排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
针对加油站的成品油配送需求,提出一个多油库、多车型、多行程、带隔舱和软时间窗的车辆路径问题(MDFDP).车辆从所属油库出发,在调度期内访问其它油库进行配送,并最终返回所属油库.当自有车辆不足时,可以租借外部车辆.由于加油站各油品的罐容有限,车辆必须在容纳时点后卸油.出于安全原因,车辆在卸油前需要静置一段时间.在车辆静置和卸油期间,加油站因临时关闭而产生销售损失.以最小化车辆固定成本、行驶成本、卸油成本、缺货惩罚所组成的总成本为目标,建立了该问题的混合整数规划模型.设计了一种结合局部优化的混合蚁群算法解决该问题.针对多车型,提出一种多信息素矩阵更新策略,使得每种类型车辆具有各自的信息素矩阵.将混合蚁群算法和CPLEX、变邻域搜索算法进行比较,实验验证了混合蚁群算法以及多信息素矩阵策略的有效性.企业应用实例表明:混合蚁群算法能有效求解实际问题;与车队、销售部门的单独配送决策相比, MDFDP统筹了两个部门的利益,能够大幅降低企业运营总成本. 相似文献
2.
利用NARX神经网络由IMF与太阳风预测暴时SYM-H指数 总被引:1,自引:0,他引:1
SYM-H是一个重要的空间天气指数, 它与Dst指数相似, 是磁暴强度的表征, 但SYM-H具有更高的时间分辨率. 本文发展了一种具有输出时延反馈的非线性自回归神经网络(NARX)预测模式, 由太阳风和IMF参数预测暴时SYM-H指数的变化. 与BP网络和Elman网络相比, 预测效果显著改善. 用15个强磁暴(含5个Minimal SYM-H <-200 nT的超强磁暴)进行检验, 预测与实测SYM-H指数的相关系数总体达到0.91; 对于5个超强磁暴, 相关系数最低为0.91, 相应的磁暴为2001年3月最小SYM-H达-434 nT的磁暴, 对两个SYM-H小于-300 nT的磁暴预测相关系数分别达0.93和0.96. 在NARX网络中将适当长度(约120 min)的SYM-H指数输出, 反馈给网络外部输入, 即输入中包含环电流内部准实时与历史状态信息, 是使模式预测能力在已有基础上得以大大提高的关键; 说明除了行星际的直接驱动之外, 环电流自身状态对磁暴的发展变化, 特别是对于恢复相过程有重要作用, 在利用神经网络对环电流指数进行预测时必须恰当地加以考虑. 相似文献
1