物流配送中心选址的多目标优化模型

针对传统选址模型片面追求物流成本最小化而忽视物流服务水平的情况,将可靠性作为物流服务水平的一种测度,提出了配送中心系统可靠度的计算方法,建立了以物流成本最小化和物流服务可靠度最大化为目标的配送中心选址多目标优化模型.采用主要目标法将建立的多目标优化模型转化为单目标优化模型,并运用贪婪取走启发式算法对转化后的模型进行求解.算例结果表明,模型的非劣解充分反映了物流成本与物流服务可靠度之间的悖反关系,同时包含了传统的以物流成本最小化为目标的选址模型的最优解,从而为配送中心选址提供更加全面的决策依据.     

考虑自然灾害等多因素的BWM-GIS城市医院选址

为实现城市医疗资源合理配置,对城市现有医院位置进行科学性评估和对新建医院优化性选址.首先,应用ArcGIS软件构建泰森多边形,对现有医院的分布进行合理性评判,并考虑安全性、可达性和经济性等影响因素构建医院选址评价体系.其次,应用最优-最劣法(BWM)计算指标权重,并将其输入Spatial Analyst叠置分析中,根据加权线性组合(WLC)得到适宜新建医院的选址备选点.最后,采用BP神经网络算法对备选点进行比较,得出最优新建医院选址位置.研究结果表明:考虑自然灾害等多因素的医院选址模型优于仅以可达性为目标的选址模型,同时,也验证了该模型和算法在城市医院选址定量分析中的适用性和准确性.     

城市避震疏散场所选址的时间满意覆盖模型

针对城市避震疏散场所选址和避难人员分配的问题,研究了综合多准则决策的避震疏散场所优化方案的时间满意覆盖模型.通过综合考虑备选避震疏散场所的条件,采用优劣解距离方法进行多准则决策,对可行方案进行综合评价;在建立避震疏散场所服务需求点的时效性评价函数的基础上,基于最大覆盖选址模型和"部分覆盖"思想,建立了有限设置避震疏散场所的综合多准则与时间满意覆盖模型,并给出了基于遗传粒子群的模型优化求解算法.实例分析结果表明,该算法具有较好的有效性.     

基于双层规划的公共电动自行车租赁点选址模型

建设公共电动自行车系统是有效利用资源、满足居民经济低碳出行需求的可行途径之一.文中提出了公共电动自行车网络系统的概念,并采用出行链对其进行分析.在此基础上,建立双层规划模型解决该网络系统中的租赁点选址问题.上层模型考虑政府的目标,为系统最优模型;下层模型考虑用户的目标,为用户均衡模型.上层模型采用混合粒子群优化算法求解,下层模型采用Frank-Wolfe算法求解.算例结果表明,文中算法能够同时确定站点选址和站点规模,收敛性能较好.     

回收连锁店选址问题及蘑菇繁殖算法求解

针对日益增长的多样化回收服务需求，解决了多服务方式、多规模的回收连锁店选址优化问题。构建了建设与服务成本最小化和客户满意度最大化的回收连锁店双目标选址模型，并针对模型的具体特征，将交叉与变异算子和精英保留策略等与基本蘑菇繁殖算法相结合，设计了改进的蘑菇繁殖算法对模型求解。通过对某电子产品回收连锁店的选址优化实例，确定其服务方式和选址的数量、位置及规模。验证了模型的有效性和算法的可行性。同时，不同的服务方式及规模选择，对回收连锁店的选址有显著影响，企业相关决策者可通过合理提供不同服务来提升利润。     

基于改进的多目标量子行为粒子群优化算法的多无人机协同任务分配

为在给定的时间内以最小代价和最大效益完成任务,建立了多无人机协同任务分配问题的多目标优化模型.采用改进的多目标量子行为粒子群优化算法求解最优任务分配方案,定义了一种从所求候选方案中选取最优分配方案的自主选择准则.对比分析多目标粒子群优化、多目标进化算法和该文算法所求的最优分配方案.仿真结果表明该文算法能够较快地求解问题,而且所求最优任务分配方案的性能优于其它三种算法.     

