应急物流车辆调度多目标鲁棒优化研究

针对应急物流车辆调度问题中对于经济性、时效性、可靠性和鲁棒性的多种要求，考虑了含有时间窗、不确定需求、不确定行驶时间，以及路段含有失效风险的多目标鲁棒车辆路径优化问题，通过定义新的成本函数、满意度函数、风险度函数和鲁棒度函数作为四个优化目标来构建模型，并基于鲁棒优化理论将不确定模型转化为确定性鲁棒对应模型求解，为解决不确定环境下优化问题提供了新的思路。算法方面，主要基于SPEA2算法框架求解该多目标模型，针对算法缺陷提出多种改进策略，并通过对比实验证明了改进策略的有效性。     

实现多目标优化的机场特种车辆调度算法

为保证航班正常运行,机场特种车辆必须高效完成地面保障服务任务。目前机场特种车辆的调度方式是单车单航班服务的人工调度方式,成本较高,且效率较低。针对该问题提出一种基于节约算法的解决方案。该方案分为两个阶段:第一阶段,利用节约算法求出满足行驶总路程最短的子路径集合;第二阶段,通过构建的新方法将每个子路径任务合理分配给所有车辆,实现车辆数目最少和任务量差异最小的目标。以国内某机场实际航班数据做算例进行实验,与单车单航班服务相比,总路程节省49.28%;与不加任务量约束相比,任务均衡度由43.55%提高到95.16%。实验结果表明,利用该算法调度特种车辆可大幅降低服务成本,且能实现任务均衡。     

多车场多目标开放式物流配送车辆调度问题的研究

为了优化现代物流中的车辆调度问题,文章针对多车场开放式物流配送车辆调度问题,建立了一种灵活的多目标组合优化模型,此模型可以方便地增减优化目标值;设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明,最终得到了多车场多目标开放式物流配送中车辆调度的优化策略;通过真实的测试用例验证了项目设计的优化模型和遗传算法在解决多车场多目标开放式物流配送车辆调度问题中的可行性.     

改进NSGA Ⅱ算法在车辆路径多目标优化问题中的应用

本文选用NSGA Ⅱ作为求解VRP多目标优化问题的算法基础,分析概括出VRP的三个主要目标函数和三个约束条件,实现了VRP多目标优化问题的数学建模。选择MATLAB作为软件工具进行代码编写,选取Benchmark Problems中C101里的数据作为实验数据进行软件仿真;并且针对NSGA Ⅱ在设计方面的不足之处,对NSGA Ⅱ的初始群体确定和交叉算子两个环节进行改进;然后通过对两种算法仿真结果的比较分析,证实了改进算法在克服早熟现象、提高算法效率以及算法稳定性方面的有效性。     

基于多态蚁群算法的多目标邮政物流车辆路径问题研究*

针对在现有邮路运输的基础上加载一体化物流项目后的邮政物流车辆调度与路径选择优化问题,建立了基于硬时间窗、车辆混合搭载、往返归集的多目标邮政物流车辆路径问题数学模型,以四川邮政雅芳一体化混合物流2008年5月的数据为例,利用自适应的多态蚁群算法对带时间约束多目标混合邮政物流VRP进行了求解。结果表明多态蚁群算法可以求解多目标邮政物流VRP,能提高收敛速度和寻优性能。     

时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。     

应急资源多目标优化调度模型与多蚁群优化算法研究

大规模自然灾害发生后,极易出现多地同时提出多类型资源需求的局面.基于灾后应急资源调度的特点,建立了考虑多需求点、多供应点、多资源类型、且多个资源供应点能为多个资源需求点协同配备资源的多目标优化调度模型.模型中对调度路线的可靠度进行了考虑,增强了实用性.设计了求解模型的多蚁群优化算法,在全局信息素更新规则中引入精英策略,指导多蚁群间相互交换与共享信息,加快全局非劣解搜索效率.多目标多蚁群优化算法将资源定位配置与路线安排问题进行了集成解决.算例分析表明该算法能够很好地处理大型复杂网络.     

多源车辆最优路径问题研究

随着我国城市化发展步伐的急速加快,城市交通问题已成为发展中最关键的一个瓶颈问题。拼车问题应运而生,在这种现象中,由于司机和乘客自已的出发点和目的地不同,怎样选择最优路径接送乘客成为需要慎重,认真考虑的核心问题。本文正是基于这个问题给出最优路径的构建模型及实现方法。并依据实验结果证明了方案的正确性及高效性。     

三维装载与CVRP 联合多目标优化问题的模型及算法

提出三维装载与CVRP联合多目标优化问题(3LCVRPMO)模型,该模型在三维装载约束下的CVRP问题(3LCVRP)的基础上,考虑了配送车辆数目及路径总距离两个目标函数.在权衡装箱和路径优化两个优化过程的基础上,构建了多阶段/两层混合算法架构(MSOTLH)及其算法,并对路径优化偏好的3LCVRPMO问题进行求解.基于3LCVRP问题相关算例的数据实验结果表明,所提出的3LCVRPMO模型及MSOTLH算法是有效的.     

