混合哈里斯鹰优化算法求解带模糊需求的低碳多式联运路径规划问题

针对带限制的低碳多式联运路径规划问题的研究,在考虑模糊需求和碳排放量约束的条件下构建了路径成本、碳排放量等目标最小化的多目标多式联运数学模型。首先,根据模型特点使用机会约束规划处理用梯形模糊数表示的不确定需求;其次,改进了哈里斯鹰算法,采用路径重连算法、两种交叉算子和两种变异算子代替原算法中的搜索过程,在保留算法原有特性的前提下使其成功应用于离散优化问题。最后,以广西省南宁市到黑龙江省哈尔滨市的多式联运网络进行路径优化分析,给出了多个合理的路径方案。HHHO与其他算法进行对比结果显示,HHHO、NSGA-Ⅱ、GA、SA和PSO均在规定时间内得到了一组含有5个解的近似最优解集,HHHO的解集更加接近最优解集;HHHO及其他四种算法运行时间分别为86.50 s、118.26 s、101.67 s、81.22 s和68.40 s, HHHO在运行时间上比GA和NSGA-Ⅱ更快,验证了模型的正确性以及混合哈里斯鹰算法的有效性。     

基于协同多目标算法的多机器人路径规划

多机器人路径规划是群体机器人协同工作的前提,其特点是在防碰撞与避障的前提下追求多方面资源的最小消耗.针对这一特点,提出协同非支配排序遗传算法,解决具有多个优化目标的多机器人路径规划问题;运用改进的多目标优化算法,克服多目标优化取权值的不足,同时考虑机器人能源与时间两大资源,以多机器人的路径总长度、总平滑度、总耗时为规划目标.同时引入合作型协同算法框架,将难以求解的多变量问题分组求解.每个机器人的路径视为子种群,子种群通过带精英策略的非支配排序遗传算法,进化并筛选出子种群的部分进入协同进化,每次迭代更新外部的精英解集,最终生成一组非支配路径解.仿真结果表明,在栅格地图环境下,本文算法可有效实现多移动机器人的多优化目标路径规划.     

模糊机会约束规划下的物流配送路径优化

针对模糊需求信息条件下物流配送路径优化问题进行了分析,运用模糊数学的可能性理论建立了该问题的模糊机会约束规划模型,并构造了一种新的禁忌搜索算法进行求解。算例说明,该模型及算法对于模糊需求下物流配送路径优化问题具有一定的实用价值。     

长江集装箱多式联运路径优化动态规划算法

考虑不同货流运输需求及其时间窗约束,研究长江集装箱多式联运路径优化问题,以运输总费用最小为目标构建数学模型,提出基于深度优先遍历的两阶段多式联运路径优化动态规划算法.第一阶段通过网络遍历提供所有货流可行路径方案集,作为第二阶段的输入完成多式联运路径优化.算例研究结果表明,动态规划算法可实现模型有效求解,适当调整时间窗约束或班次信息可降低多式联运费用.     

供应链库存的模糊机会约束规划模型

研究了不确定环境下的供应链库存优化问题。考虑需求为模糊量,且可能在一定条件下不满足约束条件的决策前提,用三角模糊数表示需求,结合可能性理论中的可信性测度,建立了多品种联合补充的模糊机会约束规划模型,目标函数为最小化供应链订货成本和库存成本的期望值。用遗传算法对优化模型求解,以目标函数值作为染色体适应度,给出了编码方案及选择、交叉、变异算子。用数值实例进行了仿真计算,证明了模型和算法的有效性和性能,并给出了不同置信水平下的计算结果。     

修正免疫克隆约束多目标优化算法

针对约束多目标优化问题,提出修正免疫克隆约束多目标优化算法.该算法通过引进一个约束处理策略,用一个修正算法对个体的目标函数值进行修正,并对修正后的目标函数值采用免疫克隆算法进行优化,用一个精英种群对可行非支配解进行存储.该算法在优化过程中,既保留了非支配可行解,也充分利用了约束偏离值小的非可行解,同时引进整体克隆策略来提高解分布的多样性.通过对约束多目标问题的各项性能指标的测试以及和对比算法的比较可以看出:该算法在处理约束多目标优化测试问题时,所得解的多样性得到了一定的提高.同时,解的收敛性和均匀性也得到了一定的改进.     

