电动汽车加电站电池配送路径优化

在分析电动汽车加电站运营模式的基础上,根据电动汽车加电站需求动态变化的特点,建立了加电站电池配送路径问题的动态车辆调度模型. 利用自适应准则改进遗传算法,构造了自适应遗传算法;针对动态车辆调度问题实时性强的特点,设计了"初始化路径制定+实时动态调度"的两阶段求解策略,通过信息更新插入动态需求加电站,对已产生的计划路径进行局部优化调整,仿真计算结果验证了模型和算法的有效性.     

集送一体化动态车辆调度研究

相对传统的车辆调度,集送一体化的调度模式可以解决单向行驶日寸车辆空载问题．动态车辆调度是当前研究的热点．通过动态车辆调度策略,建立动态车辆调度模型,并利用改进蚁群算法对模型进行计算．通过应用实例,运用Mat｜ab对模型进行测试．测试的结果收敛并得到最优解,表明该算法对于解决集送一体化动态车辆调度模型是有效的．     

多配送中心车辆调度问题的DNA计算模型

提出了采用聚类分析最短距离分配法将多配送中心车辆调度问题动态地分解为多个单配送中心车辆调度问题进行求解的策略,并设计了求解单配送中心车辆调度问题的DNA计算模型,实现了使用常规的生物分离方法进行最优路径的选择.     

考虑真实场景动态事件的动态取送货问题

实时城市配送决策高度依赖于环境的变化,须及时处理配送系统中由各种动态事件带来的需求和环境变化. 综合考虑新请求逐渐出现、旧请求修改或取消、交通拥堵状况和车辆抛锚4种动态事件对车辆路径规划和配送服务的影响,重新建立考虑实时场景多项动态事件的取送货（DPDP-MDE）动态车辆路径规划模型. 设计动态算法框架求解该模型,给出调度时域内静态子问题执行规则和计算规则;针对具体静态子问题,采用构造型启发式算法生成初始可行解,分别采用禁忌搜索算法和自适应大规模邻域搜索算法2种智能优化算法,改善初始可行解质量;在更新路径规划方案时,运用未固定动态插入法,解决处于规划中的未固定请求和新请求同步处理问题. 数值实验表明,所提出的模型及设计的动态算法框架能有效解决带时间窗的动态取送货问题（DPDP-TW）.     

改进差分进化算法在梯级水库优化调度中的应用

针对标准差分进化算法缺乏全局与局部搜索的动态调整,进化后期由于种群多样性降低,算法极易陷入局部最优的问题,采用控制参数的余弦函数调整策略,并提出综合分布参数概念,根据种群个体进化过程的特点及算法的阶段特性,自适应调整算法的控制参数及进化策略.通过对工程实例的模拟计算,其结果表明了改进的差分进化算法在解决水库优化调度问题上的有效性.将改进差分进化算法的计算结果与POA及标准差分进化算法进行比较分析,充分体现了改进差分进化算法的优点.     

基于集送货需求的车辆路径优化问题研究

车辆在服务过程中,既可能面对集货需求,也可能面对送货需求.在国内外学者研究的基础上,提出一种新的解决VRPSDP问题的方法.在系统分析同时具有集送货需求的物流网络机构与要素的基础上,均建基于集送货需求的车辆路径优化模型,利用lingo软件进行优化求解.实例仿真结果表明,通过该模型的建立及软件的应用,能够对车辆的路径进行优化,能够有效地减少车辆的运输成本,提高物流运作的效率.     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。     

集装箱码头集卡调度模型与Q学习算法

研究集装箱码头装卸过程中集卡调度问题,建立了集卡调度动态模型,目的是使装卸桥等待时间最小.设计了基于Q学习算法的求解方法,获得在不同状态下的集卡调度策略.提出了应用Q学习算法求解集卡最优调度时系统状态、动作规则、学习步长与折扣因子的选择方法.结果表明,随着集卡数量的增加,Q学习算法获得的结果优于最长等待时间、最远距离、固定分配集卡等调度策略.     

