不确定性故障下无人机末端配送

针对物流无人机的配送问题,综合考虑无人机故障、分段电池能耗和飞行可靠性等影响因素构建不确定故障下的无人机配送模型;采用蚁群算法对模型求解,最后运用标准算例场景进行测试。结果表明：在考虑无人机不确定故障场景下,最小需求损失提供的配送方案平均配送成本增加2.77%,可靠性提高7.04%～10.47%;最小综合成本提供的配送方案平均配送成本增加0.81%,可靠性提高2.2%～8.88%。前者所提供配送方案更可靠,但对应成本增加比例相对较大,后者综合考虑成本和损失,以较小的成本代价提高配送网络可靠性。     

客户需求变动的VRPSDP干扰管理模型

针对客户需求变动对VRPSDP方案造成的干扰问题,通过干扰辨识和在配送成本和服务时间方面的扰动度量,以干扰事件对原方案造成的广义总费用偏离最小为目标建立VRPSDP干扰管理模型,设计基于禁忌搜索的求解算法.算例结果显示,本文干扰管理方案显著优于新派车辆和全局重调度方案,表明该方案不仅能为物流配送企业节省资金,而且能够较好地减少对客户服务时间的偏离,保持客户的满意度.     

考虑动态需求的多中心沿途补货冷链物流配送路径优化

为提升冷链物流配送效率、降低物流成本,本文在综合考虑多配送中心、客户动态需求、沿途补货策略的前提下,建立以总配送成本和客户满意度最优为目标的冷链物流配送模型.模型采用主目标法处理客户满意度和成本之间的背反关系,将动态问题按照时间轴依次分解为一系列的静态调度子问题并考虑了5种配送成本.本文提出自适应大邻域搜索算法求解该模型,设计了三种破坏算子和三种修复算子,对小中大三种不同规模的算例进行测算.结果表明该算法在速度、精度和稳定性上表现良好,对求解此类问题有较好的适应性和准确性.与不考虑沿途补货策略的动态配送方案相比,沿途补货策略可使成本降低23.06%、客户满意度提升8.69%.结果表明提出的配送方案可很好地节约企业的配送资源、减少配送成本、增强竞争力.     

基于NSGA-Ⅱ的物流末端人员配置的多目标决策

研究同时考虑客户满意度和成本的物流末端配送环节中快递人员配置问题。在考虑到满意度和快递员的情况下,通过人员配置成本、惩罚成本和运输成本所构成的总成本最小和顾客满意度最大时的人员配置方案,并采用NSGA-Ⅱ算法在Python软件上求解物流末端配送问题,最后进行了案例分析。分析结果表明：所建立的物流末端人员配置和路径优化的多目标优化模型实现了人员配置、客户满意度和成本的优化,且能够在保证客户满意度的情况下降低人员成本。所提出的方案为物流末端快递人员配置的多目标优化问题提供了理论依据。     

考虑客户满意度的物流公司终端配送线路优化

【目的】针对物流公司终端配送线路优化问题,考虑客户满意度以及退货情况对配送方案的影响,力图优化配送线路,提高客户满意度。【方法】分析不同客户(收货、发货、退货)的特点,建立了基于软时间窗的顾客满意度函数,并构建了以配送总成本最低为目标的混合整数规划模型,进一步根据终端配送问题的特征设计了求解模型的模拟退火算法,最后通过Matlab软件和具体算例,进行模拟计算。【结果】通过比较有无考虑客户服务时间的两种情况的求解结果,验证了该算法的有效性和实用性。【结论】考虑终端配送过程中客户满意度以及退货情况的发生,可以减少配送成本、节约配送时间、提高客户满意度,极大地提高物流公司竞争力。     

三维编队飞行模型建立及自适应鲁棒控制

以张量分析为工具建立无人机编队飞行相对运动模型,用飞行中外界干扰的估计值构造系统能量函数,根据Lyapunov稳定判据,提出一种无人机编队飞行队形保持的自适应鲁棒控制律。研究表明：无人机编队飞行张量模型具有广泛的适用性;为无人机编队飞行深层问题研究、克服标架奇点引起的计算障碍等提供了新途径;提出的控制律简单,有效。     

共同配送选址-路径优化模型与算法

以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的K-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。     

