���й���ϵͳ��������Ż������о�

采用混合整数优化方法,研究城市公交系统宏观网络优化整合问题. 根据区域间服务水平要求、公交供给能力以及满足一定乘客出行要求,构造公交系统宏观网络优化整合多目标模型,该多目标函数考虑乘客总出行时间成本、各公交方式的建设总费用、各公交方式的能耗和污染物排放总费用、枢纽建设总费用最优;并给出最优解的多方案求解步骤;针对多节点采用Branch-Cut算法进行求解,提高求解效率;通过算例对模型和算法的可行性和有效性进行了验证,说明该算法可得出不同发展阶段下的公交宏观网络最优布局方案;结果表明,提出的模型与算法能对城市公交宏观网络布局提供辅助决策支持.     

混合不确定条件下绿色多式联运路径优化

主要研究了当运输时间、中转时间、客户需求和中转集拼货运量四重混合不确定因素服从随机分布时的绿色多式联运路径优化问题，运用随机优化理论，以运输成本、碳排放成本和时间惩罚成本为目标，建立混合不确定条件下绿色多式联运路径优化模型.通过对各子目标函数权重进行赋值，得出考虑不同成本因素的多式联运路径优化方案.探讨时间、需求和网络服务能力对多式联运路径优化结果的灵敏度分析，发现各成本随时间变动而变化的规律和边际运输成本最小时的服务时间；当货运量形成规模效应后可降低边际运输成本；不同网络服务规模的运输路径优化结果，以及满足客户不确定需求的最小网络配置.     

混合不确定条件下绿色多式联运路径优化

主要研究了当运输时间、中转时间、客户需求和中转集拼货运量四重混合不确定因素服从随机分布时的绿色多式联运路径优化问题,运用随机优化理论,以运输成本、碳排放成本和时间惩罚成本为目标,建立混合不确定条件下绿色多式联运路径优化模型.通过对各子目标函数权重进行赋值,得出考虑不同成本因素的多式联运路径优化方案.探讨时间、需求和网络服务能力对多式联运路径优化结果的灵敏度分析,发现各成本随时间变动而变化的规律和边际运输成本最小时的服务时间;当货运量形成规模效应后可降低边际运输成本;不同网络服务规模的运输路径优化结果,以及满足客户不确定需求的最小网络配置.     

基于衔接组合的集装箱多式联运服务分段采购优化

为解决集装箱多式联运服务分段采购中的运输费用和运输时间优化难题,从多 式联运经营人的视角出发,提出了集装箱多式联运总费用最小化和总运输时间最小化的 双层优化目标.基于运输路径选择和时、空、量的衔接组合,结合托运人运单、集装箱多式 联运组织形式、集装箱交接地点、运输路段及方式、运输时间、运费率等要素约束,建立了 集装箱多式联运服务分段采购优化模型.运用自然约束语言设计搜索算法程序并求解.数 值实验分析结果表明,该模型及搜索算法不仅易于实施求解,而且应用效果良好,达到了 集装箱多式联运一体化无缝运输的目的.     

数控铣床加工低碳钢零件的进给速度优化

论述了数控铣床加工低碳钢零件时进给速度的优化问题．在基于加工效率（可等效转化为加工工时）和加工成本目标函数的基础上，对这两个目标函数运用多目标函数理论进行综合，得到了多目标综合函数．通过计算，并综合表面粗糙度，进而得到进给速度的优化范围，并对不同转速下的进给速度给出了相应的优化参数，目的更接近生产实际，使技术人员不仅了解影响生产效率和成本的因素，也可在实际生产的应用中更加快捷和方便．     

基于服务池的高速铁路应急资源全域优化调度方法

为提高高速铁路应急处置效率,实现资源统一调配,融合云计算和大数据技术,研究了高速铁路应急服务资源的调度问题。在应急云资源建模、应急云服务虚拟化建模、云服务池建模、高速铁路现有应急救援系统的资源使用建模、云计算模式构建的基础上,建立了跨总部和区域的高速铁路应急资源服务池的全域优化调度模型,提出了云资源传输总距离最小、资源协调成本最低、运行处理时间最短、当资源缺乏时需增加的资源数最小等4个优化目标;针对问题的特征,研究提出基于双层粒子群的高铁应急服务优化调度方法。对于给定的案例,选取距离最小作为优化目标,运用提出的方法可给出优化的资源调度方向和资源调度数量,验证了所提出的方法对于求解分布式应急云资源调度问题的有效性。     

铁路空车调配的多时点优化模型研究

空车调配优化直接影响铁路运用车辆使用效率和市场需求满足的程度.从实时性优化调整角度,通过定义配空弧与装运弧,确立了配空和装运之间的映射关系,从而形成空车调配服务时空网络.在此基础上,综合考虑决策阶段内收益、成本、服务能力等因素,以空车调配收益最大为目标,构建空车调配的多时点优化模型.最后以粤东地区空车调配为案例,对所构建模型进行验证.案例结果表明,所提出的空车调配时空网络构建方法,有助于综合考虑收益、成本和点线能力等因素,以及降低问题的难度,可为空车调整策略提供新的思路.     

