Dancing Links X在智能导检中的应用研究

为了缩短健康体检排队等待时间、预测待检项目整体顺序,以X算法、精确覆盖、广义覆盖、Dancing Links作为理论基础,提出了应用Dancing Links X解决体检时间广义覆盖问题的方法.通过构建以服务时间成本、排队等待时间成本的总成本最小化为目标的Dancing Links X三重约束来搜索可行性解,并摘选最小...     

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.     

等待时间有限的串行生产系统的缓冲区优化

对于等待时间有限的串行生产系统,由于上下游设备会发生随机故障,若两个连续设备之间的缓冲区过大,则会产生较大的返工成本,缓冲区过小则会产生较大的产能损失成本.在保证产品质量的前提下,为了有效地降低系统运作成本,提出等待时间有限的串行生产系统的缓冲区优化模型.基于工件排队等待时间有限制这一生产线特点,分别分析预防性维护成本、返工成本和产能损失成本,以单位时间总成本最小为优化目标,建立一个成本函数的分析模型,得到最优缓冲区阈值.最后通过数值计算结果表明,利用成本函数的分析模型能够确定最优缓冲区阈值,从而有效降低运行成本.     

基于高频车站及时间窗的立体轨道交通系统智能调度算法

立体轨道交通系统的车辆调度方法还未见报道,已有车辆调度算法的实时性较差。针对立体轨道交通车辆的调度问题,研究了一种结合高、低频车站判定的订单分配算法和一种结合时间窗的Dijkstra路径规划算法,即智能调度算法,以提高车辆的运行效率。首先,使用订单分配算法为订单选择合适的执行车辆,减少乘客的等待时间。其次,在订单分配算法的基础上增加了高、低频车站的判定,提前给高频车站调度车辆,以保证供需平衡。然后,将普通Dijkstra算法和时间窗判断相结合,以实现多车辆的无冲突路径规划。最后,对OpenTCS软件进行二次开发,并进行了调度算法的仿真。结果表明,当有乘客叫车时,若只有订单分配算法,乘客平均等待时间为8.043 s;结合高、低频车站进行车辆提前调度后,平均等待时间降到了5.724 s,每位乘客减少了2.319 s的等待时间。路径规划时,无论是普通的Dijkstra算法还是结合时间窗的Dijkstra算法,规划耗时都在1 ms以内,而结合时间窗的Dijkstra算法在只增加约0.1 ms耗时的情况下,解决了车辆的路径冲突问题。研究的智能调度算法减少了乘客的等待时间,提高了车辆的运行效率,实时性好,能满足立体轨道交通车辆的调度要求。     

出租车上客区规模的Monte Carlo仿真计算方法

为确定出租车上客区的合理规模,分析其运行特征,同时存在乘客和出租车相互等待的情况,而不能采用停车场模型或排队论模型计算。采用Monte Carlo仿真方法,利用随机原理来拟合乘客与出租车的相互作用过程,给出了合理规模的确定流程。实例应用证明该方法具有很好的适用性;同时分析结果表明：（1）当出租车上客区泊位规模达到一定程度时,再增加并不能减少乘客等待时间;（2）高峰时段适当限制乘客的排队长度能够在较小比例的乘客损失下,极大地降低乘客的等待时间。     

基于灵活编组的城轨车底运用计划及鲁棒客流控制策略

针对通勤客流需求的动态性、不均衡性和随机性等复杂特征,提出基于灵活编组的城轨车底运用计划及鲁棒客流控制策略两阶段随机规划模型.第1阶段为编组类型指派和车底运用计划优化模型,以极小化系统运营成本为目标;第2阶段为车站协同限流鲁棒优化模型,以极小化乘客等待时间为目标.通过线性化方法将原模型重构为可被CPLEX等优化软件直接求解的混合整数线性规划模型.算例结果表明,灵活编组模式在仅增加0.5%乘客等待时间的基础上,可降低约30.2%的系统运营费用,表明灵活编组方案在满足客流需求的同时可合理地降低运营费用.此外,所提出鲁棒客流控制策略能够避免传统鲁棒优化方法过于保守的问题,对于实际运营过程中随机客流需求具有较好的适应性.     

