基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

��Ͻ�ͨ������Ƽ����߿�¡�˻��㷨����о�

研究混合交通网络设计问题,以交通网络总阻抗最小为目标,在建设资金的约束条件下给出了双层规划模型。将模拟退火算法中的退火策略引入到免疫克隆算法中,设计了求解模型的免疫克隆退火算法。算例验证了算法的可行性,并通过与模拟退火算法比较证明了设计算法的有效性。最后,在给定不同建设资金的约束条件下进行了灵敏度分析,并讨论了投资成本与网络总阻抗、建设资金约束与网络设计决策的关系。     

基于免疫优化的单目标多模态期望值规划

为了求解未知随机变量分布下单目标多模态期望值规划,通过引入检测候选解是否为局部最优解的随机函数,将该期望值规划问题转化为多目标期望值规划问题,并进一步探寻问题的转化关系,获得在一定条件下有效解是最优解的结论;根据样本平均近似化思想,将多目标规划转化为非恒定样本采样的近似化模型,并基于克隆选择和免疫记忆的机理,通过设计递归非支配分层、样本自适应采样和自适应繁殖与变异方案,引导进化种群往优质个体所在区域转移,提出了求解该近似化模型的免疫优化算法.仿真结果表明:与参与比较的多目标优化算法相比,该算法搜索多个最优解方面有明显优势,搜索效果稳定,噪声抑制能力强;求解低、高维标准测试问题获得最优解的数量分别平均提高了20%和70%.      

HCO-ADE求解单点交叉口信号配时问题

为克服信号配时问题求解中单一约束优化方法的局限性,提出混合约束优化自适应差分进化算法(HCO-ADE)。以交叉口通行效率为目标建立信号配时优化模型,依据模型中约束条件被满足程度,采用外罚函数法和可行性准则法相结合的混合约束优化策略(HCOS)对约束条件进行处理,并提出饱和度偏好准则作为自适应差分进化算法(ADE)的选择策略,构建HCO-ADE。最后,以哈尔滨市四相位交叉口高峰时段5 min采集标段交通量数据为例,验证HCO-ADE。结果表明：提出的信号配时问题求解方法可行、有效,优于基于饱和度区间可能度的罚函数约束优化自适应差分进化算法(PFCO-ADE),所得信号配时方案较实测方案平均延误减少3.32%,通行能力提高2.16%,能够更好地提高信号配时方案稳定性。     

求解约束优化问题的动态目标迁移差分进化算法

针对约束优化问题的特点,给出一种改进差分进化算法.将差分进化算法做了适当修正,在初始化中加入迁移操作,依据违反约束度函数和原目标函数进行选择操作,当个体的违反约束度在容忍度以外时,通过违反约束度函数更新个体,当个体的违反约束度在容忍度以内时,通过原目标函数更新个体,实验研究结果表明该算法能有效求解约束优化问题.     

定位-路径问题综述

研究了定位-路径问题(LRP), 总结了国内外LRP模型及其扩展模型, 比较了LRP模型求解算法的适用性, 分析了LRP测试算例的节点分布和数据规模, 提出了LRP研究的主要方向。研究结果表明: LRP模型从基于基础网络的最简化问题(带容量约束的LRP, CLRP) 向多方向模型进行扩展, 包括基于网络复杂化的LRP扩展, 如特定网络系统的多目标LRP (MOLRP)、同时取送货LRP (LRPSPD)、接驳转运中心LRP (CDCLRP)、两阶段LRP (2E-LRP)、选址-弧路径问题(LARP)、卡车和拖车路径问题(TTRP) 与设施地点为二维连续的LRP (PLRP), 基础网络参数不确定化的LRP, 包括带模糊数据的LRP与多计划周期LRP (MPLRP), 且正在向更切合实际的问题如高度集成、不确定与动态LRP发展; LRP算法方面, 精确算法仅可用于求解小规模LRP, 主要LRP求解算法由早期的智能算法逐渐转向元启发式算法、基于邻域搜索优化的算法与混合算法方向发展, 这些改进算法均基于特定LRP设计, 具有更好的求解性能, 尤其是采用基于多种破坏和修复因子的自适应大邻域搜索算法求解大规模LRP取得了较好的解, 且其改造性极强; 常用LRP测试算例的节点呈现均匀分布、堆分布及均匀与堆混合分布, 且逐渐产生了适用于2E-LRP与LRPSPD等扩展LRP的测试算例; 根据物流市场环境变化和需求, 提出LRP未来扩展研究的主要方向, 包括多阶段LRP的扩展(如2E-LRPSPD、考虑库存的2E-LRP等)、节点二维连续的LRP、客户含优先级的带竞争或盈利LRP、混合不确定LRP等切合实际的问题; 提出了LRP求解算法未来方向, 包括设计新型精确算法求解中、大规模LRP, 设计更准确更高效的组合启发式算法与应用近似算法求解LRP及扩展LRP的最优解。      

