基于风险价值的危险品运输路径优化方法

考虑危险品事故发生概率和事故后果等主要因素,研究了危险品运输路径优化设计问题.通过分析不同危险值计算模型的性能特点,选用TR模型计算危险品运输的危险值,通过设定必要限制条件对KSP最短路径搜索算法进行改进,建立危险品运输最短路径集;考虑危险品运输事故发生概率受到多因素影响,具有一定的随机性和不确定性,引入金融领域用于风险管控制的风险价值理论,构建危险品运输路径风险价值模型,求解危险品运输网络在某置信水平下的最小风险值,从而提出了基于风险价值的危险品运输路径优化设计方法,并以长春市加油站为实例进行了模型检验和对比分析.结果表明:①随着置信水平的提高,对应的VaR值也在提高,最佳路径也会有所不同;②当置信水平在[0.9950,1.0000]时,最佳路径为路径6,此时不仅保证了路径最短,也保证了在可接受水平内的危险最小;③与传统最短路径模型相比,所建立危险价值模型能够不同置信水平下的危险路径选择方案,能有效降低运输危险.     

航空货代装箱优化模型及算法

为了提高航空货代的盈利水平和装箱能力, 通过分析航空货物运价体系的特点, 将航空货代装箱问题划分为装箱货物优选和优选货物配装2个阶段, 建立一种基于航空货代利润最大化的装箱货物优选模型。在考虑同票货物邻近装载的约束条件下, 采用空间分割、合并和整体充填策略, 设计了一种基于评级规则的优选货物装载优化算法。计算结果表明: 货物优选模型能够合理选择装箱的货物, 货物装载优化算法能使集装箱容积平均利用率高达83%, 能够有效地满足航空货代增加利润和装箱的实际要求。     

带时间窗的车辆路径混合遗传算法

基于标准遗传算法, 将每一个染色体与分组信息相结合, 使染色体结构包含有更多信息, 辅以λ-交换局部搜索技术, 构造了一种新的混合遗传算法, 对带时间窗约束的车辆路径问题进行了求解, 并与标准遗传算法的求解结果进行了对比研究, 发现使用混合遗传算法, 总行驶里程为162km, 而使用标准遗传算法, 总行驶里程为182 km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解, 所需的行驶里程缩短, 有效降低运输企业的车辆运行成本。     

多点随机需求的分布式预置储备

考虑重点方向或区域中, 各重要隘口、通道、敏感地带等突发事件之间的关联性(连锁反应的可能性) 和需求的随机性, 在多个预置储备仓库构成储备网络和多个需求点组成需求网络的条件下, 研究了用储备网络保障需求网络的预置储备规模和储备分布优化问题, 分析了需求网络在各点突发事件和需求随机下总需求的分布特征; 在保证预置储备规模有效性、经济性与储备分布合理性的基础上, 建立了给定安全保障概率下的储备规模模型和过程响应准则下的分布式储备模型(统称储备模型); 根据模型特征将分布式储备模型分解为双层模型, 对随机需求采用样本化处理, 并在此基础上建立了针对性的遗传-模拟退火算法求解双层模型; 基于变异系数的概念, 提出了针对突发事件和需求随机的储备方案稳健性指标, 对储备模型及其算法进行了稳健性分析, 并通过案例应用验证了储备模型及其算法的有效性。研究结果表明: 相较于就近分区准则, 储备规模模型及其算法能在确保安全保障概率的前提下将储备规模降低约1/3;相较于极大极小化准则, 过程响应准则下的分布式储备方案可使首批物资响应时间减少11%, 使90%物资的响应时间减少21%;在面临需求网络中突发事件和需求的随机性波动时, 储备方案的波动幅度不超过需求波动的80%, 体现了较好的稳健性。     

多无人机协同编队飞行控制研究现状及发展

  目的  针对无人船编队队形重构中的目标分配问题,提出一种队形重构目标分配方法。  方法  首先,在目标点固定的情况下,通过各无人船的当前位置,生成基于距离的收益函数。其次,以拍卖理论为基础,根据无人船队形重构中目标分配的快速性要求,针对传统拍卖算法在重构分配中可能存在的无可行解问题,提出基于最大迭代次数的拍卖终止机制,分散部分计算量,从而缩短分配时间。  结果  仿真结果表明,与匈牙利法相比,所提方法针对大规模无人船集群队形重构能够快速给出目标任务分配方案。  结论  所提方法能为无人船集群队形重构中目标分配问题以及无人船自主决策研究提供一定的参考。     

