时变需求环境下同时取送货的车辆路径问题优化研究

针对客户需求随时间实时变化且存在同时取送货的车辆路径优化问题,构建最小化配送总成本的优化模型.考虑动态路径优化问题的处理策略,提出滚动周期型动态调度优化方法,将问题划分为一系列静态车辆路径问题进行求解.通过在蚁群算法中引入遗传算法的交叉、变异操作设计混合蚁群遗传算法对问题进行优化.算例表明:文章所构建的模型及动态调度优...     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

动态车辆路径问题的优化方法

设计了在动态环境下进行车辆路径优化的导向局域搜索算法.算法在产生初始解以后的动态求解过程中,不再做车辆之间的顾客调整,而只应用2-opt局域搜索算子更新车辆服务顾客的顺序,即针对每辆车辆的旅行路线求解一个旅行商问题.建立了在动态环境下车辆执行运输任务过程的仿真模型.仿真过程中,应用算法根据交通路网实际情况实时优化车辆路径,并采用4种接受准则判别是否接受新的车辆路径.仿真结果表明:算法具有实时、高效的特点,满足动态车辆路径问题的求解要求.     

物料供给不确定环境下的飞机移动生产线动态调度方法

飞机装配所需的物料种类复杂且数量巨大,其准时供给往往存在较大的不确定性.为了有效解决物料供给不确定环境下的飞机移动生产线动态调度问题,将机器学习中的支持向量数据描述技术(SVDD)与传统的调度方法相结合,提出了基于SVDD的动态调度算法.通过软件CPLEX和元启发式算法求解不同物料供给延期情形下的调度模型,并将得到的优化结果作为样本对SVDD分类模型进行离线训练.在实时调度阶段,根据SVDD模型实现作业的提前、延期或准时执行的分类.基于该分类结果,利用局部前瞻搜索算法进一步对提前和延期作业的具体开始执行时间做出决策.数值实验结果证明了所提出的算法在响应速度和求解效果上均能满足实际飞机移动生产线动态调度的需求.     

随机需求下定制公交站点及路径动态优化模型

针对定制公交的站点及路径动态优化问题,分析定制公交特性,结合复杂网络理论与动态需求特征,对站点进行重要度评估,并按照重要度高低进行排序,筛选出前50%与前70%的站点作为路径寻优时考虑的停靠站点.以最大服务率和最小动态行程时间为综合目标,以最大载客量、运营成本、行程时间为约束,建立随机需求下的定制公交动态路径优化模型.对A~*算法进行改进,综合动态行程时间与乘客需求作为当前节点到达终点的估计代价求解目标函数.以福州市为例,检验模型和算法的有效性.结果表明,模型与算法能够在随机需求下对定制公交停靠站点按重要度进行动态筛选并优化动态路径,且按照站点重要度前50%进行筛选得到的路径结果优于前70%.     

智能RGV的动态调度策略

针对2018年全国大学生数学建模竞赛B题,本文通过建立三种不同情况下的RGV动态调度模型,编写相应的求解算法,给出了RGV的调度策略和系统的作业效率,并对模型的实用性和算法的有效性进行了检验.任务1中,针对一道工序的情况,引入固定起点的最短路径问题和动态规划等数学思想,建立基于动态路径的调度模型和编写RGV实时路径仿真算法.针对两道工序的情况,在动态规划中增加相应约束条件的同时,通过增加RGV状态变量,优化了模型和算法.针对出现故障的情况,建立基于空闲时间插入法的故障扰动模型,缩小了RGV决策集,从而实现了相关算法.任务2中,通过算法程序,得到了RGV的旅行轨迹和一定时间内加工的工件数,从而得出了RGV调度策略和系统作业效率.     

基于测评理论的线路运维作业方式优化研究

针对目前我国电力企业输电线路运维作业中人员配置不合理、运维效率低下等问题,提出一种优化的基于测评理论的线路运维作业方式.该方式采用统计学中的测评矩阵理论、机会成本理论和人力资源优化配置理论,并结合某电力公司现有运维作业方式,构建了一种基于测评矩阵的输电线路运维作业优化模型.该电力公司线路运维作业验证实例表明:模型合理有...     

