多灾害点应急资源调度研究与实现

针对多灾害点、多点出救、多目标应急调度问题,建立一种以时间最短、成本最低为目标的数学模型。考虑到调度过程中各灾害点对资源的竞争,提出利用表上作业算法对该模型进行优化求解,实现了在整体的优化方案中时间和成本总体消耗最少。提出的方法简单、实用、易用,并成功应用在省级应急管理信息示范平台上。最后,通过一个实例验证该方法的有效性。     

改进AHP-GA算法的多目标配送路径优化

为准确优化快递配送路径,建立了基于时间窗的快递配送路径优化的数学模型.提出改进AHP-GA算法对多目标配送车辆路径进行优化,利用中位数层次分析算法对多个子目标进行权重系数配比,避免了极端值的影响,从而将多目标优化问题转化为单目标优化问题.通过简单的自然数对车辆路径进行编码,避免了路径重复.考虑了客户对车辆到达时间窗要求,包括车辆在约定时间之前到达获得的机会成本、在约定时间之后到达的罚金成本.最后,本文以1个配送中心,20个服务客户为例,对构建的数学模型通过分别使用传统的GA算法和使用改进AHP-GA算法进行优化,仿真结果表明,利用改进AHP-GA算法进行多目标配送路径优化,可以更加高效地求得问题的最优解.     

限时点到多点跨数据中心传输的多源树调度算法

随着各种云应用的数据规模的增大,越来越多的云服务提供商开始关注跨数据中心的大数据块传输(bulk transfer)。跨数据中心的大数据块传输面临的主要挑战是:如何找到最佳的资源调度算法,在用户指定的时限内,用最少的传输资源将用户的数据传输到指定的地点。文中设计了一种有效的带传输时限(transfer deadlines)的、点到多点(Point-to-MultiPoint,P2MP)的跨数据中心数据传输调度算法MSTB(Multi-Source Tree-Based algorithm)。在多源机制和多播转发树的帮助下,MSTB表现得比现有的最优方法更好。仿真实验结果表明,MSTB可以在保证低传输完成时间和低计算复杂度的同时,增加最高达91%的传输请求接受数,增加最高达54%的有效吞吐量。     

C-W算法在配送车辆优化调度中的应用

物流配送车辆优化调度是物流配送中非常关键的一个环节。文章简单介绍了当前最具有代表性的算法,指出目前启发式算法是求解车辆路径问题的主要方法,并以C-W算法为典型,结合实例验证了其对解决配送车辆调度问题的适用性。     

基于无人机-配送车联合配送的优化算法研究

针对物流配送领域的一种新型交付方式——无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法.该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线.算法最后保留满足约束条件的无人机路线及对应配送车路...     

基于蚁群算法的快餐配送路径优化问题研究

从快餐配送的实际情况出发,建立建立快餐配送路径的数学模型,用蚁群算法的基本原理。进行多次实验和计算,寻找最优的快餐配送路径。     

需求点随机的分批配送VRP模型与算法研究

针对城市配送中需求点不确定的现象, 在分批配送车辆路径问题中引入随机需求点进行研究.建立带修正的随机规划模型, 采用先验优化策略, 根据分批配送的特点, 在自适应大邻域搜索算法中引入改进的分割插入算子进行求解.在调整的Solomon算例上进行的测试表明, 允许分批配送在大部分算例中的费用低于不允许分批配送的情形.通过分析计算过程中各个算子权重变化, 确定性最差删除算子和随机删除算子在求解此类问题时表现较好; 贪婪插入算子、后悔插入算子表现较好; 而分割插入算子虽然权重较低, 但能对解产生质的影响.     

基于点云增强的网格化优化算法

针对三维点云在采用传统泊松算法进行网格化重建时,重建时间较长并且最终重建出的模型存在孔洞和局部细节缺失等问题,提出一种基于点云增强的网格化优化算法.该算法首先通过统计滤波对初始点云进行降噪处理,为了在保证细节特征的基础上提高重建效率,在通过体素滤波进行适当点云降采样的同时利用双三次样条插值进行点云孔洞修复,然后将移动最...     

两层物资配送中心车辆调度问题研究

在分析物流配送物资问题的基础上,提出一种基于两层物流配送中心的物资配送方法。供应方在配送物资时需经过两层配送中心到达需求方,否则将予以惩罚。在建立供应方、两层物流配送中心及需求方四层物流网络模型的基础上,采用Dijkstra算法求出从各供应点到各需求点的最短运输距离并将其转化在供需平衡表中,采用表上作业法和节约里程法相结合的算法求解四层物流网络模型。结合算例计算验证,该算法在保证运输总费用最少的同时可有效地减少配送过程中车辆调度的次数。     

多受灾点应急救援车辆调度的优化遗传算法

在多个地区发生灾害后,迫切需要及时救援和物资的快速运输,从仓库调拨物资到受灾点,交通网络规模较大,运输货物类型多样,并且要满足各个受灾点的资源需求、实时路况、运抵时限要求等多个目标约束条件,车辆调度具有较大难度.为解决多重约束带来的困难,根据遗传算法的生物进化理论和群体遗传学机制,建立了车辆应急运输的多目标优化问题模型,设计合适的序列编码方式表示车辆行进路线及运输货物类型;建立了新的优化遗传算法,从编码方式的设计、适应度函数、选择、交叉和变异操作机制的设计三个方面做了创新改进,主动保持优良基因,根据阶段进展调节交叉和变异概率,有效提高好的新模式的产生几率,较好地克服了已有方法的早熟局部收敛所导致的结果偏差较大的不足.多个仿真实验结果表明,优化遗传算法比已有算法在满足送达时限以及送达时间的总长度等方面均有较大提高,对于复杂的调度任务,在保证运抵时限的前提下,可占用更少的车辆,花费更少的行进时间完成物资运输,从而满足多受灾点对物资的实时性需求.     

