运输问题的直接算法

基于线性规划逐维选优强多项式算法的基本理论,结合运输问题模型的特殊结构,提出了运输问题直接算法: 根据目标函数的梯度向量在可行域的低维界面上的投影,通过确定运输问题在可行域上的低维等值界面,直接得出运输问题的最优解集.     

运输问题理论体系的改进

本文根据运输问题的特殊性,直接利用运输表给出了它的三个基本概念和两个基本定理,并以此为基础导出了其理论与算法上的一系列重要结论,从而改进和完善了运输问题的理论体系。     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

运输问题表上作业法的网络分析（Ⅱ）

为求解运输问题的表上作业法提供一种新的理论解释和这种理论解释的某些应用．文中用最小费用最大流的观点证明了表上作业法的正确性并以此为依据得到几种处理退化情形的方法     

运输发展理论以运输化为主要线索的新进展

运输化理论的提出为从经济上解释交通运输与经济发展的关系提供了一个基本理论框架,也推动这一领域近年取得一系列新成果,“脉冲式发展”的研究为运输化阶段内部各种运输方式演进和运输与经济发展的关系提供了进一步的解释。阀值理论则从成本角度说明了人类社会经济为什么会以运输化为开端进入全新的现代发展时期。铁路货运需求增长变化的四阶段模型通过准确刻划铁路的历史发展轨迹,从又一个角度验证了运输化有关阶段的演变过程。一个国家经济发展和运输化的阶段性也决定了该国运输发展战略的基本选择。     

具有运输次序的运输问题研究

研究了一类新的运输问题--具有运输次序的运输问题,建立了这类运输问题的网络流模型,证明了该模型的有效性,根据解最小费用流问题的思路设计出求解该模型的实用算法,同时通过定义修正权将负权转化为非负权,从而可以用Dijkstra算法找最短路,使算法得到改进.     

铁路车站行包配装计算机辅助决策系统的研究

:建立了铁路车站行包配装问题的基本模型 ,并根据行包运输特点及要求分析了模型的理论求解方法及算法复杂度 ,在此基础上提出了较优可行解的求解算法 .根据该模型及其算法 ,对配装辅助决策系统的结构与功能进行了讨论     

模糊多目标运输问题的结构元解法

为了解决一类具有模糊多目标的运输问题,采用模糊结构元方法,将问题转化为单目标的运输问题再求解。对于具有模糊多目标的运输问题,这些目标被归结为运输问题的模糊成本,利用模糊结构元理论,将多名专家意见通过基于模糊结构元的模糊算法集结为模糊综合指标值,进而将模糊多目标运输问题转化为模糊单目标的运输问题,并利用模糊数的结构元加权排序准则对单目标运输问题进行求解,最后给出了数值例子。该方法对于解决具有模糊多目标的运输问题具有一定的应用前景。     

钢管订购和运输问题的线性规划模型

本文运用线性规划理论建立了钢管订购和运输计划问题的数学模型。在求解时分别利用了图论中求最短路长的算法、整数规划中的 0— 1规划的解法及运输问题的表上作业法 ,利用计算机求得最优方案 :即最小总费用为 1 2 741 44 .4万元。     

广义运输问题的状态算法

经典运输问题在实际应用中有很大的局限性,推广后可以得到具有运输能力限制、供求量可以变化的广义运输问题.广义运输问题不能用运输问题的表上作业法进行求解.利用网络流算法对广义运输问题进行求解.我们首先将广义运输问题等价化为最小费用循环流模型,然后根据求最小费用循环流的状态算法,构造了求解用于广义运输问题的有效方法.     

