城市交通噪声环境承载力分析模型及算法

以城市噪声环境容量为约束条件计算城市区域路网最大交通承载力。分析模型是一个双层优化问题,其中上层是噪声环境容量约束下的最大路网交通流量模型;下层是道路网上的用户均衡分配模型。应用遗传算法进行求解,仿真示例表明该模型和算法是可行的、有效的,可以为城市交通可持续发展的规划和需求管理提供依据。     

基于遗传算法的随机路网次优拥挤收费模型

针对随机路网中出行者规避风险的择路行为,提出一种同时考虑行程时间可靠性和不可靠性的次优拥挤收费双层规划模型。上层模型以最大化路网社会福利为目标,下层模型为弹性需求期望-超额交通平衡模型。鉴于双层规划模型的复杂性,设计遗传算法求解该模型。仿真结果表明,使用遗传算法求解该模型是可行的,运行50代后,算法可收敛至目标值。     

基于蚁群算法的动态用户均衡配流

在路网中,为了使用户的出行时间降到最低,提出一个适用于多OD对的路网的动态用户均衡离散模型,并应用蚁群算法求解动态用户均衡问题.通过设计一个算例,利用仿真得出路网中的流量分配数据,并和二次规划Frank-Wolfe算法求解的流量分配数据进行比较,最后得出蚁群算法在求解动态交通用户均衡问题时具有一定的优势.     

变路网情况下车辆路径问题建模及应用

受车辆调度中的一类现实需求启发,提出了路网结构可变情况下的车辆路径问题。探讨了路网变动对车辆路径的影响,在描述可变路网的基础上,基于路网、路径双层优化思想,建立了问题优化模型。考虑到路网变化给问题求解带来的复杂性,给出了改进遗传算法与随机递归算法相结合的求解策略。作为模型的直接应用和说明,最后的算例验证了模型和算法的合理性、有效性。     

基于路段转向流量的拥挤路网OD矩阵估计

传统的OD矩阵估计方法大部分都是基于路段流量的,由于路段流量数目远小于OD对的个数,因而限制了这些方法的推算精度。针对拥堵路网,提出了一种基于路段转向流量的OD估计方法,以提高OD估计的精度。分析了路段转向流量能够降低OD的可行解集的范围。通过双层规划模型求解拥挤路网上OD估计问题。由于最大熵模型不依赖于先验OD矩阵,可以应用到更多的OD估计场景中,因此上层模型采用的是最大熵模型,下层采用用户均衡模型。实验结果表明:基于路段转向流量可以增加估计的精度。     

基于出行时间预算的有限理性出行者路网均衡模型

为研究有限理性出行者逐日出行中出发时刻及路径调整的出行行为,引入前景理论,分析出行者依据最大准点到达概率来选择出行时间预算,将此出行时间预算作为到达参考点,进而在给定参考点下选择前景值最大的路径出行,并利用前次流量分配结果调整下次出行时间预算,经过多次出行达到路网流量平衡及准点到达概率最大的稳定状态。基于出行时间预算和前景理论建立了双层模型进行路网逐日均衡配流,用遗传算法求解最佳出行时间预算,用相继平均法计算路径平衡流量。最后基于算例验证模型和算法,并设定不同的出行选择机制分析出行时间预算、路径前景值及准点到达概率三者间的博弈关系。     

基于层次遗传算法的物流配送中心选址策略*

在考虑物流规划部门和客户双方利益的基础上,采用双层规划模型描述物流配送中心的选址问题。基于进化博弈与多目标优化的思想设计了层次遗传算法来求解该模型,通过两个遗传算法的交互迭代求解物流配送中心选址问题。最后通过算例验证了模型与算法的可行性。     

应急救援中心的选址-调度的双层模型及混合嵌套式算法

针对突发重大疫情或灾害后实施应急救援过程中的物资调配急迫性与时效性以及多车型运输问题,本文构建了一种选址-调度双层模型.即,上层以总的运输代价最小化为目标,下层以配送代价(时间、距离和满意度)最小为目标的双层动态交互模型,同时考虑时间窗、配送覆盖范围限制以及运输车辆容量限制及距离等约束条件.根据模型特点,设计了一种混合嵌套算法,上层为新型排球超级联赛算法(New Volleyball Premier League Algorithm, NVPL),下层为改进的遗传算法(Improved Genetic Algorithm, IGA)来求解.采用了新冠疫情爆发期间全国药物临时配送中心选址和紧急调度运输背景的相关算例进行求解,并与双层遗传算法和双层粒子群算法作对比,验证了模型的有效性与算法的准确性.     

城市快速路网匝道与污染控制双层多目标规划模型

基于环境容量和交通容量，建立了一个双层多目标规划模型描述城市快速道路网的污染控制与匝道控制，并考虑了用户的路径选择行为．设计了基于改进遗传算法的启发式求解算法。该算法借助不可微精确罚函数将约束问题转化为单个无约束问题来解决，采用混合杂交和间歇变异提高算法的搜索能力．最后。通过算例说明该模型及算法的有效性．     

基于遗传算法的城市混合型路网优化设计研究

城市路网设计问题就是研究如何用定量的方法在已有交通网络上添加或扩容某些路段的问题。本文提出一种基于遗传算法的城市混合型路网设计的双层优化模型,可求出最优的用于道路网新建或改善的交通建设投资决策方案,并利用一个算例进行仿真试验,结果表明,该模型和算法是可行的,可为城市路网设计提供借鉴。     

Research on Combined Dynamic Traffic Assignment and Signal Control

This paper presents a generalized bi-level programming model of combined dynamic traffic assignment and traffic signal control,and especially analyzes a procedure for determining the equilibrium queuing delays on saturated links for dynamic network signal control satisfying the FIFO (first-in-first-out)rule.The chaotic optimal algorithm proposed in this paper can not only present the optimal signal settings,but also calculate,at each interval,the link inflow rates and outflow rates for the dynamic user optimal problem,and provide real-time information for the travelers.Finally,a numerical example is given to illustrate the application of the proposed model and solution algorithm, and comparison shows that this model has better system performance.     

