交通救援应急中转路径调度数学模型构建仿真

由于交通状况往往是动态变化的,包括交通拥堵、道路封闭等情况,救援应急时导致车辆中转路径调度救援应急难度加大。为进一步提升应急救援时救援车的救援效果,提出交通救援应急中转路径实时调度数学建模方法。根据城市交通中信号交叉口车辆的微观运行特征,确定车辆应急救援时道路交叉路口应急安全状态;设计救援应急中转路径调度模型,将模型分为上下两个层级,结合混合布谷鸟算法求解模型,完成救援应急中转路径实时调度。实验结果表明,利用上述方法开展救援应急中转路径实时调度时,路径中转次数最多仅为10次,耗时为150ms,调度效果好、性能高。     

基于萤火虫算法的应急救援车辆调度

针对突发灾害事件情景下交通路网容量限定的特点,引用BRP路阻函数求解各路段车辆行驶时间,建立救援路径最短和车辆行驶时间最短双目标车辆调度模型;设计改进离散的萤火虫算法,构建算例对模型求解,求解结果与遗传算法的求解结果进行对比,验证了该算法的可行性和能更好的满足应急救援车辆调度的需要.     

基于实时信息的动态应急资源调度模型

为利用实时的道路信息、救援状态信息和应急资源配置信息,以提高应急响应能力,建立了一个动态的应急资源优化调度数学模型.针对任意时刻的静态应急资源调度模型,利用遗传算法进行求解.考虑算法的实时性,通过变换时间变量t进行迭代计算,提出模型的动态求解算法.通过一实例对模型的算法进行了验证分析,结果证明了动态应急资源调度模型及其求解算法的有效性.     

铁路应急资源动态多阶段调度决策模型及算法研究

近年来,铁路突发事件时有发生,严重影响铁路的正常运营,合理地进行应急资源的调度是提高铁路整体应急救援能力,减少突发事件所造成损失的有效途径。以博弈论为理论基础,将各应急点看作博弈局中人,考虑救援点到应急点的运力限制以及不同资源在不同应急点的重要度等因素,构建了资源动态需求函数,并用应急点对资源缺少量的时间累积来刻画系统损失。将多应急点的资源调度描述为一个多阶段非合作博弈过程,以系统总损失最小为目标,建立多应急点-多救援点-多种资源的动态多阶段资源调度模型,并设计了求解该模型Nash均衡的改进布谷鸟算法,从而得到最优的铁路应急资源调度方案。通过具体算例验证了模型的可行性与算法的优越性。结果表明该模型较为切近实际、适用性较强且改进后的算法更具高效性,可为铁路应急资源调度决策提供依据和支持。     

求解动态车辆调度问题的混合禁忌搜索算法

对带时间窗的动态车辆调度问题进行分析,引入虚拟点和时间轴概念,建立基于时间轴的动态车辆调度模型,并提出基于C-W节约法和禁忌搜索的混合禁忌搜索算法进行求解.算法中使用动态方法构造候选解和动态禁忌长度的选取策略来提高算法的收敛速度,最后通过测试实例验证了该混合算法解决动态车辆调度问题的有效性和可行性.     

基于多模式分层网络的应急资源调度模型

分析对应急物流中救援资源流转过程,设计应急资源调度的多模式分层网络。根据突发事件对灾区路况的影响建立路网场景集,并以此来描述交通运输网络旅行时间的不确定性。运用最小最大理论提出绝对可靠路径模型和相对可靠路径模型及其相关算法,作为应急资源调度可靠路径的选择依据。应急资源调度的实例验证了该模型的可行性和有效性。     

基于MAS的机场特种车辆实时调度问题的研究

机场特种车辆的优化调度,对提高航班正点率和机场车辆资源利用率有重要作用。针对机场特种车辆实时调度的动态规划问题,结合MAS（Multi Agent System）交互中协作的优越性,设计了基于MAS的整体架构模型,其中,对于MAS模型结构,采用基于AUML的AOA方法进行描述,协作采用合同网协议机制,对于车辆调度模块,采用了基于动态规划时间窗的车辆调度算法;应用机场实际数据测试,通过对实验结果的分析,验证了本文所建模型及求解算法的有效性。     

基于鲸鱼群优化算法的带Sigmoid满意度应急车辆调度问题

针对突发大规模灾害事件下受灾点严重程度不同的特点,引入Sigmoid时间满意函数评价救援效果,建立平均时间满意度最大与救援路径最短双目标调度模型.设计了基于混沌序列搜索算子的混沌鲸鱼群算法,通过构建三组不同规模的实验案例对模型进行求解,并将所得结果与模拟退火算法和基本鲸鱼群算法进行比较.实验表明,在处理较小规模车辆调度情况下,三种算法处理效果差距不明显,随着求解规模增大,混沌鲸鱼群算法对解决所提问题具有更好的效果,是一种优化应急车辆的有效方法.     

