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。     

电子市场批量订货与期权采购协调的鲁棒策略

在B2B电子市场的不确定环境下,综合考虑了批量订货的稳定性和期权采购的灵活性,设计了基于期权合同协调B2B电子市场与传统市场的鲁棒策略.在最坏需求情景下,研究了卖方作为领导者的主从对策模型,并应用鲁棒优化理论,提出了一种求解买卖双方鲁棒Stackelberg解的算法.最后,结合上海宝钢益昌公司电子商务营销现状,用该算法进行了实证分析,在线性和二次型需求价格函数关系下分别求解了鲁棒定货量、期权合同预定费用和执行费用.     

装备维修器材仓库选址鲁棒优化模型

为避免参数扰动导致决策失效,提出了一种维修器材仓库选址模型的鲁棒优化方法.首先采用情景分析法对维修器材需求量的不确定性进行描述,确定情景集合;其次引入可调节风险系数,建立维修器材效益最大化与费用最小化的双目标鲁棒优化模型,并采用NSGA-Ⅱ算法对所建的多目标模型进行求解;最后将所得鲁棒解代入各情景,求得目标值以供决策....     

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.     

基于随机需求的接运公交时刻表的鲁棒性优化方法研究

接运公交需求的随机性会对接运公交时刻表的编制与投入运营产生扰动影响. 为降低此不利影响,基于鲁棒性思想研究了随机需求下接运公交时刻表的优化方法. 随机接运公交需求的每一组实现为一个情景,情景目标值综合考虑乘客成本与运营成本的最小化. 以接运公交需求为随机变量,建立了接运公交时刻表的鲁棒性优化模型,模型综合考虑情景的期望值与偏差期望值最小化. 模型具有组合优化与随机规划特性,选用遗传算法进行求解. 最后给出算例验证了模型与算法的有效性. 算例结果表明随着偏差权重系数的提高,鲁棒性模型更倾向于降低随机需求带来的扰动.     

客流需求不确定下城市轨道交通线路协同限流鲁棒优化研究

研究了客流需求不确定下城市轨道交通线路协同限流问题。构建了城市轨道交通线路协同限流确定性模型，在此基础上，基于情景分析的鲁棒优化方法，采用具有已知概率的情景集描述客流需求的不确定性，将此模型扩展为含不确定因素的鲁棒优化模型，对每个时段每个车站的最佳进站量进行了求解，达到在保障运营安全的同时使站外的滞留人数最少的目的，并以北京地铁八通线为例对模型进行了验证。通过将确定性模型与鲁棒模型进行对比发现，鲁棒模型能降低限流策略对不确定客流需求的敏感程度，使不同需求情景下的滞留人数保持在可接受的范围内。     

不确定需求下内陆集装箱货流分配及网络优化

为提高内陆集装箱运输网络的货流分配效率,确定提升区域运输网络运作水平的规划建议,以我国东北地区内陆集装箱运输网络为研究对象,在不确定货运需求背景下,建立基于情景遗憾值的货流分配鲁棒优化模型。在货流分配优化方案的基础上,综合运用社区发现算法对备选枢纽节点的集聚性进行分析,并释放关键路径的容量约束进行敏感性分析。研究结果表明了方法的有效性和适用性,可以为内陆集装箱运输网络的规划建设提供科学的决策依据。     

一种鲁棒的半监督图聚类方法

考虑到?1范数度量比?2范数平方度量更鲁棒,基于?1度量提出了一种更鲁棒的半监督图聚类模型,针对该模型中非光滑目标函数不易优化的问题,利用Majorization-Minimization框架提出了一种新的求解算法并证明了其收敛性.实验结果表明,在监督信息有噪声或错误时,所提出的模型能提高半监督聚类的鲁棒性和有效性.     

基于情景生成的银行卡网络资金配置鲁棒优化模型

运用鲁棒优化理论和情景生成方法,研究了银行卡网络资金配置问题.在对银行卡网络资金需求分析的基础上,运用鲁棒优化理论建立了银行卡网络资金配置鲁棒优化模型.该模型为一个多目标规划问题,满足诸如尽可能全天候满足持卡人需求、系统的总收益最大、网络的鲁棒性等多个相互冲突目标.以我国金融市场为背景,通过仿真-优化-聚类情景生成方法...     

需求不确定下船队规划决策的鲁棒优化模型

研究了不确定复杂环境下的船队规划决策问题.在分析船队规划已有研究方法和基本特点的基础上,将船舶调配优化与船队发展规划结合起来统筹研究,建立了符合市场实际的多方式投资的船队规划确定性模型.通过引入基于情景分析的鲁棒优化方法,采用具有已知概率的情景集合描述市场需求的不确定性,将此模型扩展为包含不确定因素的鲁棒优化模型.模型既考虑了船舶营运经济状态、企业投资能力、新船购置、二手船买卖、船舶租赁等多种复杂的实际情况,又考虑了需求的不确定性影响,并且体现了模型的鲁棒性.最后,以某航运公司为例进行仿真实验,将确定性模型与鲁棒模型进行对比,结果表明,鲁棒模型的解相对保守,能有效地保证船队规划决策的鲁棒性.     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．     

浅析关系数据库性能优化技术

在数据库系统的运行过程中,随着数据量的增加,各方面性能都会逐渐下降。为了提高数据库性能,可以从优化数据库设计、存储方案、索引设计和并发控制等多个方面入手来解决。适当程度的非规范化可以改善系统的查询性能;将数据均匀分布在磁盘上可以提高I／O利用率,提高数据的读写性能;建立索引和编写高效的SQL语句能有效避免低性能操作;在编程过程中充分考虑并发控制可能导致的不一致性问题,会有效避免死锁的发生,解决性能的瓶颈。     

企事业过程模型自动模拟和优化算法

使用适合的优化算法,并依靠计算机的不断模拟执行,企事业过程模型可以得到一定程度的改善和提高。简要介绍了最优化方法和常用的优化算法,着重阐述了企事业过程模型的参数优化问题中所采用的优化算法。     

平面绞链四杆机构的改进微粒群算法优化设计

文章介绍了微粒群优化算法的原理，提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

机械结构多级优化的问题与对策

本文讨论了结构优化,尤其是结构方案阶段优化中所存在的问题,指出了结构系统优化与多级优化的区别与联系,分析了研究结构多级优化的必要性与可能性。接着以系统科学及设计方法学的思想为指导,提出将结构优化分为截面、形状、布局、拓扑及形式优化五个层次,并总结了一种解决复杂机械结构多级优化问题的一般对策,讨论了开展结构多级优化所需工具软件等相关问题。     

结构拓扑及参数优化研究的发展

首先介绍了关于结构优化的基本问题,然后按其分类方式阐述了各种优化方法的研究现状,最后对结构拓扑优化中的常用算法及其常见的数值不稳定现象进行了分析.     

电力系统多目标无功优化研究

在传统无功优化模型的基础上,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大和电压水平最好的多目标无功优化模型.基于Pareto最优概念的改进多目标粒子群算法应用到多目标无功优化的求解中,对IEEE30节点统进行了仿真计算.优化结果表明,该模型在实现系统经济运行的同时也增强了电网的电压稳定同时求得的一组最优解能够为优化方法的决策提供更多的有效参考,具有实际意义.     

一种改进PSO算法的电力系统无功优化方法

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化．该算法简单易实现,可调参数少,已得到广泛研究和应用．本文将粒子群优化算法应用到电力系统无功优化问题的研究中,给出了具体的实施流程．为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向．对IEEE-6节点系统的仿真计算结果表明了算法的有效性．     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.