废弃物收运网络周期性选址-路径问题多目标优化模型及算法

废弃物处理设施是典型的"Semi-desirable"设施, 其选址相关的决策需要考虑成本、负效应等多个相互冲突的目标. 废弃物中转站的选址和路径优化是一类周期性选址-路径问题(PLRP), 目前缺乏对这类问题的多目标优化的研究. 以多目标城市废弃物收运网络周期性选址-路径问题为研究对象, 提出基于扩散距离的负效应测度方法; 建立考虑负效应和成本的双目标混合整数规划模型; 设计DRECWA-LS算法, 结合启发式优化策略, 求解收运计划对应的周期性选址-路径问题, 并采用扩展邻域搜索策略的多目标进化算法实现对可行收运计划的深度搜索, 同步求解收运计划、中转站选址-分配及车辆路径三个问题. 算例结果显示: 算法能成功求解较大规模问题, 具有较高的求解质量和运算效率.     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.     

基于多智能体强化学习的协同目标分配

针对传统方法难以适用于动态不确定环境下的大规模协同目标分配问题，提出一种基于多智能体强化学习的协同目标分配模型及训练方法。通过对相关概念和数学模型的描述，将协同目标分配转化为多智能体协作问题。聚焦于顶层分配策略的学习，构建了策略评分模型和策略推理模型，采用Advantage Actor-Critic算法进行策略优化。仿真实验结果表明，所提方法能够准确刻画作战单元之间的协同演化内因，有效地实现了大规模协同目标分配方案的动态生成。     

基于模糊随机规划的反TBM目标分配优化模型

针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.     

不确定与损毁情景下可靠性设施选址鲁棒优化模型与算法研究

设施选址是长期战略性决策问题,选址决策面临各种不确定因素,设计一个可靠的选址网络具有重要的战略意义.本文同时考虑需求的不确定性及设施可能损毁的情景,扩展无容量限制的固定费用可靠性选址模型,建立不确定与损毁情景下服务能力有限的可靠性设施选址鲁棒优化模型.基于Bertsimas和Sim鲁棒优化方法提出一个新的混合整数规划模型,通过引入辅助变量和对偶变换实现非线性鲁棒优化模型转化为鲁棒对应模型,提出蝙蝠算法(BA)对模型予以求解,并通过算例仿真验证模型和算法的可行性,为设施选址决策提供模型和方法设计.     

模糊随机环境下B2C电子商务配送系统CLRIP集成优化模型

结合B2C电子商务配送系统的特点,在考虑客户需求具有模糊随机性的基础上,将设施选址、车辆路径和库存控制等3个层次的决策进行集成优化。建立具有模糊随机变量的混合0-1整数规划选址-路径-库存问题(CLRIP)集成优化模型,利用模糊可能均值法将模糊随机模型转化为确定的CLRIP模型,并设计了基于优化方法和禁忌搜索算法(TS)的两阶段混合启发算法对其进行求解。最后,利用算例验证了模型的正确性和算法的有效性。     

物流设施选址问题的双层模拟退火算法

设施选址问题的相关优化模型的本质,都是在最小化相关费用的前提上,从可选设施集合中确定设施的修建位置,并分配用户的需求,即都必须进行选址决策和需求分配决策.本文主要根据设施选址问题的特点,设计了适合求解一般设施选址问题的通用型双层模拟退火算法,算法的外层对设施选址决策进行优化,内层则在上层确定的设施选址决策基础上,进行用户需求分配的优化.最后的多个算例证明了相对其他优化算法,双层模拟退火算法不但收敛速度快,而且能求取更高质量的最优解.     

提箱作业优化问题的嵌套启发式算法

针对集装箱堆场进口集装箱的提箱作业计划问题,建立了以作业总成本最小为目标的多阶段决策优化模型,构造了内外嵌套两层结构的优化算法,内层算法实现最短路径搜索子模型,外层算法实现倒箱策略优化子模型.对内外层优化算法,设计了基于启发式A*与GA算法分别组合的4种方案.实例分析表明:各算法组合方案具有相同的有效性,当问题规模较小时,A* A*较好,但问题规模增大时,GA GA较好.     

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。     

基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型.运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合.应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析.分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

基于SWEEP方法的改进车辆路径协作策略研究

针对需求随机的车辆路径优化问题,提出了一种基于SWEEP方法的改进车辆路径协作策略,构造了基于该策略的车辆任务量分配模型、设计了求解该模型的启发式算法。该策略采用SWEEP规则对基本车未完成任务的客户重新进行路径优化,然后利用SWEEP车服务这些客户,以缩短客户的服务时间、减少运输成本。应用此方法对24个不同规模的车辆路径优化问题进行了计算机仿真,结果表明,该任务分配模型和算法具有较强的适用性,改进的SWEEP协作策略能够有效地解决解随机车辆路径问题。     