基于满意度的可持续物流设施选址问题的多目标优化方法

【目的】为了研究可持续物流设施选址问题研究对企业供应链管理和物流配送服务中心的可持续性发展的影响。【方法】基于传统的无容量物流配送服务中心选址问题，引入满意度函数衡量客户对物流配送服务中心提供服务水平的平均满意程度，建立了以经济成本最小化、客户平均满意度最大化和二氧化碳排放量最小化为目标的一个多目标优化模型。【结果】基于多目标优化问题经典的ε 约束标量化方法和贪婪算法思想提出了多目标优化模型的一个求解算法。【结论】提出的多目标优化方法能够在较高的满意度下获得更优的经济成本和碳排放量，为更好地解决无容量物流配送服务中心选址问题提供了一个新的方法。     

基于满意优化的电动汽车充电站选址

充电站选址是当前电动汽车推广中面临的首要问题.基于满意优化理论,提出了电动汽车用户满意度评价函数;通过引入充电站等级概念,以平均电动汽车用户满意度最大为目标函数,建立了多等级电动汽车充电站选址的混合整数规划模型,并提出了基于免疫算法的模型求解算法.测试结果表明,该模型可以有效地确定充电站的位置、等级及服务区域,并且其求解算法是快速、有效的.     

不确定需求下应急物流系统多目标鲁棒优化模型

针对在突发事件发生的紧急救援期,应急物流系统的运载能力有限性及多种应急物资的需求不确定性,采用相对鲁棒优化方法建立了基于总时间和总成本最优的多目标数学模型.结果表明:模型合理地解决了应急物资在需求不确定条件下选址-路径的安排问题,通过算例将绝对鲁棒优化与相对鲁棒优化的对应问题以及单目标与多目标模型的最优解进行对比,验证了多目标鲁棒优化模型能够体现应急物资在需求不确定条件下选址-路径方案的最优性与鲁棒性的均衡,从而在突发事件发生时能有效保证应急物流决策的鲁棒性.     

油库选址问题的多目标优化方法

【目的】研究油料运输过程中油库的最优选址问题。【方法】综合考虑多方面因素，建立以经济成本最小化、用油单位满意度及油库安全性最大化为目标的多目标优化模型，并对模型进行分析。【结果】基于多目标优化问题经典的线性加权标量化方法，引入模拟退火算法对多目标优化模型进行求解。【结论】提出的多目标优化方法能够在较高的安全性和满意度下获得更优的经济成本，为更好解决油库选址提供决策参考。     

基于机场协同决策系统的机坪牵引车调度方法

为优化机坪牵引车服务流程,将机场协同决策系统与数学模型、多目标遗传算法相结合,通过理论计算与实例验证的方法研究了牵引车调度优化问题.首先,利用机场协同决策系统获取航空器的预计推出时刻;再基于历史运行数据设计航空器推出耗时和牵引车行驶耗时的生成方式,考虑航空器推出过程中可能引发的推出冲突设置约束条件,建立以某一时段、机坪单一保障任区内航空器推出作业总费用最小、参与作业的牵引车数量最少和牵引车服务的航空器数量保持均衡为优化目标的数学模型;然后,针对性地设计多目标遗传算法,并结合实例进行验证.结果表明:提出的机坪牵引车调度方法相较于传统的人工调度方案而言,推出作业总费用降低31.67％,服务航班数方差降至0,方案制定时间缩短71.15％.可见该调度方法能明显优化牵引车的服务流程.最后,在该方法的基础上设计了可视化的牵引车调度程序,为一线运营人员提供决策参考.     

