运输通道货运量分担率的目标规划模型

从系统角度出发,分析了综合运输通道内各类运输方式的经济技术特征;考虑了运输货物类型的多样性,运输方式与货物的运输相容性,以运输成本最小化和运输需求满意度最大化为目标,运输需求满意度采用最大化最小需求满意度方法,使得运输量与运输需求量比值最小的满意度最大化,以货物与运输方式的相容性为约束建立了1个多目标0-1混合整数线性规划模型;并设计了求解该模型的算法,通过1个算例对模型进行了数值演算以表明模型和算法的可行性。研究结果表明:考虑货物与运输方式的相容性约束,能实现各类运输方式的最大运输能力约束以及最小运量要求,使约束模型的约束条件简化;运用数学优化软件Lingo11.0对求解算法编程,分别对运输成本和需求满意度的单目标优化问题进行计算,在短时间内能找到最优解,而对多目标优化问题计算可得到有效解。     

甩挂运输车辆调度模型及节约算法设计

采用整数规划方法建立了带时间约束的甩挂运输车辆调度模型。由于该问题的复杂性,在实际问题中若采用精确算法往往不能实现求解,因此提出了增加新策略的调整节约算法。仿真结果和实际案例运算表明,该算法是很有效的,比原来的传统运输方式更优,可以满足较大规模的甩挂运输车辆调度问题。     

一个带中转和直销的多产品运输问题及其遗传算法

研究了具有多个生产商、多个中转销售中心和多个客户的多产品运输问题。 基于运输成本最小原则, 建立了一个带有中转和直销的多产品运输问题的数学模型;采用基于优先权的染色体编码方法构造了求解该问题的遗传算法。 实证分析表明该算法能够快速有效地求解多产品运输问题。     

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.     

多种运输模式下国内沿海集装箱港口布局模型研究

针对集装箱多式联运运输方式下港口合理布局的问题,研究并提出了Hub and Spoke运输模式下港口布局的数学模型;对于该模型的非线性优化问题,引入了人工神经网络方法求解;以辽宁省地区的沿海港口为例进行了计算,并显示出合理的计算结果。     

运输通道结构配置中的客流量分配模型及算法

采用动态交通分配的思想，描述运输通道内各运输方式交通量的时间空间演化特征，构建出基于网络均衡的客流分配模型，该模型克服了静态的、基于多元Logit随机效用的选择概率模型的不足，可对通道内各运输方式分担的运量和合理数量进行更为客观、符合实际的求解．文中还对该模型的求解算法和程序进行了研究，最后运用实例验证了该模型和程序的可行性．     

一种综合运输方式优化运用模型及算法

为达成多种运输方式的优化使用,建立了综合运输方式优化运用的多目标整数规划模型,研究了求解该模型的混合遗传算法。模型中,允许各运输方式同时运用,并将运输方式的运用与运力调度结合起来。算法中,提出了整数与二进制数混合编码的染色体表示方法,给出了初始解生成的启发式算法与染色体适应度评估方法,设计了遗传交叉与变异算子,集成了3种简便易行的启发式局部搜索过程。通过构建运用模型和算法程序,设计并求解仿真算例,得到优化结果。实验结果表明,模型和算法可在实现各运输方式综合优化运用的同时,完成对运力的分配。     

具有运输次序的运输问题研究

研究了一类新的运输问题--具有运输次序的运输问题,建立了这类运输问题的网络流模型,证明了该模型的有效性,根据解最小费用流问题的思路设计出求解该模型的实用算法,同时通过定义修正权将负权转化为非负权,从而可以用Dijkstra算法找最短路,使算法得到改进.     

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。     

一种基于神经网络的运输问题优化方法

将Hopfield神经网络与亚当姆斯公式相结合,在此基础上提出了一种解决运输问题的优化算法.该算法结合Hopfield神经网络优化功能,并根据运输问题的实际情况,将优化运输问题转换成求解网络系统的平衡点.通过实例验证了该方法的有效性、可行性,并且提高了网络的收敛速度.     

遗传算法在矿井运输系统可靠性中的应用

介绍了遗传算法及其特点，使用遗传算法对矿井柔性连接运输系统的可靠性问题求解。应用表明遗传算法为此类问题的解决提供了一种新的方法和思路。     

基于遗传算法的运输问题最优解研究

用表上作业法求解运输问题计算量很大,且收敛速度较慢.本文用遗传算法求解运输问题,通过选择恰当的编码方案和遗传算子,求运输问题的最优解.通过实例说明了基于遗传算法的产销平衡的运输问题及求解过程.     

