带软时间窗的集货与送货多车辆路径问题节约算法

研究了物流配送中多车运输的集货与送货车辆路径规划问题,以增加时间惩罚费用的方式插入软时间窗约束,将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标,建立数学模型。采用启发式节约算法求解该模型,考虑时间惩罚费用和运输费用,比较每一配送节点上直接送货和间接送货的节约费用关系,求出最优配送路径。试验结果表明:当配送次数达到50次时,货车平均装载率仍能达到80%以上,该节约算法能减少货车空程行驶和租车次数,优化了全局费用。     

具有星际链路的LEO/MEO卫星网络动态路由协议

针对具有星际链路的LEO/MEO卫星网络,设计了一种具有自主运行能力的卫星网络动态路由协议（SDRP）.采用时间离散化的链路状态增量更新的虚拟拓扑路由算法,降低了网络开销.提出的多点转发节点选举算法,提高了路由收敛速度和网络资源利用率.仿真结果表明,卫星网络动态路由协议的路由收敛时间远小于网络稳态保持时间,路由收敛时间是OSPF的1/10,平均协议带宽占用率也大大小于OSPF,可以保证卫星网络的信息可靠传送.     

基于冲突回避的动态滑行路径算法

为解决机场场面航空器滑行路径分配问题,在时间依赖最短路径算法的基础上,提出了基于冲突回避的动态滑行路径分配算法.根据机场场面交通的实际情况,定义了3种不同类型的滑行冲突以及航空器的滑行优先级.给出了在不同类型冲突和不同滑行优先级情况下的滑行道时间延误函数.仿真实验表明,当跑道运行飞机达到32架次/h时,与固定路径相比,动态路径运行的航空器平均滑行时间减少了3 min/架次,航班延误减少了3.5 min/架次.     

改进的量子遗传算法在车间调度中的应用

在对车间作业调度问题及其调度方法进行描述的基础上,提出改进量子遗传算法（IQGA）并用于解决车间调度问题,改进的量子遗传算法用路由选择算法来选择染色体,进行编码,并用最优个体来更新量子旋转门,旋转角是自适应调整的,这样使算法更好的收敛到全局最优解,经过仿真,验证了算法的有效性。     

考虑客流时变需求的大小交路列车时刻表优化模型

以城市轨道交通放射线为研究对象,考虑客流时变需求和高峰期乘客滞留现象,以乘客等待时间、列车运行时间和车辆走行公里最小为目标,以发车间隔、列车满载率及其均衡性、发车比例为约束,构建了城市轨道交通大小交路列车时刻表优化模型.运用离散事件系统建模方法,建立基于乘客活动和列车运行过程的动态仿真模型,并将其与遗传算法相结合,提出了计算机仿真的遗传算法进行求解.算例结果表明,优化后的时刻表可以使运力与客流需求更加匹配,有效降低了高峰期乘客拥挤程度,并提高了各次列车满载率的均衡性.在企业运营成本相等的情况下,优化后的乘客等待时间减少了1 266.2 h,降幅达16.5%.     

基于交路单元的高速铁路乘务交路编制模型与算法

为了解决高速铁路列车乘务计划编制过程中的乘务交路自动化生成问题,从工作实际的角度出发,首先提出以交路单元作为列车乘务交路编制基本单位的方法,在此基础上建立以最小费用为目标的乘务交路编制优化模型,在该模型中对异车体换乘的接续时间进行区分。然后,针对该模型特点,对基于贪婪思想的启发式算法进行求解。最后,以京津城际铁路北京南站至天津站间的列车数据对该算法进行了验证。计算结果表明,用该方法编制的最小费用乘务交路在值乘时长和换乘次数方面能够体现出较好的均衡性。     

基于改进粒子群算法的车辆路径问题研究

针对标准粒子群算法在解决多维复杂优化问题中存在的“早熟”现象,以及算法后期出现的搜索精度下降、收敛速度降低等不足,对算法做出改进：引入微生物行为机制中的趋化、繁殖、迁移算子。最后,通过实例验证对比,表明改进粒子群算法在搜索效率和解的质量方面均优于遗传算法和基本粒子群算法。     

城市轨道列车在中间站折返时的通过能力适应性分析

对城市轨道交通列车交路方案及选用时考虑的因素进行了分析,提出通过能力是否适应是采用特殊交路方案的充分条件。重点对采用特殊交路时的中间站折返能力与线路通过能力损失问题进行了定量分析,提出了在采用特殊交路时可供采取的扩能措施。     

求解客户需求动态变化的车辆路径规划方法

对于集货过程中客户需求随时间变化的动态车辆路径规划问题,按时间段划分为一系列车辆已驶离中心车场的静态车辆路径问题,引入虚拟任务点与相关约束方法,将其进一步等价转化为普通的静态车辆路径问题,使用适用于静态问题的算法对其进行求解。应用此车辆路径规划方法,以改进的节约法为静态算法,对于客户数为20的动态路径规划问题进行求解,得到重新优化路径所用的时间为0.49s,说明这种规划方法可行。