含有模糊和随机参数的混合机会约束规划模型

提出一类混合机会约束规划模型，该模型同时含有模糊和随机参数，运用随机模拟与模糊模拟相结合的技术，给出了求解该机会约束规划模型的遗传算法，通过对生产过程最优化决策的典型问题进行分析建模和数值求解，说明了该模型和算法的合理性和有效性。     

带模糊需求的多阶段双目标应急选址—路径优化

针对灾后应急救援的选址—路径问题,在需求不确定性的约束下,建立以救援效率最大化和总成本最小化为目标的多阶段决策模型。首先,采用数据包络分析模型评价每段路线的救援效率;其次,考虑到决策者在不同阶段对救援效率和成本的要求不同,构建多阶段选址—路径优化模型;最后,设计改进的快速非支配遗传算法进行求解,改进的NSGA-Ⅱ算法设计两段式编码方式,采用基于混合交叉和退火变异的优化策略,并在传统精英策略的基础上加入比例法。实验结果表明,改进的快速非支配遗传算法能有效地求解双目标选址—路径问题,且在平衡救援效率和成本方面多阶段模型相较于单阶段模型表现更优。     

Fuzzy multi-objective chance-constrained programming model for hazardous materials transportation

Hazardous materials transportation is an important and hot issue of public safety. Based on the shortest path model, this paper presents a fuzzy multi-objective programming model that minimizes the transportation risk to life, travel time and fuel consumption. First, we present the risk model, travel time model and fuel consumption model. Furthermore, we formulate a chance-constrained programming model within the framework of credibility theory, in which the lengths of arcs in the transportation network are assumed to be fuzzy variables. A hybrid intelligent algorithm integrating fuzzy simulation and genetic algorithm is designed for finding a satisfactory solution. Finally, some numerical examples are given to demonstrate the efficiency of the proposed model and algorithm.     

多式联运中运输方式与运输路径集成优化模型研究*

运输方式和运输路径选择问题是影响多式联运时间和费用的关键问题,直接影响承运人和客户的利益。依据运输方式选择和运输路径优化的关系特点,采用主从混合智能启发式方法,构建了运输方式选择和运输路径优化集成模型,给出了粒子群—蚁群双层优化算法求解方案,解决了运输网络多节点、多方式、多路径的集成优化问题。实验结果表明,该方案优于蚁群算法和遗传算法。     

A new approach for solving fuzzy transportation problems using generalized trapezoidal fuzzy numbers

In the literature, several algorithms are proposed for solving the transportation problems in fuzzy environment but in all the proposed algorithms the parameters are represented by normal fuzzy numbers. Chen [Operations on fuzzy numbers with function principal, Tamkang Journal of Management Science 6 (1985) 13-25] pointed out that in many cases it is not to possible to restrict the membership function to the normal form and proposed the concept of generalized fuzzy numbers. There are several papers in the literature in which generalized fuzzy numbers are used for solving real life problems but to the best of our knowledge, till now no one has used generalized fuzzy numbers for solving the transportation problems. In this paper, a new algorithm is proposed for solving a special type of fuzzy transportation problems by assuming that a decision maker is uncertain about the precise values of transportation cost only but there is no uncertainty about the supply and demand of the product. In the proposed algorithm transportation costs are represented by generalized trapezoidal fuzzy numbers. To illustrate the proposed algorithm a numerical example is solved and the obtained results are compared with the results of existing approaches. Since the proposed approach is a direct extension of classical approach so the proposed approach is very easy to understand and to apply on real life transportation problems for the decision makers.     

