应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

基于改进蚁群算法的移动机器人火灾救援路径规划方法

为了解决在火灾救援中考虑多因素的移动机器人最优路径规划问题,提出一种基于改进蚁群算法的救援路径规划方法.通过改进全局信息素更新策略,考虑影响移动机器人到达待救援点时间的路径长度、转弯次数、坡度大小等主要因素,并根据多因素综合指标来分配各路径上的信息素量,指引蚂蚁走向最优路径.通过仿真算例并与同类方法对比,结果表明,该方法在考虑多因素后性能有较大提升,具有较好的全局搜索能力和收敛速度,可提高移动机器人在火灾救援中的效率.     

多头绒泡菌的生活史

利用燕麦-琼脂培养、基物培养及扫描电镜技术研究了多头绒泡菌的个体发育过程,在燕麦琼脂培养基上完成了从孢子到孢子的生活史.结果表明,多头绒泡菌生活史包括单核的黏变形体或游动胞、多核的营养体原质团以及孢子的形成等阶段.孢子球形,表面具细小疣点;孢子萌发为裂式,释放黏变形体.原质团类型为显型;成熟原质团亮黄色,可形成多个孢囊.琼脂培养基上获得的多头绒泡菌孢子与野生型相似,并具有可育性.     

基于遗传算法的联合运输路径优化

联合运输是在能源危机、交通拥堵及环境污染约束下的一种理想运输模式。随着国际贸易的飞速发展,联合运输成为了一个热点问题。而联合运输的运输路径优化问题又是联合运输中的重点和难点之一。将综合运输的运输路径优化问题转化成为一个最短路径问题,以成本和时间为优化目标建立了选择最优路径的模型,并应用交叉、变异概率的自适应机制等实现技术设计了一个遗传算法作为求解算法对实例问题进行了求解验证,结果表明该算法具有良好的性能。     

量子粒子群优化算法在运输问题中的应用

将量子粒子群优化算法用于运输问题求解,用粒子的位置表示运输路径,建立运输路径的数学模型.与遗传算法相比,实验结果表明,该算法在求解运输问题中提高了最优解的精度,且具有较快的收敛速度.     

基于群智能混合算法的应急物流路径优化研究

应急物流系统是解决突发事件的有效框架体系,如何选择合适的配送路径以确保受灾群众及时获取物资,对解决应急救援问题有重要意义。通过建立应急物流路径优化模型,考虑到使用人工萤火虫算法会产生寻优精度低以及陷入局部最优等问题,为了提高系统优化性能,参照蜂群和粒子群的群体移动规律,改进萤火虫算法的位置更新策略,引入两种群智能混合算法进行比较实验。设置距离参数和平均交通复杂度,计算物流运输路径系统消耗时间,并采取表格形式显示。实验结果表明群智能混合算法能大幅度优化应急物流路径规划模型,提高配送效率。     

基于蚁群算法求解物流订单派送问题

针对物流信息平台中的订单派送问题,研究了订单派送的单向性和路径最优特性,构建了路径选择模型,对费用最少和时间最短的双目标优化函数进行了分析,将基本蚁群算法进行了改进。通过对局部信息素进行外界人为的干扰,从而影响整个网络选择,使得路径选择全局最优,解决了基本算法在求解最短路径中计算时间长的问题。模拟结果表明,计算速度提高了30%。     

单纯形蚁群算法对带时间窗车辆路径优化问题的研究

研究了单纯形蚁群算法解决带时间窗约束条件的车辆路径问题,旨在突出研讨在运输中不仅距离最短,而且使应用的时间尽可能的少.首先建立时间、距离对搜索路径的影响函数,然后用单纯形蚁群算法解出最优路径.简单介绍了运输的现状,提出了物流双向运输的数学模型及单纯形蚁群算法,得出了物流运输最经济的合理路线结论.     

基于时间约束的人气最优路径搜索

当旅游景点数目庞大,而限定时间不足以访问任何路径中的所有景点时,现有的搜索方法找不到事实上存在满足条件的路线.提出了一种高效的最优路径近似搜索算法PSScaling,使用修整参数δ,将景点的人气分数调整为一个整数,然后利用路径标签上缩放后景点的人气分数和子路径的时间代价选择最优的子路径向终点扩展,在同一路径中挑选最佳的访问景点组合.最后,通过实验分析,验证了本文提出的算法能够在很高的执行效率下找到近似的最优路线.     

