基于时间窗的城市医药品动态配送路径优化模型与算法

由于城市医药客户需求的随机性和不确定性,需要对医药品进行动态配送路径的优化.以客户服务时间窗为约束,以降低药品配送费用及提高服务准时性为目标,建立配送路径初始优化模型与动态优化模型,并利用遗传算法进行求解.研究结果表明:遗传算法能迅速收敛到最优解,配送费用得到较大程度的节省,服务准时性得到较大提高,能较好地满足城市医药...     

基于低碳与随机需求的多目标车辆路径优化

考虑B2B电商环境下随机需求以及低碳要求对物流配送环节的影响,以配送总成本最小、车队规模最小以及客户时间满意度最大为目标,建立基于低碳与随机需求的多目标模型,针对该模型特点,设计基于Pareto最优的多目标遗传算法.最后以步步高集团云通物流为实际配送优化案例,对上述优化模型及其求解算法的有效性进行验证.研究结果表明:从政府管理的角度,碳税额定为70元/t最优,从物流配送行业的角度,碳税额定为40元/t最优.配送企业的不同优化目标偏好与配送优化决策方案的选择密切相关.本模型可为政府制定合理的碳税政策以及企业制定合理的配送决策提供理论依据.     

基于遗传算法的铁路纵断面优化系统的研究

提出一种基于全局最优的改进式遗传算法.采用改进的启发式交叉算子和多种算子混合操作,加快算法向最优解收敛的速度.给出相应的纵断面优化模型,并改进初始种群生成的方法,将一个二维优化问题转化为两个一维优化问题进行求解,简化了算法的执行过程.引入惩罚函数的概念处理方案的约束问题,设计算法实现的流程图,并开发相应的优化系统.利用实例证明遗传算法在纵断面优化设计中的可行性及全局寻优的性能.     

Partnering项目合作伙伴选择的群组决策方法

针对Partnering项目合作伙伴选择决策问题,在构建Partnering合作伙伴选择的多属性评价指标体系的基础上,提出基于熵权和特征值法的群组决策模型.基于决策者决策矩阵信息,引入熵权理论进行数据挖掘,确定群体决策者属性权重;将群体决策者对合作伙伴多属性决策的集结值组成矩阵,采用特征值法确定最优决策者的评分向量.通...     

城轨区间运行时分-最优能耗值函数的B样条拟合方法

由于城轨日常行车对区间运行时分的多样性需求,不同运行时分下区间列车运行策略的优化求解极为困难.通过丰富的实际列车运行数据拟合,获取运行时分?最优能耗间的函数关系.将区间内每一列车运行策略对应的运行时分和能耗值作为数据点,根据数据特点构建劣点判别规则从原始数据中剔除能耗值较高的不合理数据,筛选得到最优拟合数据点集.提出基于遗传算法的B样条拟合方法,结合遗传算法寻求B样条曲线的最优参数向量和控制顶点数,拟合得到运行时分-最优能耗值函数曲线.通过某城市地铁区间的实际列车运行数据进行验证,证明本文提出的拟合方法精度高、速度快,绘制出的运行时分-最优能耗值函数曲线能够为城轨列车运行组织提供依据.     

用遗传算法构造最优测试树

测试树问题属一类应用十分广泛的二元识别问题范畴，求解最优测试树是一个ＮＰ完全问题，本文提出了基于遗传算法构造最优测试树的方法，并通过实例研究了算法的有效性。研究结果表明，遗传算法具有全局搜索、并行求解能力，是求解最优测试树问题的一个非常有效的方法。     

遗传算法在系统最优交通分配模型中的应用

在改进选择策略,实行两点变异并采用随机的交叉概率与变异概率的基础上,将遗传算法应用于系统最优交通分配模型中.通过算例与Frank-Wolfe算法进行比较,说明了遗传算法的有效性与可行性,指出了遗传算法相对于Frank-Wolfe算法特有的优越性.为交通分配问题的计算引入了新的有效途径.     

城市轨道交通列车运行节能策略研究

建立了列车动力学模型,选择采用多种群遗传算法和PID(比例积分微分)跟踪策略研究城市轨道交通列车运行节能策略。分析了不同遗传算子对多种群遗传算法的影响,确定了各遗传算子选取的原则及最优取值范围,给出了基于多种群遗传算法的列车节能策略。建立了基于MATLAB软件的仿真系统,并采用实际线路数据进行了仿真,验证了所提出的列车节能策略的有效性。     

基于模糊机会约束的战略装车点选址模型研究

考虑客观环境中单位运输费用及货源地货物发送量和客户需求量的模糊性,并针对装车点货物量最低吸引原则及整列始发直达列车牵引重量特殊要求,构建了基于模糊机会约束条件的战略装车点选址模型.将模糊规划模型转化为确定性模型后利用遗传算法求解.最后结合算例求得一定置信水平下问题的结果.     

基于客户生命周期的铁路大客户细分与发展模型

运用经典客户生命周期理论,引入价值理念,从利润的角度分析铁路大客户生命周期及其价值;采用数据挖掘技术,结合利润增长率和现有价值,划分铁路大客户所属发展阶段和细分现有价值所属类别;在此基础上,综合考虑铁路大客户和货运营业部的期望收益、营销成本、转移成本等因素,构建基于客户生命周期的潜在型大客户发展模型、竞争型大客户发展模...     

