变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

约束优化问题的一个超线性收敛的广义梯度投影法

对线性约束的非线性优化问题提出了一个新的广义梯度投影法，该算法我们采用了非精确线性搜索，并在每次迭代运算中运用了广义投影矩阵和变尺度方法的思想确定其搜索方向。在通常的假设条件下，证明了算法的整体收敛性和超线性收敛速度。     

物流设施选址问题的双层模拟退火算法

设施选址问题的相关优化模型的本质,都是在最小化相关费用的前提上,从可选设施集合中确定设施的修建位置,并分配用户的需求,即都必须进行选址决策和需求分配决策.本文主要根据设施选址问题的特点,设计了适合求解一般设施选址问题的通用型双层模拟退火算法,算法的外层对设施选址决策进行优化,内层则在上层确定的设施选址决策基础上,进行用户需求分配的优化.最后的多个算例证明了相对其他优化算法,双层模拟退火算法不但收敛速度快,而且能求取更高质量的最优解.     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.     

逆一般中心选址问题的算法研究

主要讨论了逆一般中心选址问题的算法研究。对于实例是树且U为整数的情况,逆一般中心选址问题转化为逆中心选址问题。对于实例是一般简单图的情况,本文给出了一个逆一般中心选址问题转化为权重为1的S te iner树问题的拟多项式算法。并对于权w=1的S te iner树问题,本文也给出了一个近似界为43的近似算法。     

基于模糊时间窗的带容积约束选址路径问题

针对现实物流配送过程中顾客存在弹性预约服务时间的特征,采用时间窗模糊化处理方法,定义客户满意度函数,准确地反映客户需求与偏好。在仓库容量约束和车辆容量约束的基础上,以总成本最小和客户满意度最高为原则,建立基于模糊时间窗的有容积约束的双目标选址-路径问题模型。构造求解带模糊信息双目标模型的两阶段模拟退火算法,算法结合了扩展的节约里程算法与改进的邻域操作,同时嵌入模糊优化程序以处理问题的模糊特征。最后进行数值实验,通过算例验证了模型和改进算法的可行性和有效性,可为实际的选址与运输决策提供重要参考依据。     

约束变尺度类算法（Ⅱ）——两步超线性收敛的广义投影梯度约束变尺度方向类

将Ｈａｎ－Ｐｏｗｅｌ和文献［１］中算法的思想有机的结合在一起,构造了广义投影梯度约束变尺度方向所满足的线性系统．从而建立了具有两步超线性收敛的广义投影梯度约束变尺度类算法Ｃ．该算法为统一算法模型Ａ提供了一个重要的子类．到此,统一算法模型Ａ已包括了Ｈａｎ－Ｐｏｗｅｌ算法和既约梯度、投影梯度型、广义投影梯度型约束变尺度类算法．从而形成了一个丰富的理论算法库．与此同时,这些算法也被自然的推广到非单调一维搜索的情形．     

约束变尺度类算法（Ⅰ）——统一算法模型及既约梯度型方向算法类

建立了非单调一维搜索约束变尺度类统一算法模型,提出收敛性条件,并证明了算法的全局收敛性．通过引入连续优势函数和Ａ－方向集的概念,将约束变尺度算法与可行方向法合二为一．不仅推广了“经典”的约束变尺度算法（可进行非单调一维搜索）．而且可得出许多新的算法,这些新算法既具有“经典”约束变尺度法“宽通路”的特征．也具有可行方向法单步计算量较小,计算程序简单的优点．进一步构造了一个方便实用的连续优势函数,并在此基础上建立了既约梯度型方向约束变尺度算法类．     

基于碳排放的开放选址-路径问题及算法

基于物流对节能减排的重大影响及第三方物流的广泛应用,本文建立了与配送中心规模、配送路径相关的低碳开放选址-路径(OLRP)问题模型,并设计量子进化算法(QEA)进行求解.算法采用先确定车辆及其顾客集,再选择配送中心的策略,并运用局部优化算子进行解的改善.通过目标值与CPU的综合分析,确定重要参数旋转角变化值△θ,最大迭代次数itermax,种群Popsize的取值范围,并应用Barreto、Prins及Tuzun案例进行实验验证,结果显示碳排放目标的OLRP一定程度上会增大成本,量子进化算法在Barreto案例中的解均值优于LB、CPLEX及SA算法,在Prins案例中的求解效果与CPLEX相近,在Tuzun案例中绝大多数问题的求解结果优于CPLEX,在小规模问题中,优于SA算法,因此QEA是求解OLRP问题的一种有效算法.     

求解约束优化问题的改进算法及其收敛性分析

针对约束优化问题,提出一种改进差分进化算法。为了利用种群中不可行解的信息,新算法设计了一种改进DEB准则;为了进一步提升算法在受限空间的寻优能力,新算法设计了一种交叉概率CR和缩放因子F的生成方法。13个标准的测试函数的实验结果证明,与目前求解约束优化问题最优秀的算法相比,新的改进差分进化算法仍然非常有竞争力。     

单机订单接受与加工调度问题的拉格朗日松弛算法

针对不同类型订单加工切换时机器需要准备时间的实际生产情况,研究了单机订单接受与加工调度优化决策问题,旨在最大化企业净收益。鉴于研究问题的强NP难属性,设计了基于拉格朗日松弛理论的启发式算法。首先,该算法通过加入相邻订单相异性约束以提高松弛解质量;其次,应用动态规划递推公式求解拉格朗日松弛问题;最后,利用问题的优化性质并基于贪婪规则构造原问题可行解。不同规模问题的实验结果表明,该算法能在合理计算时间内得到满意的近优解。