基于改进ACS算法的移动机器人路径规划研究

针对蚁群系统(Ant Colony System,ACS)算法存在收敛速度慢、路径不平滑、易陷入局部最优等缺点,提出了一种基于万有引力搜索策略的ACS算法.为了解决算法初期由于地图信息匮乏,导致蚁群寻路盲目性较大的问题,提出了简化ACS算法对初始信息素浓度进行更新.引入万有引力算法搜索策略,提升了算法收敛速度,且有效解决了局部最优问题.对每次迭代获取到的最优路径进行优化,减少了路径的转折点数量、提升了路径平滑性.仿真试验表明,改进算法能够有效提升算法的收敛速度、路径平滑性.将改进算法应用到实际的移动机器人导航试验中,试验结果表明,改进算法能够有效解决移动机器人的路径规划问题,且有效提升移动机器人的导航效率.     

基于距离测算的企业物流配送最优路径规划模型研究

针对当前企业物流配送总成本过高、配送距离过长等问题,提出基于距离测算的企业物流配送最优路径规划模型.测算企业物流配送时的车辆行驶时间距离与空间距离,将两者归一化处理实现配送距离测算;借助鲸鱼优化算法,通过包围猎物的形似搜索最优配送路径;为避免陷入局部最优解,融合莱维飞行与鲸鱼优化算法,选择最优配送路径;结合距离测算值与改进后的鲸鱼优化算法,构建企业物流配送最优路径规划模型.通过该模型选择捕猎路径最短的鲸鱼,将该鲸鱼的位置作为最佳鲸鱼位置并输出,实现企业物流配送最优路径规划.该模型可在城市内有大量需求点情况下,规划出最优路径,且规划后的路径能够有效减少配送距离、降低时间消耗.     

基于改进蚁群算法的二维码移动机器人路径规划方法

针对在结构化栅格工作环境下,基于蚁群算法的路径规划存在停滞和收敛速度慢的问题,提出了一种基于改进蚁群算法的二维码移动机器人路径规划方法.通过限制蚂蚁的搜索方向,即将机器人置于结构化栅格工作环境下,使其只能在水平和垂直方向上移动,进而提高算法的搜索效率.引入自适应期望函数和启发因子,动态调整状态转移概率,避免算法陷入停滞状态,提高算法的收敛速度.针对机器人在转弯过程中耗费时间较长的问题,通过引入转弯影响因子得到扩展路径长度,进而根据扩展路径长度选取最优路径.实验结果表明,提出的方法可以为二维码移动机器人规划出最优路径.     

基于蚁群算法的滑移预测路径规划研究

月球车是搭载探测任务的可移动多功能机器人.月球车在实际地形行驶中,从起点到目标点之间除了选择最优路径,还应该将地形、障碍物等影响因素考虑进去.地形的主要影响因素是陡坡方向和陡坡坡度,其他因素归类为滑移,这些在很大程度上增加了路径规划的长度和时间复杂度,更影响了其安全性.而传统蚁群算法只是单纯地寻求路径规划中的最优解,存在收敛速度慢、时间复杂度高、寻优能力不平衡等问题,且没有考虑滑移、地形等因素,应用在月球车预测路径规划问题中极易陷入局部最优解.提出了基于三维栅格地形环境下融合坡度、坡向的滑移预测改进蚁群算法路径规划;通过设置相同的信息素启发因子和信息素挥发系数,改变滑移预测地形参数,得到了基于滑移预测的综合代价函数,改进了传统蚁群算法;分析了基于滑移预测的综合代价函数对改进蚁群算法路径长度、收敛速度、时间复杂度和迭代次数的影响.最后利用实验仿真数据结果验证了本文改进后的蚁群算法在滑移预测路径规划问题中有更高的有效性.     

多头绒泡菌线粒体中肌动蛋白的免疫细胞化学鉴定

自多头绒泡菌(Physarum polycephalum Schw.)原质团中分离线粒体,以兔抗肌动蛋白抗体为一抗,荧光素标记的羊抗兔IgG和辣根过氧化物酶标记的羊抗兔IgG作二抗进行间接免疫荧光和蛋白质免疫印迹实验.结果显示,线粒体中含有与肌动蛋白抗体呈阳性反应的抗原.以兔抗肌动蛋白抗体作一抗,金颗粒标记的蛋白A作二抗进行的间接免疫电子显微镜实验结果进一步证明了肌动蛋白是多头绒泡菌线粒体的组成成分,并在线粒体中呈散在分布.     

