废弃物收运网络周期性选址-路径问题多目标优化模型及算法

废弃物处理设施是典型的"Semi-desirable"设施, 其选址相关的决策需要考虑成本、负效应等多个相互冲突的目标. 废弃物中转站的选址和路径优化是一类周期性选址-路径问题(PLRP), 目前缺乏对这类问题的多目标优化的研究. 以多目标城市废弃物收运网络周期性选址-路径问题为研究对象, 提出基于扩散距离的负效应测度方法; 建立考虑负效应和成本的双目标混合整数规划模型; 设计DRECWA-LS算法, 结合启发式优化策略, 求解收运计划对应的周期性选址-路径问题, 并采用扩展邻域搜索策略的多目标进化算法实现对可行收运计划的深度搜索, 同步求解收运计划、中转站选址-分配及车辆路径三个问题. 算例结果显示: 算法能成功求解较大规模问题, 具有较高的求解质量和运算效率.     

废弃物处理站选址问题及多目标演化算法求解

针对废弃物处理站选址问题,建立了一个总成本最小和负效用最小的双目标规划模型,从而确定建站的位置、处理容量以及分配给处理站的废弃物产生点.利用问题的启发式知识,设计遗传操作,提出了一种混合多目标演化算法.实例分析表明,混合多目标演化算法在求解质量上与约束法非常接近,而求解速度要远好于约束法.     

随机型网络瓶颈容量扩张的机会约束模型与智能算法

文章研究的问题为，在不确定环境中的机会约束下，怎样去增加一组边的容量到一个指定的瓶颈容量，以至于网络瓶颈扩张的费用最小。本文假定每一条边的单位扩张费用w1是一个随机变量，服从一定的概率分布。带有随机单位扩张费用W的网络瓶颈容量扩张问题可以根据一些概率机会约束规则，列出它的机会约束规划模型的通用表达式。随后，本文将网络瓶颈容量算法、随机模拟方法、神经网络和遗传算法合成在一起，设计出该问题的混合智能通用算法。最后，给出数值案例。     

基于航班时刻优化的跑道运行容量提升方法

分析了航班时刻编排对跑道延误的影响, 建立了平均跑道延误时间最少、总时间片调整最少、总延误 航班架次最少的多目标航班时刻优化排序模型, 用非支配排序多目标优化算法NSGA-II求出该模型的PARATO前沿解集. 以长沙机场典型日航班时刻为例, 运用该模型对跑道运行容量进行计算. 其计算结果与时间片内航班随机排序模型相比, 航班平均跑道延误减少了28.8%,平均时间片调整数减少了27%, 跑道运行容量增加了10.2%.     

政府补贴下的再制造逆向物流多目标选址模型及算法

考虑政府行为对再制造逆向物流的影响,本文通过对社会成本、经济成本和回收收入的优化,构建一个多周期多目标的动态混合整数规划模型.在模型中对政府补贴行为进行定量描述,其补贴大小与实际回收率、规定回收率以及单位补贴等相关,以及据此设计多目标粒子群算法对模型进行求解.通过仿真实例,验证模型的有效性和算法的可行性,并对政府补贴参数进行了灵敏度分析.     

考虑容量扩张决策的确定性库存问题研究

分析了有限时段和无限时段具有容量约束的连续时间确定性时齐库存系统的最优存储和容量扩张联合决策问题。首先证明在有容量约束的情况下等时间间隔补充策略最优。在此基础上,分别求解考虑存在固定容量扩张成本条件下的有限时段和无限时段问题的补充及容量扩张联合最优决策,并进一步分析了最优策略中各种成本之间的平衡关系。     

数据包络分析在网络容量扩张方案的决策与有效性评价中的应用

给定一个网络G(V,E,-C),其中,V是顶点集合,E是边的集合,-C是边集的容量向量。若要将文中定义的网络容量cap(F)扩张到容量为R的水平,存在n种扩张方案。应用数据包络分析(DEA)方法对n种方案的有效性进行评价,选取相对有效的扩张方案,再根据实际的资源限制选取最优方案。     

多目标平面选址问题的模拟退火算法

用模拟退火算法求解一类困难的多目标平面选址问题，经微机上大量试算，效果较好.     

火力分配多目标规划模型的改进MOPSO算法

提出一种改进的多目标粒子群优化算法(multi-objective particle swarm optimization, MOPSO)算法,通过化解约束条件、修改速度和位置更新等使该算法适于求解火力分配多目标规划模型。最终求解的非劣解集构成Pareto前沿,体现增加火力单元数量对射击效能的影响,决策者可按照意图从中选取最终解。不考虑多目标规划模型中的属性目标,对敌毁伤概率随迭代步数演变与单目标函数相比,收敛性能相同,最大值相近,验证了所提算法的有效性。     

