基于粒子群算法的城市接驳公交网络优化调度方法

为提高公共交通分担能力和解决轨道交通与交通出行起讫点之间的公共交通接驳优化调度问题,提出了轨道与公交的接驳公交网络优化模型.模型主要考虑不同接驳站点在不同时间对轨道交通和交通出行起讫点之间的接驳需求建立多目标模型.分析选用粒子群算法对所建立的多目标优化模型进行分析求解,比较了在轨道接驳需求下多种车队规模的调度线路、时刻安排状况,得到轨道线路邻近区域内接驳网络的优化调度,当车队规模在定值时即可满足接驳轨道交通的换乘需求,优化调度使得平均满载率显著下降,另外,验证了接驳公交网络基于粒子群算法的优化调度可有效降低营运消耗.     

分区域多目标进化算法在协同车辆路径问题中的应用

在以原有的车辆配送总费用最小化为目标的基础上,兼顾顾客的满意度目标,建立带有时间窗的多物流中心协同配送的车辆路径多目标优化问题的数学模型.对建立的多目标优化问题,采用分区域多目标进化算法思想,构造了利于产生可行解的编码方式,从而提高算法的运行效率.通过算例验证了建立的模型能有效地解决协同物流配送车辆路径问题.     

周期性补货系统中多类顾客的库存分配策略

研究了零售商面临多类顾客需求时的周期性补货决策,以及在补货周期内的库存分配策略。通过将补货周期时间离散成大量足够小的时间单位,建立后向动态规划方程,优化每个时间单位内每类顾客的最优库存分配策略,得到了唯一最优的库存补货策略。通过与没有库存分配策略下的平均利润进行比较,算例分析得出,库存分配策略不仅可以提高高端顾客的服务水平,能显著提高零售商的平均利润,而且还有助于零售商延长补货周期,节约固定补货成本。     

响应动态需求的灵活型公交路径优化调度模型

为解决灵活公交乘客需求差异性大、实时变化性大的问题,提出一种考虑乘客动态需求的灵活公交路径优化调度模型.在已知乘客预约需求量、车辆载客容量、车队规模等条件下,根据乘客需求动态变化特征对接驳行程时间进行实时迭代更新,将车辆的运营成本(车辆行驶时间)和乘客的时间成本(乘客上车前等待车辆的时间、实际到达时间与期望到达时间之间的差值)最小化作为目标,构建了考虑乘客动态需求的灵活型公交路径优化调度模型,并采用基于引力模型的启发式算法进行求解.最后,通过实例分析验证了模型和算法的可行性.结果表明:对随机产生的15个需求点的102个出行需求,全部服务完成所需车辆为17～21辆,平均每辆车的旅行时间为24.59 min,100组数据的求解时间均在25.00 s以内,计算耗时平均为12.04 s.可见该优化模型能够在实时调整接驳规划时间的前提下,更大程度满足乘客动态需求,有效减小规划路径的误差,缩短行车距离和乘客出行时间,相比忽略接驳行程时间变化的灵活公交调度模型结果更优.     

求解多目标区域公交车辆调度问题的遗传算法

将区域公交车辆调度(RBSP)视为"部分班次被某车辆完成"的集合划分问题,考虑站场容量、补充燃料和返回站场最迟时间限制等约束因素,建立一类追求车辆利用效率和公交车辆调度方案的可靠度极大化的多目标混合整数规划模型.用约束法将该模型转为单目标规划问题,利用遗传算法求解该问题的非劣解.研究表明:公交调度方案的可靠性越高,车辆利用率越低.     

基于时间约束的航空出站物流派送研究

利用多目标规划模型,使配送路线得以优化,满足配送里程最短以及减少车辆运行费用的目标.同时,为提高客户满意度,考虑顾客对服务时间的要求,加入时间约束条件,获得了相对合理的配送方案.通过实例具体说明算法的操作步骤及结果的有效性.     

基于仿真的多级供应链补货策略优化

构造1个由多个供应商、1个配送中心、多个零售商和第三方物流公司组成的多级供应链,考虑顾客随机需求及第三方物流公司提供运输价格折扣情况下的补货策略问题.建立以供应链总成本最小为目标的数学规划模型,以及供应链仿真模型模拟供应链的运作过程,并将遗传算法与仿真模型结合.仿真结果表明,该仿真优化模型能够解决随机条件下复杂供应链的最优补货策略问题,为决策者提供借鉴.     

嵌入式多旋翼机载车辆跟随系统研究与设计

针对多旋翼车辆跟随系统中存在无线数据通信延时导致检测实时性较差问题,研究车辆跟随系统的数据传输流程;结合多旋翼的物理模型推导适配机载处理系统的限制条件与理论续航计算公式;设计基于微型高性能的嵌入式计算机多旋翼机载车辆跟随系统.通过对机载处理系统进行目标检测的资源占用率与延时测试,证明该系统能够实现车辆跟随功能,车辆检测...     

灵活型接驳公交路径优化及协同调度模型

在已知乘客需求和车队规模的条件下,以综合考虑出行者(包括最小化乘客等待接驳公交车时间、最小化乘客实际乘坐与期望乘坐主线公交的时间差值)和运营者(最小化车辆运营时间)双方利益为优化目标,建立了灵活型接驳公交路径优化和协同调度的同步优化模型。由于该模型目标函数为非线性,本文为求解方便将其进一步转化为混合整数规划模型,并采用基于重力模型的一种启发式算法对模型进行求解,最后通过实例验证了该调度模型的可靠性和实用性。     

多目标进化算法在物流配送中心选址中的应用

传统的物流配送中心选址模型过于单一地追求物流成本的最小化,而没有考虑服务的质量与效率．本文将顾客时间满意度作为度量物流服务水平的一个标准,提出了物流配送中顾客时间满意度的计算方法,建立了以物流成本最小化和时间满意度最大化为目标的物流配送中心选址多目标优化模型．采用一种基于NSGA一Ⅱ的多目标进化算法来求解,通过选择合适的编码方法和遗传算子可以得到模型的最优解,并通过实际算例说明了模型和算法的有效性．该模型能一次得到多组有效解,从而可以为物流配送中心选址提供更加全面的决策支持．