考虑多种类干扰事件的集装箱码头泊位分配问题

为有效抵抗各类干扰事件对集装箱码头泊位分配计划的影响,有必要制定具有一定鲁棒性且易于恢复调整的泊位分配计划.本文从事前角度出发,针对集装箱码头的泊位分配问题开展以下研究:首先,对码头内干扰泊位分配计划实施的事件进行识别和分类;然后,通过量化以上干扰事件在泊位分配模型中产生的影响,并以最小化船舶的等待时间成本、离港延误时间成本和泊位偏移成本为目标,提出考虑多种类干扰事件的混合整数规划模型;最后,针对该模型设计了启发式算法——吱吱轮算法,对大规模下的泊位分配问题进行求解.通过随机生成的算例,验证了考虑多种类干扰事件的泊位分配模型和吱吱轮算法的有效性.相较于确定性模型,该模型生成的泊位分配计划更具鲁棒性,在发生干扰事件的情况下更易于码头进行计划调整.     

葛梯尔问题的悖论建构

葛梯尔问题是当代知识论研究的核心话题之一。该问题一经提出就引起了热烈的讨论和持久的关注。从葛梯尔问题由以产生的核心预设出发,经过严密的逻辑推导,我们发现葛梯尔问题首先是一个直觉悖论。而通过进一步分析葛梯尔问题背后所涉及的哲学论题,我们发现葛梯尔问题实质上是一个关于可错论论题与不可错论论题的认识论悖论。葛梯尔问题的严格悖论建构,可以揭示葛梯尔问题的实质及其所依赖的核心预设,进而有助于整合现有解决方案、提出新方案,乃至最终解决葛梯尔问题。     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

检测器误差对路网流量推算影响的灵敏度分析

以路网检测器布设可测流问题中检测器误差对路网流量推算的影响为研究对象,采用基于交叉口转弯比的流量守恒方程和网络检测器布设模型,给出灵敏度分析方法并将其作为检测器误差分析的通用方法.将路段流量推算结果受误差源路段检测器误差的影响定义为关键系数,通过理论推导得出,多个误差源路段流量检测器误差对路网流量推算结果的影响为单个误差源路段流量检测器误差影响的线性叠加.最后以方格式路网为实例,采用在路网的只进和只出路段布设检测器两种方案,利用关键系数给出了检测路段流量误差对未检测路段流量推算的影响.     

试论向量在立体几何中的应用

向量是高中数学新增内容之一,同时向量也是一个重要的数学工具,在解决有关的数学问题时,如能适当地构建向量模型不仅可使不少问题得以解决,而且求解有时也会变得简单易行。以下举例说明向量在立体几何中的应用。     

数学选择题的编拟

选择题已是各级各类学校考试——尤其是标准化考试中所广泛采用的题型,并且因为它具备题型小、容量大,有利于培养学生迅捷解题能力和便于阅卷等优点而受青睐。然而因选择题只表现解题结果,无法显示分析问题与解决问题的思维过程,所以若编拟不当,其副作用也是不可低估的,特别是那些通过多种思路都能获得正确答案的选择题,其所具有的“欺骗性”和“危害性”更应引起我们的重视。本文试从选择题的逻辑结构入手,探讨与“四选一”选择题的有关问题。     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议.     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。     

求解P中位问题的混合蝙蝠算法

根据P中位问题的数学模型及其具体特征,重新定义了蝙蝠位置与位置之间的减法操作算子、速度与位置之间的加法操作算子和可行化函数,引入了遗传算法中交叉的思想对当前解进行局部搜索,提出了求解该问题的混合蝙蝠算法。通过对多个P中位算例进行测试,并将测试结果与其他算法进行比较,验证了该混合蝙蝠算法求解P中位问题的可行性与有效性。