一种基于市场真实情况的ATM选址模型的研究及应用

自动取款机(ATM)的部署受到人口密度、商业、同行竞争和已部署机具场景等诸多因素影响。针对ATM选址问题,提出和设计一种基于Voronoi图和修改的K中心点聚类的求解算法,构建更符合市场真实情况的ATM选址模型。该ATM选址模型已成功应用于深圳市某银行,仅选取了4个新ATM的部署地点,使用户到该银行ATM部署点的加权距离减小了11.8%,取得了合理应用效果。     

改进多目标鮣鱼优化算法求解多容量养老院选址分配问题

为应对未来老龄化时代的到来,完善养老服务体系,针对养老院的选址分配问题,在考虑用户满意度和覆盖率的情况下,构建多目标优化模型。首先,考虑老人对养老院的满意度、养老院相对于社区位置满意度以及养老院相对于大型医院位置满意度,构建了最大化平均满意度和覆盖率以及最小化建设成本的多目标选址分配模型。其次,针对模型的特点,融入两阶段思想,设计了一种改进鮣鱼优化算法对模型进行求解。实验结果表明,该算法能够快速且有效地获得一簇Pareto解,可权衡实际需求和对不同目标的偏好,考虑满意度或成本,在Pareto解中可选择恰当的养老院选址分配方案。最后,通过与其他三种算法的对比分析,验证了模型的可行性和算法的优越性。     

宁波港中距离无水港选址问题研究

随着港口规模等级的竞争延伸到腹地竞争以及内陆运输领域的不断发展,集装箱多式联运和无水港的发展越来越受到关注。针对无水港选址问题,提出了一种结合模拟退火算法的混合遗传算法进行整体求解,并与IBM ILOG CPLEX12.2的求解结果进行比较。主要在集装箱多式联运的基础上研究了无水港选址,同时考虑了建立无水港所形成的规模经济效应,在模型中加入了成本折扣系数。虽然以宁波港的无水港选址为例,但此选址方法也适用于其他港口的无水港选址。     

考虑社会网络邻接关系的群体判断矩阵决策方法

随着社会化媒体的快速发展,社会化因素已经成为影响群体决策过程及其结果的重要因素.针对群体决策者的判断信息以残缺判断矩阵形式给出,且考虑群体决策者社会网络邻接关系的群体决策问题,提出可行的解决方法.首先,提出一种基于决策者相似性程度和社会网络距离的残缺判断矩阵补全方法;然后,提出考虑决策者社会网络影响力的群体共识交互决策模型,该交互模型不仅考虑群体决策者之间的社会邻接关系,而且可以在较大程度上保存决策者给定的原始判断信息;最后,通过一个物流企业选择存储仓库的算例验证所提出算法的可行性和优势.     

基于遗传算法的西安邮政配送中心选址研究

从配送中心选址问题的实际需求出发,在综合考虑配送中心的建设经济性、交通便利性和功能布局合理性的基础上,构造了基于实际交通距离和实际地价的选址模型,并把遗传算法引入模型求解中,通过构造恰当的编码方式和遗传算子,对西安邮政物流配送中心的选址问题分别按照不考虑土地地价、需求点类型差异和考虑土地地价、需求点类型差异两种情况求解.得到了最优选址方案.研究结果证明了模型的正确性和有效性,对于解决大规模物流系统配送中心的选址问题具有重要的现实意义.     

