灾后初期考虑需求及时间不确定的应急物资配送中心选址-分配优化

面向灾后初期受灾点对应急物资需求的不确定性，考虑因通道中断造成的运输时间不确定性，以应急物资配送总成本最小和受灾点综合满意度最大为目标，构建应急物资供不应求状态下应急物资配送中心选址-分配多目标优化模型，其中，综合满意度由时间满意度和需求满意度共同刻画；设计量子粒子群优化算法对模型求解，采用遗传算法与之对比，并对相关参数进行敏感性分析。算例分析结果表明，该模型和算法是有效的，可以提供较优的选址-分配方案。     

交通生命线系统震后应急调度模型及方法

震后交通应急调度是地震救灾工作中的一个重要环节.对震后交通生命线系统的功能进行分析,将震后道路里程、车辆速度、行程延误、交通负荷度以及路网连通可靠度等因素遴选为震后交通生命线系统的交通阻抗效用指标,提出将这些效用指标转化为一种广义交通阻抗即运输时间的理论方法,考虑到震后应急物资调度是基于时间链的动态过程,假设调度至受灾点的物资是被连续消耗的,进而建立震后多需求点多服务点应急调度的双层决策优化数学模型,给出双层规划问题的动态优化算法,得到最优的应急调度连续可行方案.通过一个仿真算例进行了验证.     

应急车辆分配与应急物资配送的集成决策

针对应急物资配送中各受灾点应急车辆分配的公平性与应急物资配送的及时性难以平衡的问题,以各受灾点车辆分配的相对剥夺感(公平性)与配送时间(及时性)为目标函数,构建基于车辆分配公平性与应急物资配送及时性的多目标协调优化模型。为求解该模型,设计一种基于启发式算法、局部搜索算法和遗传算法的混合智能算法。研究结果表明:当配送中心车辆数不足时,公平性和及时性之间存在关联;该混合智能算法能快速、有效地找到满意解;目标权重对算法的稳定性和快速性有一定影响;该模型和算法在大规模地震实例中能有效实现公平性与及时性的协调优化。     

基于群智能混合算法的应急物流路径优化研究

应急物流系统是解决突发事件的有效框架体系,如何选择合适的配送路径以确保受灾群众及时获取物资,对解决应急救援问题有重要意义。通过建立应急物流路径优化模型,考虑到使用人工萤火虫算法会产生寻优精度低以及陷入局部最优等问题,为了提高系统优化性能,参照蜂群和粒子群的群体移动规律,改进萤火虫算法的位置更新策略,引入两种群智能混合算法进行比较实验。设置距离参数和平均交通复杂度,计算物流运输路径系统消耗时间,并采取表格形式显示。实验结果表明群智能混合算法能大幅度优化应急物流路径规划模型,提高配送效率。     

多资源非恒定消耗应急调度优化模型研究

针对应急系统中多种应急物资的非恒定消耗情况,建立了以应急出救点数最少为上层优化目标,应急开始时间最早为下层优化目标,以应急物资连续消耗为约束条件的二层优化数学模型.同时,通过引入调整条件调整可行解,使参与应急的出救点数最少.给出了模型的解法,用算例验证了所建立模型的合理性与算法的有效性.结果表明,在应急系统中多种应急物资的非恒定消耗条件下,应用该模型可求得出救点数最少.     

人工神经网络混合剪枝算法

目前人工神经网络(ANN)应用中所遇到的挑战之一就是如何针对特定问题确定相应网络。基于进化算法和局部搜索算法两类策略的特点和不足,文中提出了混合剪枝算法HAP(HybridAlgorithmofPruning)。算法首先联合进化算法代表之一遗传算法(GA)和反向传播算法BP的不同优势完成ANN网络结构和权重进化的初步阶段;然后应用多权重剪枝策略(MW-OBS)进一步简化、确定网络结构。结合案例与以往的混合策略算法进行对比研究,结果表明HAP在寻优能力、简化网络结构、保证稳定性等方面均有明显优势,更加适合大规模ANN的优化问题。     