考虑驾驶策略的高速列车运行图节能优化方法

为了降低高速列车从始发站至终到站运行的牵引能耗, 研究了针对多列车区间运行时分同步分配的列车运行图节能优化方法。基于高速列车在站间采用的“四阶段”操纵策略构建最优驾驶策略集, 以牵引距离和巡航距离为变化因子, 以牵引能耗和区间运行时分为计算目标, 求解出最优驾驶策略集里牵引能耗与区间运行时分的线性关系。在此基础上构建多列车区间运行时分最优分配的节能运行图模型。模型以牵引能耗最低为目标, 考虑了列车总运行时间约束、变量取值范围约束以及安全间隔时分约束。在模型求解方面, 选取拉格朗日松弛算法, 将复杂约束松弛至目标函数当中, 从而把原问题分解为各区间可独立求解的子问题, 利用次梯度优化的方法得出精确解, 实现了多列车区间运行时分同步分配的目标。以宝兰高速铁路为背景进行算例验证, 结果表明: 通过重新分配区间运行时分, 10列车总共节约了595.958 kW·h牵引能耗, 平均节能率达到了1.2%;从运行图的层面分析, 该算例下通过调整区间运行时分的节能方法对其影响幅度较小, 具有较强的现实意义; 所提出的模型及算法的计算时间为10 s, 针对列车开行对数较多的高速铁路, 可有效提高求解效率。     

随机运输时间下集装箱海铁联运箱流径路优化方法

集装箱在海铁联运过程中容易受到各种不确定因素的影响, 导致运输时间波动, 进而影响货物的送达准点率。为有效降低不确定运输时间的影响, 兼顾运输过程的经济性和绿色可持续性优化集装箱海铁联运箱流径路。采用随机机会约束规划构建运输总费用最少和碳排放量最低的多目标模型。在约束条件中引入铁路和海洋期望运到时间, 并对超过期望运到时间的径路进行惩罚处理, 保证运输径路的优越性。考虑一站直达和中转换装这2种运输组织模式, 克服现有研究未考虑货源是否充足的缺陷。运用不确定及概率论相关理论知识将不确定约束转化为线性约束。以西安至洛杉矶的集装箱货物出口径路优化为案例背景, 采用NSGA-Ⅱ算法求解, 并通过贪心算法改进初始化种群以及基于logistics分布的概率选择算子改进精英选择算子。通过对比分析得到以下结果: ①算法优化后运输总费用减少23.15万美元, 碳排放减少6.69 t, 同时算法求解速度提高了75.36%;②将本文模型选用的随机规划和模糊规划进行对比, 发现随机规划解集数量多于模糊规划, 且二者在相同输送径路中的运输总费用和碳排放量均优化了10.65%。因此本文模型和算法具有良好的优化效果。进行灵敏度分析, 观察置信水平以及时间影响系数对目标函数和货物送达准点率的影响。结果表明: ①较高的铁路和海洋运输置信水平会提高货物的运输总费用。②时间影响系数和货物送达准点率呈负相关, 影响系数越大货物送达准点率越低。     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。     

基于转向的Logit交通分配算法

为避免交通分配中传统的网络扩展法在处理转向延误时的缺陷, 通过分析网络基本要素节点、路段和转向之间的拓扑关系, 借鉴Dial算法的基本框架, 设计了一个基于转向的Logit交通分配算法。该算法以源点至路段的含转向延误的最短路径长度为依据处理各条路段, 正向计算转向权重, 反向分配路段流量和转向流量。算法计算结果与Logit路径流量和Dial算法数据相一致, 该算法可直接求解既满足Logit路径选择概率又考虑转向延误对交通分配影响的路段流量和转向流量模式, 而且Dial算法是其在转向延误为零时的一个特例。     

弹性需求和多用户随机平衡下的连续网络设计

连续平衡网络设计问题是在连续决策变量的条件下,寻找最优的用于道路网络中某些路段扩建的投资决策方案。文中从代表性消费者理论出发,建立了该问题的基于弹性需求和多用户类型随机用户平衡的双层规划模型,并考虑了路段能力约束。基于双层模型求解的复杂性,设计了基于混沌优化方法的启发式算法,实例计算结果表明该模型与算法是有效的。