一种求解带约束多式联运问题的群智能算法

针对如何有效运用群智能算法求解多式联运问题,设计了一种针对群智能优化算法的个体解码方式,提出了一个有效的个体编码与多式联运方案的映射模型.在该映射模型中设计了基于比例的流量分配方式,实现了个体编码信息向初步流量分配方式的解码;同时构建了局部流量调整策略,进行不可行方案修复,提高了解码方案的有效性.而后,提出了一种变邻域粒子群算法,将社会网络演化特征引入进行粒子群算法的种群拓扑和邻域调整,以改善个体在搜索过程中的交互模式.基于解码策略,采用改进算法对多式联运问题进行求解,并与3种新型群智能算法进行对比.通过实例分析,该编码策略可以有效应用于多式联运问题求解.同时,变邻域粒子群优化算法的收敛效率和性能优于对比算法.     

最小元素法的新应用——求解最大值问题

将运输问题中用于求解目标函数为最小值的最小元素法适当修改并推广,应用于求解目标函数为最大值的运输问题。文中给出了此类问题的数学模型、求解算法及理论依据,并通过实例验证了这是一个有效、可行的方法。     

多目标约束水平的动态运输问题

构造了目标多约束水平（MC^2）动态运输问题的数学模型,开发了求解这一模型的迭代算法。此算法利用MC^2单纯形法给出基可行解,并在此基础上,运用动态规划思想从最优子策略逐步求得最优策略。     

公共交通路网描述方法及诱导模型设计

在采用传统的公共交通路网描述方法的公交网络中,会出现大量两节点间有多条同向边的情况,这使得无法求解公交网络中的最短路径问题.有鉴于此,文中提出了一种新的公交路网描述方法,该方法克服了以上问题,使得所有经典的最短路径算法都能够用于公交诱导系统.在此基础上设计了3个单目标和一个多目标公交诱导模型来满足不同乘客的需求,同时对文中提出的描述方法和模型的有效性进行了证明.最后,以广州市的公交线路网络为例,对所提出的公交诱导模型进行了试验,结果表明所提出的方法和模型是十分有效的.     

城市货物换装站非约束选址模型及其遗传算法

结合城市货物运输的具体特点及连续选址问题的复杂性,在分析城市货物换装站非约束选址问题特点的基础上,建立该问题的优化数学模型,并构造求解问题的有效遗传算法．算法中设计了基于表上作业法或单纯形法的嵌入式适应值计算方法,并采用确保浮点数编码个体有效性的遗传操作方法．实例计算表明,本文提出的模型与算法能够有效地解决城市货物换装站非约束选址问题．     

一类模糊运输问题及其混合智能算法

研究了一类更加贴近于现实生活的模糊环境下的运输问题,即需求量和供应量均为模糊变量的运输问题．并借鉴针对模糊环境中的优化问题提出的机会约束规划模型和相关机会规划模型的思想,建立了模糊运输问题的数学模型．此外,考虑到模型涉及大量具有复杂性和多样性的模糊变量,设计了一种混合智能算法,即基于模糊模拟的遗传算法来求解模型的近似最优解．最后,数值例子表明算法的有效性和可行性．     

复合交通系统配流模型的固定点解算方法

复合交通系统配流模型将区域与路网加以融合，在综合考虑区域经济、土地利用的情况下对交通状况进行分析．但该类模型的简析解通常不能直接获得，而需要通过相应的数值解法来获得．针对复合交通系统的特点，采用了求解固定点问题的分析思想，提出了利用敏感度分析方法的牛顿迭代算法来求算复合交通系统配流模型的数值解．该解算方法的收敛速度快，模型的解算结果稳定，对于城市交通网络的全局规划和评价有很大的帮助．     

Harmony Search-Dij kstra混合算法在铁路物流中心分层选址中的应用

为了满足铁路集中化运输的要求,基于铁路物流中心的层级特点,结合分层选址的理论和方法,以铁路物流中心覆盖的总需求最大化为目标,提出了铁路物流中心分层选址分配模型.针对铁路物流中心选址分配模型的特点,提出采用求解效率较高的和声搜索算法(Harmony Search,HS)和Dijkstra算法相结合的混合算法进行求解,并通过算例验证了模型的可行性和算法的有效性.为了验证算法的性能,对不同规模下的算法进行多次测试,结果表明当规模较大时,HS-Dijkstra混合算法仍可以在可接受的时间范围内收敛.为了体现算法的计算效率,对大规模下的Harmony Search-Dijkstra混合算法与遗传算法(Genetic Algorithm,GA)进行比较,结果显示Harmony Search-Dijkstra混合算法收敛速度明显优于遗传算法.因此,Harmony Search-Dijkstra混合算法可以有效解决铁路物流中心选址分配问题.