大规模突发事件应急设施选址模型及算法

大规模突发事件下应急物资的需求量巨大以及对资源持续需求的特点,考虑设施选址的公平性、效率性及成本等因素,基于多级覆盖和覆盖衰减思想,提出一类应急设施多目标多重覆盖衰减选址模型。基于MATLAB7.0设计贪婪算法、上升算法、遗传算法程序对模型进行求解,以25组不同规模的算例验证了模型的性能和算法的有效性。数值模拟结果表明,该模型较之传统覆盖选址模型可以为需求点提供更高的覆盖满意度;当目标权系数取不同值时对选址结果产生较大影响;对三个算法性能进行比较,遗传算法最优,上升算法次之,贪婪算法最差,上升算法适于求解中小规模的选址问题,而遗传算法更适合于大规模选址问题的求解。     

CDMA网络中的综合业务接入策略*

为了解决CDMA网络中综合业务的协调传输问题,提出了资源竞争的策略。通过非实时类业务和实时类业务的分析,在考虑业务群体的Logistic变化规律的基础上,以总体QoS效果为追求目标,推导出竞争平衡方程。实验表明了该模型能够提高系统的整体容量。     

再制造/制造系统集成物流网络扩展模型研究

研究了再制造／制造系统集成的物流网络扩展模型，给出了其选址一分配模型．该模型特点是：网络结构为闭环网络；正向物流中统筹考虑再生品和新产品的物流分配，再生品和新产品不能相互替代；解决了新建装配厂、存储批发商及拆解中心的选址问题．     

随机中断情境下的离散型设施选址问题研究

针对传统的供应链设施选址模型大多是基于静态背景下的确定性选址问题研究,而较少考虑中断风险因素的情况,基于随机中断情境,建立了混合整数规划模型表述的设施可靠性选址问题模型,采用拉格朗日松弛算法进行求解。通过构建的算例,求解了问题模型的最优解并验证了该算法的求解性能。     

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。     

The center location-dependent relocation problem with a probabilistic line barrier

This paper presents a new mixed-integer nonlinear programming (MINLP) for a multi-period rectilinear distance center location-dependent relocation problem in the presence of a probabilistic line-shaped barrier that uniformly occurs on a given horizontal route. In this problem, the demand and location of the existing facilities have a dynamic nature and the relocation is dependent to the location of new facilities in previous period. The objective function of the presented model is to minimize the maximum expected weighted barrier distance between the new facility and the existing facilities during the planning horizon. The optimum solution of small-sized test problems is obtained by the optimization software. For large-size test problems which the optimization software is unable to find the optimum solution in the runtime limitation, two meta-heuristics based on the genetic algorithm (GA) and imperialist competitive algorithm (ICA) are applied. To validate the meta-heuristics, a lower bound problem based on the forbidden region instead of the line barrier is generated. Related results of numerical experiments are illustrated and are then compared.     

A credibility-based fuzzy location model with Hurwicz criteria for the design of distribution systems in B2C e-commerce

Facility location problem is one of the most critical elements in the design of distribution systems, and numerous studies have focused on this issue. However, facility location theory and guidelines for B2C firms are sparse. In this paper, with regard to the customer characteristics peculiar to B2C e-commerce and the turbulence of the competitive market, a new fuzzy location model is proposed to optimize the distribution system design in B2C e-commerce. The model adopts a hierarchical agglomerative clustering method to classify customers and estimate the fuzzy delivery cost. At the same time, due to the turbulence of competitive market, both market supply and customer demand are treated as fuzzy variables in the model. Afterward, the credibility measure and Hurwicz criterion are introduced to convert the model into a crisp one which has NP-hard complexity. In order to solve the crisp model, an improved genetic algorithm with particle swarm optimization is developed. Finally, the computational results of some numerical examples are used to illustrate the application and performance of the proposed model and algorithm.     

A credibility-based fuzzy location model with Hurwicz criteria for the design of distribution systems in B2C e-commerce

Facility location problem is one of the most critical elements in the design of distribution systems, and numerous studies have focused on this issue. However, facility location theory and guidelines for B2C firms are sparse. In this paper, with regard to the customer characteristics peculiar to B2C e-commerce and the turbulence of the competitive market, a new fuzzy location model is proposed to optimize the distribution system design in B2C e-commerce. The model adopts a hierarchical agglomerative clustering method to classify customers and estimate the fuzzy delivery cost. At the same time, due to the turbulence of competitive market, both market supply and customer demand are treated as fuzzy variables in the model. Afterward, the credibility measure and Hurwicz criterion are introduced to convert the model into a crisp one which has NP-hard complexity. In order to solve the crisp model, an improved genetic algorithm with particle swarm optimization is developed. Finally, the computational results of some numerical examples are used to illustrate the application and performance of the proposed model and algorithm.     

