信息缺失下考虑预算约束的物流设施可靠性选址研究

针对存在失效风险的设施选址问题,构建了信息缺失下考虑预算约束的物流设施可靠性选址模型.该模型既反映了信息缺失下顾客访问设施方式的变化,又在预算有限的情况下考虑了设施优化布局方案.针对构建模型的特性,基于拉格朗日松弛算法,提出了定制的启发式求解算法.基于京津冀区域的实际数据,构建了一系列的算例,对选址模型的性能和参数进行深入分析研究.研究结果表明:采用拉格朗日松弛算法求解该模型可以获得合理的物流设施选址方案.通过灵敏度分析,探讨了模型参数对物流设施选址成本的影响.     

基于贪婪启发式的多期多目标动态网络选址

为弥补现有选址模型考虑需求变化及客户满意度的不足,研究了随机需求环境下的配送中心选址并设计了衡量客户满意度的函数. 运用随机机会约束规划为基本建模工具,将模型设计拓展到多期规划决策领域并构建了动态多期多目标选址模型,模型不仅考虑了最小化配送中心运作成本,而且考虑了客户最大满意度;运用主要目标法将多目标选址模型转化为单目标选址模型,采用满意度高优先的客户指派原则设计了贪婪启发式求解算法. 算例结果表明,模型的非劣解包含了传统的以最小化物流成本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灵活全面的决策依据.     

可变吸引力竞争选址模型与算法研究

结合Huff重力模型,考虑了市场存在一个或多个竞争对手情形下的新设施竞争选址模型.假设顾客访问设施的概率与设施吸引力成正比,与设施同需求点的距离成反比.企业通过确定新设施的选址位置和设施的吸引力水平来追求利润最大化.建立了混合整数非线性规划模型并设计算法进行求解.并通过随机算例验证了算法的有效性.     

考虑枢纽失效情形的客运枢纽层级选址模型

基于混合式服务模式，提出了枢纽失效和不完全信息条件下旅客依次访问备选枢纽的服务策略，并建立了有容量限制的可靠性层级选址模型。实例分析结果表明，该选址模型可以增加选址方案的可靠性，降低由于枢纽失效而产生的惩罚费用。模型参数敏感性分析结果表明，对于失效概率过高的枢纽设施网络，仅靠增加枢纽数量已无法提高选址方案的可靠性，而保持较高可靠性的枢纽设施网络在应对可能造成高损失事件时的弹性较高。     

考虑节点失效的QoE测量点鲁棒选址问题研究

QoE测量点选址问题是选择尽可能少的测量点来准确反映网络中用户获取服务的情况。本文基于失效概率已知的QoE测量点选址模型,用区间描述失效概率的不确定性,建立了QoE测量点选址的鲁棒模型,并将其转化为混合整数线性规划求解。测试结果表明了鲁棒选址模型对考虑节点失效的QoE测量点选址问题的有效性,算例分析表明覆盖率和失效个数对选址方案有不同程度的影响。     

一个具有仓库容量选择的两阶段设施选址问题的模型及算法

设施选址及其规模选择优化对供应链的长期战略成本和运营成本有着重要影响, 是提高企业利润和竞争力的关键决策之一, 也是运筹优化领域研究的热点与难点. 针对已有的两阶段设施选址问题,(two-stage facility location problem, TSFLP),研究中缺乏对设施容量选择的优化, 在设施选址问题基础上引入了设施容量选择的优化, 同时确定了工厂的位置、仓库的位置和容量、从工厂到仓库的产品流以及客户到仓库的分配, 建立了以最小化总成本为目标的混合整数规划模型, 并基于模型特点设计了适合求解此问题的拉格朗日松弛(Lagrangean relaxation, LR)方法和混合变邻域禁忌搜索,(hybrid variable neighborhood tabu search, HVNTS)算法. 基于随机生成的大量具有不同参数的实例, 验证了所提出的算法可有效求解大规模的、且需同时优化设施选址及容量选择的问题.     

基于网络选址的设施系统可靠性

将设施系统的结构用网络表示,其中顶点代表服务设施或客户,边代表物品或信息的传输途径。设施系统的可靠性在很大程度上会受网络边失效的影响。为了度量此种情形下的设施系统可靠性,提出可行可靠度概念。基于集合覆盖问题、 p-中值问题和无容量限制固定费用选址问题建立一个综合选址模型,设计邻域搜索算法并求解一个实例。结果表明,在成本增加不多的情况下,考虑边失效情形可以明显提高设施系统的可靠性。     

限制条件下应急设施选址数目优化模型及算法

以往应急设施选址模型大多仅考虑应急现场在网络图顶点,应急设施在任意点的情况.因此提出了考虑应急现场与应急设施均可位于网络图任意点的情况,在有应急事件限制下,以达到设施数目最少为目标的一种城市应急设施选址模型,相比之下该模型更具有操作性与实用性.结合集合运算的思想,提出了一种模型的求解算法,计算实例表明了该模型的正确性与算法的可行性.     

