随机交通网络约束最可靠路径问题

为了模拟仿真交通网络中,约束条件下考虑风险性车辆路径选择行为,建立随机交通网络环境下约束最可靠路径问题数学规划模型,并讨论了其对偶问题.采用梯度下降算法求解对偶问题,获得原问题最优值的上界和下界,通过迭代获得原问题的近似解.针对Sioux Falls network展开数值试验并对数值结果进行了对比分析.计算结果表明：在随机交通网络环境下,无约束和有约束条件下求解的最可靠路径是不同的;不同的资源约束条件下求解的最可靠路径也是不同的,资源约束条件对交通网络中最可靠路径的选择有很大的影响.     

随机交通网络最小条件风险路径问题

为了研究风险性对于拥挤交通网络车辆的路径选择行为的影响,定义条件风险值为路径目标函数,建立随机交通网络环境下最小条件风险路径问题数学模型,证明了路径的条件风险值的次可加性,把最小条件风险路径问题转化为基于路段的最小条件风险路径问题,构造基于动态规划的标号算法求解该问题,针对Sioux Falls Network展开数值试验,对在不同风险置信水平条件下随机交通网络最小条件风险路径的计算结果进行了比较分析。结果表明:不同风险置信水平条件下求解的最小条件风险路径是不同的,风险置信水平对最优路径的选择具有重大影响。     

二层线性规划问题

罚函数方法是数学规划中一种常见且有效的求解方法。用罚函数原理,把二层线性规划（BLP）下层问题的对偶间隙作为惩罚项,将BLP转化为带罚函数子项的有限个线性规划问题。由于BLP的全局最优解可在约束域S的极点上找到,利用线性规划对偶理论,给出了一种求解该二层线性规划的罚函数算法。     

连续交通网络设计的全局双层多项式优化模型

提出了一种面向典型连续交通网络设计问题的全局双层多项式优化模型,其函数均为多项式,且下层问题为凸问题;上层问题旨在优化网络性能,下层问题用来刻画确定性用户均衡(DUE)交通流模式;利用Fritz John条件和乘子代替下层规划,将提出的双层多项式优化模型转换为等价单层优化问题,并利用矩半定规划(MSDP)方法得到其全局最优解;利用矩矩阵的秩作为保证全局最优性的充分条件,并估计全局最优解的个数;给出了最优道路收费问题的数值算例,用提出的双层多项式优化模型描述了算例中的最优道路收费问题,并通过Wardrop用户均衡约束调整现有路段上的交通流量,使总通行费收益最大化。研究结果表明:该简单算例的最大收益为13.5元,同时可以得到该算例的矩矩阵的秩为1,从而证明了该结果的全局最优性,提出的方法克服了均衡约束数学规划(MPEC)法和值函数法等现有求解双层优化问题的经典算法由于连续交通网络设计固有的非凸性,只能找到局部最优的问题;提出的全局双层多项式优化模型与算法为典型连续交通网络设计提供了更好的探索工具。      

约束非线性问题整体包络的无约束解法研究

提出了约束非线性规划问题的一种新算法：将目标函数与所有约束函数包络成一个无约束问题求解，这一系列无约束解最终迈近原问题的最优解。文中介绍了包络函效的数学特点及算法等价性，讨论了与一般系列无约束算法的区别，包络过程中，目标函数与约束函数之间的“射线步”调整，以及用单调性分析技术挑选被包络的约束，明显地提高了算法的稳定性。几个有代表性的算例表明，这种算法适应性强，步骤简便，容易实现。     

�޽��ɱ���ȷ���Ľ�ͨ�����������

交通网络设计问题是交通规划理论的一个重要组成部分,即在资金有限且考虑出行者决策行为的情况下,制定最优投资策略.由于人工费、材料费和使用费等的不确定性,路段的修建成本存在不确定性.本文通过改进预算投资约束,应用鲁棒优化的方法同时考虑出行者的路径选择行为,建立路段修建成本不确定的交通网络设计的鲁棒模型,并利用基于割约束的混合整数线性规划算法求解此模型,进而得到一个受修建成本扰动较小的鲁棒最优解.通过算例表明,在修建成本不确定的交通网络设计中,本文提出的鲁棒优化方法可以得到比传统确定性问题更加可靠的解.     

带有时间窗的随机机会约束运输问题模型与算法

对传统经典的运输问题从不确定性随机规划角度进行探讨分析,针对随机环境条件下的此类优化问题提出一种随机机会约束规划模型,并考虑在运输过程中的线路能力和时间窗限制,对其利用随机机会约束规划的思想进行处理,建立随机机会约束规划运输问题的数学模型。此外,由于模型涉及大量具有复杂性和随机性的随机变量,设计一种混合智能算法,即基于随机模拟的神经网络遗传算法来求解模型的近似最优解。最后利用数值算例来验证算法的有效性和可行性。     

兼顾公平与效率的入口匝道协调控制

为解决高速公路匝道控制片面追求控制效率而忽略交通公平性的问题,提出一种兼顾公平与效益的入口匝道协调控制策略.定义排队延误基尼系数,有效刻画匝道控制的公平性.基于宏观交通流模型,构建双目标优化模型,优化目标包含反映控制效率的总旅行时间和反映公平性的基尼系数.改进差分演化算法的约束惩罚和罚函数构造方法,使差分演化算法能适于约束多目标优化问题的求解.应用研究表明,改进差分演化方法能获取Pareto最优解,决策者可根据个人喜好选择满意解.     