非阻塞分组交换网络的系统模型与性能分析

本文建立了具有输入与输出缓冲器非阻塞分组交换网络的排队模型,得出了平均排队长度、平均等待时间和饱和吞吐量的结果,指出可通过增加交换容量和降低先进先出的排队规则的限制来提高分组交换的吞吐量,最后提出了一种限制交换容量具有重复竞争机制的改进方案,对分组丢失概率进行了定量分析。从而确定了该结构的指标体系。     

轨道交通车站乘客集散系统Anylogic仿真优化

为了研究地铁轨道交通车站站台乘客行为的特殊性对地铁轨道交通车站设施设备布局的影响,本文运用基于社会力模型算法的Anylogic动态仿真软件构建了面向复杂交织乘客行人流的地铁轨道交通站台场景模型。以某市地铁轨道交通车站为例对该模型进行了校核与验证,针对地铁车站内的设施设备布局的缺陷提出了优化改进措施。实证研究表明:优化后的地铁轨道交通站台场景模型,能够科学合理地阐述客流组织与地铁轨道交通之间的动态关系,同时对其他地铁轨道交通车站的规划设计与运营具有重要的借鉴与指导意义。     

一种兼顾排队任务的资源预留机制

针对网格环境中目前的资源预留机制导致排队任务（queued tasks）平均等待时间剧增的问题,提出了一种兼顾排队任务的资源预留机制,该机制中采用了一种新的策略,提出了一种动态确定n的自适应算法。实验结果表明,该机制下排队任务的平均等待时间明显减少。     

一类排队服务系统的最优控制策略研究

建立一个双阈值排队服务模型, 用来协调顾客的等待时间和服务系统的运行成本. 采用一种精细的概率分解方法获得瞬态和稳态队长的概率分布性质; 再根据系统稳态性能指标, 建立系统营运利润函数, 并设计一种针对双离散变量函数的全局优化收索算法来研究最优控制策略; 进一步的数值实验揭示出双重阈值策略的优越性.     

基于时间序列分析的航站楼安检旅客流量预测

对单位时间内通过安检的旅客流量进行预测是机场航站楼实时调控的重要依据,由此提出一种实时安检旅客流量预测方法,采用Wolf方法分析出安检旅客流量时间序列具有混沌特性;采用适用于混沌时间序列预测的遗传算法优化BP神经网络预测方法(GABP)预测安检旅客流量;分别设定时间尺度为2 min、5 min和10 min等,分析不同时间尺度对安检旅客流量预测精度的影响。基于北京首都国际机场T3航站楼实际安检旅客流量数据的实验结果表明,采用GABP神经网络对以2 min为时间尺度的安检旅客流量预测能取得较好的预测精准度。     

基于Anylogic的轨道交通换乘能力改进的研究

研究轨道交通换乘枢纽与市内其它交通方式的衔接与协调,是城市公共交通线网优化的主要内容之一。它能减少出行过程中的等待时间,缩短人们出行时间,提高公交服务质量,并保证客运交通的高效率,也能更好地促进城市轨道交通与其它交通方式的协调发展。以武汉地铁某换乘站研究对象,通过实地采集其基本设施的位置和数量、入站行人和出站行人的数量,并利用Anylogic仿真软件,建立站点的平面布置图空间模型和行人流程图。首先通过仿真软件仿真找出换乘客流瓶颈部位,其次分别对其提出改善建议并加以修改仿真模型。最终仿真结果表明,改善建议使得换乘站的换乘效率都得到提高。     

基于排队博弈的最优比特币交易费支付策略

在比特币交易高峰期,为使交易尽快被打包进入区块,用户需要提高交易费以竞争有限的区块空间。针对用户如何自主选择合适交易费的问题,提出了最优的交易费支付策略。首先,结合排队博弈论将交易排队竞争上链的过程建模为一个带优先权的非抢占型排队模型;然后,分析交易费对交易耗时的影响,由此给出交易耗时与交易费之间的函数关系式,并推导出用户的纳什均衡支付策略。仿真结果表明,采用最优的支付策略可以有效降低用户的总花费（等待开销与交易费的加权和）。当系统高负荷时,与不支付交易费和按拥塞度线性增加交易费这两种策略相比,所提策略的用户总花费分别降低了97%和72%。由此可见,在保证交易被尽快处理的同时,所提支付策略可以有效减少交易费支出。     

