多车型电动汽车车辆路径问题的分支定价算法研究

随着环境意识的日益提升和电动汽车的逐渐普及,考虑到物流企业中不同类型的电动汽车的电池最大容量、电池充电率、电量单位消耗率、最大载重量、固定成本和可变成本不同,本文研究含时间窗的多车型电动汽车车辆路径问题,建立了一个混合整数规划模型,并利用分支定价算法求其最优解.为了加快算法的求解速度,本文提出生成下界值的方法以对车辆类型进行预处理操作,并制定了生成整数解上界的策略以压缩解空间.然后,通过用多组算例验证了模型和算法结果的准确性,同时也证明了本文提出的加速过程能有效地提高算法的求解速率.最后,通过不同规模的算例分析了车辆可变成本的变化对结果的影响.     

考虑订购成本的多目标一维下料优化模型

研究多供应商选择的一维多母材下料问题.基于企业经营过程全局最优化要求,建立了多供应商采购与一维多母材下料协调优化模型,最小化母材购买成本,订购成本及作业准备成本.用拉格朗日松弛技术对有关约束进行松弛和模型分解,设计基于列生成法、分枝定界和次梯度算法的混合启发式算法.该算法由两部分组成,分别用于求解一维多母材下料子问题和多供应商采购子问题.最后,通过随机产生的180个算例,验证模型合理性与算法的有效性.     

多星成像调度问题基于分解的优化算法

提出了一种求解多星成像调度问题的基于分解的优化算法,将问题分解为任务分配主问题与单星成像调度子问题.任务分配主问题生成不同卫星的任务分配方案,单星成像调度子问题则根据分配的任务进行优化,生成每颗卫星的成像调度方案.采用自适应的蚁群算法求解任务分配主问题,通过自适应参数调整策略及信息素平滑策略,实现全局搜索和快速收敛间的平衡.采用启发式算法及快速模拟退火算法求解单星成像调度子问题,通过综合多颗卫星的调度结果, 可以对任务分配方案进行评价,引导蚁群算法搜索优化的任务分配方案,最终得到多颗卫星的成像调度方案. 大规模测试算例验证了算法的效率.     

多星联合对地观测调度问题的列生成算法

多星联合对地观测调度问题作为一类大规模组合优化问题, 其求解算法往往采用启发式或超启发式. 运用列生成思想对该问题设计了完全搜索算法. 在建立了问题的整数规划模型之后, 将原问题分解为集合配置主问题和含时间窗口的最短路径子问题, 其中集合配置主问题采用主单纯型法通过CPLEX求解, 含时窗的最短路径子问题采用动态规划求解, 该动态规划算法围绕观测冲突时段这一关键资源进行最优子路径的扩展. 只有在子问题的最优解对主问题的优化目标仍有改进时, 主问题的约束矩阵列才被扩展. 该算法针对部分算例得到了最优解, 其余算例也在指定的时间内得到了相比一种基于优先级的启发式算法更优的解.     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

分布式环境下多任务调度问题的分析与求解

将约束条件归纳为任务约束、链路约束和资源约束,在允许任务复制的情况下,建立了问题的约束与目标的完整数学模型;提出了一种基于任务复制的模拟人类社会中关系演化过程的簇调度算法IREA,包括前沿调度、动态分簇和分离图三个子算法.IREA采用全新的优先级规则,定义了关系数、依赖度、归并度等表示簇的优先级.通过对两个经典算例的计算,发现IREA能求出比算例所在文献算法所得解更优的解;对MJD算例,还得到了一个不同于原文献所给理论最优格局的一个新的最优格局.     

多节点集装箱海铁联运动态定价决策

不确定性需求下集装箱海铁联运的动态定价决策问题,对联运经营人的经营效益和竞争力产生重要的影响. 基于收益管理理论,结合集装箱海铁联运的经营和组织特点,以协议销售和自由销售的差异化定价为切入点,分两阶段建立了多节点集装箱海铁联运综合箱位分配的动态定价模型. 第一阶段为基于协议销售和空箱调运的箱位分配模型,第二阶段为基于自由销售不同时段的动态定价模型. 针对模型中的需求随机性,分别运用机会约束和稳健优化方法进行模型转化并求解. 通过算例验证了上述模型与算法的适用性和有效性.     