基于附加惯性项人群搜索算法的四旋翼无人机姿态控制研究

针对非线性自抗扰控制的控制参数多且不能自整定的缺陷,为进一步提高控制的有效性和精度,在结合四旋翼无人机自身特性的基础上,本文提出一种附加惯性项人群搜索算法与自抗扰控制结合的姿态控制算法。对搜索步长和方向的惯性系数的选取方法进行修改,来实现四旋翼无人机在受干扰情况下飞行过程的姿态控制。仿真结果分析表明:与人群搜索算法优化自抗扰控制和自抗扰控制相比,该方法提高了控制系统的动态响应、抗扰性和鲁棒性,从而对于提高四旋翼无人机的姿态控制具有良好的参考价值。     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

网购环境下基于时隙配送的时效产品订单履约方法

在B2C模式的网购环境下,订单总数庞大,但每个订单的需求量小、配送地址各异,并且从客户下单到产品送达客户手中存在时间差,这些特点对订单履约方法的柔性提出了高要求,给电子零售企业的发展带来了挑战.时隙作为配送中重要而稀缺的资源,其利用率的高低直接影响网络零售商的运营效率.良好的时隙分配方案可以提高订单履约率,从而提高配送的效益.笔者规避单目标研究不能够较为全面反映配送的实际问题,拟考虑从多目标角度对问题进行优化,建立既可以保证客户满意度,又能减少每辆车平均配送距离和每单平均配送成本的多目标规划模型.通过算例分析,模拟几种不同情况,综合优化模型在时间和成本水平下都较传统单目标更优,能使配送时隙综合效用最大,验证了模型的有效性和科学性.     

基于不确定因素扰动的机场大面积航班恢复规划研究

航班恢复过程往往会受到不确定因素的干扰,这些不确定因素可能还会进而引发一系列不确定因素的产生,造成更加严重的延误情况。为了提高航班恢复计划的鲁棒性,对不确定因素扰动下的航班恢复问题进行研究。首先,利用中国某机场的地面服务数据,研究了不确定因素对航班恢复过程中地面服务保障时间的影响。然后,建立以最小化延误成本和保证航班公平性为优化目标的航班恢复调度模型;同时考虑进场航班对离场运行的影响;并在模型中加入不确定因素对航班的干扰。最后,运用模拟退火算法对中国某机场的航班数据进行仿真,与先到先服务方法进行对比。结果表明:对于解决机场大面积航班恢复问题具有可行性。     

一种用于天线面形恢复测量的无人机导航方案

天线近场面形恢复算法需要搭载发射源的无人机沿特定轨迹飞行,并获得其位置。根据面形恢复算法对无人机飞行的要求设计一种包含差分GPS和视觉传感器的导航方案,在此导航方案的数据融合时间策略下使用常规扩展卡尔曼滤波器将出现震荡问题。为此提出一种基于SageHusa滤波算法改进的自适应扩展卡尔曼滤波器,并通过仿真和实际飞行测试将其与常规扩展卡尔曼滤波器进行对比。实验结果表明,此自适应扩展卡尔曼滤波器在实际应用中表现出更好的性能,并在弱GPS信号情况下能够趋向于更可信的视觉里程计数据。此方案基本满足天线测量时无人机沿轨迹飞行并采集位置数据的要求,有望实现射电望远镜主动面实时闭环修正。     

四旋翼姿态的反步滑模自抗扰控制及稳定性

为了解决四旋翼无人机姿态控制中存在的问题,设计了一种基于反步滑模自抗扰姿态控制器.首先,介绍了四旋翼无人机的动力学模型,建立了基于反步滑模自抗扰控制算法的姿态控制方案.控制方案构成主要包括扩张状态观测器及基于Lyapunov稳定性分析的反步滑模控制器.稳定性分析表明,通过合理调整参数可以保证控制系统是渐近稳定的.仿真结果表明,所设计的控制器同经典自抗扰控制器相比,对扰动有较强的抑制能力,提高了自适应性和鲁棒性,表明该控制系统具有更好的稳定性和动态性能,对四旋翼姿态控制更加有效.     

