基于混合和声搜索算法求解竞争选址问题

针对竞争选址问题,提出一种新的混合和声搜索算法。混合和声搜索算法初始化和声记忆库时结合了贪婪算法,降低了初始解的不可行性概率。在寻优过程中,引入了鱼群算法的觅食行为,提高了算法跳出局部最优解的能力和收敛速度。即兴产生一个新的和声时,充分考虑了当前最优解的指导作用,提出了新的基因调整方法,增强了算法的探索能力。在竞争选址问题上对所提出的算法进行了测试,仿真结果验证了所提出算法的有效性。     

考虑设施失效的军事物流配送中心选址模型

为了提高军事配送系统的经济性,针对物资配送中后勤设施失效时进行支援保障和越级保障的情况,将军事物流配送中心的属性分为“首选”与“备选”两种,并把设施失效时的应急配送成本作为决策目标的一部分,建立了最小化设施固定成本、正常配送成本、应急配送成本之和的军事物流配送中心选址模型,采用贪婪取走的启发式算法进行了模型求解,比较了考虑设施失效情况的选址方案与未考虑设施失效情况的选址方案之间的差别。仿真算例结果表明,虽然由模型所得选址方案的设施固定成本与正常配送成本之和高于未考虑设施失效情况的选址方案,但平均期望成本增加值低于后者。     

基于PSO-GA混合算法的物流中心选址模型研究

物流中心的布局决定了整个物流网络的结构、模式和形状,其合理性是有效保障物资的基本前提。针对问题的特点,在合理假设的前提下,给出了选址问题的模型,并以物流成本最低为目标函数运用人工智能领域的前沿算法——微粒群算法(PSO)与遗传算法(GA)的混合算法来求解。实例证明,该算法求解此类问题的性能优于传统的PSO和GA,搜索能力较,且收敛速度较快且不易陷入局部最优。     

求解无容量设施选址问题的混合蝙蝠算法

无容量设施选址（Un-capacitated Facility Location,UFL）问题是可以运用于不同领域的经典优化难题。蝙蝠算法（Bat Algorithm,BA）是一种新的群智能优化算法,目前还未被应用到无容量设施选址问题的求解中。针对蝙蝠算法易陷入局部最优、收敛精度低、后期收敛速度慢的缺点,并结合无容量设施选址问题的具体特征,将三种局部搜索策略、和声搜索机制与基本蝙蝠算法相结合,使用一种新的随机游走法则公式改善蝙蝠的搜索能力,设计了求解无容量设施选址问题的混合蝙蝠算法。通过实例测试将混合蝙蝠算法与其他算法进行比较,验证了该算法求解无容量设施选址问题的有效性与可行性。     

基于模拟退火遗传混合算法的物流中心选址问题研究

为了增快货物流动速度、方便客户并减少不必要的配送成本,结合模拟退火算法和遣传算法,研究了物流配送中心选址问题,模拟退火遗传算法在收敛速度及跳出局部极值的能力诸方面明显优于标准的遗传算法和模拟退火算法。     

基于设施选址的Steiner问题的算法

在设施选址问题的基础上给出了广义Steiner树-星问题的两个近似比分别为3．55和3．582的近似算法,并在问题转化的基础上研究了其他若干特殊情形的Steiner树问题的近似算法。     

基于遗传模拟退火算法的多层设施选址方法

逆向物流网络是逆向物流系统高效运作的基础和前提,而设施的选址定位是逆向物流网络设计的核心问题.为此,提出一个多层设施选址模型,旨在构建由回收点、回收中心和生产点相结合的最佳逆向物流回收网络.根据模型特点,提出基于遗传模拟退火算法的求解方法,个体采用二进制十进制混合编码;提出基于Metropolis准则的特定遗传进化操作;设计顾客对回收点、回收点对回收中心的两个子分配算法保证所有约束的满足性.最后通过仿真实验,得到满意的设施选址方案.可见,选址模型和算法是一种有效的设施选址方法,具有一定的应用前景.     

