用单亲遗传算法求解配送车辆调度问题的研究

建立了配送车辆调度问题的数学模型，针对传统遗传算法对复杂问题搜索效率低，易陷入“早熟收敛”的缺点，构建了求解配送车辆调度问题的单亲遗传算法，并进行了实验计算。计算结果表明，用单亲遗传算法求解配送车辆调度问题，可以取得比传统遗传算法更优的结果。     

利用改进交叉算子的混合遗传算法求解VRPTW

设计了一种改进的混合遗传算法求解带有时间窗、有车辆重量限制的车辆优化调度问题（VRPTW），根据问题的实际情况，建立了数学模型，提出了改进的交叉算子，丰富了种群的多样性；并结合模拟退火算法的思想，对染色体的适应度适当变化，改善了传统的遗传算法容易“早熟”的缺点，加强了染色体的局部搜索能力。     

具有同时配送和回收需求的车辆路径问题的混合遗传算法

介绍了具有同时配送和回收需求的车辆路径问题(VRPSDP),并对其进行了描述,建立了该问题的数学规划模型。结合2-opt法和等级替换策略等设计了求解VRPSDP的一种混合遗传算法,给出了该算法初始种群的两种生成规则———随机生成和构造初始种群,设计了相应的交叉和变异算子,并详细阐述了违反约束条件的处理方法。通过随机模拟试验以及与其他方法的对比分析表明:该算法可有效缩短车辆行驶距离,而构造初始种群则在一定条件下可显著提高混合遗传算法的收敛速度并改善其运行结果。     

非一致地震激励下大跨度斜拉桥空间响应分析

基于二维相干非一致激励功率谱模型，采用随机过程理论关于幅值、相位与功率谱的关系式，根据场地地震危险性评价和设计地震动参数合成人工地震波，考虑波动传播效应和多点激励效应，分析了某座跨长江的大跨度斜拉桥在地震激励下的空间非线性响应特性，计算了桥梁结构关键部位在地震力作用下的响应特性，并与一致激励下对应响应量进行比较。认为非一致激励下大跨斜拉桥关键部位的某些响应粱大幅增加。反应了进行非一致响应分析的必要性。     

浅论工程材料特性反演问题和科技发展的微观动力

随着我国公路建设的迅速发展，落锤式弯沉仪(FWD)在我国的应用日渐普及，本文结合科技发展的微观动力论述了反问题，主要是地基材料性能动态反演的发展及现状，突出了哲学对科技的指导作用，前瞻了FWD在我国公路建设中的广阔应用前景。     

弹性接触问题的位移-力法有限元解法研究

本文根据接触状态下的有限元基本方程,通过对定解条件、约束条件的分析应用,得出了仅与接触点有关的定解方程。 运用所编制的电算程序对某柴油机副连杆销及孔在最大载荷下的失圆变形进行了计算。通过采用空心及实心销两种简化模型计算得出了实际副连杆销的失圆变形范围。     

深圳地铁14号线黄木岗站三线换乘方案研究

深圳地铁14号线黄木岗站与既有7号线、近期规划24号线黄木岗站形成地下三线换乘车站，车站周边环境复杂。如何综合各种边界条件形成建筑功能完善，结构经济安全，同时又对周边环境影响最小的方案是本站研究的重点，特别是车站站位及换乘功能的研究。方案设计过程中，通过逐一梳理地面建筑、地下建(构)筑物、地面交通、片区规划、工程地质条件、客流预测、车站换乘功能等边界条件，总结黄木岗站立交桥安全、交通疏解、管线改迁、结构工法、施工器具选择、车站站位及换乘功能等重难点，采取逐项突破的方法，最终推演出“干”字形节点换乘方案，其中14号线采用地下3层双叠侧式车站，与7号线形成平行同台换乘，与24号线形成台-台换乘。     

砂卵石地层台阶法施工隧道围岩-支护结构应力应变特性三维离散元分析

为了解砂卵石地层隧道围岩和支护结构的应力应变特性，以青海循隆高速公伯峡隧道为依托，借助PFC3D离散元软件对公伯峡隧道穿越砂卵石地层进行三维模拟，重点研究以密排短管棚预支护为根本前提，以三台阶预留核心土为施工方法的砂卵石地层围岩和支护结构的应力应变特性，并与现场实测进行对比分析。研究结果表明： 隧道台阶开挖时，围岩应力集中范围逐渐从拱顶过渡到拱腰，直到拱脚，对应的塑性区范围不断扩大，且密排短管棚对塑性区的发展有一定的“遮拦效应”； 围岩横纵向变形规律一致，主要是向隧道临空面产生收敛变形，且密排短管棚形成的梁拱效应限制了掌子面前方位移发展； 2种方法得到的初期支护变形规律一致，均呈阶段性变化，拱顶下沉累计值大于周边收敛累计值，且两者的最终变形量均满足规范限值要求。     

Elasticities for taxicab fares and service availability

This study utilizes a unique dataset from New York City to examine the effects of taxi fare increases on trip demand and the availability of taxi service. The elasticity of trip demand with respect to fares is estimated to be –0.22; the elasticity of service availability with respect to the taxi fare is 0.28; and the elasticity of service availability with respect to total supply of service is near 1.0. These results have important implications for taxi regulatory decisions. First, fare increases do substantially increase industry revenues but at a lesser rate than the percentage increase in the fare. The implication for policy-makers is that fare elasticities must be carefully considered to obtain desired improvements in drivers' earnings. Second, service availability -- an important aspect of service quality that is generally overlooked during fare policy debates -- should be a central consideration in fare setting, given the considerable impact of fares on availability. Finally, where the supply of cabs needs to be expanded, the number of cabs can be significantly increased without harming the revenue stream of existing operators. This finding alleviates a major industry objection to issuing additional taxicab licenses.     

Optimization models for differentiating quality of service levels in probabilistic network capacity design problems

This paper develops various chance-constrained models for optimizing the probabilistic network design problem (PNDP), where we differentiate the quality of service (QoS) and measure the related network performance under uncertain demand. The upper level problem of PNDP designs continuous/discrete link capacities shared by multi-commodity flows, and the lower level problem differentiates the corresponding QoS for demand satisfaction, to prioritize customers and/or commodities. We consider PNDP variants that have either fixed flows (formulated at the upper level) or recourse flows (at the lower level) according to different applications. We transform each probabilistic model into a mixed-integer program, and derive polynomial-time algorithms for special cases with single-row chance constraints. The paper formulates benchmark stochastic programming models by either enforcing to meet all demand or penalizing unmet demand via a linear penalty function. We compare different models and approaches by testing randomly generated network instances and an instance built on the Sioux–Falls network. Numerical results demonstrate the computational efficacy of the solution approaches and derive managerial insights.