实时信息下除雪车辆优化调度分析

降雪严重影响城市道路交通系统的正常运行,除冰雪已经成为城市冬季道路养护工作的一项重要任务。城市道路网络复杂,合理的除雪车辆调度方案仅仅依靠人工经验无法实现。本文考虑冬季道路养护中的服务水平、车队规模等约束条件,建立了实习信息下除雪车辆优化调度的整数规划模型。该问题属于一个NP-完全问题,因此设计了构造启发式算法对模型近似求解。算例结果表明,该算法能够求解一定车队规模的除雪车辆调度问题,能够提高冬季道路养护的水平,为实际应用奠定了基础。     

关于组合优化中的车辆调度问题

启发式是组合最优化的重要方法,本文讨论车辆调度问题,改进了 Foulds 文中关于组合优化中的车辆调度问题的结果.     

货物运输车辆的调度算法

本文以上海煤炭公司为例,讨论了运煤车辆的计算机调度问题,提出一个数学模型及有效的近似算法。在算法实现中,采用了一些较为先进的数据结构,使运算速度及存储需求均有较大的改善。对实际算例计算结果表明,采用本算法进行运输车辆调度,经济效益比人工调度有明显的提高。     

实时车辆调度系统

车辆调度的传统算法都是在固定不变的网络节点中进行优化，这种静态的算法并不能满足实时环境的需要。在实际环境中，各节点的需求是不断变化的，将这种变化的不确定性的需求转化为静态需求为企业运作提供了便利，但却不能在时间上赢得竞争优势。作者在分析了传统的车辆调度方法的基础上，提出了实时车辆调度系统，探讨了实时车辆调度系统的模型结构及其实现的关键技术，为建立实时车辆调度模型提供了基础。     

时变网络中物流车辆调度问题的研究

研究了时变网络中的车辆调度问题,设计了该问题的并行遗传算法并进行求解.仿真结果表明,该并行遗传算法优于BC-saving启发式算法.     

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。     

露天矿生产车辆调度的最优化模型

用运筹学中目标规划的最优方法，针对露天矿生产的实际要求，分别建立了多目标的车辆安排最优化模型和多层次的目标规划模型。根据调整优化算法和多层次目标规划算法，利用数学软件Matlab和LinGo软件进行计算，得出最优调度方案。     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

物流配送车辆优化调度的综述

物流配送车辆优化调度问题是一类具有广泛应用的强NP难题,本文综合国内外多种参考文献,阐述了该问题的定义和分类,具体介绍了不同情况下的常见模型和主要算法,并就目前该问题的研究发展情况做了简要分析和进一步的展望.     

车辆的优化调度

建立露天矿生产及车辆安排问题的多目标规划模型,综合考虑卡车、铲车、卸点、铲位等生产设备的利用,并给出了其相应的遗传算法和最大熵算法。     

常规公交组合调度优化研究

为满足公交企业管理运营和乘客二者共同的利益需求,达到资源合理配置,结合现场调查数据,借助Matlab进行公交OD客流量的反推计算,同时在确定大站快车开行的站点的基础上,分别得到大站快车和全程车调度的OD客流量,然后建立包含大站快车和全程车两种调度形式的发车间隔优化模型. 以北京某公交线路作为研究对象,选取平均运行速度、开行班次、停车次数、公交运营成本等指标进行敏感性分析. 结果表明,模型在满足乘客的需求的同时,降低了公交企业约25%的运营成本.     

众包物流配送车辆调度模型及优化

针对众包抢单模式和众包派单模式的配送特点,建立众包配送车辆调度模型,将两种配送模式有机结合,优势互补,并根据模型特点采用蚁群-量子粒子群混合优化算法进行求解.以深圳清湖冷链配送为例,从配送距离和成本等角度,分别与传统配送模式、抢单配送模型和派单配送模型进行比较,实验充分证明了众包配送模型的有效性;同时,将蚁群-量子粒子...     

