基于MTO-MTS的钢厂合同计划方法

建立了基于MTO-MTS的钢厂合同计划的整数规划模型,模型同时考虑库存余材匹配和生产计划,以提前/拖期惩罚、交货时间窗内拖后惩罚、生产费用、库存匹配费用、合同违约惩罚总额最小为目标.根据模型特点,构造了对非可行解进行启发式修复的改进粒子群算法求解策略.仿真实验首先对参数设置进行分析,然后对多组数据进行了结果分析,并在相同条件下,对比了本文模型与分阶段考虑库存匹配/合同计划方法的实验结果,验证了本文模型和算法的有效性.     

基于改进蚁群算法的钢铁企业合同计划方法

基于钢铁企业的合同计划管理要求,建立了以产能平衡和最小化拖期提前总惩罚为目标的多目标数学规划模型,综合考虑了工序的前序关系、工序的产能和库存的约束.将生产合同与生产工序转换为节点图,从而将合同计划问题抽象成一种改进的旅行商问题.根据模型和问题的特点设计了带交货期启发信息的蚁群算法,并以钢厂实际合同数据为例进行实验.结果表明,改进蚁群算法获得的最好解和计算成本都比较令人满意,模型和算法是有效的.     

PSO算法求解基于PCVRP的热轧批量计划问题

将热轧批量计划编制问题归结为奖金收集的车辆路径问题,按照热轧工艺规程,同时考虑轧制计划中钢板宽度、厚度的反跳约束,设计了反跳惩罚表,提出一种多目标数学规划模型,即最小化轧制计划数、最小化惩罚值、最小化未轧制板坯数.应用粒子群(PSO)算法进行求解,对PSO算法的求解过程进行了改进,使其适用于热轧批量计划问题,在实验中测试了算法的参数(惯性权重、加速因子)对解的影响,并进行了实验分析,获得了满意的结果.实验表明,经过改进的PSO算法所获得的最优解以及平均使用时间上都是有效的.     

多模式交通网络的拥挤道路收费双层规划模型

研究了多模式交通网络的拥挤道路收费问题,建立了双层规划模型。其中:上层模型以网络收益与网络成本之差的最大化为目标;下层模型满足多模式交通网络的随机用户平衡。最后,设计了一个基于步长加速法和惩罚函数法的启发式算法,并求解算例。     

随机服务时间下的家庭护理人员调度问题研究

研究了家庭护理中的医疗服务人员调度问题,考虑了随机的客户服务时间和最迟开始服务时间约束.建立了带补偿的随机规划模型,得到了客户期望迟到惩罚成本的近似计算表达式,并分析了期望惩罚成本的性质.根据问题的特点,基于列生成算法思想建立问题的集分割最优化主问题模型和生成新列的最短路子问题模型,并设计标签算法对子问题加以求解.将列生成算法嵌入到分枝定界过程中形成分枝定价算法得到问题整数可行解.通过数值实验,验证了所提出客户期望迟到惩罚成本近似表达式和分枝定价算法的有效性.     

Scatter search算法求解无能力约束生产批量计划问题

多级生产批量计划(multilevel lot-sizing,MLLS)问题是物料需求计划(material requirements planning,MRP)系统中的关键问题已被证明是NP难问题.Scatter search(SS)算法是一种亚启发式算法,其应用范围已涉及优化领域中的许多NP难问题.扩展了SS算法的应用范围,采用结合变异算子的混合SS算法ybrid scatter search,HSS)对具有小规模和中规模的装配结构无能力约束MLLS问题进行了求解.仿真实验表明HSS算法能够有效地求解MLLS问题,其求解结果明显优于遗传算法的求解结果.     

具有奖励惩罚结构的项目支付进度问题研究:双重角度

首先明确了研究的假设条件并对具有奖励惩罚结构的项目支付进度问题进行了定义;随后分别从承包商和客户两个角度构建了该问题的基本数学模型并将其扩展为基于时间和基于费用的支付模型;研究了奖励惩罚结构对合同双方收益的影响及其评价问题;针对问题的特点,开发了一种双模块模拟退火启发式算法;最后,给出一个算例的计算分析.     

多目标混流装配线再平衡模型与算法

当新产品引入时, 混流装配系统常常需要再平衡以保持各工作台上的负荷均衡. 文章考虑混装线再平衡时的调整成本和生产效率, 提出了度量调整成本的新方法, 建立了混流装配线再平衡问题的多目标优化模型, 并采用多目标遗传算法对该问题进行了求解. 通过对经典问题的计算实验, 以及与Merengo等提出的混装线平衡算法的对比分析, 结果表明多目标遗传算法可以有效地求解混装线再平衡问题.     