A simplified new approach for solving fuzzy transportation problems with generalized trapezoidal fuzzy numbers

In a recent paper, Kaur and Kumar (2012) proposed a new method based on ranking function for solving fuzzy transportation problem (FTP) by assuming that the values of transportation costs are represented by generalized trapezoidal fuzzy numbers. Here it is shown that once the ranking function is chosen, the FTP is converted into crisp one, which is easily solved by the standard transportation algorithms. The main contribution here is the reduction of the computational complexity of the existing method. By solving two application examples, it is shown that it is possible to find a same optimal solution without solving any FTP. Since the proposed approach is based on classical approach it is very easy to understand and to apply on real life transportation problems for the decision makers.     

参数自调整的月球车路径跟踪模糊控制器设计

针对常规模糊控制器需要不断手动调整控制器参数才能获得更好控制效果的缺点,提出一种基于多目标遗传算法NSGA-II进行参数优化的路径跟踪模糊控制器。以CJ-1月球探测车原理型样机为研究对象,用模糊逻辑描述了月球探测车的路径跟踪问题,通过调整规则因子来达到调整模糊规则的目的;引入了积分器以达到较好的稳态性能;采用NSGA-II算法实现了控制器7个参数的优化选择,提高控制器的适应能力。仿真结果表明,在跟踪阶跃路径时,常规模糊控制器超调量达到4.25%,而所设计的参数自调整模糊控制器基本能平稳无超调地跟踪路径,获得更好的控制效果。     

基于模糊需求和模糊运输时间的多式联运路径优化

考虑不确定性的模糊多式联运路径优化研究, 可以在满足运输方案经济环保双重要求的同时, 增强运输方案的鲁棒性, 提高企业的抗风险能力. 本文建立了模糊需求和模糊运输时间下低碳低成本多式联运路径优化模型,针对连续型元启发式算法无法直接求解离散型组合优化模型的问题, 设计了基于优先级的通用编码方式. 在此基础上, 为进一步提高算法的求解质量, 提出了带启发式因子的特殊解码方式, 并且提出了一种带邻域搜索策略的自适应差分进化算法. 结果表明, 改进算法获得的最终方案在蒙特卡罗采样的大多数场景下满足约束, 方案稳定性强,目标值最低.     

基于模糊物元模型的高维多目标FJSP研究*

为解决高维多目标柔性作业车间调度问题,提出了一种基于模糊物元模型与粒子群算法的模糊粒子群算法（Fuzzy Particle Swarm Optimization,FPSO）。该算法以模糊物元分析理论为依据,采用复合模糊物元与基准模糊物元之间的欧式贴近度作为适应度值引导粒子群算法的进化,并引入具有容量限制的外部存储器保留较优的Pareto非支配解以供决策者选择。此外,构建了优化目标为最大完工时间、设备总负荷、加工成本、最大设备负荷与加工质量的高维多目标优化模型,并以Kacem基准问题与实际生产数据为例进行仿真模拟与对比分析。结果表明,该算法具有良好的收敛性且搜索到的非支配解分布性较好,能够有效地应用于求解高维多目标柔性作业车间调度问题。     

基于概率模型的混合多目标算法

对传统多目标算法NSGA-Ⅱ及模型多目标算法RM-MEDA进行了分析,并指出了二者的不足。在此基础上,提出基于概率模型的混合多目标算法,并设计了相应的建模准则用于实现两种算法的结合,使得提出的算法能够充分发挥两种算法的优势。将提出的算法与NSGA-Ⅱ算法和RM-MEDA算法在10个测试函数进行了实验对比,结果证实了算法在全局收敛性及多样性等方面有着较好的效果。     

求解约束多目标区间优化的交互多属性决策NSGA-II 算法

针对约束多目标区间优化问题,提出一种交互多属性决策NSGA-Ⅱ算法.该算法将非线性问题线性化,定义占优支配关系求出个体的序值,定义区间拥挤距离来区分具有相同序值个体的优劣,采用约束精英策略删除种群中不满足约束的个体.将选出的个体作为方案集,目标函数作为属性集,决策者对于各目标函数的偏好作为属性权重,构建一个多属性决策模型,在进化过程中融入该模型来选取符合决策者偏好的满意解.仿真实验验证了所提出方法的可行性和正确性.