动态交通分配与信号控制的组合模型及算法研究

This paper presents a generalized bi-level programming model of combined dynamic traffic assignment and traffic signal control, and especially analyzes a procedure for determining the equilibrium queuing delays on saturated links for dynamic network signal control satisfying the FIFO (first-in-first-out) rule. The chaotic optimal algorithm proposed in this paper can not only present the optimal signal settings, but also calculate, at each interval, the link inflow rates and outflow rates for the dynamic user optimal problem, and provide real-time information for the travelers. Finally, a numerical example is given to illustrate the application of the proposed model and solution algorithm, and comparison shows that this model has better system performance.     

Pareto-Optimal Sustainable Transportation Network Design under Spatial Queuing

This paper presents a multi-objective network design problem with environmental considerations for urban networks with queues. A spatial queuing link model is introduced to take account of the spatial effect of queuing. With this more realistic link performance function capturing spatial queuing, the network equilibrium flow patterns can be more accurately identified. Furthermore, to better estimate vehicle emissions, this paper proposes a refined emission estimation model, which distinguishes between travel speeds in free-running state and queue-forming state over a link. A multi-objective bi-level programming is then developed, in which the upper-level problem optimizes the investment decisions, whereas the lower-level problem characterizes the user equilibrium with spatial queuing delays. The metaheuristic of non-dominated sorting genetic algorithm II (NSGA-II) is adopted to solve the multi-objective network design problem. Numerical tests on the Sioux Falls network and the Barcelona network confirm the effectiveness of our proposed model and algorithm in identifying queuing equilibrium flows and Pareto optimal solutions. The refined models and valuable information about trade-offs among objectives are particularly helpful for environmentally sustainable transport network planning.

     

允许存储的变周期随机动态车队调度双层模型交替求解策略

针对一类允许存储的变周期随机动态车队调度问题进行研究.难点在于运输任务数量不确定、运输任务可存储、计划周期内各时段长度不同、车辆荷载不同.根据问题表述建立数学模型,进而设定新的决策向量和状态向量,对问题模型进行可分离形式改造.引入排队原理设计运输任务产生机制和模型分离参数拟合过程,在此基础上,建立由内层模型与外层模型共同构成的双层模型体系,并给出双层模型的交替求解算法. 通过仿真实验和数值分析验证了所提出算法的可行性和有效性.     

铁路车辆修理布局集中化研究

针对全路车辆修理量逐渐减少,各修理点修理能力严重过剩的现状,提出铁路车辆修理布局集中化方法。分析铁路车辆修理布局集中化的内涵,提出铁路车辆修理布局集中化双层规划模型的构建思路;以修理点改扩建费用、运营费用、运输费用之和最小为目标构建上层规划模型,以车辆运输费用最小为目标构建下层规划模型,并利用迭代思想,设计基于改进后的蚁群算法的双层迭代优化算法求解该双层规划模型。借助MATLAB软件进行算例分析,验证了模型的有效性。     

无线传感器网络能耗均衡路由模型及算法

在综合考虑传感器网络中节点链路接入、数据包传输能耗及节点剩余能量的基础上,提出了一种自适应能耗均衡路由策略,并给出了相应的数学最优化模型及求解算法.优化的目标是均衡网络能耗,进而最大化网络寿命.首先采用跨层分析的方法设计了符合传感器节点计算能力的分布式动态路由树生成算法及各节点的路由选择策略函数;然后通过构造一个双层规划模型使传感器网络的整体能耗趋向均衡,尽可能地延长网络寿命.一个数值例子说明,提出的路由选择策略、双层规划模型及求解算法是可行且有效的.     

基于双层规划的高超声速飞行器预警资源分配方法

针对高超声速飞行器预警系统中资源难以合理利用的问题,提出一种基于双层规划的预警资源分配方法.首先,建立高超声速飞行器运动状态的马尔可夫模型,提出威胁评估的方法;其次,基于隐马尔可夫模型和卡尔曼滤波,提出双层规划的高超声速飞行器预警资源分配模型,下层规划以单位资源损耗下信息增益为目标函数,上层规划以风险的降低为目标函数;然后,针对模型的求解,提出改进的广义粒子群优化算法;最后,通过仿真分析验证所提分配方法和算法的有效性和可行性.     

A new multi-objective bi-level programming model for energy and locality aware multi-job scheduling in cloud computing

How to reduce power consumption of data centers has received worldwide attention. By combining the energy-aware data placement policy and locality-aware multi-job scheduling scheme, we propose a new multi-objective bi-level programming model based on MapReduce to improve the energy efficiency of servers. First, the variation of energy consumption with the performance of servers is taken into account; second, data locality can be adjusted dynamically according to current network state; last but not least, considering that task-scheduling strategies depend directly on data placement policies, we formulate the problem as an integer bi-level programming model. In order to solve the model efficiently, specific-design encoding and decoding methods are introduced. Based on these, a new effective multi-objective genetic algorithm based on MOEA/D is proposed. As there are usually tens of thousands of tasks to be scheduled in the cloud, this is a large-scale optimization problem and a local search operator is designed to accelerate convergent speed of the proposed algorithm. Finally, numerical experiments indicate the effectiveness of the proposed model and algorithm.