基于排队博弈的最优比特币交易费支付策略

在比特币交易高峰期，为使交易尽快被打包进入区块，用户需要提高交易费以竞争有限的区块空间。针对用户如何自主选择合适交易费的问题，提出了最优的交易费支付策略。首先，结合排队博弈论将交易排队竞争上链的过程建模为一个带优先权的非抢占型排队模型；然后，分析交易费对交易耗时的影响，由此给出交易耗时与交易费之间的函数关系式，并推导出用户的纳什均衡支付策略。仿真结果表明，采用最优的支付策略可以有效降低用户的总花费（等待开销与交易费的加权和）。当系统高负荷时，与不支付交易费和按拥塞度线性增加交易费这两种策略相比，所提策略的用户总花费分别降低了97%和72%。由此可见，在保证交易被尽快处理的同时，所提支付策略可以有效减少交易费支出。     

基于换乘导向的大型客运枢纽高铁列车接续优化

针对高速铁路成网条件下的客运枢纽高铁列车接续优化问题,分析了枢纽内的旅客换乘过程,提出了中长途客流的换乘满意度概念;以平均换乘满意度和枢纽车站列车到发均衡性为优化目标,以大站合理发车时间、合理终到时间、车站作业间隔时间、旅客换乘时间、车站到发线能力等为约束条件,建立了基于换乘协同的大型客运枢纽高速列车接续优化模型。设计了改进染色体编码方式和选择策略的遗传算法对算例进行了求解。改进后的遗传算法同基本遗传算法、基本模拟退火算法相比,目标函数中所求的平均换乘满意度分别增加了5.10%、2.93%,枢纽车站列车到发均衡性分别提高了0.27%、2.31%,算例结果验证了改进遗传算法的有效性和稳定性,表明所提方法可以有效地提高大型枢纽高铁列车的接续质量。     

基于人工蜂群算法的轨道交通列车行车间隔优化

轨道交通运营组织作为轨道交通运营企业管理的核心,在降低企业运营成本、提升服务水平和旅客出行效率方面起着非常重要的作用。提出一种基于人工蜂群（ABC）优化算法的列车行车间隔优化策略,在考虑运营企业和旅客各自利益的基础上,以列车发车间隔为决策变量,建立旅客平均候车时间最小和列车等候时间最大的双目标非线性规划模型。采用ABC算法对模型进行优化求解,结合京津城际铁路某日不同时段客流基础数据进行仿真,实例验证了所提算法和模型的有效性。     

Railcar reallocation optimization on water-rail network under uncertain busyness

Water-rail intermodal transportation can reduce cargo losses and transportation transferring costs. However, the imbalance between the capacity of the scheduled railway network and the large container freight demand greatly reduces operational efficiency. To minimize the total transportation cost and relocation cost, a railcar reallocation stochastic optimization model is formulated to deal with uncertain congestion in the railway network. To capture the uncertain busyness and queuing pattern, a hypercube spatial queue model is embedded in the optimization model by estimating the expected queue length and waiting time. To solve the proposed nonlinear nonconcave stochastic model, an approximate hypercube based iterative algorithm is proposed. A real-world case study is presented to show the effectiveness and efficiency of the proposed method. The proposed model outperforms the comparable deterministic model in the objective value. Sensitivity analyses on the ratio of the unit waiting cost and the unit travel cost for empty cars, and the total number of freight cars show the robustness of the proposed method.     

可验证的云存储安全数据删重方法

数据删重技术在云存储系统中得到了广泛的应用.如何在保证数据隐私的前提下,在半可信的云存储系统中实现高效的数据删重,是云计算安全领域的研究热点问题.现有方案在数据标识管理和用户数量统计方面普遍依赖于在线的可信第三方,执行效率有待提高,且容易造成系统瓶颈.提出了一种可验证的数据删重方法,无需可信第三方在线参与.基于双线性映射构造双文件标识方案进行流行度查询,确保标识不泄露数据的任何明文信息.采用改进的群签名方案,使用户可验证服务器返回的流行度标识,有效地防止云服务器伪造数据流行度的查询结果.设计了多层加密方案,可以根据数据的流行度,采用不同的加密方式.分析并证明了方案的安全性和正确性.通过仿真实验,验证了方案的可行性和高效性.