校车优化调度算法及模型研究

校车安排调度问题是一个长久以来一直困扰着各个学校的资源多目标组合优化问题。该文采用基于满意优化模型和免疫蚁群算法进行模型的建立与求解。满意优化理论的关键是建立一个反映变量取值与客户心理反应之间关系的数学形式,即客户满意度和客户满意度函数。采用免疫算法和基本蚁群算法来搜索局部最优化,以此提高资源的利用率。为了检验该算法的实际应用效果,通过某大学两个校区的校车安排的具体问题来分析和研究,建立了基于满意优化的数学模型,并利用数学化语言对校车安排调度问题的影响因素、主要约束条件和求解目标等进行了描述和分析。通过免疫蚁群算法求解。结果表明:该方法可行且有比较显著的效果。     

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。     

基于反馈控制原理可靠性多目标优化设计的满意解

通过对多目标优化问题不确定性因素的分析，将有效解问题扩展到模糊多目标优化模型软计算满意解求解问题．利用模糊集理论中隶属函数，将各子目标模糊化后处理为满意度函数，进而在分析控制系统中的闭环控制原理和多目标满意解优化软计算的动态过程的相似性后，提出了建立基于闭环反馈控制原理，由协调校正权函数、相对优属度函数和重要性加权指数构成的多目标满意解总评价函数方法．最后，给出机械零件可靠性多目标满意解优化实例进行验证．     

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.     

城市物流中心车辆配送配载调度指派模型研究

基于交通条件约束、客户时间窗约束以及车辆承载能力约束条件下 ,以车辆的配送路径最短、拼装货品最多为优化目标 ,研究车辆配送与配载的两目标优化调度模型组 ,该模型组可以完整描述调度过程的优化目标和约束条件 .以VB6 .0进行仿真模拟 ,结果表明该模型可以有效模拟配送中心调度系统在多种约束条件下的配送、配载调度过程 ,得到的调度指派方案是可接受的 ,而且是有效的 .     

考虑客户满意度的车辆路径优化及其算法研究

针对当前车辆路径问题中较少考虑客户满意度的情况,构建了基于模糊时间窗的车辆到达时间满意度函数和货物运输时长满意度函数,以最大化客户满意度和最小化配送总成本为目标建立VRPCCS数学模型.为了求解该问题,考虑到传统遗传算法存在依赖初始解、收敛速度较慢、容易陷入局部最优等缺点,设计改进的遗传算法与大规模邻域搜索算法相结合的混合算法进行求解,通过选取算例并与传统遗传算法进行对比,验证了模型和算法的可行性和有效性.实验仿真结果表明考虑客户满意度的物流配送方式不仅能够有效提升客户满意度,也能够降低物流企业配送成本以及车辆空载率,对于物流企业的车辆配送路径决策具有一定的参考意义.     

基于混合车型的灵活型接驳公交路径协同优化研究

为解决居民出行往返于居住地与换乘站间“最后一公里”的难题,研究了灵活型接驳公交路径规划问题。为保证接驳公交服务质量,构造乘客满意度函数将其量化。考虑混合车型联合调度对接驳车辆路径优化的影响,在给定预约需求和车队规模的前提下,以企业运营成本最小和平均乘客满意度最大为优化目标,建立基于混合车型的灵活型接驳公交路径协同优化模型,同时运用遗传算法求解模型。结果表明,采用多车型调度的算例最优适应度值优于使用单一车型的算例,说明该模型在路径优化方面具有可行性。     

多车辆直运越库调度的建模与启发式算法

以最小化客户的最晚交货时间为目标,建立了多车辆直运越库物流调度问题的混合整数线性规划模型,并使用优化工具ILOG CPLEX求解得到了适当规模问题和小规模问题的精确最优解;基于最大加工时间(LPT)规则,提出求解多车辆直运越库物流调度问题的启发式算法,通过对中等以及大规模实例的数值计算,比较了混合整数线性规划模型和启发式算法之间的计算性能.结果表明,启发式算法具有良好的近似性能,所测24组实例中的相对误差不超过9.5%,接近于精确解.     

基于遗传算法的刨煤机系统多目标模糊可靠性优化

 针对刨煤机系统常规优化方法难以处理具有相互矛盾属性的系统可靠性多目标优化设计问题,提出一种基于遗传算法非概率分布信息的多目标模糊可靠性优化决策方法。该方法利用模糊集隶属函数的特性将各个单一目标函数模糊优化处理为能够反映各子目标相对重要程度,对不完全概率信息采用随机摄动法和Edgeworth级数方法转化为标准正态分布函数,将各个目标的协调满意度函数综合统一的单目标优化模型,再用常规优化方法即可求出多目标优化模型的满意解,最后给出刨煤机实例以验证该方法的有效性。     

考虑客户偏好的双目标时间窗指派车辆路径问题

基于现实中客户对服务时间窗有特定偏好,将最大化客户满意度作为优化目标,对双目标时间窗指派车辆路径问题展开研究.在该问题中,供应商需为每一客户许诺一个服务时间窗.在许诺服务时间窗时,服务期间客户每天需求量尚未确定.在构建了混合整数线性规划模型的基础上,采用不同约束处理依据帕累托方法设计了2个多目标遗传算法:抛弃法约束处理多目标遗传算法和无参约束处理多目标遗传算法.经数值试验测试表明,2个多目标遗传算法都能获得有效的非支配解集,抛弃法约束处理多目标遗传算法的求解质量显著地优于无参约束处理多目标遗传算法.另外,客户满意度与期望配送成本之间存在着制约关系,客户满意度从最小到最大的提升率高于期望配送成本的提升率.