改进的道岔智能故障诊断系统建模研究

铁路系统转辙机维修方式仍沿用故障修模式,无法提高故障排除速度和准确性,提出利用改进遗传算法优化贝叶斯网络的方法建立故障诊断模型。利用遗传算法搜索能力强,不易陷入局部最优的特点,采用连接矩阵代替网络结构的编码方式,通过修改适应度函数、更新遗传操作方式、修正非法图等方法改进遗传算法,最终解决贝叶斯网络结构学习算法容易缩小搜索空间及易陷入局部最优的缺点。最后利用标准Asia网络验证本文算法比K2和GA算法有更好的搜索结果和更快的收敛速度,以道岔失去表示故障为例验证改进算法对转辙机故障诊断的优越性。     

物流配送车辆路径问题的并行遗传算法研究

针对一般遗传算法在初始种群上的单一性提出一种新的算法。该算法对不同的种群采用不同的初始化方法：随机初始化法和构造初始化法,这些方法改变了过去那种种群内部的平衡算法,并将该算法所得结果与其他算法进行比较,表明该算法的合理性。     

基于Hadoop的Aprior算法改进及其在动车组运维的应用

论文着眼于解决大数据下的动车组关联规则挖掘问题，提出了一种基于Apriori算法改进的大数据关联规则挖掘算法T-MR-Apriori算法。该算法融合Hadoop技术，执行两遍MR分布式计算过程，完成整个关联规则挖掘流程，提高了海量数据下关联规则挖掘的效率和准确率。同时利用实际动车组运维数据进行验证，证明该算法在海量数据下具有良好的挖掘速度又能不降低挖掘性能。并且将该方法应用于动车组牵引电机运维数据挖掘，进行可视化展示。     

铁路罐式集装箱空箱调配优化模型及遗传模拟退火算法

针对罐式集装箱运输的特殊性,考虑重箱流和空箱流调配的综合优化,以罐箱运输费用最小为目标,建立铁路罐式集装箱空箱调配优化多商品网络流模型,并构造了1种嵌入模拟退火操作的遗传算法对之进行求解。为了使模型与算法可得到更符合实际、操作性更强的结果,给出了3种空罐箱调配的策略,作为隐含条件加入到算法求解过程中。利用自适应遗传模拟退火算法对随机生成的实际规模问题算例进行求解,并与用通用代数建模系统软件GAMS的计算结果进行对比。结果表明,前者得出的结果与最优解差距不大,而且运算速度更快,更能满足解决实际问题的需要,为铁路罐箱调配优化提供了良好的决策支持模型和算法。     

基于四维可视化算法的牵引变电所位置优化

针对牵引供电系统设计的复杂性以及传统优化设计方法过程繁琐且很难找到可靠的最优解,粒子群和遗传算法等的迭代过程复杂并且容易陷入局部最优解的问题,将一种四维可视化算法运用到牵引供电系统的优化设计中。四维可视化算法不需要设定初始解、能够同时展现全局最优解的分布、能判断解的稳定性、方便添加约束条件。四维可视化优化算法通过编程使目标函数的最优解集在四维数据场可视化。以接触网对地电压为约束条件,以牵引网有功功率损失最小为目标函数,运用四维可视化算法进行牵引变电所和分区所位置的优化设计。通过实例计算验证了四维可视化算法可有效降低牵引网的功率损失。研究表明该方法能很好地克服传统方法和粒子群等优化算法在牵引供电系统优化设计中的不足。     

铁路空车调配问题的随机机会约束模型及遗传算法

提出一类特殊的随机机会约束模型来求解铁路空车调配问题。这类随机机会约束可转化为相应的确定性等价类,应用遗传算法求解。通过对实际空车调配问题的数值计算和分析,表明了不确定性优化模型和所设计遗传算法的有效性并在铁路运输中有广泛的应用前景。     

一种动态加权模糊聚类算法的研究

针对模糊C均值聚类（FCM）算法选取初始中心具有随机性这一缺陷,利用遗传算法优化FCM算法,根据适应度函数动态确定交叉、变异算子,从而选取最优初始中心,避免FCM算法陷入局部极小;针对FCM受噪声点、孤立点影响较大的缺陷,利用LOF加权降低数据噪声点对聚类的影响,并将FCM聚类、遗传算法、加权策略相结合,提出一种新的动态加权模糊聚类算法。经UCI通用数据集验证,优化后的聚类算法可以有效提高聚类质量和准确度。     

基于运行网络配流的客专列车开行方案遗传优化研究

借助于遗传算法的求解功能和特点,将客运专线旅客列车开行方案优化问题描述为对列车运行网络客流分配的寻优。最优的列车开行方案对应于最优的客流分配方案。首先,针对任意的列车开行方案,构建费用—容量运行网络,并通过该网络的最小费用流描述最优客流分配方案,用运行网络中客流分配的最小费用作为个体适应值函数;而后,考虑到网络中列车保本定员限制所产生大量不可行个体的优良遗传信息,设计出求解直线型客运专线单方向旅客列车开行方案优化问题的协同对称群体交叉遗传算法,并进一步将其推广到网状客运专线上。研究发现:可以将开行方案编码的个体描述为含有阶跃容量限制的费用—容量网络,个体的适应值对应于该网络的最小费用流;在非能力过剩网络中,不会出现违反阶跃容量限制的可行流,并且可以通过控制网络容量,避免产生固定费用和负费用。     

遗传算法在道路纵断面设计优化中的应用探索

在道路纵断面设计过程中,传统人工拉坡方式具有较强的主观性,受经验、精力、时间所限,即使反复地试坡、调整、核对,也无法保证结果最优。探索研究运用遗传算法,通过精细化参数控制、优化进化策略,可有效减小解算规模,能够实现纵断面设计优化的目的。采用Visual LISP语言,开发编制纵断面优化设计软件,模拟构建适应度函数,并设计了特殊的选择、杂交和变异机制。通过工程实例应用测试,验证了遗传算法在道路纵断面设计优化中的有效性。