粒子群优化的改进机场车辆调度模型研究

随着航空事业的迅猛发展,机场车辆调度的安全性和时效性地位已日趋突显,传统的机场车辆调度采取First in first out策略,该策略算法简易,便于实施,缺陷是全部调度的分组被相同对待,无法为实时要求较高的业务提供时延保证,算法也不具有公正性。提出了一种基于粒子群优化的改进机场车辆调度模型,把粒子群已经搜索到的全局最优地点视为一个特殊的粒子,采用梯度降低策略寻优该粒子,全局寻优特性和梯度降低算法的邻域寻优特性相融合,以提升粒子群优化算法的全局寻优效率,减少机场车辆调度计算的时间。仿真实验表明：粒子群优化的改进机场车辆调度模型,能够减少传统调度方法的寻优轮换次数,进而缩短优化调度时间,有效缓解空中堵塞造成的资源浪费。     

云计算环境下的PSO可信资源调度

对云计算环境下的资源调度问题进行了研究。针对云计算环境下资源调度的特点,结合节点失效以及任务间的网状结构特点,建立资源调度问题数学模型,运用离散粒子群算法求解该问题。针对模型特点结合云计算服务运营实情,设计算例进行仿真测试。验证表明了所建立模型的合理性及该算法求解的可行性和有效性。     

Optimal scheduling of emergency roadway repair and subsequent relief distribution

Emergency roadway repair and relief distribution planning following a natural disaster has traditionally been done manually and separately, based on the decision-maker's experience, disregarding the interrelationship between emergency roadway repair and relief distribution from the system perspective, which may yield inferior solutions. Hence, in this research we consider minimizing the length of time required for both emergency roadway repair and relief distribution, as well as the related operating constraints, to develop a model, for planning emergency repair and relief distribution routes and schedules within a limited time. We construct a time–space network for emergency repair and another for relief distribution. A number of operational constraints are set between these two networks according to real constraints. Our model is a multi-objective, mixed-integer, multiple-commodity network flow problem. We adopt the weighting method and develop a heuristic to efficiently solve this problem in practice. To evaluate our model and the solution algorithm, we perform a case study. The results show the model and the solution algorithm could be useful in practice.     

双层规划在灾后应急物资调度中的应用综述

为了减少财产损失和人员伤亡、提高灾民满意度,基于双层规划理论,从应急救援角度出发,对突发灾害事件下的应急物资调度问题进行综述。围绕应急物资调度,从灾后应急现状、应急物资选址—分配、不同约束下的应急物资调度及双层规划和群智能优化算法在应急物资调度中的应用等方面进行梳理和讨论。结果表明,关于灾后应急物资调度的研究,目前主要关注单级应急网络结构,且模型的目标函数和约束条件与实际情况存在着出入,结合应急物资调度实际特征提出改进建议;考虑两级应急网络结构,进而构建双层规划模型,实现上下级目标的联合优化。     

考虑备灾的双层规划应急资源调度选址—路径优化模型与算法

备灾措施可以为救灾做准备,为确保灾后应急物资可以及时高效地到达灾区,提出了考虑备灾的双层规划应急资源调度选址—路径优化模型,上层规划以供应站建设和运营总成本最低为目标,而下层规划以配送路径成本最小化为目标.设计了一种改进的双层樽海鞘遗传算法求解该问题,结合迭代划分的概念更新领导者位置,采用自然指数惯性权值策略修正控制因子,利用混沌映射更新追随者位置,采用田口分析方法获取参数合理取值.最后,通过使用双层樽海鞘遗传算法与遗传粒子群混合算法、粒子群优化算法、免疫优化算法对OR-Library中的LRP(location-routing problem,LRP)数据集进行求解和对比分析,验证了所提模型和算法的可行性和有效性.     

考虑多种运输方式的整车物流服务供应链订单分配问题

针对整车物流服务供应链的订单分配问题，提出了考虑多种运输方式的双层订单分配模型。首先，考虑到运输方式会影响运输成本、客户的准时送达要求等因素，建立以准时送达和最小化物流采购成本为目标的双层规划模型；其次，设计启发式算法（HA）确定各运输方式的任务量；然后，借助混合蛙跳算法（SFLA）求解各功能物流服务提供商间各运输方式的任务量分配；最后，通过不同规模的算例与遗传算法（GA）、粒子群算法（PSO）、蚁群算法（ACO）等进行求解对比。算例结果表明，与原有的成本438万元相比，所提模型得到显著优化的421万元，说明所构建模型的订单分配方案能够更有效解决整车物流的订单分配问题。实验对比表明，较传统智能算法（GA、PSO、ACO）的求解结果，两阶段的HA-SFLA算法能更快得出显著优化的结果，说明HA-SFLA算法能更好地求解考虑运输方式的双层订单分配规划模型。在满足客户送达时间要求的同时，考虑运输方式的双层订单分配模型及算法显著降低物流成本，促进物流集成商为获取更多利益而在订单分配阶段考虑运输方式。     

