考虑设施失效及客户重指派的网络选址模型及求解

基于无容量约束且固定费用的设施选址模型,综合考虑系统运作成本及其可靠性,提出了考虑失效概率及对客户多层级重指派的非线性混合整数规划模型,并用优化的拉格朗日松弛算法对线性处理后的模型进行求解.结果表明:拉格朗日松弛算法适用于中等规模的选址问题;相对于客户的多层级重指派,其设施失效概率对网络选址的影响较大.     

一个具有仓库容量选择的两阶段设施选址问题的模型及算法

设施选址及其规模选择优化对供应链的长期战略成本和运营成本有着重要影响, 是提高企业利润和竞争力的关键决策之一, 也是运筹优化领域研究的热点与难点. 针对已有的两阶段设施选址问题,(two-stage facility location problem, TSFLP),研究中缺乏对设施容量选择的优化, 在设施选址问题基础上引入了设施容量选择的优化, 同时确定了工厂的位置、仓库的位置和容量、从工厂到仓库的产品流以及客户到仓库的分配, 建立了以最小化总成本为目标的混合整数规划模型, 并基于模型特点设计了适合求解此问题的拉格朗日松弛(Lagrangean relaxation, LR)方法和混合变邻域禁忌搜索,(hybrid variable neighborhood tabu search, HVNTS)算法. 基于随机生成的大量具有不同参数的实例, 验证了所提出的算法可有效求解大规模的、且需同时优化设施选址及容量选择的问题.     

不确定需求下容量限制工厂选址的改进蜂群算法

研究了需求不确定下容量限制工厂选址问题。在考虑需求点的实际情况后,根据各点不确定需求的变化而改变工厂的生产规模限制,建立设置分段的生产规模的容量限制工厂选址模型。使用联系数和区间灰数理论对不确定的需求进行预测。为了求解该问题,对传统人工蜂群算法的编码、更新、搜索和追随策略进行了改进。最后进行数值实验,将新算法与遗传算法、萤火虫算法、粒子群算法和海鸥算法进行对比。结果表明,改进后的人工蜂群算法有更好的优化效果,在求解容量限制的选址问题上具有可行性和有效性。     

基于满意度的可持续物流设施选址问题的多目标优化方法

【目的】为了研究可持续物流设施选址问题研究对企业供应链管理和物流配送服务中心的可持续性发展的影响。【方法】基于传统的无容量物流配送服务中心选址问题，引入满意度函数衡量客户对物流配送服务中心提供服务水平的平均满意程度，建立了以经济成本最小化、客户平均满意度最大化和二氧化碳排放量最小化为目标的一个多目标优化模型。【结果】基于多目标优化问题经典的ε 约束标量化方法和贪婪算法思想提出了多目标优化模型的一个求解算法。【结论】提出的多目标优化方法能够在较高的满意度下获得更优的经济成本和碳排放量，为更好地解决无容量物流配送服务中心选址问题提供了一个新的方法。     

考虑经济性和时效性的配送中心选址模型研究

为提高物流系统的服务水平,对具有经济性和时效性的配送中心选址问题进行了研究.以经济费用最小为目标,将客户对送货时间的要求转化为时效性约束条件,构造配送中心选址模型.讨论了求解该选址问题的优化算法——序列二次规划算法(SQP).通过实际算例对选址模型和求解算法的可行性进行了检验.算例结果表明:模型和算法能很好地解决有时效性约束的配送中心选址问题,对提高物流系统的运作效率有积极的意义.     

多目标优化量子免疫算法求解基站选址问题

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案.设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证.实验结果表明：算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值.     

使用MIP优化器求解p-median问题——以学校选址为例

通常采用启发式或元启发式算法求解区位问题.随计算机性能的大幅提升和整型规划(MIP)算法的持续改进,基于MIP优化器求解大规模区位问题模型已具有可行性.以有容量约束的县级市规模义务学校选址为例,构建p-median问题指派规划和一般整型规划模型,采用多个免费和商业优化器进行模型求解.案例测试表明:常见MIP优化器能高效地获得最优解或高质量可行解;与指派规划模型相比,构建p-median问题的一般整型规划模型更容易求解;商业MIP优化器明显优于开源软件.     

