区间阻抗下的鲁棒最短路算法

交通需求一旦发生变化,交通路网中的路段阻抗也会呈现显著的不确定性,而现行的最短路求解方法缺乏鲁棒性。为了增强最短路方法的鲁棒性,引入区间型数据的路网阻抗,同时结合鲁棒离散优化与情景分析法,给出鲁棒成本的定义。建立了区间阻抗下的鲁棒最短路模型,接下来基于模型设计了分支定界算法,并就算法的判定条件给出3个定理,最后对一个大型路网进行了仿真测试。结果表明:相对于现行的最短路方法,该方法求解得到的最短路径具有更强的鲁棒性,且求解结果准确高效。     

基于RNPI的动态时滞网络主动队列管理算法

针对网络存在较大时滞和网络参数动态变化等问题,提出了一种鲁棒非线性PI主动队列管理算法。由流体流模型将动态网络推导为参数区间不确定一阶时滞系统,在确定使闭环系统稳定的非线性PI控制参数集合基础上,利用遗传算法寻找基于改进ITAE指标最优的PI控制参数。基于扩展到时滞系统的棱边定理,给出了RNPI算法的设计方法。仿真结果表明了该方法具有良好的控制性能,对网络区间不确定参数有较好的鲁棒性。     

枢纽航线网络的构建方法及应用

给出一种枢纽航线网络设计的新方法。首先选择恰当的指标体系利用多属性决策方法甄选出候选枢纽集，然后基于选出的候选枢纽集建立了枢纽航线网络设计的数学模型，最后基于特定的最短路优化算法求解所建模型。利用所提方法构建了中国15城市的枢纽航线网络。     

基于支持向量机元模型的随机鲁棒设计

随机鲁棒设计是一种基于蒙特卡洛仿真的优化设计方法.通常情况下,对于复杂仿真模型的随机鲁棒设计时间开销很大.为减小随机鲁棒设计过程中的时间开销,使用参数最优的最小二乘支持向量机替代仿真模型进行随机鲁棒设计.使用标准粒子群优化算法搜索支持向量机参擞和控制器参数的寻优.通过一个基准测试问题证明了该方法的可行性.     

基于动态自适应布谷鸟搜索算法的多目标闭环供应链网络优化

针对不确定环境下的闭环供应链网络设计问题,构建以最小网络成本、碳排放量和顾客满意度损失为目标的闭环供应链网络规划模型。采用多面体不确定集描述不确定参数,建立基于多面体不确定集的多目标鲁棒优化模型,同时提出一种基于动态步长和动态发现概率的自适应布谷鸟搜索算法,并引入群搜索策略以增加种群的进化效率,结合案例企业的运营数据,分别采用动态自适应布谷鸟搜索算法和非支配排序遗传算法求解模型,验证改进型布谷鸟搜索算法的优越性。最后为验证模型的鲁棒性,将多面体鲁棒优化模型与确定模型、盒式鲁棒优化模型以及区间多面体鲁棒优化模型进行对比,验证所提模型对不确定扰动的有效抑制作用。     

基于最短路的中枢辐射航线网络鲁棒优化方法

中枢辐射航线网络是充分体现规模经济的一种网络构形。航空公司构建适合自身发展的中枢辐射航线网络已变得越来越重要。本文针对成本和需求的不确定性，采用鲁棒优化的方法对中枢辐射航线网络进行规划设计，并将最短路算法加以改进提出了求解的精确算法。得到了可以适用于多种可能情景的鲁棒解。算例表明鲁棒优化方法具有很好的实用价值。     

不确定二阶动力学系统的鲁棒特征结构配置设计

考虑了一类具有参数摄动的二阶动力学系统通过比例加微分反馈控制的鲁棒特征结构配置设计问题。首先利用定常二阶动力学系统的比例加微分反馈特征结构配置参数化方法提供的自由度,将鲁棒特征结构配置问题转化为具有约束条件的优化问题。在此基础上,给出了求解该优化问题的算法,即鲁棒特征结构配置算法。数值例子及仿真结果表明,该算法对参数摄动二阶动力学系统鲁棒性设计的简单及有效性。     

基于TCP/AQM的离散滑模控制器设计

基于网络拥塞控制有效的主动队列管理算法(AQM),设计了一种鲁棒的离散滑模控制器(DSMC).针对实际网络中离散化的采样系统和定期更新等运行特点,将TCP动态拥塞窗口模型离散化,考虑该模型存在的网络延迟及流量扰动等参数不确定等特点,采用鲁棒性较好的滑模控制器.在控制器的设计中,构造了包含起始点滑模面,缩短到达时间;假设不确定扰动的最大上界,采用等效控制设计控制律;然后给出了系统的稳定性分析.仿真结果表明该控制器能够获得较快的响应速度和稳定的队列长度,在网络参数变化时仍能获得很好的鲁棒性.     

基于观测器的网络系统鲁棒控制器设计

针对网络拥塞问题,提出了一种基于观测器的主动队列管理(AQM)算法.该算法讨论了输入受限情况下时滞不确定网络系统的鲁棒控制器设计问题,利用线性矩阵不等式方法研究了观测器和控制器存在的充分条件.仿真结果表明,在网络条件变化的情况下,该方法能很好的使缓存队列迅速收敛到期望队列长度,并且对网络的负载扰动和参数变化具有很强的鲁棒性.     