The Information Modeling and Intelligent Optimization Method for Logistics Vehicle Routing and Scheduling with Multi-objective and Multi-constraint

The vehicle routing and scheduling (VRS)problem with multi-objective and multi-constraint is analyzed, considering the complexity of the modern logistics in city economy and daily life based on the system engineering. The objective and constraint includes loading,the dispatch and arrival time, transportation conditions,total cost, etc. An information model and a mathematical model are built, and a method based on knowledge and biologic immunity is put forward for optimizing and evaluating the programs dimensions in vehicle routing and scheduling with multi-objective and multi-constraints. The proposed model and method are illustrated in a case study concerning a transport network, and the result shows that more optimization solutions can be easily obtained and the method is efficient and feasible. Comparing with the standard GA and the standard GA without time constraint,the computational time of the algorithm is less in this paper.And the probability of gaining optimal solution is bigger and the result is better under the condition of multi-con,traint.     

考虑风险公平的危险品运输车辆调度优化

为了减小危险品运输过程中各人口聚集区域间风险分布差异,提出了一种多源-目的(OD)间同时进行危险品运输时考虑风险公平的车辆调度优化方法.提出了采用标准差来衡量各人口聚集区域间风险差异的风险公平性评价方案.设计了考虑风险分布公平的车辆调度数学模型,通过获取周期性调度方案来减小人口聚集区域间的风险差异,实现区域风险分布公平的目标.为了降低求解难度,将模型分解并增加决策者交互环节后,设计了两阶段算法求解.通过算例分析表明,该方法可在不同OD间同时运输危险品时,通过调节运输车辆选择不同路径运输的频次,在保证运输总成本和总风险可接受的前提下,达到风险公平性最优的目标.     

基于满意优化的多目标车辆调度问题模型与算法

基于满意优化理论,首先提出了客户满意度的概念及评价函数,在此基础上,以最大化平均客户满意度同时最小化运输成本为目标函数,构建了多目标车辆调度问题的教学模型.然后提出了将多目标转化为单目标的方法,并利用禁忌搜索算法对该问题进行仿真.结果表明,基于满意优化的多目标车辆调度问题模型,更能反映物流运输企业的实际情况,其求解算法是快速、有效的.     

消防多功能抢险车油缸连杆机构的优化

针对某消防多功能抢险车油缸连杆变幅机构变形失效问题,采用Creo、Adams与Ansys软件建立油缸连杆机构和履带车力学模型,仿真分析履带车运动过程中连杆各铰点受力情况。结果表明:连杆变形失效的主要原因是其多处位置强度超过材料许用应力。以最大力为边界条件,利用有限元方法对抢险车油缸连杆进行强度分析,并以油缸连杆铰点最大受力值为优化目标,采用灵敏度分析、优化设计的方法对油缸连杆各铰点进行优化。仿真结果表明:优化后连杆各铰点受力峰值降低50%,最大应力值为20814 MPa,比优化前降低513%,小于材料的许用应力,产品未发生变形失效,优化方案有效。     

基于实时电价的含电动汽车微电网两阶段优化调度

为解决大量电动汽车无序充电对微电网负荷曲线产生新的峰值或峰上加峰等现象,提出了V2G(vehicle to grid)下两阶段优化方法,第一阶段考虑实时电价的前提下以满足用户充电需求为目标建立电动汽车有序充放电模型,第二阶段以微电网综合成本最低和微电网出力波动最小为目标,确定电动汽车有序充放电功率。为了解决多目标优化的问题,本文采用改进型多目标粒子群算法（IMPSO）。为验证本文方法的有效性,用蒙特卡洛法模拟某微电网内电动汽车的充电需求后采用本文方法优化,结果证明本文调度方法降低微电网经济成本和出力波动的同时,降低了用户成本。     

智能交通系统中车辆调度问题的自适应蚁群算法

考虑智能交通系统中员工在聚集站点上下班,建立车辆调度问题的数学模型。针对蚁群优化算法的缺点,自适应地改变信息素挥发因子,采用混沌搜索产生初始种群可以加速染色体向最优解收敛,构成一种自适应蚁群优化算法。应用该算法和基本蚁群优化算法对该模型求解,实验证明了构造算法在收敛速度和寻优结果两方面都优于基本蚁群优化算法。