基于碳排放的开放选址-路径问题及算法

基于物流对节能减排的重大影响及第三方物流的广泛应用,本文建立了与配送中心规模、配送路径相关的低碳开放选址-路径(OLRP)问题模型,并设计量子进化算法(QEA)进行求解.算法采用先确定车辆及其顾客集,再选择配送中心的策略,并运用局部优化算子进行解的改善.通过目标值与CPU的综合分析,确定重要参数旋转角变化值△θ,最大迭代次数itermax,种群Popsize的取值范围,并应用Barreto、Prins及Tuzun案例进行实验验证,结果显示碳排放目标的OLRP一定程度上会增大成本,量子进化算法在Barreto案例中的解均值优于LB、CPLEX及SA算法,在Prins案例中的求解效果与CPLEX相近,在Tuzun案例中绝大多数问题的求解结果优于CPLEX,在小规模问题中,优于SA算法,因此QEA是求解OLRP问题的一种有效算法.     

车辆路径问题(VRP)的蚂蚁搜索算法

车辆路径问题(vehicle routing problem，VRP)是组合优化中一个典型的NP难题，理论上，目前仅能保证一些相对小规模的问题可求得最优解．基于近些年出现的新型智能优化思想：人工蚂蚁系统，给出了一种可快速求解VRP的蚂蚁搜索算法．通过定义基本的人工蚂蚁状态转移概率，并结合局部搜索策略，用迭代次数控制算法的运行时间，从而使该方法具有实用意义和可操作性．经一系列数据测试和验证，并与若干已有的经典算法相比较．获得了较好的结果．     

求解大规模VCVRP问题的快速动态规划算法

车辆路径问题是一类典型的组合优化问题,大部分研究都只考虑车辆能力固定的情形,实际中受货物形状特性及客户需求变化,车辆的能力是受限变化的,针对能力受限变化的车辆路径问题(varied capacitated vehicle routing problem,VCVRP),基于动态规划理论,提出一种求解大规模VCVRP问题的快速动态规划算法.该算法以传统的最佳适应降序算法(best fit decreasing,BFD)和最小生成树(minimum spanning tree,MST)算法为基础,引入K步回溯,短途优先原则,实现了VCVRP中的货物装箱问题和路由选择问题的近似解耦.同时给出了该算法的优化目标车辆旅程的理论上界,短途优先原则的局部最小的理论分析与证明.最后以乘用车物流运输案例为背景,给出了计算实例,并从算法参数与算例规模多个角度进行求解质量与算法性能的分析.     

B2C物流配送网络双目标模糊选址模型与算法

基于B2C"配送-退换同时"的物流模式及配送业务特点,集成设施选址-分配和路线优化,研究模糊需求下的B2C物流设施选址问题.针对选址-分配的模糊性和静态性、配送的确定性和动态性特征,以物流总费用为主目标函数,以配送中心流通费用、车辆派遣费用、配送费用总和为子目标函数,建立了有配送中心容量静态约束和车辆动态负载量约束的双目标模糊选址模型,设计了嵌入随机算法和禁忌搜索算法的遗传算法求解.选取合适的测试算例验证了算法的有效性,探讨了客户需求模糊区间宽度和商品退换率对物流选址结果和各项费用值的影响.实验结果表明,所设计的算法对解决这类复杂问题合理有效.客户需求模糊区间宽度与车辆利用率和车辆路线总长的波动区间、平均车辆路线总长度、配送费用正相关,且宽度较窄时,选址结果、车辆派遣费用和配送中心流通费用不变,超过一定范围,选址结果、车辆派遣费用和配送中心流通费用改变.商品退换率与流通费用和物流总费用正相关,但不会影响选址结果和其他费用.     

信息化条件下海上编队区域防空目标分配方法

针对现代海上编队作战是基于信息系统的体系作战客观要求,对信息化条件下海上编队区域防空目标分配问题进行了研究,提出了对空防御拦截水平的概念,建立了多层防御模式下的编队区域防空目标分配模型.为了有效求解模型,综合运用交互式决策思想和遗传算法,提出了一种基于遗传算法(GA)的交互式求解模型的方法.在GA设计中,通过对染色体编码、初始化种群、适应度函数以及遗传运算、选择策略等环节的合理设计,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度.仿真结果表明了模型和算法的有效性,从而为有效解决现代海上编队体系作战的区域防空目标分配问题探求了一条新途径.     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

飞行器电子系统的多故障诊断算法研究

飞行器电子系统的多故障诊断问题可看作对各部件的故障概率求解的组合优化问题,在建立了系统故障诊断的概率因果模型基础上,运用遗传算法对飞行器电子设备各部件进行了故障定位。并针对遗传算法易陷入局优的缺点,提出了改进方法,将能量熵的选择加入到遗传算法的退火选择中,以充分地探索解空间,保持种群的多样性。试验结果表明,改进遗传算法能快速确定全局最优值,较好地解决了故障诊断领域中多故障关联的问题。