电力应急物资管理与调配优化研究

电力供应的稳定是公众生活和社会发展的重要保证,也直接关系着国家能源安全和国民经济命脉。提高电力突发事件的应急救援能力成为棘手的问题。应急物资管理与调配是物资管理的重要一环。本文将结合电力突发事件的,分别从单一应急点和多应急点两种情形对电力突发事件的应急物资调配进行研究,构建单一应急点和多个应急点城市应急物资调度的优化模型。对各物资需求点进行物资的最优分配,同时使得分配策略的效用最大。     

随机需求应急物流多时段运输优化研究

为有效开展灾后救援工作以保障受灾点的物资供应,考虑应急救援的阶段性和需求场景的不确定性,研究多时段、多出救点、多受灾点、多物资、多车型的出救点选址及物资运输问题,构建以系统建设成本与运输成本总和最小化为目标的随机规划模型,并设计了求解该模型的分层遗传算法,确定多时段出救点选址、救灾物资流向流量等决策。考虑模型中参数的影响设计三种实验,对实验结果进行分析讨论。最后运用算例验证模型及算法可行性,得到灾后一周内每个时段出救点选择和物资分配方案,分析参数对结果的影响。     

考虑连续消耗的多出救点、多物资的应急调度问题的研究

针对多出救点、多物资、物资连续消耗的应急调度模型,提出了一种新的考虑连续消耗的多出救点、多物资应急调度算法,该算法在依次选择出救点的过程中,综合考虑了每一个出救点满足灾区需求的能力大小和该出救点的选择对选择下一个出救点的影响,从而得到了一系列非劣候选出救点,然后让每一个候选出救点尝试参与出救,来寻找出救点最少的出救方案.并通过一个实例验证了该算法的优越性和有效性.     

应急物资储备库选址及调运模型研究综述

在应急救援任务中,应急物资储备库选址及调运过程是减少灾前和灾后损失的重要阶段,为系统了解应急物资储备库选址及调运模型研究现状,结合大量国内外参考文献,本文从应急物资选址、调运以及选址和调运联合模型三部分进行分析总结。在应急物资选址影响因素分析的基础上,围绕模型具体算法、灾情阶段、优化指标、是否关注受灾人员以及信息状态等多个维度分析了应急物资储备点选址模型中所存在的问题;将应急物资调运模型分为分阶段调运、多目标规划调运和不确定信息调运三类,并对三类模型进行了综述总结;并系统总结了应急物资选址及调运模型一体化研究。结果表明,应急物资选址及调运模型在动态性、多元化、智能化、人性化等方面的进一步研究对现实救援更具有重要作用。基于此,本文对应急物资储备库选址和调运模型的未来发展方向和研究要点进行了展望,对应急物资储备及调运体系的现代化建设具有现实指导意义。     

考虑受灾区紧迫度的应急物资航空投放力量调度策略

航空应急救援因为救援时间短,受地理因素影响小的特点,在应对突发事件的过程中发挥了重要作用。为了更有效解决应急物资航空投放力量的调度问题,以大规模自然灾害为背景,设置单出救点、多受灾点的数学模型,使用网络层次分析法(analytic network process, ANP)-综合指数法来评价不同受灾区紧迫度的情况,从而衡量不同受灾点的差异性,并根据灾区紧迫度设置救援时间窗限制。如果救援物资不能在规定时间送达,则会给受灾区域造成损失,因此引入惩罚函数;在考虑灾区紧迫度情况下,对应急物资航空投放力量进行调度,以救援的总时间最短、救援的总成本最小为调度优化目标,构建数学模型,并通过遗传爬山算法对模型进行求解,讨论灾区紧迫度对航空应急物资投放力量调度的影响,以2008年汶川地震为对象进行了实证研究。     

基于网络层次分析法的乙炔生产厂应急救援能力评价

乙炔生产厂应急救援能力评价指标之间关系复杂,各指标相互影响,使得常规的评价方法难以准确地体现这种错综复杂的关系,无法对乙炔生产厂应急救援能力进行准确的评估。为了提高乙炔生产厂应急救援能力并提供一种更加合理的评价方法,按照事故发生的时间顺序,结合乙炔生产厂应急救援的特点,基于网络层次分析法从事故预防、应急准备、应急响应、灾后恢复4个方面建立了评价指标体系,将复杂问题系统化,解决了各指标下一层内部指标间以及相邻层指标间相互影响的问题,保证了评价的客观性。以某乙炔有限责任公司为例进行计算分析,基于网络层次分析法（ANP）建立了乙炔生产厂应急救援能力评估指标体系模型,运用超级决策（SD）软件和专家打分法实现了对各评价指标的赋权和评分,最终得到该公司的应急救援能力为"良"。依据评价结果,提出通过提高预防事故能力、完善灾后恢复相关工作和增强灾后重建能力来提高该企业应急救援能力的对策。     