回收连锁店选址问题及蘑菇繁殖算法求解

针对日益增长的多样化回收服务需求，解决了多服务方式、多规模的回收连锁店选址优化问题。构建了建设与服务成本最小化和客户满意度最大化的回收连锁店双目标选址模型，并针对模型的具体特征，将交叉与变异算子和精英保留策略等与基本蘑菇繁殖算法相结合，设计了改进的蘑菇繁殖算法对模型求解。通过对某电子产品回收连锁店的选址优化实例，确定其服务方式和选址的数量、位置及规模。验证了模型的有效性和算法的可行性。同时，不同的服务方式及规模选择，对回收连锁店的选址有显著影响，企业相关决策者可通过合理提供不同服务来提升利润。     

基于Matlab优化算法的物流中心选址

应用Matlab优化函数求解带时效性约束的物流中心选址问题。分析选址问题的时效性约束条件，构造带时效性约束的物流中心选址模型，利用Matlab优化工具箱中的“fmincon”函数，设计选址模型的精确算法，并给出具体算例，验证模型和算法的可行性。研究结果表明，基于Matlab函数的优化算法编程简单，运算速度快，既能够求解带时效性约束的选址模型，又能够求解不带时效性约束的重心选址模型，是一种比传统算法更有效的求解物流中心选址问题的算法。     

容量受限工厂选址问题模型及贪婪蚁群算法求解

研究了在容量受限条件下的工厂选址问题.针对现有模型对覆盖问题、经济效益问题和发展状况问题考虑不足,提出了一种新的数学模型.由于容量受限的工厂选址是一个复杂的决策过程,较难得到满意解和最优解,提出一种新的改进蚁群算法对其进行求解.改进蚁群算法在传统蚁群算法的基础上结合了贪婪算法.仿真结果一方面说明了新的数学模型的有效性,另一方面证明了改进蚁群算法改善了传统蚁群算法易于陷入局部最优解的缺点,提高了寻优质量.     

基于时空上下文的航拍视频绝缘子跟踪算法

为解决时空上下文跟踪算法在航拍视频绝缘子出现大尺度变化产生的漂移问题,提出一种大尺度自适应的航拍视频绝缘子跟踪算法。提取绝缘子图像的局部二值模式特征构建时空上下文模型,改进时空上下文尺度更新策略不能适应大尺度变化问题。最后在航拍视频序列进行的对比实验表明,算法在平均重叠率和平均中心位置误差指标上有了较大提升;且能很好地适应绝缘子大尺度变化,具有更好的跟踪效果。     

运输任务优化分派的几何模拟算法

对于具有定期开行交通工具的运输部门来说，运输任务的分派是生产的重要环节之一，当有临时加班或包机（船、车）时，还需要考虑如何将这些临时任务插入正班任务并进行分派，在手工操作的情况下，这通常是一项耗时费力的工作，若要进行优化就更加困难。因此，研制计算机辅助任务分派系统很有必要。本文正是在某航空公司航班排班项目部分内容的基础上写成的。文中针对该航空公司的航班分派问题，分析了已知条件、约束条件和优化目标，提出了实现优化分派的几何模拟算法并简要介绍了依据该算法研制的计算机辅助任务分派软件。     

无容量限制设施选址问题的分支定界法

设施选址问题是经典的优化问题.一个好的选址方法可以有效节省费用,促进生产和消费的协调与配合,使得设施系统平衡发展.企业的优势和公共设施的盈利能力同样依赖于设施的选址结果.介绍了无容量限制的设施选址问题,给出了该问题的数学模型,提出了解决此问题的一个精确算法———分支定界法,最后通过一个算例说明了算法的有效性.     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.     

基于Web服务的电力信息整合系统初探

电力企业的经营思路正从计划性生产向市场化运营转变,这促使电力企业加快推进信息化建设,通过信息化来积聚未来的竞争优势．因此,电力企业在各个业务部门不断应用更先进更科学的自动化系统和管理信息系统．如何把这些自动化系统和管理信息系统整合,是目前研究热点课题之一．     

汽车装配线电动车配送路径及换电站选址优化

考虑将电动小车用来进行基于厂内循环配送策略的汽车装配线的物料配送,提出了汽车装配线电动车配送路径及换电站选址问题,以最小化系统总成本为优化目标建立了数学规划模型.针对这一复杂的混合优化问题,对该问题的性质进行了分析,提出了两阶段动态规划算法获取小规模问题的最优解;对于中、大规模问题,通过种群分割技术并在Lévy飞行中融入深度邻域搜索算子构建了改进型离散布谷鸟算法.最后,进行了仿真实验,分别对比了两阶段动态规划算法,实数遗传算法及改进人工蜂群算法在解决该问题方面的性能,结果表明改进型离散布谷鸟算法的有效性以及在算法稳定性、搜索深度以及收敛性三个方面的较大优势.     

逆向物流中心动态选址问题的研究

在逆向物流中,集中退货中心（回收中心）管理是企业逆向物流系统高品质运作的基础和前提。随着逆向物流的发展,企业开始关注集中退货中心的选址。针对已有模型没有考虑时间变化对选址决策的影响问题,构建一个双向物流共享运输网络的动态选址模型,提出了应用动态规划的求解思想和方法并结合实例分析了在考虑时间因素时,企业如何做出规划期内选址决策的时间序列;并引入预测确定性因子来解决预测的不确定性。