车联网中路边设施的分布式调度策略的研究

为了降低碳排放量和部署成本,利用太阳能给车联网路边设施(Road Side Unit, RSU)供电是一个可行的方法.本文针对太阳能供电的RSU,提出了两个分布式的在线调度策略,旨在最大化服务车辆数.在基于Markov链的调度策略中,采用Markov链表述RSU能量状态,并通过对动作的奖励最大化服务的车辆数;在基于阈值的调度策略中,RSU计算服务车辆时所消耗的能量,并结合自己的能量状态,选择服务的车辆.仿真结果表明,本文提出的在线调度策略增加了服务车辆数.     

一种基于S-粗集的滚动工件调度

提出了一种基于S 粗集理论工件滚动调度策略 ,基于S 粗集理论的动态迁移特性和副集特性 ,研究了它在动态环境下滚动调度中的应用 .算例研究表明在有调度急加工工件、工件完成期改变和新加工工件到来等情况下 ,该方法是行之有效的 ,不仅能适应加工环境的动态变化 ,获得满意的调度结果 ,而且减少了调度问题求解的规模     

改进粒子群算法的动态空间调度方法

针对船体分段生产调度的多目标性和动态性,提出了一种改进粒子群算法的动态空间调度方法,确定船体分段在工作平台上的加工顺序和空间布局位置.算法以加工完成时间最短和空间利用率最高为目标,采用自适应惯性权重策略保证算法的收敛性,并引入遗传算法中的选择算子和变异算子增强算法的收敛速度和多样性,利用启发式定位策略确定分段的位置.最后,以船厂实际生产数据进行仿真验证.仿真结果表明,所提方法可以大大降低以手工方式制定调度计划的复杂度,并能有效地提高空间利用率达到70%,说明该方法是解决动态空间调度问题的一种有效方案.     

基于分层遗传算法的车辆路由和调度研究

为了能在当今激烈竞争的市场中生存,物流活动需要细心规划以满足商务和顾客的所有需求.车辆路由和调度问题一直被广泛的研究以满足各种行业的特殊的需求.考虑配送与安装分离特点下车辆路径问题.利用混合整数非线性规划（MINP）模型求解送货和安装时车辆运行的最少时间.提出分层遗传算法对各种大小问题实施求解.计算结果表明分层遗传算法的有效性,也对分层遗传算法和MINP模型两者的性能进行了比较.     

带回程取货车辆路径问题的人工鱼群算法研究

该文提出用人工鱼群算法求解带回程取货车辆路径问题,有效调度车辆在送货的同时完成取货任务。将人鱼个体能量函数、觅食行为、聚群行为和追尾行为等应用到优化问题中,仿真结果表明人工鱼群算法是一种解决带回程取货车辆路径问题的有效方法。     

一种基于查询聚类的物化视图动态调整策略

为了提高数据仓库的查询响应性能,避免视图集频繁调整引发的"抖动性",提出了一种基于查询聚类的物化视图动态调整策略,运用关联规则挖掘方法计算属性字段相似性,进而计算查询语句相似性,并对一个查询周期内的查询语句集进行聚类,产生候选视图集,根据效益模型计算候选视图的效益,再运用物化视图动态调整算法生成物化视图.在航空公司机票结算数据集上的实验结果表明,在单机环境和分布式环境下,较基准算法相比,所提出的方法均能显著提升数据仓库的查询响应性能,尤其是对高频查询语句的响应性能.     

车辆荷载作用下混凝土箱梁桥桥面板局部振动分析

研究车-桥耦合振动条件下,混凝土箱梁桥桥面板局部振动规律.推导车-桥耦合动力平衡方程,用板单元建立简支箱梁桥有限元模型,采用3维7自由度车辆模型,由路面功率谱密度函数模拟得到等级分别为"理想"、"好"和"差"的路面不平度函数.通过数值模拟计算桥面板不同位置的竖向位移、纵向弯矩和横向弯矩的动力放大系数(DAF).分别对车道位置、路面等级、车速和桥梁阻尼进行了参数分析.结果表明,车辆荷载作用下,桥面板不同位置的局部DAF值、同一位置由不同响应量得到的DAF值之间均存在很大差异,采用统一的DAF来计算车辆对桥面板的冲击作用不甚合理.路面不平度是影响桥面板车致振动最为重要的因素;而车速次之,且很难找到明确的函数关系用于描述车速对箱梁桥面板的局部动力放大系数的影响.     