带有模糊收益率的投资组合选择模型

考虑了预期收益率为模糊数的投资组合选择问题,利用模糊约束简化方差约束,建立了投资组合选择的模糊线性规划模型,然后利用模糊数学知识把 模糊线性规划问题转化为多目标线性规划问题,并且设计了模糊算法对其求解,最后通过一个数值算例检验所提模型的可行性,并且对模糊数模型与清晰数模型进行了比较.     

基于随机活动工期的资源约束项目鲁棒性调度优化

项目进度计划的鲁棒性对于不确定条件下项目的顺利实施具有重要影响. 作者研究具有随机活动工期的资源约束项目鲁棒性调度问题, 目标是在可更新资源和项目工期约束下安排活动的开始时间, 以实现项目进度计划鲁棒性的最大化. 首先对所研究问题进行界定并用一个示例对其进行说明. 随后构建问题的优化模型, 设计禁忌搜索、多重迭代和随机生成三种启发式算法. 最后在随机生成的标准算例集合上对算法进行测试, 分析项目活动数、 项目工期和资源强度等参数对算法绩效的影响, 并用一个算例对研究进行说明, 得到如下结论: 禁忌搜索的满意解质量明显高于其他两种算法; 当资源强度或项目工期增大时, 平均目标函数值上升, 禁忌搜索的求解优势增强. 研究结果可为不确定条件下项目进度计划的制定提供决策支持.     

多中心社区居家养老服务调度与服务网络优化

针对随机环境下的复杂多中心社区居家养老服务问题,以最小化总运营时间为目标,建立带机会约束的随机规划模型.设计改进的混合牧羊人优化算法,通过引入交叉算子,使新的步长更新仍基于当前和其他个体的位置信息,让算法能够用于解决具有离散特点的社区居家养老服务问题.最后,通过不同规模的算例试验和算法比较,验证了所提算法的有效性.     

基于业主视角的多模式项目支付进度问题及其启发式算法

从业主的视角研究了活动具有多种执行模式的项目支付进度问题.首先对所研究问题进行界定并定义文中所用到的符号;随后构建业主视角多模式项目支付进度问题的优化模型,通过将其转化为离散时间/费用权衡问题的子问题P_C|T,证明该问题为强NP-hard;基于这一结果,针对问题特征设计启发式求解算法,通过在两个模块之间的模拟退火搜索迭代,获得其满意解;在40个随机生成的标准算例上对算法进行测试,得到如下结论：算法可以在24.63秒内求解所有的算例,满意解对应的目标函数值与其上界的相对偏差不超过8.24%;随着支付次数、折现率、承包商可接受最低利润率及支付比例的上升,业主的项目净现值下降.     

设备具有恶化特性的多目标流水车间调度模型与算法

考虑到现实流水车间调度中设备具有恶化特性,针对作业处理时间是其开始时间的线性递增函数的流水车间调度问题,建立了最小化最大完成时间和总延迟时间的多目标优化模型;进而设计了一种基于分解的自适应多种群多目标遗传算法进行求解.该算法将多目标优化问题分解为多个单目标子问题,并分阶段地将这些子问题引入求解过程.在每次迭代时,根据种群在目标空间和解空间的分布情况,自适应地为当前求解的子问题分别构造子种群进行求解.通过对数值算例仿真实验,验证和分析了所提出的算法在解决该问题上能够获得较好质量和分布性的非支配解集.     

现金流平衡约束下的Max-npv项目调度

首先对现金流平衡约束下的Max-npv项目调度问题进行界定,分析其不同于一般资源约束型Max-npv项目调度问题的基本特征, 提炼研究的假设条件;随后构建问题的非线性整数规划优化模型,借助现金流平衡约束将项目费用、支付与融资联系起来,实现现金流出与流入的平衡; 鉴于问题的特点及模型的组合属性,设计专门的模拟退火启发式算法对其进行求解;在随机生成的29160个标准算例上对算法进行测试, 结果满意：算法可以在平均8.90秒求解所有算例,满意解与其上界的平均相对偏差为9.79%, 平均变异系数为0.0024;最后通过一个算例对研究成果进行说明, 分析影响项目收益的各种参数,得到如下结论: 承包商项目净现值与融资费用率和质量保证金比例负线性相关,与支付比例和预付款比例正线性相关, 与质量保证期和折现率负指数相关.     

