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.     

停车换乘选址模型研究

分析了国内外P&R实施现状,以及P&R选址理论的研究现状.在广义多设施多目标优化选址模型的基础上,以各需求点与临近的供应点之间的总广义费用(出行时间、出行费用)最少为优化目标,提出了多设施多目标P&R选址模型.最后综合利用节点迭代的方法,提出模型的求解算法,并利用一个简单的网络验证模型的合理性.     

停车换乘选址模型研究

分析了国内外P＆R实施现状,以及P＆R选址理论的研究现状．在广义多设施多目标优化选址模型的基础上,以各需求点与临近的供应点之间的总广义费用（出行时间、出行费用）最少为优化目标,提出了多设施多目标P＆R选址模型．最后综合利用节点迭代的方法,提出模型的求解算法,并利用一个简单的网络验证模型的合理性．     

城市停车换乘两阶段选址模型

为更好地促使小型汽车出行者在城市中心外围换乘公交车出行,最大限度地建立满足停车设施使用者、投资者及管理者三方效益最优的停车场。区别于传统的单一模型选址,提出基于GIS的初步选址和贝叶斯网络建立决策指标体系的两阶段城市换乘停车场选址模型。第一步,根据停车场选址原则及影响因素,首先使用均方差方法确定各影响因素权重;其次,采用GIS对各影响因素进行地理空间选址适宜性分析;最后,结合各影响的权重进行综合评价,对城市停车换乘设施进行初步选址。第二步,在第一步的基础上通过贝叶斯网络建立决策指标体系,对备选停车场进行综合评判,得出较优选址方案。通过对选址结果进行实地考察,两阶段选址法符合城市停车换乘设施选址。     

非完美信息下京津冀区域物流设施选址研究

针对大规模物流设施选址问题,本文构建了非完美信息下设施可靠性选址的连续逼近模型.该模型不仅考虑了设施存在损坏的可能性,而且考虑了由于信息缺失顾客无法获得设施状态且存在返回出发地的行为.由于该模型的结果无法直接确定设施选址点,因此采用Disk算法对该模型的结果进行离散化,获得物流设施选址方案.以京津冀区域物流设施选址为例,验证了该模型有效性并对设施布局特性进行了分析.最后,通过灵敏度分析探讨了不同参数对京津冀区域物流设施选址的影响.     

成熟期快速时尚品物流分销网络选址-分配模型

为解决快速时尚品在成熟期网络销售过程中的物流节点选址与分配问题,以分销网络收益最大化作为决策目标,考虑销售策略及提前期约束的影响,构建了由4个参与方和4层物流设施构成的快速时尚品物流分销网络的多周期非线性混合整数规划模型,并采用遗传算法确定产品折扣率以及中央仓库、第三方物流企业和自取点的选址、分配及服务方案.算例结果表明:当折扣率为0.687时,物流分销网络总收益最大;当集货期大于等于2d时,物流分销网络总收益的增长率迅速减小.     

突发公共事件下应急救援设施选址模型与案例

本文在对应急救援设施选址方法进行总结的基础上,根据突发公共事件下的选址特点,从需求角度对应急救援设施进行了合理分类,并分别针对紧急公共服务设施、临时应急避难所和长期应急避难所三类设施相应提出适用的选址模型。在此基础上,进一步针对紧急公共服务设施选址问题,建立选址模型和设计相应算法,基于TransCAD与Lingo软件开展案例研究,对所提出的模型进行验证,证明了模型的可靠性和有效性。     

受限单分配枢纽选址问题的并行蚁群算法

研究了受限单分配枢纽选址问题的特点,以网络运输总成本和固定设施费用之和为最小化目标函数,建立了具有较少变量的混合整数线性规划模型,应用并行蚁群算法对模型进行求解,并结合澳大利亚邮政数据进行选址仿真试验.计算结果表明:对于最难求解的50个节点的双紧约束问题,算法运算时间为3.59 s,远低于已有的其他算法；各算例的运算偏...     

基于低碳的报废汽车逆向物流网络选址问题研究

基于低碳的报废汽车逆向物流网络选址问题研究是针对报废汽逆向物流网络的选址问题,在基于多级物流网络的基础上,提出以总成本之和最小与碳排放量最小为目标函数建立数学模型,并确定在报废汽车逆向物流网络中的设施位置和数量,用LINGO软件对模型进行了求解,并用算例验证了模型的有效性,实现低碳经济。     

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...     