定制公交线路优化综述

为全面回顾定制公交线路优化问题的研究进展,从优化目标、问题场景和求解算法3个方面对相关文献进行了归类分析。研究结果表明:定制公交线路的单目标优化研究主要集中在行驶时间、运营里程、运营成本、运营收益以及多种成本线性加权形成的系统总成本等方面,而多目标优化研究主要通过同时考虑运营成本、出行成本和服务质量中的2种或3种来实现;根据出发和到达站点的数量,定制公交线路优化的问题场景可分为“一对一”、“多对一”和“多对多”3种,针对停靠站点之间时间阻抗场景的研究主要集中在“静态时间阻抗”,对“动态时间阻抗”的研究较少;出行需求场景的研究也主要集中在“静态出行需求”,对于“动态出行需求场景”,一般通过两阶段优化策略进行求解;由于定制公交的线路优化问题属于一种特殊的车辆路径优化问题,精确求解算法适用于少量出行需求的分析案例,针对大规模出行需求的实际问题,一般采用启发式智能算法进行求解。未来的研究中,定制公交的线路优化需要考虑停车场设置和停靠点选择的影响,针对不同类型出行者设置特定的时间窗属性;此外,大数据背景下如何兼顾实时出行需求和运营成本约束,提供差异化的定制公交线路也将是具有挑战的研究方向。      

������������г��ƻ����Ʒ����о�

公交区域调度[1]是为了解决单线调度所存在的不灵活所导致的车辆低峰闲置，高峰运力不够的问题，在多条线路调整运力，实现信息资源共享，及运力共享的一种公交调度方法。本文以多条公交线路的区域调度为服务对象，建立了基于社会总体效益最优为目标（综合乘客等车、车内费用及公交公司成本最小），对多条线路的车辆调度形式和发车时刻同时进行优化的行车计划模型，提出了“逐条配班，优化成网”的求解思想，并以北京市三条公交线路为实例，对所建立的行车计划模型进行验证。     

ͻ���¼�Ӧ��ѪҺ������������׶ξ��߷���

基于血液的生理特性及应急保障特性,以应急血液最晚运达时间最小、接收时的最低新鲜度最大、运输总费用最小为目标,建立考虑多品种、多式联运的应急血液调剂出救点选择,即运输路线安排问题两阶段决策优化模型,并设计了一种包含局部邻域优化的遗传,即禁忌混合算法进行求解.以“5.12”汶川大地震应急血液保障为背景构建算例,分析验证了两阶段决策方法在最晚抵达时间、新鲜度均值、运输总费用、血液积压量等指标上的优越性.     

路堤稳定性可靠度及目标可靠指标确定的探讨

确定路堤结构设计方法的目标可靠度是一个相当复杂的工程与经济相协调的问题.而校准法仅能从安全度和工程设计一方面确定目标可靠度,无法反映经济性一方面.所以建立公路使用年限内的以经济评价模式,引入可靠性优化方法对确定路堤结构的最优可靠度具有重要意义.本研究通过引入可靠性优化方法,建立公路使用年限内的路堤结构的费用现值作为目标函数来确定路堤结构的稳定设计最优目标可靠度.     

排放控制区下集装箱班轮运输船期设计与燃油补给联合优化

为解决排放控制区下集装箱班轮运输船期设计和燃油补给联合优化问题,分析了多时间窗、多起讫时间和多装卸效率等合作协议条款与船舶航行、装卸及到/离港时间之间的关联性。结合燃油补给港燃油价格差异和折扣因素,以船公司航线服务周总成本最小化为目标,构建排放控制区下船期设计和燃油补给混合整数非线性规划模型,设计线性割线近似的求解方法。以中远海运集团有限公司AWE1航线为例,数值实验验证了模型及其求解方法的适用性和有效性。结果显示：船期设计与燃油补给联合优化可使船公司航线服务周总成本降低7.41%;随着船舶到港时间窗长度的增大,船公司航线服务周总成本及船舶在排放控制区内平均航速均随之降低。研 究表明,上述合作协议条款不仅有助于船公司更为灵活地调整船舶航速和船期,还有利于减少船舶在排放控制区内的温室气体排放。     

基于多中心车辆路径问题的收益分配优化研究

针对多中心车辆路径优化过程中配送中心间合作收益分配不均衡的问题,引进物流服务提供商作为协调者促成配送中心间形成合作联盟.首先,以多中心共同配送总成本最少为目标建立数学模型;其次,应用客户点聚类方法形成初始线路,并设计了GA-PSO混合算法进行线路优化;然后,运用MCRS(Minimum Cost-Remaining Saving)法、Shapley法、比例最小核心法、弱最小核心法和最小核心法分别求解多中心收益分配模型,并应用联盟稳定性方法选择最优收益分配策略;最后,应用严格单调路径方法,以物流服务提供商收益最大化为目标,研究联盟合作序列形成过程和多个联盟的存在形式,并进行了实例验证.结果表明,本文方法有利于促进配送中心间形成联盟,并可应用到以多中心车辆路径优化为基础的物流运输网络合作联盟形成、拆分及网络优化的过程中.     