求解混合流水车间调度问题的分布估计算法

针对混合流水车间调度问题(Hybrid flow-shop scheduling problem, HFSP)的特点, 设计了基于排列的编码和解码方法, 建立了描述问题解空间的概率模型, 进而提出了一种有效的分布估计算法(Estimation of distribution algorithm, EDA). 该算法基于概率模型通过采样产生新个体, 并基于优势种群更新概率模型的参数. 同时, 通过实验设计方法对算法参数设置进行了分析并确定了有效的参数组合. 最后, 通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.     

一种解决车辆调度问题的算法研究

针对运输费用的逐年提高,企业配送环节的成本大幅度增加的问题,为降低物流成本,提高企业利润,研究了一种解决车辆调度问题的算法。在考虑实际需求的基础上,建立了单配送中心的配载车辆调度模型,满足基本的约束条件。同时,论述了节约算法的基本原理并采用改进的节约算法对配载车辆调度问题进行求解,即在基本的节约算法中加入时间窗约束条件。通过各种数据的实验验证,此算法都能得到较满意的解,既能节约时间,又能够节约运输里程和费用。     

基于遗传算法的汽车调度问题研究

汽车调度问题长久以来属于NP类型的问题,一直没有达到一个最优解的状态,由于汽车调度问题牵扯到汽车的载重量,所属地,载货类型等等,考虑众多因素,很难有一个或一组数学公式进行计算,本文基于考虑汽车运送成本和最短路径,以每条属性为单个染色体,进行交叉以及变异,达到最终的优化,本试验运用Matlab的模拟仿真和遗传算法的数据功能包进行单个染色体的优化,求出一组最优解。     

求解柔性作业车间调度的混合PSO算法与实现

研究车间作业调度优化过程,针对资源的合理分配排序,采用PSO算法求解柔性作业车间调度问题,根据PSO算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,构造求解柔性作业车间调度问题的混合PSO算法,能够较好地克服上述缺陷.采用面向对象的程序设计语言,设计并编码实现了混合PSO算法求解柔性作业车间调度问题的仿真软件.使用软件进行仿真,实验结果表明在求解柔性作业车间调度问题中,混合PSO算法的全局寻优和克服早熟能力均优于基本PSO算法,证明混合PSO算法求解柔性作业车间调度问题的有效性.     

基于层次结构的物流配送优化调度模型

在约束条件下,物流配送任务的调度是一个典型的NP难题。文章通过对配送任务类型的分析,提出基于层次结构的优化调度模型,该模型运用调度启发信息对配送任务进行分类,不同类型的任务采用不同的算法求解,有效地缩小了问题搜索空间,在实际应用中有很好的效果。     

考虑水头影响的梯级水电系统优化调度算法研究

提出一种基于Ｌａｇｒａｎｇｉａｎ松驰技术的梯级水电系统优化调度算法，能够综合处理离散运行区间、最小启停机时间等离散约束、水库间的水力耦合网络约束以及水头影响。基于实际系统数据的数值验证表明了本算法的有效性和实用性。     

一种求解RCPSP的协同进化分布估计算法

针对大规模资源受限项目调度问题计算复杂的特点,提出一种合作式协同进化分布估计算法(CCEDA)。将合作式协同进化框架与分布估计算法相结合,将复杂问题分解为子问题,利用改进的分布估计算法对每个子问题进行协同优化求解。为提高分布估计算法的局部搜索能力,给出一种对解进行局部搜索的方法。将CCEDA用于求解标准问题库PSPLIB,并与GAPS、GA-DBH、GA-hybrid与GA-FBI算法进行比较,结果证明CCEDA拥有更好的求解性能。     

求解Job-Shop调度问题的禁忌搜索算法的研究

本文针对最小完工时间的Job-Shop调度问题提出了一种禁忌搜索算法，该算法使用插入算法构造尽可能好的初始解，然后用禁忌搜索算法改进当前解，在算法中对未被选中的候选解信息进行记忆，合理平衡了集中搜索与分散搜索。最后用基准实例进行仿真，实验结果表明该算法是可行的和有效的。     

Hybrid Estimation of Distribution Algorithm for the Quay Crane Scheduling Problem

The competitiveness of a container terminal is highly conditioned by the time that container vessels spend on it. The proper scheduling of the quay cranes can reduce this time and allows a container terminal to be more attractive to shipping companies. The goal of the Quay Crane Scheduling Problem (QCSP) is to minimize the handling time of the available quay cranes when performing the tasks of loading and unloading containers onto/from a container vessel. This paper proposes a hybrid Estimation of Distribution Algorithm with local search to solve the QCSP. This approach includes a priori knowledge about the problem in the initialization step to reach promising regions of the search space as well as a novel restarting strategy with the aim of avoiding the premature convergence of the search. Furthermore, an approximate evaluation scheme is applied in order to reduce the computational burden. Moreover, its performance is statistically compared with the best optimization method from the literature. Numerical testing results demonstrate the high robustness and efficiency of the developed technique. Additionally, some relevant components of the scheme are individually analyzed to check their effectiveness.