一种工程结构的鲁棒优化设计方法

在结构优化的过程中结合鲁棒设计的思想，考虑了不确定因素的影响，在取得目标的最优解的同时，使该目标在可行区域内对变量的变化不敏感。针对目标函数及约束函数的鲁棒性，将工程结构鲁棒优化问题描述成双目标优化问题，采用带权无穷范数理想点法求解该双目标鲁棒优化问题的Pareto最优解。两杆支架的设计结果表明，鲁棒优化设计的结构不仅具有更高的质量，且在设计时具有很强的灵活性。     

基于Benders分解的鲁棒最短路算法

为了研究路段行程时间不确定条件下的最短路问题,采用区间数据表示路段行程时间,介绍了鲁棒偏差和鲁棒成本的概念,并据此给出鲁棒最短路的定义,运用鲁棒优化中的min-max准则构建了鲁棒最短路问题的混合整数规划模型。通过固定路径决策变量将鲁棒最短路问题分解为子问题和主问题,同时结合对偶理论给出子问题的对偶模型。在此基础上设计出鲁棒最短路问题的Benders分解算法,采用AMPL编程实现算法并调用CPLEX进行求解。并在一个仿真网络中对本研究方法进行了验证分析。研究结果表明,相较于传统最短路Dijkstra算法,本研究方法求得的鲁棒最短路在不确定网络中具有更强的可靠性,设计的算法迭代效率较高,能迅速缩小迭代范围并找到最优解。     

鲁棒凸多目标优化问题解集的刻画

针对一类数据不确定的鲁棒凸多目标优化问题,提出了它在一般不确定集下的鲁棒对应形式;利用标量化方法将鲁棒多目标对应形式转化为鲁棒单目标凸优化问题,建立两者解集之间的联系;并得到了标量化鲁棒解的乘子刻画,及该标量化问题在其鲁棒解集上的一般化的常微分性质和常拉格朗日性质;最后通过前面的性质得到了鲁棒凸多目标优化问题的鲁棒G-真有效解集的刻画并加以证明.     

基于遗传算法的电梯群控鲁棒优化模型

针对电梯群控调度过程中交通流不确定的问题,建立了鲁棒优化模型,利用遗传算法对所建模型进行求解.对于不确定线性优化问题,研究了不确定集的选择以及模型鲁棒对等式转化方法.仿真实验中,利用电梯群控虚拟仿真环境对鲁棒优化调度算法在不同交通流下进行了验证.以300人/15 min的混合交通流模式为例,鲁棒优化算法的平均候梯时间比静态分区算法降低12.77 s;平均乘梯时间比最小等待时间算法降低9.7 s;电梯启停次数比静态分区算法少8次.实验结果表明,鲁棒优化调度算法对不同交通模式具有更好的适应性,可以减小交通流不确定性的影响,提高电梯群控调度性能.     

一类不确定半无限多目标优化问题的鲁棒逼近最优性

考虑一类含有不确定数据的半无限多目标优化问题,先引入该不确定半无限多目标优化问题的鲁棒逼近拟Pareto弱有效解,再借助鲁棒型次微分约束规格和一类广义凸性假设,给出该多目标优化问题的鲁棒逼近拟Pareto弱有效解的必要和充分最优性条件.     

不确定条件下协同设计参数鲁棒优化方法

提出了不确定条件下基于广义动态约束网络(GDCN)的协同设计参数鲁棒优化方法.分析了协同设计中的参数不确定性,基于GDCN建立协同参数鲁棒设计方法框架;在同时考虑目标属性鲁棒和约束可行域鲁棒的前提下,建立了一种带偏好信息的协同设计参数多目标鲁棒优化(MORO)模型;并给出了MORO模型的优化求解流程.通过发动机设计实例,验证了该方法的有效性和可行性.     

不确定需求及建设成本下连续交通网络设计的鲁棒优化方法

在假设各起始点的交通发生量和吸引量确定的情况下,研究不确定需求及不确定建设成本下的连续交通网络设计问题.利用鲁棒优化方法建立了一个不确定双层网络模型,设计了基于Frank-Wolfe法的情景局部搜索法.双层不确定模型中下层模型是需求属于一个简单有界闭集的用户均衡问题,上层模型是建设成本不确定的系统总阻抗最小的优化问题.通过数值算例分析,得到鲁棒优化下的不确定网络设计模型稳定性优于确定性设计模型的结论.     

不确定需求下应急物流系统多目标鲁棒优化模型

针对在突发事件发生的紧急救援期,应急物流系统的运载能力有限性及多种应急物资的需求不确定性,采用相对鲁棒优化方法建立了基于总时间和总成本最优的多目标数学模型.结果表明:模型合理地解决了应急物资在需求不确定条件下选址-路径的安排问题,通过算例将绝对鲁棒优化与相对鲁棒优化的对应问题以及单目标与多目标模型的最优解进行对比,验证了多目标鲁棒优化模型能够体现应急物资在需求不确定条件下选址-路径方案的最优性与鲁棒性的均衡,从而在突发事件发生时能有效保证应急物流决策的鲁棒性.     

需求及建设成本不确定下考虑失效的内陆港选址研究

针对需求和建设成本不确定及节点失效下的内陆港选址问题,应用随机规划理论解决需求不确定性问题,应用最小最大后悔值理论解决建设成本不确定性问题,构建该问题的鲁棒—随机选址模型。设计粒子群—模拟退火算法求解,通过算例分析验证模型的有效性。结果表明:鲁棒—随机选址模型可得到鲁棒性较强的解,能很好地解决内陆港选址中需求和建设成本不确定问题,降低各情景发生时的最大后悔值;考虑内陆港失效对提高内陆港系统的可靠性及减小失效风险具有显著作用。     

基于鲁棒优化的逆向物流网络设计研究

逆向物流的流量预测困难,加上各种成本的不确定,其稳定性难以保证。为研究其选址问题,建立了一个以总成本最小为目标的标准模型,并在标准模型基础上加入因无法满足的处理量而产生的惩罚成本。分析出其中可能的不确定参数,进行规范式处理,引用p-robust建立鲁棒优化模型。随机构建一个案例,考虑外界参数不确定,将标准模型和鲁棒优化后的模型分别使用粒子群算法进行求解,得出不同的选址结果,对比表明高度不确定下的鲁棒优化模型的选址决策具有较低的风险。分析各不确定参数对总成本波动的影响程度,得出逆向物流量对总成本波动影响最大,应加以重视。最后考虑网络结构不确定,给出一种在不同不确定等级下的选址方法。