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。     

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.     

基于枢纽魅力度的城市公交枢纽布局优化方法

本文提出一个两阶段的城市公交枢纽布局优化方法, 该方法首先从备选点易达度、公交线路聚集程度和公交线路的分布范围评价其魅力度, 进而确定备选枢纽点集. 基于备选枢纽点集, 综合考虑乘客和运营者双方利益, 提出一个以枢纽辐射域最大、枢纽间相似度最小和土地成本最少的多目标枢纽布局优化模型, 并设计多目标遗传算法进行求解. 最后, 以大连市主城区的公交系统为例, 对本文提出的模型和算法进行检验. 通过实例分析发现, 本文提出的备选枢纽筛选模型得到的备选点几乎涵盖了大连市主城区的主要集散点, 表明以魅力度评价备选枢纽点的方法是可行的, 可以有效地为枢纽布局优化提供较合适的搜索空间. 同时, 从枢纽布局优化结果看, 本文提出的多目标优化模型可以兼顾枢纽的数量、位置和土地成本, 优化结果也符合大连市的实际情况.     

区间数多目标多模式运输问题的模糊规划方法

在不确定性运输问题研究现状的基础上,建立了目标函数费用系数、可供应量、需求量均为区间数的多目标多模式运输问题(MOSTP)数学模型。根据参数的实际意义和区间数的序关系,将区间数MOSTP转化为确定性的MOSTP,并将区间数约束转化为确定性的不等式约束。通过运用模糊折衷规划方法求解,得到了区间数MOSTP的最优折衷解。最后,采用具体算例说明了该方法的求解过程。     

基于混合粒子群算法的装运机械组合优化方法

针对堆石坝工程物料装运机械组合优化问题的复杂性, 建立了装运机械的多目标非线性组合优化模型(MOOM). 进一步地, 把加权法和惩罚函数引入到带收缩因子的粒子群算法中, 提出了一种新的求解多目标非线性组合优化问题的混合粒子群算法(MI-HPSO). 该算法具有概念简单、参数设置少、收敛速度快及全局搜索能力强的特点. 实证研究表明, MI-HPSO为解决物料装运机械MOOM优化模型提供了有效的决策方案.     

基于图层叠加的多目标选址模型

分析了国防工程设施选址的目标和约束条件,研究建立了建设项目选址多目标决策模型.在MGIS(militarygeographicinformationsystem)中运用叠加模型解决了选址决策空间上可行域或有限方案集的搜索问题,提出了选址规范决策矩阵的构建和求解方法,并给出了算例.     

产能预定合同下代工厂商的产能扩充与转包策略

考虑一个设计厂商和一个代工厂商构成的两级供应链系统,并且存在外部代工厂商,设计厂商可以购买即时产能,而代工厂商可以实行转包时,在产能预定合同下,设计厂商和代工厂商的最优策略.结果表明,当产能预定费用增加时,设计厂商将减少最优的产能预定量,代工厂商的产能扩充系数则会提升;如果产能需求市场前景看好,设计厂商将增加其产能预定数量,此时虽然代工厂商的产能扩充系数变化不明确,但其产能扩充水平将增加.