面向租赁服务网络广域运维的3层机会维护调度策略

针对当前设备供应商提供全球维护服务中存在的租赁服务网络的广域运维问题,提出设备层、系统层、网络层动态交互的3层机会维护调度策略.根据各台设备的独立健康演化趋势,实时地规划设备层的预知维护时间间隔;基于贯序的设备层输出,在系统层进行优化调度并输出成组维护方案;基于各租赁产线的维护需求,在网络层解决租赁服务需求和维护资源约束之间的供需矛盾问题.根据调度特点建立数学优化模型,动态地更新决策向量和状态向量,并由此提出3层机会维护调度策略,得出层次递进的交互求解算法.通过算例分析,验证所提出的调度策略在广域运维领域的可行性和有效性.     

模糊需求车辆路径优化及实时调整

针对模糊需求车辆路径问题,在需求未明的预优化阶段,基于可信性测度理论建立预优化模型,设计混合分散搜索和变邻域搜索的变邻域分散搜索算法求解;在获知实际需求的实时调整阶段,提出一种新的实时调整策略,采用随机模拟算法模拟可能场景的实际需求.算例仿真结果表明,变邻域分散搜索算法是求解该类问题的较好算法,新策略能实现较优的实时调整.     

考虑需求侧资源的含风电电力系统两阶段优化调度

风电场接入电力系统会造成系统运行成本增加、稳定性降低等问题,引入需求侧资源是解决该问题的重要手段之一。为了探究价格型与激励型需求响应的互补性,通过协调调用基于消费者心理学模型的价格型需求侧响应,以及激励型需求侧响应参与电力系统的优化调度中,对比分析了不同调用模式下的电力系统运行成本。针对传统粒子群算法易陷入局部最优解的缺点,提出一种自适应动态调节惯性权重的改进粒子群算法对模型求解。结果表明所提模型有效降低了系统运行成本,不同类型需求侧响应具有互补性。     

基于改进粒子群算法的城市物流无人机路径规划

城市物流无人机路径规划是无人机任务规划系统的一项核心内容。为安全、高效实现物流无人机路径规划问题,首先,采用栅格法进行环境建模,考虑无人机性能限制,以路径长度最短、无人机高度变化以及栅格危险度最小为目标,建立多约束物流无人机路径规划模型。其次,针对传统粒子群算法存在的问题,引入Singer映射改进粒子初始分布、线性调整加速因子和最大速度,粒子位置新更新策略,及动态调整惯性权值,应用改进的粒子群优化算法求解模型。最后,进行了算例仿真分析。当栅格粒度取5米,路径节点取5个,代价函数权值分别取0.1、0.4和0.5时,与其他4种算法相比,本文算法总代价值最佳,分别减少44.5%、3.5%、42.8%和30%。结果表明,本文的模型与算法用于无人机路径规划是可行的和有效的。     

基于竞争双深度Q学习的智能电表隐私保护与成本管理

智能电表能够实时采集、计算、存储和传输电力数据,对智能电网的运转起着关键性的作用.配备储能设备的智能家居是智能电表的一种重要的应用场景,它的发展面临隐私数据泄露隐患和高用电成本2个问题,需要研究两者的权衡优化策略.系统模型考虑了2种不同类型的储电设备,并建立了电表数据泄露和用电成本量化的权衡模型.考虑到传统深度强化学习存在过度估计和收敛慢的缺陷,提出一种基于竞争双深度Q学习的储能电器功率分配方法,实现了性能优化的目标.仿真结果表明,对比传统的深度Q学习和双深度Q学习方法,所提方法在隐私保护和成本控制2方面能获得更好的性能.     

基于生命周期风险图的设备检修策略优化

为提高设备检修策略优化的科学性,考虑检修策略对设备故障率和系统经济风险的动态影响,提出了生命周期风险图的概念,该图表征了一定检修策略支撑下系统风险随设备老化的变化趋势、刻画了经济寿命和可接受风险区间。在此基础上,建立了检修成本影响状态年龄、故障率和运维成本的函数关系,并以包括投资、运维和检修的全寿命周期成本平均值最小为目标,以可接受风险水平为约束,建立了检修次数和检修时间的优化决策模型,采用枚举和遗传算法联合进行模型求解。以区域电网变压器设备检修优化为例,验证了所提方法和模型的有效性。     