基于WSN的灾难现场最优逃生路径规划

针对当前建筑灾难救援中存在的诸多亟需解决的问题,利用布设在建筑物内的无线传感器网络获取实时信息,根据灾难现场的全局环境信息及其变化趋势,建立灾难威胁模型.利用改进的蚁群算法DACA(Dijkstra antcolonyalgorithm)实现逃生路径规划:一方面有效利用Dijkstra算法的优点改进蚁群算法,另一方面通过改进信息素浓度更新机制来改进蚁群算法的性能.在动态的灾难环境中,该方法能够在建筑物处于紧急状态时给出优化的人员疏散策略,有效实现被困人员逃生和消防员营救的路径导航,减少人员伤亡,提高救援效率.     

基于TOPSIS方法的应急救援路径选择

针对突发灾害事件大规模破坏性的特点,借鉴城市交通路网安全性评价体系,充分考虑应急救援工作的特殊性,建立了应急救援路径选择指标评价体系。该体系将应急救援路径选择评价指标分为成本型和效益型,包括车辆行驶时间、车辆行驶距离、运输费用、可靠性、阻断风险、实际交通流量以及路径交叉路口数等。然后,运用模糊层次分析法求解指标权重,通过TOPSIS法计算各方案与正负理想方案的贴近度,求得应急救援路径选择最优解。研究表明,本文求解结果对合理开展应急救援工作具有较高的参考价值。     

面向自然灾害的救援准备计划:随机规划模型与案例

在自然灾害频发区预置足够的救援设施和物资是灾后有效执行救援行动的基石.在有限救灾预算下,提出一个以最小化灾民伤亡期望人数为目标的两层随机规划模型.上层为灾前战略性决策,包括医院和临时安置点的能力扩展、储备库选址、物资储备量和各类车辆能力配置;下层为各灾难情景的应急作业性决策,包括伤员从灾难点到医院的转移、灾民从灾难点到安置点的运送、医疗物资从储备库到医院的补给和生活物资从储备库到安置点的配送.最后说明性案例验证救援准备计划随机模型的有效性.     

低碳视角下的多式联运最优路径选择

为了降低多式联运运输过程中的运输成本和碳排放量,可以从承运人角度选择低成本、低排放的运输路径。以实际运输过程中火车、船舶的固定时间窗和收货人的软时间组成的混合时间窗为约束条件,以运输过程中的总成本最低、碳排放量最少为目标,建立双目标优化模型。采用带精英策略的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解双目标优化模型的帕累托最优解集,为不同目标追求下的承运人选择不同的最优运输路径和最优运输方式的组合。设计了相关算例,由NSGA-Ⅱ计算得到的帕累托最优解集包含4个点,即4条最优运输路径和运输方式组合,分布均匀、收敛性好,为承运人提供了全面的决策依据,显示了算法的可行性和优越性。     

多约束最优路径算法比较研究

针对多弧权网络路径寻优及其效率问题,提出了4种多约束最优路径算法,并对其进行了比较研究.基于经典Dijkstra算法,提出了多约束最优路径问题的D_MCOP算法;引入启发式搜索思想,设计了A*_MCOP算法和迭代加深搜索的IDA*_MCOP算法;为克服IDA* _MCOP算法每次迭代都要回到起始节点重新搜索的缺陷,提出了一种多约束边沿搜索算法——Fringe_MCOP算法.实例研究表明:三种启发式搜索算法扩展的节点数、边数以及算法的执行时间都远小于D_MCOP算法,而且Fringe_MCOP算法在三种启发式算法中性能最优;当给定的约束条件与最优路径的权值向量越接近时,算法的执行效率越高,当网络规模较大时,这一趋势更加明显;当约束条件过于严格而得不到满足约束条件的路径时,A*_MCOP和Fringe_MCOP的算法速度比IDA*_MCOP的算法速度更快,D_MCOP的算法速度最慢.     

突发事件下多目标应急救援物资配送路径规划

突发事件发生后,选择最优应急救援物资配送路径提高物资配送的效率和效果,是应急决策者面临的主要问题。以最小化最晚车辆服务结束时间来提高物资配送的效率,以最小化需求未满足率来保证配送公平性,从而达到良好的配送效果。在配送中心唯一的情况下,考虑道路对车型限制、道路阻断修复和道路可靠性对路径的影响,建立多目标应急救援物资配送路径优化模型。设计优先邻点交叉算子来改进基于非支配解排序的遗传算法,提高了局部搜索能力和收敛速度,通过仿真实验验证了算法和模型的有效性,为决策者选择合适的车辆配送路径提供辅助决策作用。