一般网络上的占线中心选址问题及其竞争算法

对一般网络上的占线中心选址问题及其竞争算法进行了研究.文献[6]证明了该问题的竞争比下界是(n-2△e+√(n-22△e2+4(n-1)/2(n-1)) ,其中△e是所给空间最大的相对距离,并证明了该问题不存在常数竞争比的竞争算法.本文给出了一个多项式时间的竞争算法,并证明该算法的竞争比为△e△w,其中△w是所给空间点间的最大相对权重.所得结论不仅对于理论上占线中心选址问题的竞争算法的设计与分析,还是对于实际中的选址决策,都具有一定的指导意义.     

单管道多油品顺序运输调度优化

管道运输可将成品油从炼油厂输送到靠近市场的分销中心(省市级油库).典型的输油管道通常是一根连接多个分销中心与一个炼油厂的长距离管道,输送过程中油品之间不加任何分离装置,实现多油品顺序运输,因此,油品的运输顺序以及运输规模应当合理安排,以便在有限的资源约束下最大限度地满足市场需求.本文对这类管道运输问题构建了连续时间MILP数学模型,对前人的研究结论进行了改进;通过对问题清晰、准确地描述,使管道运输调度质量显著提高;将所建模型应用于实际案例,其结果证实了模型的有效性--提高了解的质量同时使运算效率得到显著改进.     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

随机需求库存-路径问题:研究现状及展望

在简单介绍库存-路径问题（inventory routing problem，IRP）现实与理论意义的基础上，给出了IRP问题的定义，分析了其具备的特征以及与常见的车辆路径问题、旅行商问题的联系与区别，并将库存-路径问题按照不同的特性进行了分类，总结了近年来有关于求解随机需求库存-路径问题所建立的模型及算法求解，最后本文分析了该领域现有研究的不足以及未来的发展方向。     

一种求解作业车间调度问题的混和遗传算法

作业车间调度问题(JSSP)是组合优化问题中的NP难问题。本文提出了以适用于JSSP问题的二进制编码遗传算法为基础,在算法中增加了两种启发式算子:激活算子和瓶颈修复算子,并相应调整算法结构,形成混和遗传算法解决JSSP问题。激活算子以GT算法为依据,将种群中部分个体转化为活动调度个体,是一种较有独创性的新算子;瓶颈修复算子对所得结果进一步优化。算例运行结果表明与其它算法相比,该算法在全局搜索能力和运行效率上都有突出的表现。     

一类有动态时间窗的并行多机启发式调度算法

航班过站服务中的货邮装卸作业调度是一类有时间窗和作业调整时间的多目标多设备并行作业动态排序问题，其特点是作业时间窗和服务作业时间动态变化。在分析区别于一般制造业生产作业排序特点的基础上，建立了服务作业的调度模型．提出了设备能力差的概念．给出一个考虑不同设备加工能力的启发式分配法。当时间窗或服务时间发生变化时，算法只需要修改判断矩阵中的一行或一列数据，而对算法运行的效率没有影响。算例分析显示，能力差分配算法在减少航班延误数量、时间压设备生产能力平衡上均优于目前使用的先到先服务和最小负荷调度的混合算法。     

带时间窗的局内开放式车调度问题的竞争分析

对于带时间窗的局内车辆调度问题，以往文献的研究都是关于k=1的单车调度，其开放式情形下最好的竞争比为4。针对该问题本文进行了开放式情形下多辆丰（k≥2）调度的研究分析，设计了解决试问题的竞争算法，并证明了其竞争比为3．5。同时本文分析了该问题的一种特殊情形——单车调度问题，可证明其竞争比为3．优于已有结果。     

基于信号参数集最小距离的并行测试任务调度算法

在并行自动化测试系统中,并发执行的多个测试程序会竞争有限的仪器资源,硬件资源的分配与任务调度是并行测试的一个关键问题。而现有的并行任务调度算法不适于高度异构的并行测试系统。本文在面向信号的描述仪器资源与测试需求的基础上,提出了适合于异构系统的基于信号参数集最小距离的任务调度算法,同时给出了该算法的具体实现。实验结果表明,该算法适于异构的并行测试系统。     

公共工期排序问题的分枝定界算法

本文着重对以极小化延误损失为目标的公共工期单机排序问题1|d|∑WiTi进行了研究，根据该问题的性质，我们设计一个分枝定界算法。     

Design of Vehicle Routing by Integrating Optimization and Simulated Annealing Approach

The vehicle routing problem (VRP) can be described as the problem of designing the optimal delivery or collection routes from one or several depots to a number of geographically scattered customers, subject to load constraints. The routing decision involves determining which of the demand s will be satisfied by each vehicle and what route each vehicle will follow in s erving its assigned demand in order to minimize total delivery cost. In this pap er, a methodology for the design of VRP by integrating...