求解无容量设施选址问题的拉格朗日狼群算法及其应用

无容量设施选址问题(UFL)是应用于诸多领域的经典组合优化难题。首先,结合UFL问题的具体特征,重新定义了狼群算法中狼群协作捕食的智能行为,提出了求解该问题的狼群优化算法;其次,将狼群算法与拉格朗日松弛相结合,设计了一种求解UFL问题的拉格朗日狼群算法;最后,将本文提出的狼群智能优化算法及拉格朗日狼群算法用于UFL基准问题库中部分算例的求解,并将其求解结果与混合蚁群算法、半拉格朗日松弛方法以及优化软件CPLEX的求解结果进行比较。结果表明：拉格朗日狼群算法较狼群优化算法、混合蚁群算法及半拉格朗日松弛方法具有更好的求解效果,而且在一定程度上缓解了CPLEX求解时间长,消耗内存大的缺点,拥有良好的求解性能。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

约束多目标优化问题的进化算法及其收敛性

提出了带约束多目标优化问题的一种新解法。首先定义了个体的序值和个体的约束度,利用这两个定义给出了一种新的适应度函数和开关选择算子,从而对种群中的个体进行评估或排序时无需特别关心个体是否可行,避免了罚函数选择参数的困难。用概率论有关理论证明了算法的收敛性。用标准的Benchmark函数进行了仿真实验,仿真结果表明,新算法对约束多目标优化问题的求解是有效的。     

基于收益-风险双目标规划的随机能力扩张模型

能力扩张问题是指在不同计划期,根据不断增长的市场需求,调整生产能力,使产能与需求合适匹配以寻求企业盈利的最佳表现.能力扩张涉及长期的产能投资,是生产领域的战略决策问题.当面对不确定需求时,这一决策任务变得十分复杂,需要从回报与风险两个角度评估能力扩张方案的性能.本文基于Scenario树描述多阶段的随机需求,从而建立随机环境下能力扩张问题的Scenario决策模型.其中考虑两个决策目标:最大化利润和最小化期望下方风险,因而形成了一个双目标规划问题.为求解该问题,基于二进制粒子群优化技术,提出了双目标优化的粒子群算法.算例表明该算法可以得到近似Pareto前沿,且能揭示利润与风险的同向变化关系.     

模糊多目标资源受限项目调度问题的优化方法

设计了一种求解模糊多目标资源受限项目调度问题的遗传局域搜索（GLS）算法,目标是生成近似有效解集以便决策者在决策过程中有更多的选择．算法利用线性加权效用函数将多目标组合优化问题转换为单目标组合优化问题,通过系统的方法生成目标权系数向量,对于每次生成的权系数向量,调用GLS算法求解以极小化效用函数为单一目标的子问题,由此生成的近似有效解集更加具有多样性．实验结果表明：本文算法可以针对多目标资源受限项目调度问题生成较好质量的近似有效解集,在多数指标上优于其它两种对照算法．     

求解多目标二层规划的多目标进化算法

提出了一个求解多目标二层规划问题的多目标进化算法.用传统优化算法求解下层规划中用权向量线性加权后得到的单目标问题,而对上层的多目标规划问题则采用基于NSGA-II的选择机制的多目标进化算法求解.数值试验表明所提出的算法是有效的.     

损毁情景下应急设施选址的多目标决策方法

应急设施选址问题是应急管理中的重要问题,设施的长期战略性地位,促使决策者在进行选址决策时关注多种目标.在一定的经济投入条件下,本文首先提出了决策者制定设施选址方案时的目标原则,构建以时效性、均衡性和鲁棒性为核心的评价体系,进而建立了应急设施选址的多目标优化模型,用覆盖为目标的救援总时间反映时效性,最大救援半径反映均衡性,以及设施损毁情景下额外增加的救援变更时间反映鲁棒性,用三个目标函数组成的三元组刻画选址决策的目标向量,理想点是一个三元向量,每一个分量值表示只以这个分量目标函数求解得到的最优值,提出了基于理想点的目标扰动最小化模型,并采用遗传算法设计求解方法,通过算例分析了模型和算法的有效性,说明本文提出的模型与算法在解决应急设施选址决策方面具有一定的应用价值.     

基于多目标优化的传感器网络任务分配模型

由于网络节点资源受限,节点任务分配对传感器网络性能和网络服务质量影响很大.本文以优化系统时延、能量消耗及网络均衡度为目标,建立了基于多目标优化的传感器网络任务分配模型.同时为了有效协调多目标间的关系,采用目标协调优化方法构造目标函数.利用关键路径法解决通信路径选择,给出了基于遗传算法的最佳任务分配方案,进而最大限度地提高了传感器网络效率.最后,仿真结果表明了该模型和算法是合理的和有效的.     

多目标连续小推力深空探测器轨道全局优化

以燃料消耗量最小和飞越小行星最多为性能指标,对多目标连续小推力深空探测器轨道优化,给出了一种组合优化算法。该组合优化算法由全局优化和局部优化组成。全局优化为粗略设计,首先,利用动态规划法全局优化来确定探测系列,即确定从地球出发依次探索的各个小行星以及时间节点;利用静态参数优化算法(即穷举法),在一个大的搜索空间内全面搜索每段飞行轨道的发射窗口,同时,得到每段轨道次优飞行轨道及次优的控制律。然后利用共轭梯度法局部优化来求解每段轨道两点边值问题,获得最优的飞行轨道及最优的控制律。