多目标优化的新方法——幂加权和法及数值仿真

提出了一种新的评价函数,将多目标优化问题转化为单目标优化问题,并证明了由这种方法所得到的最优解是多目标优化问题的有效解.用混合罚函数法将约束问题变为无约束问题,将改进的模拟退火算法与单纯形法结合起来构造一种效率较高的全局优化算法,该算法具有模拟退火算法在全局搜索上的优点和单纯形法在局部搜索上的优点.用计算机语言编制了通用程序,给出了单目标优化和多目标优化的例子,数值仿真结果表明这种方法是可靠的.     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

基于免疫优化的单目标多模态期望值规划

为了求解未知随机变量分布下单目标多模态期望值规划,通过引入检测候选解是否为局部最优解的随机函数,将该期望值规划问题转化为多目标期望值规划问题,并进一步探寻问题的转化关系,获得在一定条件下有效解是最优解的结论;根据样本平均近似化思想,将多目标规划转化为非恒定样本采样的近似化模型,并基于克隆选择和免疫记忆的机理,通过设计递归非支配分层、样本自适应采样和自适应繁殖与变异方案,引导进化种群往优质个体所在区域转移,提出了求解该近似化模型的免疫优化算法.仿真结果表明:与参与比较的多目标优化算法相比,该算法搜索多个最优解方面有明显优势,搜索效果稳定,噪声抑制能力强;求解低、高维标准测试问题获得最优解的数量分别平均提高了20%和70%.      

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.     

���ǿɳ�����չ�Ľ�ͨ�������˫��ģ�����㷨

研究了考虑可持续发展的混合型交通网络设计问题的优化模型和算法. 利用双层规划模型描述问题,其中上层模型是以方案总投资费用和汽车废气排放量最小化为优化目标,并受占用土地规模和路段负荷度的约束,下层模型为确定型的交通网络平衡配流模型. 使用路段等级决策变量将问题离散化,并基于模拟退火算法和基于路径的梯度投影算法进行模型求解. 算例计算表明,优化后的交通网络不仅拥堵状况得到显著缓解,而且路网内汽车废气排放量下降幅度也非常明显. 这都证明本文所提出的双层规划模型和求解算法是一种研究可持续发展环境下交通网络设计问题的有效方法.     

双交通模式随机用户平衡问题的一种求解方法

对双交通网络中的次交通模式上的路段赋予虚拟路阻函数,将网络上的双交通模式随机用户平衡问题转化为传统模式的单模式固定需求随机用户问题,并证明了该方法的正确性,从而利用单模式固定需求随机用户问题对应的数学规划来求解．利用仿射尺度内点算法对一个小型路网进行了数值实验．     

机会约束的影子价格

为了进一步对随机规划进行研究，通过定义机会约束规划的可靠规划的对偶规划，得到了随机规划的对偶规划的一些性质．从对偶规划的最优解出发，得到了机会约束的影子价格的概念，它反映了随机约束条件对于目标函数最优值的影响．通过实例来说明它在经济决策中的应用．     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题,采用栅格法进行环境建模,综合考虑无人机性能、任务性质和城市环境等影响要素,以航程、高度变化和危险度最小为目标函数,构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离,采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数;为提高搜索效率,引入双向搜索策略;为保证平稳飞行,采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化,具有有效性;算法与传统A*算法相比,规划时间少,规划路径航程短,高度变化少,飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5,2种距离权重系数分别为0.15和0.85时,规划路径最优.     

用混合元启发算法求解城市网络设计问题

为更有效求解城市道路交通网络设计问题,在启发式算法研究的基础上,使用3种改进思想,改进蚂蚁群算法,设计了4种求解城市道路交通网络设计的双层规划模型的混合启发式改进算法。运用于Sioux Falls网络进行模型的求解实验,并统计运行的平均计算时间,求得最优解的次数和函数解平均值。据此得出混合算法从时间、准确度上均较基本蚂蚁算法有了改善,具有很好的应用价值。     

有约束的随机最短路问题模型及算法

针对不确定网络,研究具有随机参数的最短路径问题,采用随机数表示路径权值的不确定性, 建立有约束的期望最短路模型. 基于随机模拟方法,设计了一种融合退火技术的遗传算法,引入退火机制处理有约束的优化问题.在进化过程中,动态调节对不可行解的惩罚力度,使不可行解逐步被淘汰出去, 最后收敛到问题的全局最优解. 给出的数值实例验证了该算法的有效性.     

基于进化规划的时间最优控制问题求解

在分析时间最优控制问题已有求解方法优缺点的基础上，提出基于进化规划法求解约束时间最优控制问题的直接方法，研究进化规划求解时间最优控制问题的模型。将约束作为惩罚项包括在目标函数中，以此构造适应度函数，对线性阻尼振子问题进行了数值仿真，结果表明效果良好。     

域约束优化问题的普适免疫进化算法

在免疫进化算法的基础上，针对域约束优化问题，提出了一种普适算法．通过区间变换，该算法在保证所产生的个体分量均能满足相应的区间约束的同时，消除了参数设置的随意性，不仅提高了计算效率，而且增强了算法的统一性，克服了其它进化算法采用罚函数处理域约束问题的不足．多峰函数优化和遗传算法欺骗问题的测试结果表明：与采用罚函数处理域约束问题的免疫进化算法相比，普适算法不仅易于编程，而且能以更快的速度稳健地收敛到全局最优解．