农垦系统应急物资设施选址问题研究磁

论文对农垦系统应急物资储备库选址问题进行研究,综合了 P-中值模型、P-中心模型、覆盖模型等一般选址模型的优缺点,同时考虑到应急设施选址的效率性、公平性和成本等多方面因素,建立了一个多目标决策模型。该模型采用线性加权和法求解,得出应急设施的最优选址点。经齐齐哈尔垦区应急行动检验,多目标决策模型的计算结果科学合理、经济可行,为应急设施选址决策提供了有效依据。     

应急设施选址问题研究综述

合理的应急设施选址能够显著提高应急服务的质量和效率,在医疗、救灾和人道主义物流等领域具有重要的研究意义。根据时效性和应用领域对应急设施进行分类,从不同设施种类的角度阐述国内外研究的主要区别。按照基本选址问题、动态选址问题、随机选址问题、鲁棒选址问题和其他选址问题5种类型论述应急设施选址模型的研究现状,从求解方式、优化算法、测试用例3个角度对模型优化求解方法进行对比分析,指出当前研究存在的不足,并对应急设施选址问题的未来研究方向进行展望。     

基于设施选址问题的费用分配问题的近似算法

许多有着重要理论和应用价值的最优化问题在算法复杂性上都是NP-hard的,其解决方法之一是近似算法。论文研究了与设施选址问题密切相关的费用分配问题,并利用原始与对偶线性规划的思想和无容量设施选址问题的一个1.52-近似算法[1]给出了该问题的一个更好的近似算法。     

设备定位问题局部搜索算法的实验

讨论设备问题的局部搜索近似算法及其在实际计算中表现出的新性质。主要讨论局部搜索算法中初始解的产生方法,设备价值与服务价值大小对算法求解性能的影响。实验表明：约有99%以上的实例可直接利用局部搜索算法求得最优解;贪心算法产生初始解的局部搜索算法求解时间明显短于随机算法产生初始解的方法,但两者求解质量相当;设备价值和服务价值数值范围越大,局部搜索算法越容易求得最优解。     

大规模突发事件应急设施选址模型及算法

大规模突发事件下应急物资的需求量巨大以及对资源持续需求的特点,考虑设施选址的公平性、效率性及成本等因素,基于多级覆盖和覆盖衰减思想,提出一类应急设施多目标多重覆盖衰减选址模型。基于MATLAB7.0设计贪婪算法、上升算法、遗传算法程序对模型进行求解,以25组不同规模的算例验证了模型的性能和算法的有效性。数值模拟结果表明,该模型较之传统覆盖选址模型可以为需求点提供更高的覆盖满意度;当目标权系数取不同值时对选址结果产生较大影响;对三个算法性能进行比较,遗传算法最优,上升算法次之,贪婪算法最差,上升算法适于求解中小规模的选址问题,而遗传算法更适合于大规模选址问题的求解。     

Lagrangean-based solution approaches for the generalized problem of locating capacitated warehouses

The traditional capacitated warehouse location problem consists of determining the number and the location of capacitated warehouses on a predefined set of potential sites such that the demands of a set of customers are met. A very common assumption made in modeling this problem in almost all of the existing research is that the total capacity of all potential warehouses is sufficient to meet the total demand. Whereas this assumption facilitates to define a well‐structured problem from the mathematical modeling perspective, it is in fact restrictive, not realistic, and hence rarely held in practice. The modeling approach presented in this paper breaks away from the existing research in relaxing this very restrictive assumption. This paper therefore investigates the generalized problem of locating warehouses in a supply chain setting with multiple commodities with no restriction on the total capacity and the demand. A new integer programming formulation for this problem is presented, and an algorithm based on Lagrangean relaxation and decomposition is described for its solution. Three Lagrangean heuristics are proposed. Computational results indicate that reasonably good solutions can be obtained with the proposed algorithms, without having to use a general purpose optimizer.     