基于混合智能算法的模糊运输问题的研究

本文研究了在模糊费用条件下的运输问题,并利用不确定理论中的机会约束规划模型和相关机会规划模型的思想,建立了具有模糊费用的运输问题的数学模型。此外,设计了一种混合智能算法,即在模糊条件下的遗传算法的应用。最后,利用这种算法求解一个算例。     

基于双最短时间的运输分配研究

以运输分配为研究对象，提出了先遣需求完成最短时限和总运输时间最短问题，并给出了问题的网络模型。运用图论知识，构造了基于网络最大流算法和最短时间流算法的计算步骤，算例表明，本算法可有效地解决运输问题。     

量子粒子群优化算法在运输问题中的应用

将量子粒子群优化算法用于运输问题求解,用粒子的位置表示运输路径,建立运输路径的数学模型.与遗传算法相比,实验结果表明,该算法在求解运输问题中提高了最优解的精度,且具有较快的收敛速度.     

基于改进蚁群算法的物流车辆调度问题研究

传统蚁群算法在求解中容易出现搜索时间长、收敛过早或停滞现象,为克服这些缺点,通过对蚁群算法进行选择策略、信息素更新等方面的改进,以加快算法的收敛速度,提高算法的搜索能力。再将改进后的蚁群算法引入物流运输车辆调度、综合车辆调度理论,对物流运输车辆的优化调度进行了探讨,对有时间窗车辆调度问题(VSPTW)探求新的求解方法,运用Matlab语言进行编程实现,应用实例对算法进行验证。实践证明,改进后的蚁群算法基本上克服了一般蚁群算法自身的不足,提高了算法的性能。     

SSIM框架下基于SVD的灰度图像质量评价算法研究

图像质量评价算法是图像处理研究中的基本问题.深入讨论图像奇异值分解的性质及基于结构相似性的图像质量评价框架,从理论和实验两方面指出两类算法存在错误评价的问题,并从结构相似的观点出发解释了基于奇异值分解的图像质量评价算法,提出了改进算法的思路.     

关于运输问题中伏格尔法的改进算法

针对求解运输问题中给出初始方案的伏格尔法进行改进而得到新的算法。此算法结合了指派问题的匈牙利法、标号法,利用费用矩阵通过相应的行变换和列变换,保持了运输问题的等价性。此改进算法的步骤具有连贯性和易操作性,简单快捷地得出运输问题的初始方案,节省运算时间。     

一种基于神经网络的运输问题优化方法

将Hopfield神经网络与亚当姆斯公式相结合,在此基础上提出了一种解决运输问题的优化算法.该算法结合Hopfield神经网络优化功能,并根据运输问题的实际情况,将优化运输问题转换成求解网络系统的平衡点.通过实例验证了该方法的有效性、可行性,并且提高了网络的收敛速度.     

基于遗传算法的联合运输路径优化

联合运输是在能源危机、交通拥堵及环境污染约束下的一种理想运输模式。随着国际贸易的飞速发展,联合运输成为了一个热点问题。而联合运输的运输路径优化问题又是联合运输中的重点和难点之一。将综合运输的运输路径优化问题转化成为一个最短路径问题,以成本和时间为优化目标建立了选择最优路径的模型,并应用交叉、变异概率的自适应机制等实现技术设计了一个遗传算法作为求解算法对实例问题进行了求解验证,结果表明该算法具有良好的性能。     

带取送货的关联运输调度问题的优化

针对取送货车辆路径问题,构建了带时间窗的IVRPPD的车辆路径数学模型,设计了混沌免疫克隆选择算法,介绍了基本的免疫克隆选择算法和混沌理论,并对设计步骤进行了详细介绍。最后,通过对该问题进行分析建模和数值求解,说明了该模型和算法的合理性和有效性。与基本遗传算法和非代际遗传算法相比较,混沌免疫克隆选择算法能更有效地解决带取送货的关联运输调度问题。     

甩挂运输车辆调度模型及节约算法设计

采用整数规划方法建立了带时间约束的甩挂运输车辆调度模型。由于该问题的复杂性,在实际问题中若采用精确算法往往不能实现求解,因此提出了增加新策略的调整节约算法。仿真结果和实际案例运算表明,该算法是很有效的,比原来的传统运输方式更优,可以满足较大规模的甩挂运输车辆调度问题。