随机需求下公交时刻表设计的鲁棒性优化

考虑在实际运营中乘客需求具有随机性,固定需求下优化的公交时刻表不适应运营的要求.随机需求下的期望值模型忽略了不利可能事件对运营的负面影响,针对此情况研究随机需求下公交时刻表设计的鲁棒性优化.模型综合考虑乘客成本与运营成本,采用鲁棒性优化权衡目标期望值与偏差期望值.结合随机模拟技术,选用遗传算法求解模型.给出了算例,验证了模型和算法的有效性.通过比较固定需求模型、随机需求期望值模型、随机需求鲁棒性模型,说明在鲁棒性优化下需要提供更多的交通供给以降低偏差期望值.最后,对鲁棒性模型中的偏差权重系数进行了灵敏度分析.     

航线网络区间型相对鲁棒优化设计

枢纽航线网络的设计参数如果发生变化,最优的航线网络可能也发生变化,此时航线网络缺乏鲁棒性.为增强枢纽航线网络的鲁棒性,引进区间型设计参数情形集,建立了区间型枢纽航线网络相对鲁棒优化模型,修正了最短路算法,并与模拟退火法相结合,设计了模型的混合求解算法.最后,采用航线网络设计的经典数据集进行了算例仿真,结果表明相对于确定性优化设计和离散型鲁棒优化设计的方法,该方法获得的枢纽航线网络具有更强的鲁棒性.     

考虑随机需求和库存决策的多商品物流网络设计的优化模型与算法

提出一种将库存控制决策和设施选址模型相结合的优化方法,用来解决一类多商品物流网络优化设计问题, 网络内的用户需求是随机的且服从正态分布,优化设计的目的是在满足一定服务水平的前提下,最小化物流网络内包括建设费用、储存费用 和运输费用在内的总成本费用,建立了一个能同时描述设施选址决策和库存决策的多商品物流网络设计问题的非线性混合整数优化模型,并使用组合模拟退火算法对其进行求解分析,最后的算例计算结果验证了模型和算法的有效性.     

多分配快递轴辐网络的枢纽选址与分配优化方法

快递网络枢纽选址与分配方案的优劣直接关系到快递网络的运营成本和服务水平, 是快递企业运作的基础. 本文详细分析了多分配快递轴辐网络的节点及连接关系、径路特征与形式等网络设计要素, 并分析了快递网络设计中的相关费用和运输时间预算; 在运输时间预算约束下, 以分拣费用、运输费用、中转费用之和为目标函数, 建立了多分配轴辐式快递网络枢纽选址与分配优化模型, 并设计了基于条件最短路的模拟退火求解算法, 最后通过算例验证了模型和算法的有效性.     

面向拥堵问题的枢纽航线网络优化模型

为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标,设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization, SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。     

多模式枢纽网络中高铁与航空票价优化模型

针对高铁和航空共存的客运枢纽网络,考虑枢纽机场容量,建立了求解多模式枢纽网络中高铁和航空的最优票价问题的双层规划模型,其中上层最大化航空和高铁各自的利润,下层是竞争市场中的随机用户均衡,为求解该模型,设计了基于灵敏度分析的启发式算法.最后,利用实际枢纽网络的算例验证了模型和算法的有效性.结果表明,当枢纽机场容量限制增强时,利润贡献最大市场的票价变化幅度最小,所以枢纽容量应优先满足该市场需求.     

战时随机运输时间路径优化研究

以战时无分布函数的随机运输时间路径优化问题为研究对象,采用随机机会约束规划方法建立战时运输路径优化模型,设计了基于随机模拟获取适应度的遗传算法来求解问题模型,并处理了战时运输中的必经点问题.最后,给出的算例验证了模型和算法的有效性.     

面向拥堵问题的枢纽航线网络优化模型

为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标,设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization, SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。     

随机活动工期下基于总不确定成本的项目前摄性调度与反应性调度集成优化

从成本经济角度研究活动工期随机中断下前摄性调度与反应性调度在应对不确定因素干扰中的集成优化问题,目标是最小化项目计划与实施过程的总成本.构建以总成本最优为目标的前摄性与反应性调度集成优化模型;针对模型特征设计混合变邻域随机禁忌搜索启发式算法,并在ProGen生成的算例上进行全因子测试.结果表明:基于随机属性的混合启发式...     

复杂灾害情景下应急资源配置的随机规划模型

提出基于区域灾害系统理论来构建复杂灾害情景, 用于描述突发事件的复杂性和高度不确定性. 基于复杂灾害情景建立了一个两阶段随机规划模型, 进行应急设施的定位决策、应急物资的库存决策和不同灾害情景下应急物资分配预案的制定. 使用新的编码方式, 将第一阶段的选址-库存模型转化为一个无约束非线性优化模型, 使用自适应免疫克隆选择文化算法进行求解. 对于第二阶段的应急物资分配模型, 则提出了"势能抵消算法". 最后基于四川地震带的相关数据给出了算例, 验证了模型及算法的有效性与可行性.     