基于BAS-AGA的多层级多类型的设施选址-分配问题

建立考虑多种类型的产品、同一层级有多种类型的设施、同一类型设施可以处理多种类型产品的N层级的选址-分配模型，并考虑4种不确定场景，设计改进的天牛须-遗传混合算法进行求解。改进的算法以遗传算法为基本框架，混合天牛须算法增强局部搜索能力、引入自适应算子平衡局部搜索能力与全局搜索能力，算例测试验证了BAS-AGA算法的有效性。铁路工程某标段的实例验证了ME-LAP模型的合理性，并发现通过适当增加设施数量及科学选择设施位置可以降低物流成本，从而降低总成本。     

带约束多设施选址分配模型与基于变分不等式的启发式算法

设施选址问题在生活、物流、军事中有着非常广泛的应用.主要考虑设施有约束限制以及设施间存在相互运输的情形,提出一个约束多设施选址模型.目标是在平面上的约束区域内选择多个设施,使得这些设施到各个需求点以及各个设施间的距离和最小.提出了基于变分不等式方法的交替选址-分配启发式算法解决此模型:在分配步,采用最近中心再分配算法将顾客分配给设施;在选址步,先将子问题转化为等价的变分不等式问题,再用投影收缩方法求解相应的变分不等式问题.分析了问题及算法的一些性质,并给出了数值试验,证明了算法的有效性.     

利用拉格朗日松弛算法求解三维分配问题

将拉格朗日松弛算法与最优求解算法的复杂性进行了分析比较，并将该算法应用于求解3-D分配问题,分析与算例结果表明，该算法可大幅度降低3-D分配问题的求解计算量，是求解3-D分配问题的一种有效算法．     

带有基数限制的离散多因素投资组合模型

研究带有基数限制的离散多因素投资组合模型.与传统的投资组合模型不同的是,该模型中投资组合的决策变量是交易手数(整数),且限制资产投资的最大数目,其最优化模型是一个非线性整数规划问题.分别用随机产生的一组数据和来自纳斯达克的40只股票数据,利用拉格朗日松弛的混合分枝定界算法求解此模型,并用FORTRAN语言编程,数值结果表明该算法能有效求解此模型.     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

轧钢切断阶段动态HFS调度模型和LR算法研究

以钢管生产为背景,在分析钢管切割工艺的基础上,提炼出第一阶段具有批处理特征的动态HFS调度问题,建立了数学规划模型,目标是最小化所有工件的加权完成时间.针对该模型,构造了改进的拉格朗日松弛算法(lagrangian relaxation,LR)的求解过程,设计了求解批级子问题的动态规划算法和构造可行解的启发式算法.     

动态随机绿色可靠路径选择模型

研究动态随机路网下的绿色出行问题.在保证出行者能及时到达目的地的前提下,考虑汽车尾气碳排放,建立绿色可靠路径选择模型.设计拉格朗日松弛算法对模型进行求解,并用美国Sioux-Falls路网测试模型和算法的有效性.算例表明,所提出的模型可以达到汽车尾气碳排放最少的目标,并能够同时满足出行者及时到达目的地的可靠性要求,为绿色出行研究提供了理论基础.     

需准备时间的FFS调度的一种拉格朗日松弛算法

针对需调度顺序相关准备时间的柔性流水车间生产调度问题,建立以成本最小化为目标的整数规划模型,用基于拉格朗日松弛的方法来求解。在常用的次梯度算法处理拉格朗日对偶问题时,迭代过程易出现振荡,严重影响了收敛效率。因此,利用了隶属度函数给出迭代过程中所有次梯度的合适权重,将它们线性加权得到新的迭代方向。最后通过算例表明,此算法有效的减少了迭代次数,提高了算法的优化性能。     

0-1多项式背包问题的一种精确算法

提出了0-1多项式背包问题的一种新的精确算法. 该算法是一个基于拉格朗日松弛和对偶搜索的分枝定界方法. 用外逼近法求拉格朗日对偶问题得到上界,其中拉格朗日松弛问题通过转化为一个网络最大流问题来求解. 为了提高算法的效率,利用两种启发式方法求初始可行解,并用填充和交换的方法改进后得到初始下界; 并且在分枝定界前, 利用所得到的拉格朗日界, 先固定最优解中某些变量的值. 数值结果表明该算法是有效的.     

基于多特征的AdaBoost行人检测算法

针对单特征辨识度较低问题,基于多特征的AdaBoost行人检测算法,提出一种融合灰度和轮廓信息的新的多特征综合表示方法.该方法通过统计样本的权重直方图建立分类模型,并用多个直方图的乘积表示样本在多特征下对应的联合概率分布,从而基于多特征联合概率更精准地描述行人,提高行人检测的鲁棒性.实验结果表明,改进后的基于多特征行人检测算法提高了行人检测精度、降低了误检率,目标识别的置信度明显提高,在多变的自然背景下可以取得较好的效果.     

结构可靠度计算的自适应辅助域方法

提出了一种Metropolis算法与支持向量机(SVM)方法相结合的自适应辅助域方法.利用Metropolis算法生成目标失效域内的条件样本点,并以该过程中的备选点作为初始训练点训练SVM模型.根据训练得到的SVM模型再自适应地选择一部分样本点加入训练点集,并对SVM模型进行更新,直至满足迭代终止条件.以最终得到的SVM模型作为辅助失效域,计算近似失效概率和两个条件失效概率.对近似失效概率进行修正,使最终得到的目标失效概率渐进无偏且更加稳定.算例表明该算法具有较好的计算精度、效率和鲁棒性.     

基于概率LS-SVM 的多标签非均衡样本分类算法

针对多标签分类问题,提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先,结合“一对一”分解策略和贝叶斯理论,将多标签数据集分解为单标签数据子集,并利用Parzen窗方法估计子集样本后验概率,对类标签进行了基于概率的不确定性表示。然后,在融合概率类标签和LS-SVM模型的基础上,利用样本差异信息来调节惩罚参数值,建立了考虑样本不均衡的概率LS-SVM子分类器模型。依据正态分布的3σ原理,设计了子分类器决策阈值确定方法。最后,结合实例对算法进行了性能分析,结果证明了新算法的合理性和有效性。