应急救援物流中物资分发点多目标排队选址优化

基于模糊数学、排队理论与选址理论,建立了应急救援物流中物资分发点的多目标模糊排队选址优化模型,其中：受灾点的需求率和物资分发点的服务率为模糊数,物资分发点建立成本最小和救援反应时间最短为目标函数．设计了模型的求解算法,确定了物资分发点的选址以及各个分发点所覆盖的受灾点区域范围．结合具体算例,验证了模型的实用性,并分析了物资分发点应急服务能力对救援效果的影响．     

带模糊需求的多类型车辆路径问题研究

针对模糊需求信息条件下的多类型车辆路径问题进行了分析,运用模糊数学的可能性理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

基于模糊多目标决策理论的军事运输路径优化研究

本文以军事运输的路径优化为研究对象,采用基于路段重叠惩罚的多路径搜索算法建立路径决策集：用模糊多目标决策理论从时间、危险性、保障代价三个方面来构造军事运输路径优化决策算法;最后,本文还给出了算法实例．     

多源风险防控下危险废物物流的应急选址模型

为有效防控危险废物安全事故的环境污染、人员伤亡及财产损失,提出一种多源风险防控下危险废物物流的应急选址模型.根据风险受体和环境介质的多样性,构建多源风险度量模型;考虑应急服务半径和多源风险控制的隶属关系,设计"多源风险控制"系数,以多源风险控制最大化和应急成本最小化为目标,构建0-1整数线性规划模型;根据模型计算的复杂性,设计基于遗传算法的多目标求解方法.通过算例验证模型和算法的有效性,计算结果表明:新模型和算法可为危险废物应急管理提供有效选址方案,相较于传统精确算法,新方法可为小规模问题提供的优化方案节约应急成本0.02×108元,并在求解大规模问题时缩短91.67％ 的搜索时间.     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

公路选线设计方案多目标决策模糊优选模型

运用模糊数学的方法，在采用AHP法构造优选系统的综合评价指标体系的基础上运用多目标决策模糊集理论，将方案优选视为多目标决策模糊优化问题，建立模糊优选模型。     

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...     

模糊多目标订单分配模型

随着竞争的日益加剧,采购成了影响企业生存和发展的关键因素.正确的订单分配是成功实行采购的关键.实际上,影响订单分配的许多信息并不是确定的已知条件,例如目标、约束条件等.文中通过考虑上述信息的不确定性和模糊性,构建一个包含模糊目标和随机约束的订单分配模型.利用数值算例证明了模型的可解性,并指出了可能的几个研究方向.     

随机需求下的CDL系统多目标优化

为了增强越库配送对市场随机需求的适应性,兼顾总体利益和零售商门店的个体利益,充分考虑随机需求、库存、配货和原始订单等因素,以提高最终订单满足随机需求的置信水平、增加配送车辆满载率和降低总运营成本为目标,建立了多目标随机规划模型,构建了正规化的多目标适应度函数,设计了具有自适应特点的遗传算法,并进行了实例研究.结果表明:与原始订单相比,最终订单满足随机需求的置信水平、配送车辆满载率分别增加了3.59%、12.71%,每天的总成本平均减少了631 845元,降低了13.73%.     

基于混合遗传算法的物流配送模糊车辆调度问题研究

在同时考虑物流配送总费用和服务水平的基础上,建立适合物流配送模糊车辆调度问题的数学模型.并且采用期望值选择法,将爬山法与遗传算法相结合,构造了求解该问题的混合遗传算法.研究表明,用该算法求解物流配送模糊车辆调度问题,能够很快收敛到满意解.     

壳管式换热器多目标模糊优化设计方法研究

应用优化技术结合模糊数学的理论和方法，建立了壳管式换热器多目标模糊优化计算模型，并通过实例计算证明了方法的可行性和优越性。     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。     

基于格序偏好的模糊多目标决策方法

运用格论,将方案优选的全序刻画拓展为格序刻画.基于决策理论和模糊集理论,提出了模糊多目标格序决策的概念,建立了模糊多目标格序决策模型.基于正、负理想解的概念,提出了该模型的2种算法.算法1是先对模糊指标值进行加权,然后确定模糊正、负理想解,通过比较每个方案与两者之间的差异选择满意解.算法2是直接在原模糊指标值的基础上确定模糊正、负理想解,并引入满意度的概念刻画每个方案与两者之间的差异,最后通过加权得到满意解.算法1较简单,算法2则能始终保持模糊元素的线性性质.算例表明,2种算法结果一致.     

快递配送车辆路径优化研究

考虑到快递配送和物流配送的异同,在物流配送路径优化问题的基础上构建了符合快递配送路径优化问题的数学模型.设计了一种采用自然数编码,综合考虑快件数量、车辆载重、车辆容量等约束的解码方式的遗传算法.通过一个拥有20个配送点的快递配送案例,验证本文所构建模型和算法能够得到合理配送路径和各个配送点的服务时刻.最后通过灵敏度分析和四轮厢式货车算例验证表明:当前情况下,研究快递配送路径优化时,快件数量、快递员最长配送时间和各配送点的作业时间必须考虑;当前快递配送车辆的载重和容量满足当前需求,无需更换载重和容量更大的配送车辆.     

复杂工程设计综合评价方法研究

针对复杂工程多目标、多层次综合评价模糊决策问题,描述了模糊综合评价决策的求解过程,并对其关键技术评价指标体系的确定、评价指标特征值的量化、权系数的确定及总体评价函数模型进行了分析。最后以柔性装配系统为例验证了其有效性。     

Structural Multi-objective Probabilistic Design for Six Sigma

Uncertainties in engineering design may lead to low reliable solutions that also exhibit high sensitivity to uncontrollable variations. In addition, there often exist several conflicting objectives and constraints in various design environments. In order to obtain solutions that are not only "multi-objectively" optimal, but also reliable and robust, a probabilistic optimization method was presented by integrating six sigma philosophy and multi-objective genetic algorithm. With this method, multi-objective genetic algorithm was adopted to obtain the global Pareto solutions, and six sigma method was used to improve the reliability and robustness of those optimal solutions. Two engineering design problems were provided as examples to illustrate the proposed method.