网格环境下的高效动态任务调度算法

网格系统具有异构性、动态性和分布性，这使得网格中的任务调度变得十分复杂，要求调度算法具有动态性和自适应性．文中将群体智能技术引入网格的任务调度中，针对一组相互独立的任务调度问题，提出了一种新的动态任务调度算法．该算法利用蜂群与环境的交互模型来实现网格中动态的任务分配；同时根据蜂群的自组织社会层次的概念，解决了算法中出现的竞争问题．实验结果表明，相比于现有的方法，该算法对于网格中的动态环境具有更好的适应性，且调度性能更优．     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

基于动态分时电价的电动汽车有序充放电调度策略

针对电动汽车无序充放电行为对电网的影响,以及传统的峰谷分时电价容易造成新的负荷高峰、无法考虑电动汽车的动态特性等问题,建立了动态分时电价的有序充放电调度策略。以电动汽车充放电电价、电动汽车充放电状态和充放电功率为决策变量,构建了以电动汽车充放电成本最小、电动汽车接入造成的网络损耗最小和节点电压偏差最小为优化目标的电动汽车充放电调度数学模型,并通过凸优化算法解决了多变量、多目标和高维优化问题;综合考虑电动汽车充电需求和配电网运行约束,在改进的IEEE33节点系统中进行算例验证。结果表明,动态分时电价克服了传统峰谷分时电价下的弊端,能够根据电动汽车的动态特性来调整电价。所提调度策略融合了灵敏度分析方法,可大幅缩短调度过程中潮流计算的时间,并能有效降低电动汽车的充放电成本以及电动汽车接入对网络损耗和节点电压的影响,对于含电动汽车的电网实际调度具有一定的参考意义。     

含分布式电源的配电网多目标无功优化

针对传统模型和现有算法对配电网无功优化带来的电压波动和网络损耗等问题,提出一种基于改进元胞差分算法的含风、光的配电网无功优化方法。建立了风电、光伏的随机概率出力模型,获取了其出力预测数据,以电压波动、有功损耗和电压越限3个目标为优化函数,通过权重系数将三目标模型转换为双目标模型,建立了含风电、光伏的双目标配电网无功优化模型。通过电压稳定指标(voltage stability index, VSI)对配电网各个时段的电压的稳定性进行评价,用改进元胞差分算法对模型进行求解,并利用测试函数对算法进行验证。结果表明,较传统模型和传统算法而言,所提模型和所用算法均能有效降低配电网的电压波动和减小配电网的有功损耗,从而保证电网的安稳运行。     

基于Tent映射NSGA-II算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,文中提出一种基于Tent混沌映射NSGA-II算法的微电网能量优化管理方法。该方法采用双层能量优化管理：上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-II算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-II算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证所提出的能量管理方法、容量配置优化模型以及改进NSGA-II算法的合理性和有效性。仿真结果表明：改进NSGA-II算法具有良好的优化效果,使得微电网运行的经济性得到了显著提升,较传统算法提高了14.55%;碳排放量有所降低,较传统算法减小了3.10%,可实现对微电网多目标的优化。     

基于改进动态惯性权重粒子群算法的冷热电联供型微网运行优化

通过多种能源优势互补的冷热电联供型微网,能够促进可再生能源的使用,实现资源的阶梯利用。针对区域内由电、热、冷多种能源耦合形成的微网系统运行优化问题,基于不同季节典型日风光出力和负荷需求特性曲线,构建了含燃气轮机、余热锅炉、吸收式制冷机等机组设备,采用改进的动态惯性权重粒子群算法(particle swarm algorithm, PSO)求解方法,综合考虑系统的燃料成本、环境治理成本、电网交互成本和运行维护成本进行优化求解。最后,通过算例分析验证本模型和方法的有效性。研究成果为冷热电联供型微网系统的规划设计提供参考和依据。     

基于约简任务资源分配图的网格依赖任务静态调度

网格资源环境的动态性和异构性对依赖任务的静态调度策略产生了极大的挑战.提出了一个能够更好地适应资源异构性,并完整支持调度、重调度的统一静态调度模型,即基于约简任务资源分配图(RT-RAG)的调度模型和调度算法.基于该模型的调度问题归结为RT-RAG的优化选取问题.实验分析表明,基于该模型的调度方法更好地适应了网格环境的动态性和异构性,使得静态调度策略与动态调度策略相比依然保持着较大的性能优势,并且也优于基于DAG任务图调度模型的AHEFT静态调度算法,特别是在资源差异较大的情况下.