基于效用替代率的物资储备量模型与算法

研究在物资储备有容量限制且需求未知的情形下,考虑多种物资之间具有替代性时应如何决定各物资的储备量,使得所有储备物资在满足需求时带来的效用尽可能大的物资储备问题.对物资之间的替代性进行分析并给出了效用替代率的定义,在此基础上建立一般的物资储备量模型,分析了该模型与背包问题模型以及指派问题模型之间的区别和联系.针对该问题的一种特殊情形设计了效用替代率贪婪算法并进行了算法的性能分析.最后通过一个数值算例说明引入替代率可以改善物资储备的效用.     

有向网络上单源多汇的最优连接问题

以信息需求系统为背景,研究有向网络上从一个顶点到若干顶点的连接方式,使总的连线长度为最小.这是最短路问题的推广,使用的方法是基于组合最优化的算法分析,包括NP-困难性及多项式可解情形.关于后一方面,若干约化规则起着重要作用.主要结果是得到序列平行图等典型图类的有效算法和一般图的启发式算法.目前的工作是为处理这样一个难解问题提供了一个基本的途径.更多的结构性质及典型算法值得进一步研究.     

洪灾被困人员搜救问题的集成优化研究

为保障洪灾被困人员搜救效果,分析了救援过程的特性,考虑救援时间的紧迫性、救援过程的不确定性、及救援船只反复出救的情形,建立了一个搜救时间模糊、带时间窗的定位-路径问题优化模型,并提出了一种含有启发式规则的混合遗传算法,算法采取三段式实数编码,其中染色体编码代表船只在被搜救点间的搜救顺序,启发式规则在编码基础上确定避难所的选择.最后对模型和算法进行了算例分析,验证了模型和算法的合理性及可行性.     

最优双环网的构造

双环网络已广泛应用于设计和实现计算机通信网、局域网以及各种大规模并行处理系统 .如何设计一个最优的双环网络是人们非常关心的一个问题 .本文给出了一个构造最优双环网络的快速有效的算法 ,从而针对有向双环网的情形解决了文献 [1 ]提出的一个问题.     

电网检修排序问题

研究一个从实践中提出的电网检修排序（调度）问题，并证明了该问题的一般情形是ＮＰ－困难的，对其特殊情形给出了多项式时间的算法．     

批加工生产配送二级供应链协同调度

探讨了生产商具有批加工能力时的生产与配送二级供应链协同调度问题。针对单机器单个客户,机器加工能力无界,配送车容量无限且车辆充足的情形,分析了该情形下的生产配送调度模型性质,进而设计给出了O(n2)时间的动态规划算法,其中n为工件数量。通过设计算法实例进行仿真并进一步展示决策者关于客户服务水平与配送总成本的偏好程度参数α对供应链协同调度的影响规律。     

基于进离场容量转换的协同决策系统

针对机场在突发情况下造成交通流拥挤的问题,引入了CDM理论及算法,并对CDM GDP实施过程及其中的RBS/Compression算法进行研究.研究发现,CDM GDP单纯考虑了进场时隙的分配,未涉及离场容量以及离场时隙的分配问题.因此,基于CDM思想,协同、实时地考虑机场进、离场容量转换问题,在增加机场吞吐率的基础上协同决策进离场序列,给出了进、离场容量优化模型及算法,采用动态规划法进行求解,并结合实际机场航班时刻表数据进行了仿真.结果表明,在特殊外因条件下,进、离场容量相互转换时,协同决策系统能提供最优的解决方案,使机场的进、离场达到最大的吞吐量,并将延误减到最小.     

基于新型BBO算法的微电网优化调度研究

针对含微型燃气轮机的微电网经济性与环保性协同优化问题，引入具有弃风弃光消纳和碳捕获能力的电转气(pow to gas, P2G)系统，提出了一种基于新型生物地理学优化算法(novel biogeography-based optimization, NBBO)的含P2G系统的微电网优化调度模型。构建含P2G系统的微电网模型，并分析主要设备的工作原理；引入风机备用容量以降低风力发电随机性的影响；建立微电网运行成本最小的目标函数，运用提出的NBBO算法求解该目标函数。通过分析可知，含P2G系统的微电网可减少9.02%的发电成本，降低25.9%的含碳氧化物排放，验证了所提含P2G系统的微电网模型的可行性及改进算法的适用性和优越性。     

基于微粒群算法的最佳证券投资组合研究

微粒群优化(PSO)算法是新近出现的一种仿生算法,简单容易实现,而且随机搜索,不易陷于局部最优.本文将该算法引入证券投资组合领域,研究允许卖空证券和不允许卖空证券两种情形下的投资组合优化问题.文中首先系统介绍PSO算法原理、流程以及算法的改进发展,然后分析了卖空证券投资和不允许卖空证券投资两种情形下的优化模型,接下来介绍了应用PSO算法编码解决证券投资组合优化的方法步骤.最后,通过两个应用实例,计算表明PSO算法可以准确快速地解决证券投资组合优化问题.     

在线A形装箱问题

研究了一类有实际背景的新的装箱问题—— A形装箱问题 (ASBP)的在线情形 .在 ASBP中物品均为圆柱形 ,并且在每个箱子中物品均摆放成 A字形 ,即后到达的物品放在先到达的物品之上且上层物品的截面半径不超过下层物品的截面半径 ,优化目标是最小化装下所有物品所用的箱子数 .当所有物品半径都相同时 ASBP退化成经典一维装箱问题 (BP) ,故 BP为 ASBP的特殊情形 .BP的大多数启发式算法可以推广到 ASBP中 ,我们从最坏情形分析的角度讨论了两类 ASBP启发式算法 .证明了直接推广的启发式算法性能较差 ,其中一些算法的渐近最坏比甚至可以任意大 ;如果半径的种类有限 ,按半径分类的启发式算法的性能较好 ,并且一些算法的渐近最坏比和它们所基于的 BP启发式算法的渐近最坏比相等.