基于遗传算法的参与式感知激励机制的优化

以最大化有效参与者数量和最大化感知区域覆盖率为优化目标,以服务提供者的有限预算为约束,建立参与式感知激励机制多目标优化模型,运用遗传算法对模型求最优解。同经典激励机制优化方法 RADP-VPC-RC和GIA在相同参数条件下的仿真结果进行对比,证实了遗传算法优化模型的有效性和优越性。     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

桁架材料和结构组合多目标优化设计

同时为桁架的每个杆件确定最为合适的材料和结构尺寸属于桁架材料和结构组合优化问题．提出一种桁架材料和结构组合多目标优化的方法．为材料分配唯一的标识编码，把杆件所用材料直接作为设计变量，并且和杆件截面积一起构成设计变量空间．考虑结构重量、成本和节点位移3个目标以及应力约束，建立了桁架材料和结构组合优化问题的数学模型．应用多目标遗传算法进行求解．算例结果表明，采用多目标遗传算法可以为桁架设计参数的确定提供多种选择方案，决策者可以根据目标的重要程度确定最后设计方案．算例分析结果验证了该方法的有效性．     

基于可靠性的供应链设施选址问题的优化模型

针对传统设施选址模型片面追求成本最小化而忽视供应链系统服务水平的情况,建立了一个基于容量有限制的供应链设施选址可靠性问题的多目标优化模型(RCFLP),并针对模拟退火算法与粒子群算法的优缺点,提出了一种混合型智能算法—模拟退火粒子群算法。通过收集中国各个省的人口和各个省会的相互之间的距离数据,构建实例,通过本文建立的模型与模拟退火粒子群算法进行了求解, 并对结果进行了分析,将模拟退火粒子群算法计算结果与模拟退火算法和粒子群算法的计算结果相比较,证明了模拟退火粒子群算法的可以较快地获得较好的全局最优解。     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

系统可靠性的多目标优化计算

由于多目标优化问题存在多个最优解集合，而传统的方法往往将其转化为各目标之加权和，然后采用单目标优化技术，这种方法存在诸多缺点和脆弱性，作为一种并行算法，遗传算法能很好地解决多目标优化问题，文中在非劣性分层遗传算法的基础上对遗传算子进行改进，首先获得多目标优化问题的非劣解，然后通过对系统进行敏感性分析，有效地缩小了问题的解空间．试验对比发现，算法的速度和精度得到有效提高。     

同向平行双螺杆挤出机传动齿轮系的多目标优化

根据同向平行双螺杆挤出机传动齿轮系的结构特点,采用Pareto秩的多目标优化遗传算法进行齿轮系的优化,对同向平行双螺杆挤出机传动齿轮系的优化设计方法进行了探讨,并对实际系统的齿轮系进行了分析设计.结果表明,运用这种多目标优化方法所设计的齿轮系各项性能均达到设计指标和综合优化设计的效果.     

FH—MOEA：基于快速计算空间超体积贡献机制的多目标优化进化算法

研究在多目标优化进化算法中引入强选择压力机制,以促使搜索群体在有效保证多样性的前提下向Pareto最优前沿迅速收敛,并引入空间超体积测度．针对当前空间超体积测度计算代价高的问题,提出了一种基于空间切片的快速空间超体积贡献计算方法FH．基于该方法,发展出一种基于快速计算空间超体积贡献机制的多目标进化算法（FH—MOEA）,并应用于解决复杂的多目标优化问题．用一组测试问题对算法性能进行检验,实验结果表明,该算法在收敛性和分布性两方面均比著名的NSGA-Ⅱ算法有显著提高．     

基于外点惩罚函数与NSGA-II算法的气体分馏装置多目标优化

采用多元线性回归理论,结合最小二乘法对气体分馏装置进行优化建模,提出将惩罚函数法与非支配排序遗传算法（NSGA-II）相结合的优化策略,对气体分馏装置优化模型进行求解得到Pareto最优解集。优化结果表明,文中提出的改进NSGA—II算法求得Pareto解集的收敛性和多目标优化点的分散程度要优于NSGA．II和NSGA算法,该算法克服了NSGA—II算法Pareto解集的分散程度不均匀、NSGA算法收敛性差的问题。通过对比气体分馏装置目前工况与改进NSGA—II优化算法的结果可知,改进算法的结果成功地解决了目前该气体分馏装置能耗过高的问题,使该装置达到了节能优化的目标,为气体分馏装置的节能与优化设计提供了新的有效方法。