基于模因优化和循环调度的多目标负载均衡技术

针对现有多目标调度方法所需时间较长以及处理突发情况时性能降低的问题,提出一种基于模因优化和循环调度的多目标负载均衡技术.使用突发检测器检测发送到云服务器的用户请求,确定负载状态.基于测器结果,应用不同的负载平衡算法来高效地调度用户任务.利用选定的负载平衡算法将用户请求任务调度到资源最佳的虚拟机上,保证在最低的时间消耗内...     

基于多目标优化的科研项目人力资源配置研究

以高校科技项目管理为实际背景,分析了人力资源优化的必要性,研究了在多个优化目标下科研项目和参与人员的双边匹配问题。首先给出支持成员分组的双边匹配问题的数学描述;在此基础上,以最优化合理分组的三个实际指标为目标,建立双边匹配多目标决策模型,并依据该模型的特点设计了基于多目标遗传算法的求解方法。在匹配模型的基础上,设计了基于浏览器/服务器架构的人力资源管理系统以提高实用性。最后通过一个实例验证了模型的有效性和可行性。     

基于多Agent的机场地面服务车辆调度方法研究

机场地面服务车辆调度失误是机场航班延误的主要原因之一。通过对机场地面服务车辆调度问题进行分析,建立多目标带有时间窗非满载机场地面服务车辆数学模型。将多Agent技术以及用于旅行商问题(TSP)的最近插入法加以结合改进,设计出一种基于多Agent的机场地面服务车辆启发式调度方法。最后结合实验数据进行验证,实验结果表明该调度方法在满足所有约束的条件下,所用车辆总数平均减少65.5%,车辆总运输距离平均减少48.3%。     

基于MGA-PSO的云计算多目标任务调度

为了提高云计算任务调度的效率,将微生物遗传算法(MGA)和改进的粒子群算法(PSO)融合成MGA-PSO算法用于云计算任务调度.综合任务完工时间、任务执行成本及虚拟机负载均衡三个目标构造适应度函数,以此寻找任务调度的最优解;对粒子群算法进行改进,使用动态惯性权重策略以提高算法的自适应搜索能力;在任务调度前期使用MGA算...     

用整体分布优化算法求解水火电力系统短期优化调度

用整体分布优化算法,求解一个水火电力系统的短期优化调度问题.将求得的优化结果与用遗传算法、进化规划和粒子群优化算法求得的结果比较,验证了整体分布优化算法的有效性.用基本的整体分布优化算法时,与用遗传算法、进化规划和基本粒子群优化算法相比,优化性能得到较大的提高.说明整体分布优化算法适合于求解水火电力系统短期优化调度问题.     

公交发车频率优化问题研究

给出一种基于免疫计算的公交发车频率优化方案.设计了公交发车频率优化问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子、以及支配抗体的拥挤距离公式.实验结果表明,该算法能有效地解决公交发车频率优化问题,具有较好的应用价值.     

基于正交设计的自适应ε占优MOEA/D算法研究

MOEA/D是一种简单、高效的多目标优化算法,但在更新子问题时,会丢失部分优良个体,降低算法的收敛速度。针对上述不足,提出一种基于正交设计的自适应ε占优算法。新算法改进如下:(1)采用正交试验设计和连续空间量化初始化种群,使初始化群体能均匀分布;(2)设计一种自适应调整松弛变量改进的ε占优机制,并用它来更新Archive种群保存非劣解;(3)将精英策略引入到MOEA/D中,加快收敛速度。实验结果表明新算法较好地改善了MOEA/D算法的收敛性以及非劣解的分布性。     

ADAPTIVE MULTI-OBJECTIVE OPTIMIZATION BASED ON NONDOMINATED SOLUTIONS

An adaptive hybrid model (AHM) based on nondominated solutions is presented in this study for multi-objective optimization problems (MOPs). In this model, three search phases are devised according to the number of nondominated solutions in the current population: 1) emphasizing the dominated solutions when the population contains very few nondominated solutions; 2) maintaining the balance between nondominated and dominated solutions when nondominated ones become more; 3) when the population consists of adequate nondominated solutions, dominated ones could be ignored and the isolated nondominated ones are allocated more computational budget by their crowding distance values for heuristic search. To exploit local information efficiently, a local incremental search algorithm, LISA, is proposed and merged into the model. This model maintains the adaptive mechanism between the optimization process by the online discovered nondominated solutions. The proposed model is validated using five ZDT and five DTLZ problems. Compared with three other state-of-the-art multi-objective algorithms, namely NSGA-II, SPEA2, and PESA-II, AHM achieves comparable results in terms of convergence and diversity metrics. Finally, the sensitivity of introduced parameters and scalability to the number of objectives are investigated.     

基于改进多目标布谷鸟搜索的资源调度算法

针对IaaS(Infrastructure as a Service)云计算中资源调度的多目标优化问题,提出一种基于改进多目标布谷鸟搜索的资源调度算法。在多目标布谷鸟搜索算法的基础上,通过改进随机游走策略和丢弃概率策略提高了算法的局部搜索能力和收敛速度。以最大限度地减少完成时间和成本为主要目标,将任务分配特定的VM(Virtual Manufacturing)满足云用户对云提供商的资源利用的需求,从而减少延迟,提高资源利用率和服务质量。实验结果表明,该算法可以有效地解决IaaS云计算环境中资源调度的多目标问题,与其他算法相比,具有一定的优势。