模糊随机环境下考虑残次品处理的库存配送问题研究

针对考虑残次品的多生产商选择多商品多阶段库存配送问题,建立了一个基于动态规划的双层库存配送模型。高端物流服务集成商以整个供应链网络成本最小为目标制定采购决策;库存配送服务商以运营成本最小为目标,在集成商决策下制定库存和配送决策。设计了模糊随机环境下基于动态规划的双层全局-局部-邻域粒子群算法（Bi-DPGLNPSO）对模型进行求解。并通过算例验证模型和算法的有效性和合理性。通过参数测试和算法对比检验算法的优越性。     

多车场物流协同运输调度问题研究

物流协同运输是现代物流模式的发展趋势,而利润则是驱动物流协同的关键因素。针对多车场物流协同运输中的调度问题,基于汽车配件物流运输的相关约束,建立了由利润驱动的配送任务模型。通过模糊聚类建立基于集货中心点的遗传种群,通过遗传算法的交叉、变异操作进行迭代进化,在一定的迭代次数内得到一个最优解。通过一个实例说明了该模型的求解结果可以使得不同物流企业的运输车辆之间发生协同的同时达到增加物流企业运输利润的目标,从而验证了该模型的正确性和合理性。     

合作博弈下医药物流联盟节点决策模型及算法

以合作博弈为基础,分析医药物流网络需求特征,描述了一个包含药品生产企业、第三方物流企业、物流中心、销售终端在内的“三方四层”医药物流联盟结构体系,建立了合作博弈模式下的医药物流网络节点决策的双层规划模型,上层规划以联盟效益最大化为目标,下层规划考虑不同的情景状态,建立了合作博弈下的Shapley值为分配模式,并设计了问题求解的混合遗传算法。算例测试结果表明,该方法与算法具有较强的实践可操作性,可以作为物流节点选址决策的参考方法。     

A bi-level programming for logistics network design with system-optimized flows

This paper proposes a bi-level programming for a logistics network design problem with system-optimized flows. We applied the Wardrop’s second principle to the logistics network design problem. A system-optimized logistics network design problem can be formulated as a bi-level program. For the system-optimized flows, a user equilibrium traffic assignment problem with marginal costs can be solved at the lower level problem. Due to the non-differentiability of the perturbed solutions in system-optimized flows, we present a novel solution algorithm to efficiently solve the logistics network design problem. By using the subgradients of the objective function, a new projection method is proposed with global convergence. Numerical calculations are implemented using a grid-size hypothetical network and comparisons are made with other alternatives in solving the logistics network design problem. Numerical results disclose that the proposed method has successful solved the logistics network design problem and achieved significant performance both in computational efficacy and cost reduction when compared to other alternatives.     

Logistical support scheduling under stochastic travel times given an emergency repair work schedule

Stochastic factors during the operational stage could have a significant influence on the planning results of logistical support scheduling for emergency roadway repair work. An optimal plan might therefore lose its optimality when applied in real world operations where stochastic disturbances occur. In this study we employ network flow techniques to construct a logistical support scheduling model under stochastic travel times. The concept of time inconsistency is also proposed for precisely estimating the impact of stochastic disturbances arising from variations in vehicle trip travel times during the planning stage. The objective of the model is to minimize the total operating cost with an unanticipated penalty cost for logistical support under stochastic traveling times in short term operations, based on an emergency repair work schedule, subject to related operating constraints. This model is formulated as a mixed-integer multiple-commodity network flow problem and is characterized as NP-hard. To solve the problem efficiently, a heuristic algorithm, based on problem decomposition and variable fixing techniques, is proposed. A simulation-based evaluation method is also presented to evaluate the schedules obtained using the manual method, the deterministic model and the stochastic model in the operation stage. Computational tests are performed using data from Taiwan’s 1999 Chi-Chi earthquake. The preliminary test results demonstrate the potential usefulness of the proposed stochastic model and solution algorithm in actual practice.     

A bottleneck Steiner tree based multi-objective location model and intelligent optimization of emergency logistics systems

Logistics networks could be very fragile in a global environment due to unexpected emergencies such as earthquakes, tsunamis and terrorists attacks. Therefore, the research on emergency logistics systems is extremely significant. The dynamic changes, quick responses and unpredictable events are main features of the location problems in emergency logistics systems, which make them quite different from the traditional logistics networks. The previous single-objective location models and solution algorithms do not capture the new characteristics that arise from the emergency logistics systems. This paper first proposes a new node-weighted bottleneck Steiner tree based multi-objective location optimization model for the emergency logistics systems. Then, a cellular stochastic diffusion search based intelligent algorithm is introduced to solve the proposed model. Under different emergent scenarios, several examples are used to illustrate the application of the proposed model. Numerical experiments show that the proposed approach is effective and efficient for solving the location problem of emergency logistics systems.