库存路径问题的研究综述

在简要介绍库存路径问题(the inventory routing problem,IRP)的理论与实践意义的基础上,给出IRP问题的定义,并对IRP问题进行描述.通过分析IRP问题具备的特征,将其按照不同的特性进行分类,总结以往国外及国内学者们在求解这一问题时典型的建立模型和求解的方法,并指出该领域目前存在的问题,提出可能的解决办法及其未来的发展方向.     

基于灰色马尔可夫模型的煤层气抽采量预测

煤层气抽采量的准确预测,对煤层气开发利用工作的科学决策和发展规划具有重要意义。通过灰色系统理论与马尔可夫理论的结合,建立灰色马尔可夫模型对煤层气抽采量进行预测分析。首先建立煤层气抽采量的GM(1,1)预测模型,确定其变动趋势和初始预测值,然后应用马尔可夫理论对初始预测结果进行修正,最后通过实例计算验证了灰色马尔可夫模型的适用性。结果表明,灰色马尔可夫模型的预测精度明显高于传统GM(1,1),更适用于随机波动性较大的序列预测问题,因此将灰色马尔可夫模型用于煤层气抽采量预测是合理和可行的。     

区域物流规模的改进灰色马尔可夫预测

在分析灰色GM(1,1)方法、灰色马尔可夫方法的基础上,建立区域物流规模预测的改进灰色马尔可夫模型,以国家统计局公布的陕西省1997-2006年货物周转量的统计数据为依据,对其2007-2008年的物流规模进行预测.与灰色GM(1,1)方法、灰色马尔可夫方法的预测结果相比,改进灰色马尔可夫链模型对区域物流规模的预测更加有效.     

二叉树上非齐次分支马氏链一类强极限定理

近年来树图或者树形网络等诸多复杂系统的结构性质与极限性质逐渐成为研究的热点问题,特别是在树指标马尔可夫链领域的研究中,国内外学者们取得了丰富的研究成果.二叉树上非齐次分支马尔可夫链作为一类特殊的树指标马尔可夫链,该模型的极限性质被国内外学者的广泛研讨并应用于生物动力学、信息论等诸多领域.本文致力于研究在有限状态空间空间取值的二叉树上非齐次分支马尔可夫链转移概率调和平均的极限性质以及该性质与树指标马尔可夫链模型之间的联系.首先在新的条件下,本文给出了在有限状态空间中取值的二叉树上非齐次分支马氏链的强极限定理,并进一步得到了其随机转移概率调和平均的强极限定理,最后借助于两类模型之间的等价关系以及平均值不等式,推广了树指标非齐次马氏链随机转移概率的极限定理。     

火灾增长随机模型

本文介绍火灾发展随机模型的基本特征与框架.讨论了马尔可夫随机模型的特点,及其在居住建筑典型房间火灾蔓延概率分布中的应用.     

基于IRP和TD2DPCA的轴承故障诊断方法EI北大核心CSCD

针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于图像的轴承故障诊断方法即基于递归灰度图(Improved Recurrence Plots,IRP)和双向二维主成分分析(Two directional,Two dimensional Principal Component Analysis,TD2DPCA)的轴承故障诊断法。该方法对递归图(Recurrence Plots,RP)中阈值选取的问题进行了优化,提出了IRP算法,对采集到的轴承振动信号进行IRP分析,生成递归灰度图;然后用TD2DPCA对生成的递归灰度图进行特征参数提取,得到系数编码矩阵;最后采用分类器对上述编码矩阵直接进行模式识别,以实现轴承故障的自动化诊断。将该方法应用在轴承4种典型工况的故障诊断实例中,识别率高达99.8%,结果表明:基于IRP和TD2DPCA的轴承故障诊断方法能够自适应的对轴承进行故障诊断,具有故障识别精度高、噪声鲁棒性好等优点,为轴承振动诊断探索了一条新途径。     

由混响衰减反演海底散射系数

1随机反演理论(高斯-马尔可夫原理) 设随机变量d与m,n有线性关系: d=Gm+n, (1) 其中d为数据矢量,m为未知参量,n为随机噪声,G为未知参量与数据矢量之间的关系. 假设m,n为零均值,其协方差矩阵分别为:     

新高阶多变量马尔可夫模型

本文提出了一种新高阶多变量马尔可夫模型,并对其收敛性进行了分析.给出了模型的参数估计方法.数值实验表明在预测精度方面新高阶多变量马尔可夫模型比高阶多变量马尔可夫模型更加有效.     

基于IRP和TD2DPCA的轴承故障诊断方法

针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于图像的轴承故障诊断方法即基于递归灰度图(Improved Recurrence Plots,IRP)和双向二维主成分分析(Two directional,Two dimensional Principal Component Analysis,TD2DPCA)的轴承故障诊断法。该方法对递归图(Recurrence Plots,RP)中阈值选取的问题进行了优化,提出了IRP算法,对采集到的轴承振动信号进行IRP分析,生成递归灰度图;然后用TD2DPCA对生成的递归灰度图进行特征参数提取,得到系数编码矩阵;最后采用分类器对上述编码矩阵直接进行模式识别,以实现轴承故障的自动化诊断。将该方法应用在轴承4种典型工况的故障诊断实例中,识别率高达99.8%,结果表明:基于IRP和TD2DPCA的轴承故障诊断方法能够自适应的对轴承进行故障诊断,具有故障识别精度高、噪声鲁棒性好等优点,为轴承振动诊断探索了一条新途径。     

新高阶多变量马尔可夫模型（英文）

本文提出了一种新高阶多变量马尔可夫模型,并对其收敛性进行了分析.给出了模型的参数估计方法.数值实验表明在预测精度方面新高阶多变量马尔可夫模型比高阶多变量马尔可夫模型更加有效.     