客改货飞机载重平衡问题建模与Benders分解算法设计

研究了民航客改货飞机的载重平衡问题，分析了客改货飞机与客机和纯货机在载重平衡问题所存在的差异，建立了具备主货舱指派问题和下货舱背包问题组合优化特性的客改货载重平衡问题的线性整数规划模型，实现业载量最大和配载重心偏离指定目标重心最小的多目标函数，包含了实际操作中客改货机型的货舱及其位置约束、各种质量约束、上下舱联合约束与飞机重心包线约束等；设计了Benders分解算法对该模型求解，把原问题分为主问题和子问题两部分；设计了改进模拟退火算法求解主问题，改进了离散变量的编码、变异以及个体修正等策略；设计了基于逻辑检查的y-check算法，用于检查子问题的上下舱联合限重、重心包线等复杂约束，给出了Benders’Cut约束模型；设计了以B757-200客改货飞机为例的20组不同规模算例，基于Gurobi、Lingo、人工配载和本文提出的算法对模型进行验证。研究结果表明：Gurobi求解质量和速度最好，平均业载量为29 517.3 kg,重心偏差为0.02%,求解时间为0.13 s;人工配载方法最差，平均业载量为27 131.9 kg,重心偏差为5.26%,求解时间为581.75 s;本文提出的算...     

公交车辆合理配置的模糊随机机会约束规划模型

为城市合理配置一定数量且车型合理的公交车,不但可满足不同居民对交通工具的不同需求,而且可避免因车辆的空驶而导致的能源及道路资源的浪费．文章提出了一个公交车辆合理配置的混合机会约束规划模型,该模型以日载客容量最大为目标函数,同时考虑资金约束、道路资源约束及带有模糊随机参数的乘客需求约束,并引入了求解该模型的遗传算法。通过算例求解,说明了该模型及算法的合理性。     

基于改进DE的云计算任务调度算法

差分进化算法DE(Differential Evolution)具有记忆个体最优解和种群内部信息共享的特点,是一种基于实数编码的、具有保优思想的简单、高效的新型进化算法.针对云计算任务调度问题,提出了一种考虑时间和成本约束的基于改进DE的调度算法(TCDE).该算法采用随机初始化种群,合法化修复变异个体,并采用贪婪直接交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体.在仿真实验中分别进行了TCDE与只考虑时间的TDE、只考虑成本的CDE的功能验证实验,TDE与遗传算法的性能对比实验.实验结果证明:改进后的差分进化算法能够适用于云计算环境下的任务调度问题,并取得良好的调度效果.     

受限单分配枢纽选址问题的并行蚁群算法

研究了受限单分配枢纽选址问题的特点,以网络运输总成本和固定设施费用之和为最小化目标函数,建立了具有较少变量的混合整数线性规划模型,应用并行蚁群算法对模型进行求解,并结合澳大利亚邮政数据进行选址仿真试验.计算结果表明:对于最难求解的50个节点的双紧约束问题,算法运算时间为3.59 s,远低于已有的其他算法；各算例的运算偏...     

基于OpenMP的并行遗传算法求解SAT问题

为了提高SAT （boolean satisfiability） 问题求解效率,在OpenMP （open multi-processing） 编程框架下,将遗传算法与局部搜索算法结合,改进了混合遗传算法中的选择算法,将原有选择操作的时间复杂度降低到O(N)级别. 算法采用OpenMP中的编译制导语句#pragma omp parallel粗粒度并行化驱动混合遗传算法,采用#pragma omp single语句块实现了子种群间个体的同步迁移操作. 与同类算法HCGA （hybrid cloud genetic algorithm）比较分析表明:改进算法HGA （hybrid genetic algorithm）以及并行后的混合遗传算法CGPHGA （coarse-grained parallel hybrid genetic algorithm）在求解成功率和求解效率上都有显著提高,部分问题求解成功率提高达5倍.      