一种基于S-粗集的滚动工件调度

提出了一种基于S-粗集理论工件滚动调度策略，基于S-粗集理论的动态迁移特性和副集特性，研究了它在动态环境下滚动调度中的应用，算例研究表明在有调度急加工工件、工件完成期改变和新加工工件到来等情况下，该方法是行之有效的，不仅能适应加工环境的动态变化，获得满意的调度结果，而且减少了调度问题求解的规模。     

基于公交车到站时间预测的动态滞站调度模型

提出了一个动态滞站调度策略.该策略通过一个基于支持向量机(SVM)和Kalman滤波的公交车辆到站时间预测模型来判断需要滯站的车辆,建立了一个以用户总费用最低为目标的数学模型来确定车辆在站点最优的滞留时间,并通过遗传算法对该模型进行求解.最后,以Paramics仿真数据对该动态滞站策略进行检验,结果表明,相比于传统滞站策略或无控制策略,动态滞站策略的效果更好.     

响应动态需求的灵活型公交路径优化调度模型

为解决灵活公交乘客需求差异性大、实时变化性大的问题,提出一种考虑乘客动态需求的灵活公交路径优化调度模型.在已知乘客预约需求量、车辆载客容量、车队规模等条件下,根据乘客需求动态变化特征对接驳行程时间进行实时迭代更新,将车辆的运营成本(车辆行驶时间)和乘客的时间成本(乘客上车前等待车辆的时间、实际到达时间与期望到达时间之间的差值)最小化作为目标,构建了考虑乘客动态需求的灵活型公交路径优化调度模型,并采用基于引力模型的启发式算法进行求解.最后,通过实例分析验证了模型和算法的可行性.结果表明:对随机产生的15个需求点的102个出行需求,全部服务完成所需车辆为17～21辆,平均每辆车的旅行时间为24.59 min,100组数据的求解时间均在25.00 s以内,计算耗时平均为12.04 s.可见该优化模型能够在实时调整接驳规划时间的前提下,更大程度满足乘客动态需求,有效减小规划路径的误差,缩短行车距离和乘客出行时间,相比忽略接驳行程时间变化的灵活公交调度模型结果更优.     

智能公共交通系统动态调度模型研究

分析了影响车辆正常行驶的主要因素以及恢复车辆运营的调度方法，建立了一种动态调度的模型．模型的思路是将延误到达的车辆在线路始发站不停车发出，中途站点载客，目的是减少车辆停车时间，恢复线路车辆的正常车头时距，避免车厢内由于大间隔造成的拥挤现象．利用哈尔滨市公交92线数据进行模型检验，采用高峰时间段车辆延误数据，分别对1辆车和2辆车延误进行调度调整，结果表明，该调度方法有效地减少了乘客等车时间，为车辆间距控制系统提供了有效的模型．     

基于双重交叉策略的多元宇宙优化算法求解带时间窗车辆路径问题

提出了一种基于双重交叉策略的多元宇宙优化算法求解带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW).该算法利用访问概率在满足车辆最大载重的约束条件下构造算法的初始解,提高初始宇宙群的优良性;引入动态交叉算子,在当前宇宙的基础上交叉重组生成新的宇宙,提高算法的局部探索能力,同时采用基于最优片段的交叉策略更新白洞位置,加强各个宇宙间信息的交互;并引入随机交换搜索、2-opt和3-opt相结合的邻域搜索方法对最优解进行局部优化,扩大算法搜索空间.实验结果表明:所提算法能够有效解决带时间窗车辆路径问题,有较强的寻优能力,求解质量优于所对比算法.