越库中心选址模型与启发式算法

考虑客户服务水平,以运输成本、越库中心作业和固定成本、延迟交货惩罚成本总和最小化为目标,建立越库中心选址的混合整数规划模型.在中小规模情形下,运用lingo求问题的精确解,同时根据模型中目标函数的不同特征,构建2种启发式算法求问题的近优解.实验结果表明:在所测的20组数据中,性能较优的启发式算法H2求得的解与精确解的平均误差分别为0.28％和3.24％,接近于精确解,这表明启发式算法H2是有效的.     

一种有效求解厌恶设施选址问题的混合启发式算法

由于1-maximin模型的目标函数在每条边上是分段线性的凹函数,基于1-maximin模型的这一特点,将粒子群算法和黄金分割法有机结合起来,提出了一种求解1-maximin模型的混合粒子群-黄金分割（PSO-GS）算法。数值实验表明,PSO-GS算法求解1-maximin模型和1-maxisum模型较UnCenter和Newalgorithm算法效率高。     

城市货物换装站非约束选址模型及其遗传算法

结合城市货物运输的具体特点及连续选址问题的复杂性,在分析城市货物换装站非约束选址问题特点的基础上,建立该问题的优化数学模型,并构造求解问题的有效遗传算法．算法中设计了基于表上作业法或单纯形法的嵌入式适应值计算方法,并采用确保浮点数编码个体有效性的遗传操作方法．实例计算表明,本文提出的模型与算法能够有效地解决城市货物换装站非约束选址问题．     

容量受限工厂选址问题模型及贪婪蚁群算法求解

研究了在容量受限条件下的工厂选址问题.针对现有模型对覆盖问题、经济效益问题和发展状况问题考虑不足,提出了一种新的数学模型.由于容量受限的工厂选址是一个复杂的决策过程,较难得到满意解和最优解,提出一种新的改进蚁群算法对其进行求解.改进蚁群算法在传统蚁群算法的基础上结合了贪婪算法.仿真结果一方面说明了新的数学模型的有效性,另一方面证明了改进蚁群算法改善了传统蚁群算法易于陷入局部最优解的缺点,提高了寻优质量.     

并行加工系统中的负荷分配模型及启发式算法

在分析已有负荷分配算法的基础上，提出了关于并行加工系统负荷分配的模型和求解的新算法。模型的优化目标考虑使系统中加工负荷最重的设备的负荷最小，同时使设备负荷之差最小。     

基于目标规划的单应急系统选址改进模型及算法研究

针对当前有关应急系统选址问题的研究中所构建的模型均以时间和距离因素约束为基础,没有考虑诸如费用、事故发生频率等因素约束的现状,本文在考虑时间和距离因素的基础上,加入这些因素,依据其重要程度赋予合适的优先因子,进而采用目标规划等方法构建相应的改进模型,制定相应的改进算法,并将其应用于天津理工大学本部校区,与原有算法的计算结果进行分析对比.结果表明,改进的模型和算法更符合实际,能够更全面体现现实中各因素的约束.该研究成果将能够在某种程度上避免决策者制定决策的盲目性,也能够有力的支持国家层次的战略设计研究.     

突发性灾害救援中心选址优化的模型与算法

提出了一种基于灾害发生概率、灾害扩散函数和救援函数的救援中心选址优化的数学模型.由于灾害的扩散和救援的功效都只能表达为时间的非线性函数,这种嵌入时间函数的优化问题很难由一般数学规划模型求解.提出一种基于嵌入启发式遗传算法作为模型求解方法.通过对大量源于实际的算例进行计算,取得了满意的结果.     

指标满意度算法在垃圾压缩站选址中的应用

将指标满意度算法运用到城市生活垃圾压缩站选址环节,可以取得较好的经济效益和环境效益。针对具体候选压缩站选址问题进行定性和定量相结合的决策分析,计算出可行方案的指标满意度,获得较优选址。     

应急系统优化选址模型的一种改进算法

对于应急选址问题,考虑在满足应急时间紧迫性的前提下,使系统操作费用最小为优化目标的数学模型,但已经给出的求解方法经检验并不适合所有的图,故此文将对已有的求解方法进行改进和补充,给出了一个便于实际应用的适用于任意网络的算法.     

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.     

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.     

基于学习-竞争模式的启发式算法及其应用

建立了一种解决NP难组合优化问题的一般性的模式--学习-竞争模式.其中,"学习模式"侧重于个体局部的搜索;而"竞争模式"侧重于种群全局的搜索.利用此模式将多种算法的优点融合在一起.在对背包问题的实际求解中,采用贪婪算法实现了"学习模式",而"竞争模式"则采用了遗传算法实现,并且设计了一组参数来协调这两个模式之间的关系,结果证明与理论分析一致.     

基于启发式策略的最短路径算法

在讨论经典Dijkstra算法和启发式策略算法（A^＊,矩形算法等）的基础上,提出一种基于Dijkstra算法的动态方向限制搜索算法用于求解道路网络中两节点之间最短路径．该算法结合人类的搜索思路和动态灵活的处理方式,对最短路径算法的搜索策略进行改进,动态改变搜索限制区域,减少计算时间．该算法不仅可以单独提高计算最短路径的效率,而且与其他算法结合起来还可取得更好的效果．实际结果证明动态方向限制搜索算法比经典Dijkstra算法减少近50％的搜索节点数和搜索时间．     

不确定需求下容量限制工厂选址的改进蜂群算法

研究了需求不确定下容量限制工厂选址问题。在考虑需求点的实际情况后,根据各点不确定需求的变化而改变工厂的生产规模限制,建立设置分段的生产规模的容量限制工厂选址模型。使用联系数和区间灰数理论对不确定的需求进行预测。为了求解该问题,对传统人工蜂群算法的编码、更新、搜索和追随策略进行了改进。最后进行数值实验,将新算法与遗传算法、萤火虫算法、粒子群算法和海鸥算法进行对比。结果表明,改进后的人工蜂群算法有更好的优化效果,在求解容量限制的选址问题上具有可行性和有效性。     

混合中国邮递员问题的扰动恢复讨论及其一种启发式算法

提出一种决策支持系统下的混合中国邮递员问题扰动恢复问题，在分析给定实例的基础上以及给定的假设下。对各种扰动进行数学描述，给出了问题的数学模型，讨论并构造了问题受扰动后的解。     

一种启发式SP路由遗传算法的研究

在QoS网络结构下,提出一种启发式SP路由遗传算法;采用可变长度的染色体编码机制,并进行优化选择、交叉、变异等操作;用C语言得出的仿真结果表明该算法比Munemoto算法和Inagaki算法收敛速率快,可靠性高,而且可以搜索到全局最优解.     

一种改进的启发式球面点定位算法

将仅适用于平面网格的基于质心坐标的搜索策略进行推广和拓展,提出一种适用于球面网格的改进启发式算法,并详细讨论了不同质心坐标值情况下的下一搜索三角形的选择方法.为进一步提高算法效率,在进行启发式搜索之前通过执行若干顶点比较操作来选择一个较优的初始搜索三角形,同时引进一个近似度阈值来调整初始三角形确定时间与后续目标三角形搜索时间之间的平衡关系.分析表明,改进启发式算法的时间复杂度仅为O(n1/2f)(nf为网格包含的三角形数目).     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。