Research on a Task Planning Method for Multi-Ship Cooperative Driving

A new method for a cooperative multi-task allocation problem(CMTAP) is proposed in this paper,taking into account the multi-ship, multi-target, multi-task and multi-constraint characteristics in a multi-ship cooperative driving(MCD) system. On the basis of the general CMTAP model, an MCD task assignment model is established. Furthermore, a genetic ant colony hybrid algorithm(GACHA) is proposed for this model using constraints, including timing constraints, multi-ship collaboration constraints and ship capacity constraints. This algorithm uses a genetic algorithm(GA) based on a task sequence, while the crossover and mutation operators are based on similar tasks. In order to reduce the dependence of the GA on the initial population, an ant colony algorithm(ACA) is used to produce the initial population. In order to meet the environmental constraints of ship navigation, the results of the task allocation and path planning are combined to generate an MCD task planning scheme. The results of a simulated experiment using simulated data show that the proposed method can make the assignment more optimized on the basis of satisfying the task assignment constraints and the ship navigation environment constraints. Moreover, the experimental results using real data also indicate that the proposed method can find the optimal solution rapidly, and thus improve the task allocation efficiency.     

考虑三方利益的车货匹配优化

为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题，在既往研究考虑车货双方利益的基础上，引入了平台方需求. 首先，在分析车货匹配活动参与方需求的基础上，构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型；其次，在模型求解方面，改进了带精英保留策略的快速非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA Ⅱ），一方面在子代种群更新过程中引入精英选择系数，提升种群的多样性，另一方面结合自适应的思想，在算法迭代过程中调整交叉变异的概率；最后，利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%，与传统的NSGAⅡ相比，平均收敛速度提升了45%左右；在算法稳定性方面，所提出的算法受随机初始化影响较低，多次实验的相对标准偏差值小于1%.      

铁路集装箱中心站多轨道吊柔性协同调度优化

针对铁路集装箱中心站轨道吊协同装卸调度(RMGCS)问题，考虑多轨道吊间的作业干涉和安全距离约束，建立目标函数为最小化集装箱完工时间的混合整数规划数学模型。结合 RMGCS问题特性，提出一种考虑多轨道吊柔性协同作业的改进麻雀搜索算法(ISSA)，首先，提出能够解决多轨道吊间作业冲突的任务分配策略和干涉判断方法；其次，设计自适应非线性动态安全值，平衡全局和局部搜索；再次，改进加入者更新移动方式，使其在全维度上靠近最优解；最后， 引入LOV(largest-order-value)规则，将个体从实数向量映射到集装箱整数序列。为了验证问题和算法的有效性，分别利用ISSA与其他算法求解不同样本规模的算例，结果表明：ISSA在不同样本 规模的RMGCS问题求解上，均具有更好的寻优效果。此外，所提出的柔性协同调度模式相比现有的固定范围顺序装卸调度模式，使样本量为45的装卸作业总完工时间缩短了15.5%。     

考虑多路径选择的定制电动公交线路优化

为提高定制电动公交系统运营效率,本文探讨了考虑多路径选择的定制电动公交线路优化问题。首先,构建描述该问题的混合整数规划模型,以实现线路与路径的双重决策优化。模型以运营总收益最大化为目标,在约束中考虑定制电动公交特性,如车容量,乘客出行时间窗,续航里程,访问站点数等。其次,为求解模型,设计新的自适应大邻域搜索算法,提出相应的初始解生成规则和邻域搜索算子,并通过算例验证算法的有效性。最后,基于实际路网及乘客出行时空需求进行实证分析,验证多路径选择可进一步优化定制电动公交线路。结果表明,本文方法可根据优化目标为运营者提供多种线路运行方案,为定制电动公交线路规划提供依据。     

An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

基于随机交箱的堆场出口箱箱位分配研究

集装箱堆场出口箱在贝位内的箱位分配直接影响装船时取箱作业效率。文中针对集装箱堆场出口箱箱位分配问题,从装船取箱时堆场贝位内最小化翻箱的角度,建立取箱作业翻箱量最小的数学模型,从源头上寻求减少装船时翻箱的方法。在研究进场出口箱已有堆放策略的基础上,分析了贝位内堆放方式对翻箱的影响,提出一种基于重量等级的混合堆放方法,并用启发式算法为出口箱在贝位内分配具体箱位。最后通过比较不同堆放方式下的翻箱率来评价方法的优劣。实例结果表明,文中算法可以有效解决出口箱的箱位分配问题,减少装船取箱时贝位内的翻箱次数。     

Immune clonal selection optimization method with combining mutation strategies

In artificial immune optimization algorithm, the mutation of immune cells has been considered as the key operator that determines the algorithm performance. Traditional immune optimization algorithms have used a single mutation operator, typically a Gaussian. Using a variety of mutation operators that can be combined during evolution to generate different probability density function could hold the potential for producing better solutions with less computational effort. In view of this, a linear combination mutation operator of Gaussian and Cauchy mutation is presented in this paper, and a novel clonal selection optimization method based on clonal selection principle is proposed also. The simulation results show the combining mutation strategy can obtain the same performance as the best of pure strategies or even better in some cases.     

������Լ����������-��ʽ�����������

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.