数量折扣条件下的动态订货批量优化

为研究卖方提供数量折扣安排时，买方优化动态订货批量的决策问题，考虑多种产品、多折扣类型和买卖双方的能力约束，建立了该问题统一的非线性混合整数规划模型．利用禁忌搜索技术设计启发式算法对模型求解．算例的计算结果验证了模型和算法的有效性。     

用动态搜索算法求解时间依赖型旅行商问题

为解决基于时段的时间依赖型旅行商问题（time-dependent traveling salesman problem,TDTSP）,提出处理跨时段的方法,并建立了相应的数学模型．用动态搜索算法ds-k-opt（k=2,2．5,3）分别求解该问题．仿真算例表明,动态搜索算法中部分ds-2．5-opt解和绝大部分ds-3-opt解优于动态规划启发式算法。且能求解更大规模的TDTSP问题,动态搜索算法的解随k的增大而更优,但运算时间也更长。     

基于卖方管理库存的配送决策优化模型与算法

为实现供应链一体化和卖方管理库存，建立了同时考虑供给方的配送费用和客户的库存费用的整体优化模型．为降低求解该模型的难度，初步确定送货车辆与客户的对应关系后，将该模型分为库存分配模型和带时间窗的旅行商问题的模型．采用较为成熟的算法即可分别求解这2个模型，然后再将2者合成为原问题的模型．     

基于离散时间序列OD量的动态交通分配方法

为了更确切地描述离散时间动态交通分配问题中各离散时段分配时的路网阻抗特性、更合理地反映各时段分配过程中出行者的出行行为,提出了一种基于消散周期OD量和差额OD量、分阶段分配的梯阶分配思想,它考虑了各离散时段分配前路网既有剩留交通量对后继离散时段OD用户出行选择的影响,更符合实际. 通过融合相继平均法,设计了梯阶分配算法,并据此对数据结构做了适应性补充. 示例路网下新算法与相继平均算法的数值模拟结果表明,新算法分配结果能够更为客观真实地反映现实交通中的动态现象,仿真度更高.
最后给出了梯阶分配思想在现实中的应用.     

策略性库存路线的PPSA算法

总结了Larson的SIRSA(Strategic Inventory and Routing Saving Algorithm)启发式解法,针对其补充周期短的缺陷,提出了以库存补充周期和补充阶段为变量的PPSA(Period and Phase Saving Algorithm)启发式解法。计算结果表明,当车辆每作业一次能补充的客户数较多,且客户间最大的可能补充时间间隔差别较大时,PPSA算法对车辆的需求明显少于SIRSA算法。     

һ������ȱ���Ķ������۴���ģ��

利用存贮论知识，研究了一类订货销售存贮模型。考虑到在现实中往往存在订货批量折扣现象，因此在模型中假设有批量折扣，同时假设需求速度是连续的、均匀的；允许发生缺货，并产生缺货费用。库存系统的平均总费用包括订货费用、存贮费用和缺货费用。据此建立有批量折扣且允许缺货的订货销售存贮模型，使模型更接近于实际，并利用数学方法对该模型进行了求解，确定了最优订货批量和最优订货周期，以及平均每天的最小总费用。 最后，通过实例说明了模型的应用。     

������ɢʱ������OD���Ķ�̬��ͨ���䷽��

为了更确切地描述离散时间动态交通分配问题中各离散时段分配时的路网阻抗特性、更合理地反映各时段分配过程中出行者的出行行为,提出了一种基于消散周期OD量和差额OD量、分阶段分配的梯阶分配思想,它考虑了各离散时段分配前路网既有剩留交通量对后继离散时段OD用户出行选择的影响,更符合实际. 通过融合相继平均法,设计了梯阶分配算法,并据此对数据结构做了适应性补充. 示例路网下新算法与相继平均算法的数值模拟结果表明,新算法分配结果能够更为客观真实地反映现实交通中的动态现象,仿真度更高.
最后给出了梯阶分配思想在现实中的应用.     