A minisum location problem with regional demand considering farthest Euclidean distances

We consider a continuous multi-facility location-allocation problem that aims to minimize the sum of weighted farthest Euclidean distances between (closed convex) polygonal and/or circular demand regions, and facilities they are assigned to. We show that the single facility version of the problem has a straightforward second-order cone programming formulation and can therefore be efficiently solved to optimality. To solve large size instances, we adapt a multi-dimensional direct search descent algorithm to our problem which is not guaranteed to find the optimal solution. In a special case with circular and rectangular demand regions, this algorithm, if converges, finds the optimal solution. We also apply a simple subgradient method to the problem. Furthermore, we review the algorithms proposed for the problem in the literature and compare all these algorithms in terms of both solution quality and time. Finally, we consider the multi-facility version of the problem and model it as a mixed integer second-order cone programming problem. As this formulation is weak, we use the alternate location-allocation heuristic to solve large size instances.     

Models and solution methods for the uncapacitated r‐allocation p‐hub equitable center problem

Hub networks are commonly used in telecommunications and logistics to connect origins to destinations in situations where a direct connection between each origin–destination (o‐d) pair is impractical or too costly. Hubs serve as switching points to consolidate and route traffic in order to realize economies of scale. The main decisions associated with hub‐network problems include (1) determining the number of hubs (p), (2) selecting the p‐nodes in the network that will serve as hubs, (3) allocating non‐hub nodes (terminals) to up to r‐hubs, and (4) routing the pairwise o‐d traffic. Typically, hub location problems include all four decisions while hub allocation problems assume that the value of p is given. In the hub median problem, the objective is to minimize total cost, while in the hub center problem the objective is to minimize the maximum cost between origin–destination pairs. We study the uncapacitated (i.e., links with unlimited capacity) r‐allocation p‐hub equitable center problem (with) and explore alternative models and solution procedures.     

工厂地址集中的k-种产品选址问题的近似算法

k-种产品工厂选址问题是：给定一个客户集合和一个可以建立工厂的地址集合,每个客户需要k-种产品,一个工厂只能为客户提供一种产品。考虑的工厂假设相对集中,即假设任何工厂之间的距离都不大于工厂与客户之间的距离。对于没有建厂费用的问题,当k=2时证明了它是一个NP完全问题,对任意的k给出了一个最坏性能比不大于2-1/k的近似算法。对于有建厂费用的问题,给出了一个最坏性能比不大于2的近似算法。     

无线传感网络安全定位和位置检测

无线传感网络的基本功能是检测和报告事件发生的位置,所以位置发现很重要。在以前的定位协议设计过程中,只注重能耗和精度问题而忽略安全,近来定位过程中的安全问题引起了关注。分析了定位过程中可能存在的威胁,对传统的定位算法进行了安全分析,介绍了已有的安全定位算法和检测方法,并对将来的研究提出了初步的设想。     

混合光交换网络中不确定业务下的优化路由方案

在结合了OCS和OBS优点的混合光交换网络背景下,提出了一种业务矩阵不确定的情况下的优化路由方案。在给定的波长数目下,该方案首先给OBS预留若干个波长;然后构建OCS虚拓扑;最后利用预留的波长,采用优化方法得到OBS路由。以最小化丢包率作为优化网络性能指标。仿真结果表明,在给定波长数目的情况下,与最短路由相比,采用优化路由能有效地减少整个网络的丢包率;同时,为了描述业务矩阵的不确定性,引入了不确定因子。随着不确定因子的减小,优化路由下整个网络的丢包率就越小。     

无线传感器网络节点定位算法的研究

无线传感器网络节点数量大、资源有限,采用全球定位系统(GPS)定位设备来获取节点位置信息成本太高,研究适合无线传感器网络节点定位算法具有重要意义。通过分析无线传感器网络节点定位算法的基本原理,介绍已提出的几种节点定位算法,并进行分析比较。