改进樽海鞘算法求解带时间窗的应急选址路径问题

目的 为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法 根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法（NSGA-Ⅱ）的精英保留策略,以提高算法的性能。结果 经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论 对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。     

稀疏表示图像超分辨率重建的自适应方法

提出了一种参数自适应的图像超分辨率重建方法.在基于稀疏表示的图像超分辨率重建的经典算法模型框架下,正则化参数可以根据每个图像补丁本身情况自适应地确定,从而克服了人为选择参数且所有补丁参数需一致的缺点,因此使图像重建效果得到提升.实验结果表明,我们所提方法在不同尺寸扩大因子和噪声环境下都优于人工确定参数的情形,三种评价指标均表明所提方法是有效的.     

危化品事故连续消耗型应急物资调度模型

应急物资调度是危化品事故应急救援工作的关键内容,危化品事故会对周边区域造成环境污染,其应急物资调度问题应该考虑多个目标。针对危化品事故应急物资调度特征,建立了连续消耗应急物资调度多目标模型。模型以缺货损失最小、调运时间最短和调运总环境风险最小为优化目标,考虑应急中心物资数量限制和救援时间限制等约束条件,采用NSGAⅡ遗传算法求解。对于求解结果,采用逼近理想解的排序方法进行选择。算例计算结果表明,多目标模型优化方案比单目标模型优化方案有较大的优势,同时说明算法合理可行。     

多阶段灾后救援选址-路径模型及求解算法

配送中心选址与配送车辆路径安排的集成优化对灾后应急救援至关重要,综合考虑救援物资多次运达、多阶段持续配送等特点,以各救援物资需求点间运达时间之和以及系统总反应时间最小为目标,建立一种多阶段带时间约束的应急救援物资配送选址-路径优化模型。为模型的求解,设计一种特定的LRP路径编码,根据编码的结构独立、路径间相互关联等特点,引入一种适应匹配交叉算子,同时结合稳定均衡策略设计一种均衡协作启发式算法(BGEA算法)。为了验证模型的有效性及BGEA算法求解选址-路径多目标问题的优越性,对算例作求解分析,得出了可行性调运方案,并将BGEA算法求解性能与已知算法求解性能进行对比,比较结果表明BGEA算法求解该问题具有良好的寻优能力。     

基于改进粒子群算法的多目标应急物资调度

围绕突发事件应急的特点,建立了运输成本最小、延误时间最短的多目标数学模型。通过范数理想点将多目标模型转化为单目标模型。设计粒子群优化算法,采用将学习因子、惯性权重设为线性变化和增加局部扰动的方式,建立了针对性的优化算法。结合实际应急案例进行了数值实验与案例分析,证明了算法的有效性,从而为应急条件下的物资调度提供了有效和可靠的方法。     

模糊需求条件下应急物资调度的动态决策研究

针对大规模突发事件的应急物资调度问题,考虑了包含供应点、集配中心和需求点的三级供应网络、模糊需求条件、多种运输方式联合运输,建立了以总运输时间和应急成本为目标的多目标非线性整数规划模型。通过决策者对总运输时间和应急成本的动态赋权,提高了模型的柔性。给出了求解算法,仿真实例验证了模型的有效性。     

研发型企业多项目人力资源调度研究——基于蚁群优化的超启发式算法

现阶段,研发型企业的项目处于多项目环境下,为了解决多项目并行时人力资源争夺问题,本文针对该类企业多项目管理中人力资源调度进行优化研究,以考虑项目延期惩罚成本的最小总成本为目标函数,将现实问题抽象建模。基于国内外的研究提出了一种超启发式算法进行求解,该算法将人力资源调度问题分为项目活动分配和人员选择项目活动两个部分,采用蚁群优化作为高层启发式策略搜索低层启发式规则,再进一步根据规则解构造出可行解。最后本研究设计多组仿真实验与启发式规则进行对比,结果表明该算法有较好的搜索性能,为人力资源的调度问题提供了新的解决方案。     

突发性公共事件下应急物资分级协同配送研究

为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM (Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm, GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明：LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。     

综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型

研究应急物资储备库选址理论和方法在应对当前频发的重大突发事件具有重要的现实意义和理论价值。针对现有设施选址理论存在的局限性,提出综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型。在分析应急物资储备库选址影响因素的基础上,构建应急物资储备库选址评价指标体系,运用模糊TOPSIS方法对候选应急物资储备库进行初选;基于"备用覆盖"和"部分覆盖"思想,建立应急物资储备库多级覆盖选址模型,运用遗传算法对模型求解,确定最终选址方案;以一个算例对算法进行验证,分析了算法的有效性。     

基于双层混合联运的震后应急物资配送模糊多目标优化

为提高震后应急救援效率并减少应急消耗费用,以所有受灾点未满足物资需求之和最小、送达速度最快以及应急总费用最小为目标,建立应急物资需求模糊情况下包含应急中转站的混合联运多目标优化模型,并运用基于矩阵编码的混合遗传算法求解,最后以汶川地震为例,验证了该模型和算法的收敛性较好且运行效率较高。因此,该模型和算法有效,可为实际应急提供指导。     

基于CRAFT的多阶段柔性设备布局优化算法

多阶段设备布局下的总成本包括设备拆装成本、物料搬运成本以及区域利用成本,问题的目标是最小化总成本.首先,在分析问题的基础上,建立基于多阶段设备布局优化目标的数学模型;其次,采用改进的CRAFT启发式算法优化单阶段设备布局;进一步,提出基于单阶段设备布局算法的多阶段启发式算法,优化多阶段设备布局;最后,数值实验表明算法优化后总成本降幅达28.57%.     