新一代网络技术--主动网络

主动网络(Active Network)是一种新颖的网络体系结构，这种新的网络体系加速了底层网络的革命，为网络新型应用的产生创造了条件。本文介绍了主动网络的体系结构、关键技术、主动网络上的应用、有待研究的一些问题及主动网络研究发展的前景。     

基于主动网络的网络管理

在分析现有网络管理模型面临的困难基础上引入了主动网络技术,并设计了一种新型的基于主动网络技术的分布式网络管理模型：研究了利用主动网络技术解决网络管理问题的结构、优势以及协议。并以路由跟踪为例详细说明了管理功能的实现。     

一种基于二层贝叶斯网的网络入侵检测方法

提出了一种基于二层贝叶斯网的网络入侵检测方法,该方法能够从审计数据中自动学习知识生成入侵模型,并根据该模型检测入侵行为,从而提高入侵检测系统得自适应性和可移植性,降低系统的误报率和误检率．并通过设计实验来验证基于贝叶斯网的入侵检测系统的性能,实验数据采用KDD cup 1999年的部分数据．实验结果表明：该方法在只使用10％训练数据和部分记录属性来学习的情况下,检测效果仍比较好．     

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

城市道路网拓扑结构的复杂网络特性研究

以城市道路网中的连续道路中心线作为网络拓扑结构的基本分析单元,作者采用对偶法对我国12个不同规模和形态的城市道路网的拓扑结构进行了抽象,在此基础上分析了我国城市道路网拓扑结构具有的普遍复杂网络特性。研究指出,我国城市道路网的拓扑结构一方面具有较小的特征路径长度和较大的聚类系数,是典型的小世界网络;另一方面其度分布函数为幂律形式,又具有典型的无标度特性。     

Relations Between Wavelet Network and Feedforward Neural Network

A comparison of construction forms and base functions is made between feedforward neural network and wavelet network. The relations between them are studied from the constructions of wavelet functions or dilation functions in wavelet network by different activation functions in feedforward neural network. It is concluded that some wavelet function is equal to the linear combination of several neurons in feedforward neural network.     

论网络传播方式对网络广告效果的负面影响

网络传播方式变革了传统媒体信息传播方式，它促进了网络广告的发展，但同时也阻碍了网络广告的发展。本文通过对网络广告信息接收媒介和交互性两个主要方面进行分析，指出了网络传播方式对网络广告效果的负面影响，并提出了尽量避免其负面影响的相应措施。这对于提高网络广告的效果，促进网络广告市场的繁荣，提供了一定的思路。     

基于网络效率的日变路网脆弱性识别方法

在日变动态路网背景下,采用传统的静态脆弱性识别方法有可能无法完全辨识路网系统单元的脆弱性,这不利于事件管理规划和应急物资调配工作的开展.为此,以日变路网为研究对象,在单路段关闭情形下,定义了基于网络效率的路网动态脆弱性指标,表示为退化路网动态网络效率与完好路网静态网络效率的相对变化率.提出了基于单路段关闭的日变动态配流模型刻画日变路网流量的非均衡动态演化,并给出了相应算法.采用提出的指标和模型在实例网络中验证了日变路网脆弱性识别方法的可行性.对比分析了基于动态网络效率和基于静态网络效率的脆弱性识别结果,发现前者的识别率高于后者.     

基于多周期组件时空神经网络的路网通行速度预测

针对当前路网通行速度预测方法存在的中长周期预测准确性和稳定性不足、自适应路网拓扑空间关系建模能力有待进一步提升等问题,以多尺度卷积算子及门控循环单元为核心单元,提出一种面向路网通行速度预测任务的多周期组件时空神经网络模型。首先,根据路网交通感知数据的周期特性,将其规约为周、日和近期这3种不同粒度的时间-空间-特征三维矩阵,并输入至3个共享网络结构的周期组件。其次,在每部分组件中,利用多尺度卷积核捕获多因素非线性相关性与不同空间视野大小的路网节点空间相关性。然后,对每个路网节点的时序特征使用门控循环单元提取交通数据长时依赖关系,引入残差学习框架,提高网络训练效率并防止梯度弥散。最后,自适应加权融合通过预测卷积层的每部分周期组件预测结果生成预测时段内路网交通通行速度。为验证所提方法的有效性,基于两个公开的交通状态数据集进行实验分析,并选取当前主流的深度神经网络模型作为对比基线模型。结果表明,所提方法在可接受的执行时间内,在两个数据集上平均绝对误差、平均平方误差和平均绝对百分比误差分别为 2.55、3.94 和 10.75%,1.57、3.52和3.44%,在预测准确性与中长时多步预测稳定性方面均优于其他基准方法。