基于边际效用的民机备件库存优化模型

为了最大限度地发挥民机备件的保障作用,使各种备件的库存水平最优,在综合考虑备件的技术性、经济性与可获取性的基础上,以备件缺货导致的民机平均维修等待时间为优化目标,以总航材供应成本为约束条件,建立了民机备件库存优化模型。在对备件单位成本的边际效用进行分析的基础上,采用启发式算法对模型进行求解,得到备件库存水平的优化方案。实例验证表明:在给定供应成本约束条件下,与仅依据各种备件保障率的计算结果相比,实际维修等待时间缩短了11.5%,库存备件资金降低了27.5%,因此,该模型是客观有效的,可节约库存成本,显著提高飞机的利用水平。     

进化算法在终端区飞机动态排序中的应用

讨论了终端区飞机动态排序问题,并利用进化算法建立了终端区航班排序的数学模型.根据飞机尾流间隔要求,利用生物进化理论,找到更合理的航班着陆队列,减小了航班的总延误成本.仿真结果表明,航班总延误成本的优化结果是令人满意的,该算法在终端区飞机动态排序问题中的应用是可行的.     

感知乘客心理的出租车动态合乘优化方法

为研究考虑乘客感知的动态合乘问题，本文提出一种改进的算法框架。基于可行出行对概念，构建乘客满意度最大、出行时间最少的多目标线性规划问题，将合乘问题转化为车辆和乘客间的线性分配问题，并采用基于精英策略的人工蜂群算法(Elitism based Multi-Objective Artificial Bee Colony，EMOABC)求解。根据海口市出租车订单数据建立算例，实验结果表明，该算法框架能够实时提供优质动态合乘方案。相比单纯优化出行效率，考虑乘客心理的合乘策略，相对提高12%的乘客满意度，服务率等方面也有较好表现。     

A Hybrid TCNN Optimization Approach for the Capacity Vehicle Routing Problem

Introduction The vehicle routing problem(VRP)is one ofthe well-known NP-hard optimization problems[1]occurring in many transport logistics and distribu-tion systems of considerable economic significance.The capacity vehicle routing problem(CVRP)likeVRP with the additional constraint that every vehi-cle must have a capacity,so it is also an NP-hardoptimization problems.It involves minimizing costvehicle schedules for a fleet of vehicles originatingand terminating from a central depot.The …     

多品种燃油海运库存路径问题鲁棒优化模型与算法

针对需求不确定下的多品种燃油海运库存路径问题(Maritime Inventory Routing Problem, MIRP),提出非专用舱室和非固定停靠供应港的船舶配送策略,通过设置供货商保守系数给定条件下的累积航次多品种燃油不确定需求预算阈值,构建以供货商燃油库存与配送总成本最小化为目标的MIRP非线性鲁棒优化模型,并设计了改进混合自适应遗传算法求解模型。算例结果表明,非专用舱室和船舶非固定停靠配送能有效降低供货商燃油库存与配送总成本;供货商在各需求港关于各品种燃油的保守系数均存在某个不同的恰当值,当保守系数超过恰当值时,客户服务水平变化趋于平缓。研究结论可为供货商多品种燃油MIRP提供决策参考。     

快捷货运服务网络设计研究综述

服务网络设计是快捷货运运营管理层面的重要内容,也是交通运输领域的关键科学问题.本文分析了快捷货运服务网络设计的内涵,并从研究内容、优化模型、求解算法这3个方面对国内外相关研究现状展开详细论述.在研究内容上,对不同运输方式和多式联运进行归类总结,单一运输方式下和综合运输体系下的快捷货运服务网络设计都涵盖了路径规划、流量分...     

Evolutionary algorithms for solving unconstrained multilevel lot-sizing problem with series structure

This paper presents a comparative study of evolutionary algorithms which are considered to be effective in solving the multilevel lot-sizing problem in material requirement planning (MRP) systems. Three evolutionary algorithms (simulated annealing (SA), particle swarm optimization (PSO) and genetic algorithm (GA)) are provided. For evaluating the performances of algorithms, the distribution of total cost (objective function) and the average computational time are compared. As a result, both GA and PSO have better cost performances with lower average total costs and smaller standard deviations. When the scale of the multilevel lot-sizing problem becomes larger, PSO is of a shorter computational time.