基于最小费用流模型的不正常航班恢复问题研究

突发事件会导致航班计划无法按原计划执行,给航空公司及旅客带来巨大损失。而航班恢复问题的难点除了相关因素的复杂性,主要的体现在恢复方案的即时性。因此,为了提出快速有效的航班恢复方案,以降低损失,笔者通过时空网络技术对不正常航班的恢复问题进行描述,实现了对航班在空间和时间上的追踪。基于最小费用流模型,建立了以最小总延误时间为目标函数的整数规划模型,模型同时考虑了航班延误,飞机置换及航班取消的调度策略,并提出采用Floyd-Warshall算法对建立的模型进行求解。最后,通过算例对模型及算法进行验证。研究结果表明：针对突发状况,建立的模型及算法可提出合理的航班恢复方案,证明了模型及算法的可行性及有效性。建立的模型具有普适性,对不正常航班恢复问题的研究具有借鉴意义。     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

考虑观测次数的无人机交通巡视时空网络模型

针对传统道路信息检测方式不能获得实时连续的道路信息的问题,提出使用无人机进行路网巡视的方法。通过时空路网建立多机飞行路径优化模型,解决无人机的路径优化问题。模型可分别以完成所有任务条件下最小化所有飞机总飞行时间或最小化单机的最长飞行时间为优化目标,不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,将动态路径规划转化为静态路径规划,而且还加入了对重点路段多次巡视和多次巡视的时间间隔约束。对某一案例进行分析的结果表明,与不考虑巡视次数的路径规划相比,无人机的总飞行时间和单机飞行时间分别增加15.87%和15.15%,即可完成对2条重要路段巡视3次的任务目标。算例分析表明,优化后的巡视路径更加切合实际需要。     

基于协作频谱感知的多无人机通信网络谱效优化研究

针对无人机应用场景频谱效率较低的问题,提出一种结合认知无线电技术的多无人机通信网络谱效优化方案.首先基于协作频谱感知,建立空地信道下多机协作的认知无人机网络模型,设置无人机（unmanned air vehicle,UAV）数量、感知时间和判决门限等优化参数,在此基础上提出高谱效联合优化算法对构建的非凸优化问题求解,最后分析无人机飞行过程中谱效的变化情况.仿真结果表明,存在最优感知时间使系统谱效获得最大值,且UAV数量和判决门限等因素会影响该谱效最优值;提出的高谱效联合优化算法具有较好的收敛性,有效提高了UAV次级认知网络的频谱效率.      

半开放式的多车场移动充电车路径优化

为解决移动充电平台投入运营成本高的问题,考虑应急服务点时间窗、流量平衡及充电车里程限制等约束,建立包括移动充电车为应急服务点提供充电服务的车辆启动成本、行驶成本和违反应急服务点的时间窗惩罚成本三者总和最小的混合整数非线性规划模型,通过分支定界法和遗传算法研究了半开放式的多车场移动充电车路径优化问题。结果表明：对半开放式的多车场移动充电车路径优化问题进行10次求解,GAP均值为1.22%,说明遗传算法具有良好的稳定性;与单车场独立服务模式对比分析,半开放式多车场联合服务可为移动充电车提供更多路径选择,减少充电车行驶里程,降低平台运营成本;对比顾客点集中分布情形,在顾客点随机分布和混合分布情形下,移动充电平台的成本节约效果更为显著。     

基于跑道容量的航班恢复优化模型

为了降低航班延误造成的经济损失和旅客滞留,在不增加管制员工作负荷的基础上提高航班运行效率。本文在原有的航班恢复模型基础上,引入跑道容量模型,综合考虑旅客流、航空公司公平性以及航线重要程度的影响,建立了以各单位恢复总成本最小为目标函数的航班恢复模型,该模型适用于跑道数以及构型不同的单一机场,算例中引用国内某机场的真实延误数据,并用遗传算法和粒子群算法求解模型得到优化方案,与遗传算法相比,粒子群更适用于该模型,收敛速度更快。与现有的航班运行相对比,优化后的方案总延误时间缩短了11.85%,总延误成本减少了6.55%。最后用TAAM仿真软件分别运行实际恢复方案和优化恢复方案,报告显示优化方案中终端区产生冲突的可能性更小,管制员工作负荷更低,从而验证了模型和算法的可用性。     

基于多蜂群的多无人机协同自适应搜索

针对多无人机(unmanned aerial vehicle, UAV)在未知海域环境下协同搜索这一重要研究课题,提出基于精英学习的多蜂群协同自适应搜索路径规划算法。首先,建立考虑飞行高度时变的无人机模型、传感器模型以及海域模型。其次,在该模型基础上建立了包括目标发现收益、期望探测收益及避碰等多目标效能函数。在考虑到UAV飞行高度动态变化时采用不同搜索策略,由于传统蜂群算法在搜索中存在适应性差、速度慢等缺点,提出基于精英学习的多蜂群算法,保证了搜索效益的最大化。最后,通过仿真实验验证了算法的有效性和实用性。