基于随机规划的制造/再制造物流网络优化设计

针对含有连续型随机参数的制造/再制造物流网络优化设计问题,在Monte Carlo模拟抽样基础上,建立了样本数量决定解算效率的两阶段随机规划模型,给出了模型求解的混合遗传算法,结合样本均值近似方法阐述了获取理想目标值及其可行解的最优值上下界逼近技术,明确了基于两阶段随机规划的物流网络优化设计步骤,举例说明了模型及其算法在设计决策中的应用。     

基于改进回声状态网络的高炉煤气产耗预测

以钢铁企业高炉煤气系统为背景，针对其产生量和消耗量的预测问题，提出一种改进回声状态网络时间序列方法进行系统仿真预测。并根据最小均方差准则，以最小化网络训练误差为目标，采用随机梯度下降法对网络参数进行优化。该方法对于不同预测对象，可计算出合适的网络连接权值、储备池谱半径等参数，避免了传统回声状态网络方法中单凭经验选择网络参数的现状，提高了预测精度。采用该方法对高炉煤气系统现场实际产耗数据进行了仿真预测，仿真结果表明所提出方法的有效性。     

基于仿真的随机活动网络进度费用联合风险

针对复杂随机活动网络活动时间、费用随机性和相关性特点,采用蒙特卡罗方法随机抽取时间、费用样本,再利用乔列斯基因子分解法,将独立分布的时间和费用随机样本转化为相关的随机样本,建立了时间和费用为相关随机变量的随机活动网络仿真模型.通过算例结果的比较分析,说明新模型可以更准确地预测项目的风险概率,进行时间-费用交换分析以及进行项目工期和费用优化.     

一种新的小波网络快速学习混合策略

针对传统的小波网络梯度学习算法易于陷入局部极值、收敛速度慢且对初始参数很敏感的缺点,将全局性能优越的差异进化(DE)算法和最小二乘算法(LS)有机的结合起来,提出了一种新的快速学习混合策略。该混合学习算法思想是将待训练参数分为非线性和线性两类,利用差异进化算法对小波网络非参数进行全局优化训练,而最小二乘法用于快速训练网络连接权值。非线性函数逼近实验表明,小波网络逼近性能要远优于传统的BP神经网络,相对于使用随机梯度学习算法的小波网络,提出的混合学习算法收敛速度更快,且具有更小的均方差。     

供应链系统中零售商横向转载的随机规划模型及算法

为了研究随机需求下供应链系统中多零售商的横向转载问题, 提出了一种基于随机规划方法的多零售商横向转载模型, 并设计了一种启发式算法用于模型求解.考察由一个外部供应商和多个零售商组成的供应链系统, 供应商和零售商均采用order-up-to方法控制库存, 零售商面临随机性需求且相互之间存在横向转载.在横向转载经典假设条件下, 构建了以供应链总成本为目标的混合0-1规划模型.考虑到该模型中存在随机变量, 将模型转化为随机期望值规划模型进行求解, 结合随机拟梯度算法及遗传算法设计了一类启发式算法来求解模型, 给出了详细的求解过程.利用数值算例的仿真结果验证了模型及算法的有效性, 还就需求相关程度的影响及转载假设条件的影响进行了详细分析.研究结果表明:模型及算法对存在横向转载的供应链系统确定最优库存水平是相当有效的.     

基于模糊随机期望规划的跨国供应链战术计划模型

首先对跨国供应链计划进行了简要介绍,并且讨论了跨国供应链中的不确定因素-市场需求的三种数学描述形式-随机、模糊、模糊随机;提出了基于模糊随机期望规划的生产-分销二级跨国供应链战术计划模型,它与以往供应链计划模型最大的不同之处在于将市场需求看作模糊随机变量;然后设计了计算机模糊随机模拟技术和遗传算法相结合的智能算法求解模型;最后对模型进行了数值仿真分析,即对模糊随机期望模型使用智能算法,对其等值确定性模型使用分枝定界法,计算结果精度对比证明了模糊随机期望模型的有效性.     

确定系统级测试性参数的广义随机Petri网模型

测试性设计是近年来发展起来的一门新兴学科 ,对提高复杂系统的可靠性、可维修性和可用性具有重要的意义。在测试性设计的过程中 ,合理地选择和确定测试性参数是实现费效比最优设计的关键之一 ,但目前还没有有效的方法能合理地确定每个参数的门限值或目标值。基于广义随机Petri网的原理 ,将测试看作设备整个生命周期内可靠性、维修性活动的一个有机组成部分 ,建立了系统的测试性模型。采用数值分析的方法得出系统稳态可用度与系统测试性参数之间的关系曲线 ,作为确定测试性参数的依据 ;当系统需待定的参数比较多时 ,将模型转化为一个区间线性方程 ,有效地解决了计算量大的问题。这一方法对解决复杂系统的测试性设计问题具有一定的借鉴意义     

时间-费用相关的随机活动网络仿真研究

针对复杂产品研发项目活动时间、费用不能准确确定,采用蒙特卡罗仿真方法,建立了时间和费用为相关随机变量的随机活动网络仿真模型。利用乔列斯基因子分解法,将独立分布的时间和费用随机变量转化为相关的随机变量,通过对仿真结果的分析,可以更准确地进行时间-费用交换分析,优化项目工期和费用。通过算例说明了仿真建模和分析过程。     

The Fuzzy Modeling Algorithm for Complex Systems Based on Stochastic Neural Network

The Fuzzy Modeling Algorithm for Complex Systems Based on Stochastic Neural Network~~~~     

产品随机选择下多商品流供应链网络均衡模型研究

研究产品存在产地、品牌差异情况下,具有多种商品流动的三层供应链网络均衡模型.将产地、品牌差异的影响视为随机变量,运用随机效用理论和多项式logit模型研究需求市场上产品随机选择问题,运用Nash均衡方法分析生产商之间、零售商之间的竞争行为,分别得到了供应链网络各层均衡及整体均衡的条件、经济解释和变分不等式模型,最后给出了求解算法和具体算例.