随机服务时间下的家庭护理人员调度问题研究

研究了家庭护理中的医疗服务人员调度问题,考虑了随机的客户服务时间和最迟开始服务时间约束.建立了带补偿的随机规划模型,得到了客户期望迟到惩罚成本的近似计算表达式,并分析了期望惩罚成本的性质.根据问题的特点,基于列生成算法思想建立问题的集分割最优化主问题模型和生成新列的最短路子问题模型,并设计标签算法对子问题加以求解.将列生成算法嵌入到分枝定界过程中形成分枝定价算法得到问题整数可行解.通过数值实验,验证了所提出客户期望迟到惩罚成本近似表达式和分枝定价算法的有效性.     

考虑鲁棒性成本的多模式双目标项目前摄性调度优化

研究多模式资源约束条件下的鲁棒性和成本双目标权衡问题,探讨如何在最低成本代价下最大程度地提升项目鲁棒性.首先界定研究问题,然后构建鲁棒值最大化、成本最小化的双目标调度优化模型,并将其转化为带有预算约束的单目标鲁棒值最大化子模型,针对模型设计迭代式遗传算法进行求解.随后,应用随机生成的标准算例集合进行大规模测试,对比结果...     

考虑延期交货、转包和非减库存能力约束的单产品批量模型

研究了一个非减库存能力约束下的允许延期交货和转包的单产品动态批量问题.引入子计划概念,通过先求解所有可能的子计划,再基于动态规划搜索子计划的最优组合,得到问题的最优解.给出了所有子计划的通用数学描述,并通过松弛正生产量约束将子计划的计算分成两个子问题;依据子问题和子计划最优解的性质,设计了求解子问题和重新集结松弛约束的多项式算法;在此基础上提出了一个复杂性为O(T4)的求解整个规划问题的多项式动态规划算法,这里T是规划时段上的周期数.最后通过数值试验测试了该算法的性能.     

允许缺货和转包的受限批量模型的多项式算法

有效组织带转包的采购计划对企业提高竞争力和参与全球产业分工有重要意义.研究了一个新的非减库存能力约束下的允许缺货和转包的企业采购计划模型,提出了一个基于动态规划的多项式算法.引入子计划概念,将问题归结为有效计算子计划;依据最优解的性质设计了求解子计划的多项式算法;再通过动态规划算法以多项式时间枚举所有可能子计划组合,得到问题的最优解.数值试验显示了该算法的有效性及高效性.     

带装载能力约束的开放式车辆路径问题及其禁忌搜索算法研究

对另一种类型的车辆路径问题——开放式车辆路径问题进行了研究 .提出了一种用于求解带装载能力约束的开放式车辆路径问题的禁忌搜索算法 .给出了算法对测试算例的运算结果 ,并与文献中目前最好的结果进行比较 .比较结果表明 ,在绝大多数情况下 ,该算法能求出更好的解 .     

多项式0-1规划中隐枚举算法的改进及应用

提出了一个求解多项式0-1规划问题的隐枚举算法.通过应用p次范数约束划归,多项式0-1规划问题的多个约束可以被一单一等价约束来替代.利用这一显著特性,新算法在搜寻最优解过程中,能改进探寻(fathoming)和折返(backtrack)策略以提高隐枚举法的计算效率.通过一个算例说明这个新算法的计算步骤并对随机产生的问题进行了测试,得到了较好的结果.     

带装卸顺序约束的装载配送联合优化算法研究

互斥产品(如液体、危险化学品等)不能混装到同一个容器中,物流企业通常使用多隔舱运输车为顾客配送多种互斥产品,合理确定装载与配送路径是提高配送效率、降低配送成本的重要手段.本文考虑互斥产品的装卸顺序约束、在途运输时间约束等,构建了以配送成本最小化为目标的互斥产品装载配送联合优化模型,设计了求解模型的改进遗传算法,算法采用蜂王进化和基于概率的边重构交叉运算,有效提高了寻优能力.本文利用Augerat提供的车辆路径问题标准测试集构造算例测试算法的运行时间和求解效果.结果显示,改进遗传算法的求解效果明显优于经典遗传算法.对于小规模算例,改进的遗传算法可以得到精确最优解,对于中等规模和不超过101个顾客点的大规模算例,改进的遗传算法可以在130秒内得到近似最优解.本文的创新点在于构建了一类新的车辆路径扩展问题的数学模型并设计了求解模型的快速有效算法,为物流企业制定多类型互斥产品配送计划提供了理论依据和算法支持.