多模式下装配式建筑工程资源受限调度方法

针对以往装配式建筑调度研究中,主要基于一个活动只有一种固定资源投入和固定工期的执行模式,而实际调度过程中多种资源投入和不同工期的多种执行模式普遍存在的问题,以及装配式建筑一体化建造建模方法的不足,建立以装配空间工期最短,以及在装配空间工期最短限定下的生产空间工期最短的多模式资源约束模型,在该多维空间调度模型的基础上,设计了一种搜索能力强、能有效求解该问题的布谷鸟算法(CS)。最后通过装配式建筑项目实际案例分析和遗传算法(GA)的性能对比,证明本文构建的调度模型和算法设计能有效的解决多模式下装配式建筑工程资源受限调度问题,丰富了装配式建筑项目调度这一领域的理论方法。     

机械压力机六连杆机构优化设计

使用自主研发的通用优化设计软件系统SiPESC.OPT,基于某型号机械压力机结构参数,构建机械压力机六连杆机构动力学优化模型.采用随机优化算法-梯度优化算法相结合的方法,使用GA、SQP和SLP多种算法组合优化计算.与初始设计相比较,优化后机械压力机的锻冲阶段滑块最大速度、行程速比系数等工作性能指标均有所改善.     

基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.     

量子遗传算法在目标分配上的应用

量子遗传算法是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性.目标分配问题是一种典型的NP难问题,传统的方法在求解此问题时很容易陷入局部最优.本文利用量子遗传算有效地解决了目标分配最优化的问题,数值模拟表明量子遗传算法在该类问题中具有效性和可行性.     

Network coding resources optimization with transmission delay constraint in multicast networks

Minimizing network coding resources of multicast networks,such as the number of coding nodes or links,has been proved to be NP-hard,and taking propagation delay into account makes the problem more complicated.To resolve this optimal problem,an integer encoding routing-based genetic algorithm (REGA) is presented to map the optimization problem into a genetic algorithm (GA) framework.Moreover,to speed up the search process of the algorithm,an efficient local search procedure which can reduce the searching space size is designed for searching the feasible solution.Compared with the binary link state encoding representation genetic algorithm (BLSGA),the chromosome length of REGA is shorter and just depends on the number of sinks.Simulation results show the advantages of the algorithm in terms of getting the optimal solution and algorithmic convergence speed.     

面向分段涂装作业的混合流水车间调度

基于船舶分段涂装作业,提炼出具有重入和等待时间约束的两阶段混合流水车间调度问题.其中第一阶段含多台批处理机,第二阶段含多台离散机且存在一次重入过程,两阶段间有等待时间约束.以最小化最大完工时间为优化目标建立数学模型,提出一种结合Metropolis抽样准则和变邻域搜索的混合量子粒子群优化算法,并利用多种启发式规则进行解码.实例验证和数值分析表明,所提算法是解决分段涂装调度问题的一种有效方法.     

Intelligent Scheduling of Public Traffic Vehicles Based on a Hybrid Genetic Algorithm

A genetic algorithm （GA） and a hybrid genetic algorithm （HGA） were used for optimal scheduling of public vehicles based on their actual operational environments. The performance for three kinds of vehicular levels were compared using one-point and two-point crossover operations. The vehicle scheduling times are improved by the intelligent characteristics of the GA. The HGA, which integrates the genetic algorithm with a tabu search, further improves the convergence performance and the optimization by avoiding the premature convergence of the GA. The results show that intelligent scheduling of public vehicles based on the HGA overcomes the shortcomings of traditional scheduling methods. The vehicle operation management efficiency is improved by this essential technology for intelligent scheduling of public vehicles.