基于频域生成图的随机运输路径优化

根据运输系统的不确定性、开放性、复杂性等特点,以各种概率分布函数的运输路径优化问题为研究对象,提出了一种用于搜索随机运输网络中最优路径的频域生成图模型(Frequency-domain Spanning Graph, FSG), 并设计出相应的优化算法来求解问题模型.FSG通过时频域间概率函数的相互转化,可直观地定量分析出O-D对之间通行概率的动态变化过程, 既能处理连续概率分布又能处理离散经验分布, 且算法易于计算机化,实现效率高. 最后结合MATLAB给出的算例,验证了模型和算法的可行性和有效性, 显示出FSG具有良好的应用前景.     

网络系统可靠性分析的频域生成图模型

提出一种用于分析网络可靠性的频域生成图模型(frequency-domain spanning graph,FSG).该模型可以直观地处理网络端端可靠度、全端可靠度以及频域状态的动态变化过程,且算法易于计算机实现,实现效率高.给出了FSG的定义和描述,对串联、并联和备用等典型结构建立了相应的FSG可靠性模型,并导出其频域的可靠性表示式.最后结合Matlab开发环境给出范例,从定性定量两个方面阐述了FSG分析过程,以此说明其有效性.     

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.     

灰偏好信息群决策的相对熵集结方法

研究灰区间偏好判断信息下的群体决策集结方法问题。将决策专家的灰区间判断信息转化为等价的三元组灰偏好信息, 并将其看作为一个概率分布, 通过研究群体灰偏好概率分布与个体灰偏好概率分布之间一致性的关系, 分别建立不同情形下专家群体决策的最优相对熵集结模型, 分别给出了各优化模型的最优解, 并提出相应的决策算法。气象局综合业务能力评价的实例分析表明, 相对熵集结方法可以有效避免灰区间决策信息在集结过程中的失真与扭曲。     

时变网络下多式联运的最短路径问题研究

在运输过程中,往往不止有一种运输方式,可能同时有多种运输方式交叉,即存在多式联运的方式.同时,运输网络往往具有时变特性,其运输成本和运输时间等会随着时间的变化而变化.将多式联运的运输网络进行了变形,设计了时变网络条件下有到达时间限制多式联运的最短路径算法,并对算法的计算复杂性进行了分析.最后给出一个应用算例.     

基于蚁群优化的多物流配送中心选址算法

提出了一种解决多物流配送中心选址问题的蚁群算法模型,该模型将物流配送中心选址映射成一个聚类过程,利用蚁群系统中蚂蚁通过信息素寻找最优路径的机制,以物流配送的总成本最低为聚类准则,结合蚂蚁将物体聚堆的行为模式来定义蚂蚁的转移概率、禁忌列表和信息素更新方式,实现基于蚁群优化的物流配送中心选址算法.对多配送中心选址进行了仿真实验,实验结果表明本算法能获得与实际情况相符的配送中心最优解,且适合多种不同的配送中心模型和大规模的配送中心选址,具有较强的灵活性.     

基于改进遗传算法的货箱机器人拣选路径规划

针对智能仓库中新型“货箱到人”拣选模式下多个货箱机器人拣选路径规划问题，给出了一种新的优化模型和改进遗传算法。基于货箱机器人的拣选方式及特点，将其转化为非对称车辆路径问题，以机器人总拣选路径最短和完成时间最少为双目标建立混合整数规划模型，设计改进的混合遗传算法对模型进行求解，并通过大规模算例验证了算法的有效性与稳定性。算例计算结果表明：所建模型及算法提高了货箱机器人的拣选效率，降低了运行成本。     

新型公交网络模型与最优出行路径算法

给出一种标号的二分图公交网络模型,在此模型基础上给出线路换乘与最优出行路径的算法,这种算法充分利用标号信息给出站点网络图的边权函数.基于站点网络图不仅能够搜索换乘线路而且能够找到最短路径.最后利用天津市部分公交系统验证了该模型及方法的有效性.     

支线航运网络下集装箱分配与船舶调度联合优化北大核心CSCD

将产生集装箱运输任务的货源点加入至轴辐式航运网络的支线运输网络中,构建了三级支线运输网络.考虑货源点集装箱在不同喂给港的分配对支线船舶运输成本的影响,以三级支线网络的总运输成本最小为目标,建立了集装箱分配与支线船舶调度联合优化模型.针对模型,首先设计两阶段算法进行求解;然后,基于列生成的思想设计了整合优化求解算法.算例实验表明对于小规模算例,整合优化算法的求解结果与Gurobi的计算结果仅相差1%左右;对于大规模算例,整合优化算法的求解结果均优于Gurobi,从而验证了整合优化算法的效率;此外,整合优化算法的求解结果相比于两阶段算法有显著提高,证明了整合优化集装箱分配与支线船舶调度的重要性.     

整车物流网络规划问题的混合粒子群算法研究

综合考虑整车物流系统中的运输规模经济效应、库存控制策略、设施、服务质量等决策因素,建立了整车物流网络规划集成优化模型.给出了一种流预测算法和粒子群算法相结合的求解方法,用粒子群算法搜索物流网络可行结构,用流预测算法确定其最优运输路径,二者相互协调实现最优解的搜索.在粒子群搜索过程还加入了交叉变异操作来增加种群的多样性,以避免早熟收敛.实例仿真表明混合粒子群算法的运行效率有显著提高,且有更高概率搜索到全局最优.