具有模糊提前期内需求的库存模型

为解决具有模糊提前期内需求的库存管理问题,针对采用（Q,r）库存策略的单类物品库存系统,基于模糊理论建立了提前期内需求为三角模糊数的最优订货批量模型,并用模糊数的期望值法求得提前期内需求的期望值以及重心法解模糊化求得模糊期望缺货量,从而确定最佳订货点和最优订购批量,使得年库存总成本最小．最后,给出了一个算例,以验证该模型的有效性．     

动态多时段交通分配算法研究

城市道路网中交通量的分配是动态的、随机的，而传统的静态交通分配模型不能很好地反映实际交通情况．本文使用的动态多时段分配方法是基于时段划分的，它不仅反映了不同时段交通量的变化规律，而且在分配过程中考虑了路网中的交通阻抗，充分反映了已有交通量对交通分配的影响．最后结合算例分析了本文所提出的算法的实用性．     

单货物品种的运输和存储联合调度问题

提出了一类货物需求量仅随时间发生变化、成本函数为凸函数的单货物品种运输和存储联合调度问题．为了最大限度减少运输和存储成本，必须制定出最优的运输和存储调度方案．为此，设计了一种寻求最优调度方案的网络图优化算法．最后，通过算例对该算法进行验证，结果说明该算法是可行的．     

Solving the euclidean steiner minimum tree using cellular stochastic diffusion search algorithm

The Euclidean Steiner minimum tree problem is a classical NP-hard combinatorial optimization problem. Because of the intrinsic characteristic of the hard computability, this problem cannot be solved accurately by efficient algorithms up to now. Due to the extensive applications in real world, it is quite important to find some heuristics for it. The stochastic diffusion search algorithm is a newly population-based algorithm whose operating mechanism is quite different from ordinary intelligent algorithms, so this algorithm has its own advantage in solving some optimization problems. This paper has carefully studied the stochastic diffusion search algorithm and designed a cellular automata stochastic diffusion search algorithm for the Euclidean Steiner minimum tree problem which has low time complexity. Practical results show that the proposed algorithm can find approving results in short time even for the large scale size, while exact algorithms need to cost several hours.     

Monitoring Median Queries over Moving Objects

The k-median problem has attracted a number of researchers. However, few of them have considered both the dynamic environment and the issue of accuracy. In this paper, a new type of query is studied, called continuous median monitoring (CMM) query. It considers the k-median problem under dynamic environment with an accuracy guarantee. A continuous group nearest neighbor based (CGB) algorithm and an average distance medoid (ADM) algorithm are proposed to solve the CMM problem. ADM is a hill climbing schemed algorithm and achieves a rapid converging speed by checking only qualified candidates. Experiments show that ADM is more efficient than CGB and outperforms the classical PAM (partitioning around medoids) and CLARANS (clustering large applications based on randomized search) algorithms with various parameter settings.     

基于禁忌搜索的动态车辆路径问题研究

在对动态车辆路径问题进行描述的基础上,分析了求解动态车辆路径问题的主要策略.通过将计划周期分片,将动态车辆路径问题转换为一系列的静态子问题,对静态子问题采用禁忌搜索算法进行求解.采用该算法对9个算例进行了测试,与文献中其他算法的计算结果相比较,有3个问题得到了最好解,7个问题得到了最好平均解,表明了算法的有效性.     

不规则物流园区功能区块布局模型与算法

物流园区功能区块的合理布局对于降低物流成本、提高物流作业效率有重要意义.传统的研究主要建立在假定物流园区是矩形的理想情况下,本文基于栅格数据结构,构建了以运输成本最小为目标的不规则物流园区功能区块布局的集合划分模型,并引入了栅格图像矢量化技术,用于提取布局形成后的图像拓扑结构,获得路网信息,然后设计了基于割树技术的变邻域搜索算法进行求解.最后以某物流园区为例,通过MATLAB编程计算得出布局方案,验证了本文模型和算法的有效性.     

基于混合进化策略算法的并行多机调度问题研究

描述了一类带工艺约束的并行多机调度问题，其工艺约束的特点在于工件的加工需要多种不同类型机器同时协同工作来完成，为求解此类调度问题，采用进化策略与局部搜索相结合的混合算法，提出一种工件加工的机器动态调度策略，寻求生产调度完工时间和机器负荷均衡的优化。     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

公交司机排班问题的混合元启发算法研究

针对我国公交企业中司机在1 个工作日内驾驶同一辆车的“人车绑定”管理模式, 提出混合元启发算法求解司机排班问题.首先建立以车辆数为目标的车辆调度模型,获得仅 满足司机休息时间的非可行解;接着迭代地使用局部搜索算子、破坏重建扰动等方法对解进 行调整,使其满足司机工作时间和吃饭时间等约束,并尽可能地降低排班成本;在迭代搜索 过程中记录发现的可行排班链集合,迭代结束后构建集合覆盖问题(SCP)模型对其进行改 进,以获得最佳的司机排班方案.在13 条公交线路案例上进行测试,实验结果验证了本文算 法的有效性.