行为的随机性和并发性,并具有良好的收敛性和有效性.     

动态行驶时间取送一体化车辆路径问题

为优化真实路网下的车辆配送路径,采用优化 + 调整的两阶段求解方法. 在优化阶段,根据常发拥堵信息,采用遗传算法求解时变取送一体化车辆路径,安排车辆初始配送路径. 在调整阶段,以路段行驶时间为时间间隔,采用滚动更新策略调整车辆配送路线躲避偶发拥堵. 在针对车辆路径调整问题构建了一系列混合整数规划模型的基础上,设计了2-opt + insertion启发式算法求解模型,并结合Dijkstra算法求解到的客户点间最短行驶路线,将车辆配送路径转化成了真实路网中的车辆配送路线. 数值实验测试结果表明:滚动更新策略中,以路段行驶时间为时间间隔比以客户间行驶时间为时间间隔减少车辆行驶时间0.24～11.95 min;以路段行驶时间为时间间隔比以24 min为时间间隔减少车辆行驶时间0.08～8.06 min,比以6 min为时间间隔减少更新次数10.02～34.59次,因此,固定时间滚动更新策略中的最优时间间隔难以确定,其实用性较差. 2-opt + insertion启发式算法求解速度是遗传算法的4倍.      

基于混合修正策略的随机时间车辆路径优化方法

针对带有随机旅行时间、随机服务时间及时间窗约束的车辆路径问题,建立了带修正策略的随机规划模型,并给出了两阶段求解方法.第一阶段运用改进遗传算法获取先验路径,第二阶段采用两种混合修正策略(分别记为A、B)调整"失败"的先验路径.混合修正策略A(B)通过随机模拟实验判断对当前顾客的延迟服务(对下一顾客的服务)是否会对该路径后续顾客造成大规模延迟服务,并采取相应的调整措施.基于Solomon算例进行了仿真实验,对小规模算例将仿真结果同CPLEX求解结果作对比;对大规模算例将仿真结果同已知最优解作对比.结果 表明:所给算法可获得小规模算例的精确解,大规模算例的近似最优解.同时,对比不同策略下的仿真结果表明两种混合修正策略具有优越性,研究结果对随机车辆路径问题的求解具有一定的参考意义.     

一类动态车辆路径问题模型和两阶段算法

针对一类动态车辆路径问题,分析4 种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP 问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees 对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12 个大规模CVRP标准算例,设计并求解36个DVRP算例.求解结果表明了模型和两阶段算法的有效性.     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。     

基于多Agent的机场场面最优滑行路径算法

为了保障机场安全,提高机场运行效率,建立了依据进出港航班滑行时间最短为决策的多Agent模型,模型以多Agent技术为基础,融合了Dijkstra算法的最优路径选择和合同网协议的思想,形成了基于多Agent的滑行路径优化算法,并依据该算法进行了仿真分析.仿真结果表明:与指定航班优先级相比,使用基于多Agent的优化算法处理同优先级航班,总运行时间可减少15 s;基于多Agent的场面运行调整算法可以有效地把航班和机场上分布的滑行道、跑道、停机位等资源组织起来,智能地发现冲突、躲避冲突,达到全局滑行时间最短,因此,该算法可行.     

客流异常下的公交动态调度研究

通过分析公交系统的运营特点,对公交调度中的客流异常事件进行分析。在计算客流异常系数的基础上,建立客流异常条件下的公交动态调度流程图,并通过实例进行验证,说明此方法能够快速有效地解决客流异常问题。     

浅议"数学思想"在高职高专数学教学中的作用

"数学思想"是数学教育的根本所在,在高职高专数学教学中有着重要的作用,对课堂教学的方式方法都有着根本的影响.本文通过对"数学思想"的阐述,对高职高专中数学教学的核心问题提出了个人的见解.对教学教育如何与高职高专对学生的"应用性"的要求相结合,提出了自己的意见和建议.     

多车场协同运输的公共自行车调度方法研究

为改善城市公共自行车使用过程中“借车难,还车难”的问题,针对公共自行车调度问题展开研究。通过构建一个多车场协同运输的公共自行车调度优化模型,分析公共自行车系统静态调度的最优路径问题。在模型求解方面,设计一种融合遗传算法和禁忌搜索算法的启发式求解算法,通过M atlab编程对模型进行求解。最后,以中山市公共自行车系统为例进行分析,结果显示本调度方法比传统调度方法节约9.3％的调度成本。     

运行参数对汽车燃油经济性影响程度的区间分析方法

为了提高汽车燃油经济性,介绍了区间数学基本概念,运用Matlab建立了发动机万有特性的数学模型,应用区间数学分析了公交汽车在运行过程中行驶车速、载质量、道路阻力系数等运行参数波动对汽车燃油经济性的影响程度。分析结果表明:车速波动对汽车油耗量的影响程度随着车速的增大而明显增大,但汽车油耗量的波动随载质量的不同相差不大;道路阻力系数波动对汽车油耗量的影响最大,其次是载质量和行驶车速。     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器一人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化．最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性．     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器-人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化.最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性.     

考虑公交自行车的多层次公交协同调度研究

利用自行车实现公交线路之间换乘，可以有效扩大公交线路换乘范围. 实现不同层次公交线路间协同调度，可促进综合公交体系整体效益的发挥. 本文研究了考虑自行车换乘的、不同层次公交线路的协同调度问题，以乘客在线路间换乘的加权等待时间最小为优化目标，建立了相应的协同调度模型，基于遗传算法进行求解. 选取不同层次的实际公交线路，对所提协同调度模型进行仿真验证. 研究表明，所构建的协同调度模型及求解结果，能够有效缩短乘客在不同层次线路间换乘的等待时间.     

单配送中心快递企业共同配送车辆鲁棒调度研究

考虑到不确定因素在快递企业共同配送车辆鲁棒调度问题中广泛存在,为了改善快递企业的服务水平,并缓解快递派送中由于不确定因素带来的客户满意度低的现状,采用鲁棒离散理论的相关知识,建立了车辆路段等待时间不确定情形下的单配送中心快递企业共同配送车辆调度的多目标鲁棒优化模型,然后根据转化规则,将鲁棒优化模型转化为确定型优化模型,并采用改进的遗传算法对其进行求解。结果表明,快递企业采用共同配送模式可以有效降低成本,节约时间,而且企业决策者可以根据所考虑的不确定性值G 的大小,选择自己偏好的车辆调度方案。     

Algorithms for Assembly-Type Flowshop Scheduling Problem

An assembly-type flowshop scheduling problem with minimizing makespan is considered in this paper. The problem of scheduling for minimizing makespan is first addressed, and then a new heuristic algorithm is proposed for it.     

基于事件驱动的城市交通信号控制方法

随着城市交通信号控制需求的不断提高,各种新智能交通信号控制算法不断被提出和改进。然而受到现有设备固有控制方式和不同类型信号机无法协同的局限,智能控制算法多停留在理论研究和仿真试验阶段。为实现不同交通信号控制算法的统一模式,提出一种基于事件调度的交通信号控制模型（ED-Model）。该模型将控制算法拆分为状态检测与请求调度两大功能模块,通过扩展后状态检测的抽象概念事件统一了系统输入,通过交通信号控制请求调度系统实现系统输入的响应模式,从而实现各类交通信号控制算法的统一实现架构。分析表明,ED-Model可以有效地实现当前各类常规控制需求,并对其他各类智能算法的移植实现具有较好的可扩展性。