电子商务中订单配送优化模型及两阶段算法

针对电子商务环境下订单配送问题的特点,建立了以最小化车辆行驶费用及订单惩罚费用为目标的数学模型.设计了两阶段启发式求解算法.第一阶段用禁忌搜索算法求解在作计划日当天已到交货期的订单的基本配送问题;第二阶段考虑了订单的未来信息,用基于评价值的贪婪插入算法将未到交货期的订单与已有的配送方案进行整合配送,该方法能够提高车辆的使用率及配送企业的配送效率.实验结果验证了模型的合理性及算法的有效性.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

服务模式可变换的家庭医护人员调度优化问题

家庭医生不仅在社区医院为普通病人提供门诊服务,也为行动不便的病人提供上门服务.为了更加灵活地分配医疗资源,允许医护人员的服务模式在上门和门诊之间进行切换,提出一种服务模式可变换的家庭医护人员调度优化问题.以最小化路径成本、门诊病人等待惩罚和最大化医护人员服务模式偏好满意度为目标建立了混合整数规划模型,并设计了改进的混合遗传算法对问题进行求解.数值实验表明:允许医护人员服务模式双向变换可以有效降低运营成本;改进的混合遗传算法可以有效地求解不同规模的问题.     

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

面向多目标优化火力目标分配问题的前瞻式边际贪婪算法

针对现有面向多目标优化的火力目标分配(weapon target assignment,WTA)问题的求解算法相对较少、有关算法的求解效能不稳定等特点,提出了前瞻式边际贪婪构造(look-ahead margin-greedy constructive,LAMGC)算法。首先,对火力目标分配问题的多目标优化模型进行了深入分析,通过定理证明优化了LAMGC算法的求解效率;然后,明确了LAMGC算法具体的求解步骤,分析了算法计算复杂度;最后,以超体积和计算时间为评价指标,通过实验验证了LAMGC算法的合理性和有效性,LAMGC算法很好地满足了轻量型智能作战平台的使用需求。实验数据显示,相比于求解此类问题的有关算法,LAMGC算法具有更高的求解效率、求解质量和求解稳定性。     

甲供非商品化资源约束下可中断项目群调度模型

不可更新资源的约束会导致项目群中各合同项目开工延误甚至施工中断。针对不可更新资源受限理论研究存在的局限性,开展了多种甲供非商品化资源(NCRPE)约束下可中断项目群调度问题的研究。首先,由于资源分配多样性会给项目群进度造成不确定性影响,围绕项目群工期—延误成本双目标优化模型展开研究,采用改进编码方式的多目标粒子群算法(MOPSO)进行求解,获取项目群的资源分配方案,利用串行调度生成机制(SSGS)得到项目群进度计划;其次,将MOPSO算法和NSGA-II算法进行对比,通过IGD和HV两个指标来衡量MOPSO算法求解该问题的有效性;最后,结合实际案例,对模型进行求解分析。在甲供非商品化资源约束和项目可中断情况下,构建的项目群调度模型能够有效地实现项目群工期和合同项目延误成本的双目标优化。研究成果为业主合理分配NCRPE以及进行项目群调度提供理论依据。     

基于遗传蚁群算法的港口集卡路径优化

为了解决港口中存在的集卡拥堵问题,在集装箱龙门吊装卸工艺系统下,探讨了影响集卡作业效率的因素和集卡路径构成成本, 建立了面向"作业面"的港口集卡路径成本优化模型. 针对这一模型设计了遗传蚁群算法并结合实例对问题求解, 且从集卡路径收敛、可变成本、惩罚成本和总成本的变化四个方面将该优化结果与蚁群算法的寻优结果进行对比, 证明遗传蚁群算法能够较快地收敛于最优解且所得成本更小.     

弹性需求用户平衡分配模型及其应用

对具有弹性需求的交通网络随机用户平衡分配问题进行了分析研究,将其描述为一个等价的变分不等式。最后将模型应用于拥护公交网络系统的平衡分配问题,并针对公交网络系统的特殊性,提出相应的求解算法 法。实例表明了模型的合理性和算法的有效性。     

时变路网下考虑时空距离的同时配集货车辆路径优化

针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。     

考虑换乘费用的城市公交网络随机用户均衡配流模型及算法

文章在引用增广公交网络的基础上,考虑换乘次数对乘客出行时间的影响,引入换乘次数惩罚因子,给出了计算换乘费用的方法,并给出了乘客在公交出行中包括步行时间、等待时间、乘车时间和换乘时间以及换乘惩罚在内的路径费用. 在此基础上,构建了随机用户均衡模型来描述城市公交O-D需求在网络上的分配问题,证明了模型的最优解满足平衡条件,采用改进的MSA算法对模型进行求解. 最后,用一个简单算例验证了模型及算法的可行性和有效性.     

一种新的离散型网络平衡设计模型与算法

随机平衡分配模型与基于效用理论的Logit分配模型是两种有效的非平衡交通分配模型,二者具有等价性,本文将Logit模型替代常用的随机平衡分配模型应用于具有多级选择的离散型网络平衡设计模型中,构建了这类网络平衡设计问题的新模型;模型求解中,上层模型采用带自适应正态变异因子的粒子群算法,而下层问题直接利用Logit模型求解.仿真结果表明该模型与算法是有效的,适合在大型路网上应用.