“红包车”机制下的共享单车调度问题

共享单车具有随取随放的优点,但用户的租还车使站点之间经常出现供需不平衡现象.为了有效缓解运营商调度压力,提出了一种顾客参与调度的共享单车调度方式.将某些闲置的共享单车设置为红包车,鼓励用户将红包车骑到需求旺盛的区域,用户完成调度后可以获得红包奖励.以运营商运输成本,红包奖励支出以及未满足站点需求的惩罚成本最小为目标建立了混合整数规划模型,并设计了混合禁忌搜索算法对模型进行了求解.数值实验表明:红包车机制可有效减少运营商总成本;混合禁忌搜索算法可以有效求解大规模问题.     

求解柔性作业车间调度问题的多策略融合Pareto人工蜂群算法

为克服单一算法在求解多目标柔性作业车间调度问题时最优性和多样性方面的缺陷,提出了一种多策略融合的Pareto人工蜂群算法(multi-strategy integration Pareto artificial bee colony algorithm, MSIPABC).算法在初始化阶段采用混合启发式策略产生质量较高的初始化种群;雇佣蜂采用多种探索操作实现蜂群自主邻域搜索;观察蜂选择较优食物源执行交叉操作,实现蜂群协作搜索,扩大搜索范围,并执行柔性作业车间关键路径相关局部搜索操作,进一步加强蜂群寻优能力;最后侦查蜂对种群重复解进行多样性重构.多种搜索策略的融合使算法不仅实现了人工蜂群的自主与协同搜索,而且达到了全局探索与局部寻优的平衡.通过验证,所提算法在求解质量和获取基准算例Pareto最优解数目方面具有优势.     

基于汇集预测的随机客户需求配送车辆调度问题

针对物流配送过程中客户需求随机出现的车辆调度问题，结合客户随机需求信息和经验数据，运用汇集预测方法，生成合理的虚拟客户出现的概率及其位置和需求量；在分析客户不满意度函数的基础上，综合考虑配送车辆调度方案的经济性和客户满意度两方面因素，提出了加权广义配送总费用最小化目标；依照车辆先真实后虚拟客户配送的原则，建立了配送车辆调度模型，设计了与局部搜索相结合的改进遗传算法。Solomon标准测试算例验证了模型与算法的有效性与适用性，结果表明，相比于现有的其他方法，本文方法制定的配送车辆调度方案不仅能有效降低物流企业的总配送成本，而且能快速响应客户需求，提高客户满意度和服务水平。     

不确定需求下基于分布式鲁棒机会约束的车辆调度问题研究

随着新能源汽车共享模式的迅速发展,允许异地还车导致车辆不均衡问题日益突出.本文考虑不确定的车辆需求,基于需求量的均值和方差等部分信息,最小化最坏情况下系统可用车辆和空闲停车位的机会约束,建立分布式鲁棒优化机会约束车辆调度模型,以总成本最小化为目标,得出模型的数学性质和易求解的等价形式,确定停车桩之间的车辆调度数量.最后,以北京市15个停车桩的车辆调度为例,确定最优的车辆调度方案.结果表明,随着服务水平的增加,调度成本和车辆调度数量增加明显,当服务水平增加到一定程度后,应增加系统的车辆数和停车位以满足服务水平的要求.决策者可根据自己的偏好及系统的服务要求,选择恰当的服务水平参数组合,以获得最优的车辆调度方案.     

基于MMAS算法的带到达时间批调度问题研究

研究了工件带到达时间的目标为极小最大完工时间(Cmax)的单机批调度问题,采用最大-最小蚂蚁系统(max-min ant system,MMAS)进行求解.针对问题带到达时间以及分批的特性,提出了两种候选列表(candidate list)构建批序列,有效地缩小了搜索空间的维度;考虑两种候选列表的工件对构造解具有不同的影响,针对不同的候选列表设计了相应的启发式信息.仿真实验部分从求解质量和时间性能两方面比较了本文提出的算法和标准的蚂蚁系统(ant system,AS)算法以及使用不同候选列表的MMAS算法.结果表明,本文的算法在质量和时间两方面均全面优于标准的AS算法,而提出的候选列表使得该算法在大幅度提高时间性能的同时,仍然能够取得近似最优解,从而在求解质量和时间性能两方面取得平衡.     

基于两阶段鲁棒优化的无人机载机平台调度问题

基于"载机平台+无人机"服务模式,研究需求不确定情形下的载机平台调度问题.以调度期总成本最小为目标,建立两阶段鲁棒优化模型.第一阶段,在需求不确定的情况下提前确定载机平台的使用数量和调度路径;第二阶段,基于第一阶段的决策结果和不确定需求集,确定最差情形下的需求分配方案.模型采用L型算法求解.数值实验表明,鲁棒优化的效率优于随机规划,通过适当放松模型鲁棒性可以大幅提高决策经济性.面对不确定需求,系统会优先调整载机平台的调度路径,其次考虑增加载机平台的数量,调度方案呈现出渐进式调整的特点.     

社区居家养老服务的预约调度与路径规划问题研究:基于改善蚁群算法

随着中国人口进一步老龄化,养老行业受到各界越来越多的重视.中国的养老行业具有与其他国家不同的特点,表现为需要服务的老年人多且分布密集,一般以社区的形式集中在某个范围之内.这篇文章面向中国特色大型社区的居家养老服务领域,研究如何根据老人的预约来规划护工的路径并优化工作日程调度.本文根据三种护工技能水平和老人需求的组合,假设老人接受服务的时长服从正态分布,并通过设置不同的均值和方差值,研究了需求波动对算法和机构决策的影响.实际业务中老人一般会向机构事先提出预约,因此通过设置不同的时间窗对预约进行了数学描述,并分析了不同的预约类型和不同长短的预约时段对问题规划的影响.作者改善了原始蚁群算法的转移概率函数,使用多个实例对算法进行了测试分析,结果显示,计算机代替人工进行规划和调度将大幅节省决策者的时间成本.