基于PBIL的快速图像匹配方法的研究

为了解决图像匹配过程中计算速度慢和匹配精度不高的缺陷,提出了一种基于群体增量学习(Population-based Increased Learning,简称PBIL)算法的匹配方法。PBIL算法是一种基于概率分析的进化算法。它集成了基于函数优化的遗传搜索和竞争学习两种策略,将进化过程视为学习过程,通过竞争学习所获得知识来修正生成概率,进而指导后代的生成。给出了理论分析和实验分析。在实验中,分析了不同终止条件下的算法性能,并将其与传统序贯相似性检测算法(SSDA)和遗传算法进行了比较。实验结果表明基于该算法的图像匹配具有运算速度快、匹配精确等优点,且收敛过程非常稳定。     

软容量限制设施选址问题的竞争决策算法

软容量设施选址问题是NP-Hard问题之一，具有广泛的应用价值。为了求解软容量设施选址问题，提出一种基于数学性质的竞争决策算法。首先研究该问题的数学性质，运用这些数学性质不仅可以确定某些设施必定开设或关闭，还可以确定部分顾客由哪个设施提供服务，从而缩小问题的规模，加快求解速度。在此基础上设计了求解该问题的竞争决策算法，最后经过一个小规模的算例测试并与精确算法的结果比较，得出了最优解；针对大规模的问题快速地求出了可行解，得到了令人满意的结果。     

基于遗传算法的物流配送路径优化问题研究

遗传算法是一种基于自然进化原理的全局搜索随机算法。遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题方面意义重大。在建立物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传算法。该遗传算法采用常用的二进制编码,在个体选择上结合使用最优个体保留策略和轮盘赌法。最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解。     

On the competitive facility location problem with a free choice of suppliers

We consider a mathematical model from the class of competitive sequential facility location problems. In these problems, the competitors sequentially open their facilities, and each side aims to “capture” the consumers and maximize its profits. In the proposed model, we consider a situation of a “free” choice by each side of an open facility to service a customer. The model is formulated as a bilevel integer programming problem. We show that the problem of finding an optimal noncooperative solution can be represented as a maximization problem for a pseudo-Boolean function. We propose an algorithm for constructing an admissible noncooperative solution for fixed values of the variables in this pseudo-Boolean function. We also propose a method for constructing an upper bound on the maximal value of the pseudo-Boolean function on subsets of solutions defined by partial (0, 1)-vectors.     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

客户订单合成配送问题建模与遗传算法研究

为了降低成本,取得企业竞争优势,合理进行配送成为实现物流规模经济、降低物流成本的重要手段。在一些模型假设的基础上,建立了目标函数为最小化运距的客户订单合成配送问题的数学模型,提出并实现了解决该问题的遗传算法。大量仿真结果表明：该算法能够在较短的时间内有效求得问题的近优解,该算法的运行时间主要取决于订单数和交货组数,为实现物流配送提供了一个基本方法。     

一种基于PBIL算法的快速图像匹配方法

为了解决图像匹配过程中计算速度慢和匹配精度不高的缺陷,提出了一种基于群体增量学习算法的匹配方法。PBIL算法是一种基于概率分析的进化算法。它集成了基于函数优化的遗传搜索和竞争学习两种策略,将进化过程视为学习过程,通过竞争学习所获得知识来修正生成概率,进而指导后代的生成。在实验中,将其与传统序贯相似性检测算法(SSDA)和遗传算法进行了比较。结果表明基于该算法的图像匹配具有运算速度快、匹配精确等优点,且收敛过程非常稳定。