脉冲信道下基于深度学习的BP译码方法

在脉冲信道下,针对置信传播(belief propagation, BP)算法对短码长的低密度奇偶校验(low-density parity-check, LDPC)码译码性能差的问题,提出了一种基于深度学习的BP译码方法。首先,根据Tanner图构建两种深度神经网络模型,通过对Tanner图中边的权重重新赋值来提升译码性能。然后,简化信道对数似然比(log-likelihood ratio, LLR)的计算方法,通过模型训练优化近似计算参数,得到对参数γ鲁棒的译码模型。最后,构造鲁棒训练集,训练得到对参数α和γ鲁棒的译码模型。仿真结果表明,在高码率时,该方法相对于传统BP译码算法性能显著提升,且在近似计算信道LLR值时,译码性能在不同参数的脉冲信道下均具有鲁棒性。     

全连通航线网络和枢纽航线网络的比较研究

以网络利润最大化为目标,分析了几种网络模型参数对全连通航线网络和枢纽航线网络中航班频率、客流量以及单航班座位数的影响.基于相同的网络模型参数,对全连通航线网络和枢纽航线网络中的航班频率、客流量、直达票价、单航班座位数之间的关系进行了研究,结果发现枢纽航线网络中的航班频率、直达客流量和直达票价分别大于全连通航线网络中的航班频率、直达客流量和直达票价,但是不能确定两种航线网络中单航班座位数之间的大小关系.     

面向拥堵问题的枢纽航线网络优化模型

为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标，设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization, SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。     

基于无容量限制的p-枢纽中位问题的随机优化

在枢纽网络设计时, 未来的成本和需求等参数具有不确定性. 为了使设计的网络能在各种情景下具有最优的期望成本, 提出了无容量限制的多分配严格p-枢纽中位随机优化模型. 考虑到模型本身的结构特点和复杂程度, 采用了PH分解算法结合增广拉格朗日松弛算法, 将原问题转化为若干个独立子问题来求解. 使用了基于经典算例的随机数据集合对模型和算法进行了测试, 算例结果表明尤其在情景数量较大的情况下, 算法体现出较高的效率. 同时, 通过随机解价值分析了使用随机优化模型对于该算例的意义.     

基于配送时效和连接成本的快递网络优化

改变以往学者基于轴辐网络理论的快递网络优化方法,本文基于复杂网络理论对快递网络进行优化.首先用配送时效表征快递网络的配送效率,用快递网络连接边的总长度来表征快递网络的连接成本,然后以最小连接成本为优化目标,构建带有配送时效约束的优化模型,并设计从全连通网络逐渐删除边际效益最低的边的算法贪婪迭代寻找最低连接成本的网络结构,最后通过算例对算法的有效性进行了验证.     

复杂装备精密产品Grey-PCE多质量特性稳健优化设计

为了解决柔顺复杂装备精密产品在不确定性结构参数情形下,其多质量特性波动与冲突的工程难题,提出一种灰色关联多项式混沌扩展(grey polynomial chaos expansion,Grey-PCE)稳健优化设计新方法来解决这一工程难题。该方法基于多项式混沌扩展方法,建立柔顺复杂装备精密产品多质量特性代理模型;在此基础上,采用6σ稳健优化设计建模方法,构建了柔顺复杂装备精密产品多质量特性PCE稳健优化设计模型,通过NSGA-Ⅱ算法获得多质量特性解集;并采用接近度灰色关联分析法对多质量特性解集排序分析,获取了最佳稳健设计方案;最后,柔顺复杂装备精密产品算例验证了所提出方法的有效性和稳健性。     

面向混合变量和任意时间优化的蚁群算法

针对现实问题中优化模型复杂、变量类型混合、求解难问题,通过构建面向混合变量的蚁群优化信息素模型和设计蚂蚁随机解构建方法,提出能够充分有效处理混合连续、有序或无序离散变量的蚁群优化算法。进一步考虑现实问题中目标函数评估次数未知或昂贵优化场景,设计面向任意时间优化的算法参数评估指标,自动化配置算法同时提高解的质量和优化执行效率,生成了面向混合变量和任意时间优化的蚁群算法。最后在标准工程优化问题中进行测试,通过与文献结果的比较,验证了新蚁群算法的高效性和鲁棒性。     

信息不确定下的主动打断项目组合选择问题鲁棒优化

在项目组合选择问题中,历史数据的缺乏以及预测和估计过程中出现的不可避免的误差,会导致模型中的参数无法被准确地估计,进而给决策带来巨大的风险.因此,构建合适的鲁棒优化模型,为企业提供能有效应对参数不确定性的鲁棒解,对企业的风险防范具有极其重要的现实意义.本文首先对确定参数下的主动打断项目组合选择问题数学模型的特点进行了分析.进一步地,介绍了鲁棒优化问题中不确定情境集的概念,并给出了允许管理者根据其偏好确定不确定情境集大小的方法,构建了全新的基于情境的鲁棒优化模型,进而计算出在所规定的不确定情境集内的最坏情境下能保持可行性与最优性的鲁棒解,实现了鲁棒性与最优性间的权衡,最后,通过GAMS/BARON进行了算例分析,验证了模型的合理性与有效性.从理论上,本文首次将鲁棒优化理论扩展到了主动打断项目组合选择问题中,针对现有的项目组合选择问题鲁棒优化理论仅能应对有限个可行解的不足之处,提出了一类新的鲁棒优化方法,使其能够应对具有无穷多可行解的主动打断项目组合问题.从实践上,随着我国高新产业的发展,具有超前性与特殊性的研究与发展(RD)、信息科技与信息系统(IT/IS)等新兴项目的投资日益受到重视.相较于传统项目,这类项目的高度不确定性使得探究项目组合选择问题的鲁棒优化理论日益迫切.故而本文的研究具有明显的理论价值和现实意义.     

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题，从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性，并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法，该算法以活动为基准，采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动，提升调度计划的鲁棒性。最后，为验证MTPC优化算法的有效性和可行性，通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS，Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明：MTPC算法在调度计划的鲁棒性，资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置，还能通过降低活动的拖期风险提升调度计划的鲁棒性，这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。