一种改进的SWEEP路径策略

针对需求随机的随机车辆路径问题,提出了一种改进的SWEEP路径策略.建立了基于该策略的车辆任务量分配多目标规划模型,给出了求解该模型的启发式算法.通过24个不同规模的VRP问题的仿真实验,证明了提出的任务分配模型和算法具有较强的适用性;改进的SWEEP策略能充分利用运输资源,减少运输成本.     

面向快递同城运输的车辆路径问题研究

为降低运输成本,研究了快递同城运输中的车辆路径问题。建立多车型,含时间窗约束、容量约束、车辆限行约束,并考虑错峰交货的,以最小化运输成本为目标的混合整数规划模型。提出以点到点集的距离之和作为邻域搜索优先指标的构造性启发式算法,设计了基于“路径−车型对”的列生成算法,初始列由启发式算法求得。实验结果显示,对于120个点的大规模问题,列生成算法只需175秒就能得到近似最优解,验证了该算法的有效性及对一定规模内快递同城运输问题的适用性。     

考虑需求紧迫度差异与公平分配的三级应急物资调度研究

各受灾点因灾情不同对获取不同类别物资的需求紧迫度存在较大差异,忽略这一现实情况的模型会导致有限应急物资无法公平分配和高成本等问题。与已有文献相比,首先,引入了CRITIC法计量各灾点对有限物资需求的波动性与冲突性,提出需求紧迫度量化方法;其次,运用极小极大函数对已有研究的公平目标予以改进;然后,针对突发灾害时长途调运物资的现实情况,采用“储备点-中转站-受灾点”三级结构进行分析;之后,建立了以各灾点最大物资短缺度最小和调度成本最小为目标的多目标混合整数规划模型;最后,利用模糊理论对模型进行等价转化,设计改进遗传算法进行求解。算例分析证明,该模型在保障多受灾点之间物资分配公平性的同时,能够有效控制调度成本,可为现实突发灾害应急物资调度提供决策支持。     

越库物流调度问题及其近似与精确算法

在提出问题基础上,建立了基于在制品优化目标的调度模型;根据模型的不同调度特征,给出问题求解的启发式近似算法,并对算法的计算复杂性进行分析,提出问题精确求解的分枝定界算法;通过数值实验验证所给出算法的有效性.表明:分枝定界算法可以有效求解多达40个货物品种的准时制配送问题;启发式算法也具有较高的计算精度,为实际越库物流管理奠定算法基础.     

基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题

目的 针对当前生鲜商品配送效率低和成本高等问题,采用车仓温度可控的多仓车辆作为配送装备,并结合时间窗等约束,研究基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题。方法 建立最小化物流运营成本和车辆使用数量的双目标模型,然后设计基于Clarke-Wright节约算法的非支配排序遗传算法（CW-NSGA-Ⅱ）求解该模型。利用CW节约算法生成初始配送路径,以提高初始解的质量,并设计精英迭代策略,以提高算法的寻优性能。结果 基于改进的Solomon算例,将文中所提算法与多目标粒子群算法、多目标蚁群算法、多目标遗传算法进行了对比,验证了CW-NSGA-Ⅱ算法的求解性能。结合实例,对多仓车辆使用数量、温控成本和运营成本等指标进行对比分析,结果表明,经优化后多仓车辆使用数量减少了35.7%,温控成本减少了39.2%,物流运营总成本减少了47.7%。结论 文中所提模型和算法能够有效优化配送路径,降低运营成本,为构建高效率、低成本的生鲜配送网络提供了理论支持和决策参考。     

基于改进SPEA2的原油短期调度问题研究

针对原油短期调度多目标优化问题，在分析已有多目标模型对原油调度过程中的供油罐个数、供油罐切换次数、原油在管道中的混合成本和供油罐罐底混合成本这4个目标优化的基础上，本文建立的模型增加了原油在管道转运过程中的能耗成本这一优化目标，使模型更吻合生产实际。在SPEA2算法中引入极值归档集，结合MOGWO算法指导极值归档集更新来提高算法的全局搜索能力；利用余弦相似度对归档集进行裁剪操作，以保证归档集中个体的多样性。将改进算法与多个具有代表性的进化多目标优化算法进行对比实验，结果表明，本文所提出算法在求解原油短期调度问题时性能较优。     

新鲜度限制约束下物流配送中心选址-路径优化

目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。     

考虑人格因素的软件项目调度模型与算法

软件项目的成功离不开对技能型人力资源的合理调度，而项目团队中员工的人格特质往往会影响其执行任务的效果。研究了多技能条件下考虑人格因素的软件项目调度问题，旨在满足技能、优先关系等约束条件下，将具有不同技能和人格特质的员工进行有效调度，从而最小化项目总成本。建立了该问题的混合整数线性规划模型，设计了基于双重优先规则的启发式调度算法。基于全因子试验设计构建基准数据集，利用计算实验分析了所提算法的性能。将所提算法同CPLEX和遗传算法进行了对比，结果表明所提算法在求解效率和效果上均具备优秀的竞争力。     

多资源作业车间的混合自适应GA优化调度

针对多资源约束的车间调度问题,将启发式算法和自适应GA优化方法结合起来,提出了混合自适应GA方法,建立了多资源约束的车间优化调度模型.根据启发式调度算法中优先规则对调度目标的影响,设计了新的编码规则.采用正弦函数作为自适应因子,使得交叉概率和变异概率随群体的适应度自动改变,提高了运算的效率,克服了启发式算法和普通GA的缺陷.通过实例仿真并与其他算法比较结果表明,混合自适应GA算法可以很好的解决作业车间在机床、刀具等多种生产资源约束下的优化调度,并在评价指标上较其他算法更优.