动态蚁群算法在带时间窗车辆路径问题中的应用

蚁群算法是近年来新出现的一种随机型搜索寻优算法。自从在旅行商等著名问题中得到富有成效的应用之后，已引起人们越来越多的关注和重视。将这种新型的生物优化思想扩展到物流管理中的带时间窗车辆路径问题，设计了一种动态蚁群算法，从数值计算上探索了这种新型蚁群算法的优化能力，获得了满意的效果。     

Simulation-based optimisation approach for the stochastic two-echelon logistics problem

This work proposes a simulation-based optimisation approach for the two-echelon vehicle routing problem with stochastic demands (2E-VRPSD). In the proposed 2E-VRPSD, freight delivery from the depot to the customers is managed by shipping the freight through intermediate satellites, while each customer has a stochastic demand. The 2E-VRPSD is an extension of the famous capacitated vehicle routing problem with stochastic demands and the two-echelon vehicle routing problem (2E-VRP). A tabu search algorithm is designed to solve the 2E-VRPSD, in which Monte Carlo sampling is adopted to tackle the issue of stochastic demands. Modified two-echelon vehicle routing problem benchmark instances are used in the numerical experiments. The computational results show the advantage of the proposed simulation-based approach.     

Top-percentile traffic routing problem by dynamic programming

Multi-homing is a technology used by Internet Service Provider (ISP) to connect to the Internet via different network providers. To make full use of the underlying networks with minimum cost, an optimal routing strategy is required by ISPs. This study investigates the optimal routing strategy in case where network providers charge ISPs according to top-percentile pricing. We call this problem the Top-percentile Traffic Routing Problem (TpTRP). The TpTRP is a multistage stochastic optimisation problem in which routing decision should be made before knowing the amount of traffic that is to be routed in the following time period. The stochastic nature of the problem forms the critical difficulty of this study.     

基于离散差分进化算法的随机车辆路径问题

针对差分进化算法求解组合优化问题存在的局限性,引入计算机语言中的2种按位运算符,对差分进化算法的变异算子进行重新设计,用来求解不确定需求和旅行时间下同时取货和送货的随机车辆路径问题（SVRPSPD）。通过对车辆路径问题的benchmark问题和SVRPSPD问题进行路径优化,并同差分进化算法和遗传算法的计算结果进行比较,验证了离散差分进化算法的性能。结果表明,离散差分进化算法在解决复杂的SVRPSPD问题时,具有较好的优化性能,不仅能得到更好的优化结果,而且具有更快的收敛速度。     

不确定车数的随机车辆路径问题模型及算法

研究了一类有时间约束、车辆数量不确定的随机车辆路径问题;建立了该类问题的随机规划数学模型;设计了模型求解的遗传算法、禁忌搜索算法和遗传-禁忌混合算法.禁忌算法采用了对当前解的车辆-顾客分配结构和解的路径顺序分别禁忌的双层禁忌算法,使算法全局性更好,同时也降低了搜索时间.把禁忌算法作为变异算子应用于遗传算法形成了混合算法.最后给出了计算示例,对算法进行了比较分析.     

基于蚁群算法的双分区仓库拣货路径的优化

为提高现代仓库作业中拣货这一核心环节的效率,研究了仓库拣货路径的优化,提出了根据双分区仓库中拣货路径的特点,采用蚁群算法优化求解的拣货路径算法,并通过仿真将该算法的性能与传统穿越策略、S形启发式算法进行了比较。比较结果表明,以蚁群算法优化路径问题可以明显减少路径的距离,具有良好的实用性。     

Improvement of Stochastic Competitive Learning for Social Network

As an unsupervised learning method, stochastic competitive learning is commonly used for community detection in social network analysis. Compared with the traditional community detection algorithms, it has the advantage of realizing the timeseries community detection by simulating the community formation process. In order to improve the accuracy and solve the problem that several parameters in stochastic competitive learning need to be pre-set, the author improves the algorithms and realizes improved stochastic competitive learning by particle position initialization, parameter optimization and particle domination ability self-adaptive. The experiment result shows that each improved method improves the accuracy of the algorithm, and the F1 score of the improved algorithm is 9.07% higher than that of original algorithm.     

备件物流系统选址库存路径问题模型及算法

考虑到备件需求的随机性和时间紧迫性,以供应链二级分销网络的备件物流系统为研究对象,以系统总成本最低为目标,建立了带软时间窗的选址-库存-路径问题模型。由于该模型属于NP-Hard问题,因此提出了基于禁忌搜索算法和改进的C-W算法的两阶段混合启发式算法。通过实例演算,结果表明了该算法的实用性与有效性。     

供应链中随机需求车辆选径问题的研究

结合供应链的需要给出了允许两次服务失败的数学模型,提出了一种混沌神经网络求解算法,对该问题进行了求解,并与SA算法进行了比较.结果表明该算法具有很强的避免陷入局部极小点的能力,较大地提高了优化的性能和搜索效率,适用于求解车辆选径问题.     

A capacitated vehicle routing problem with order available time in e-commerce industry

In this article, a variant of the well-known capacitated vehicle routing problem (CVRP) called the capacitated vehicle routing problem with order available time (CVRPOAT) is considered, which is observed in the operations of the current e-commerce industry. In this problem, the orders are not available for delivery at the beginning of the planning period. CVRPOAT takes all the assumptions of CVRP, except the order available time, which is determined by the precedent order picking and packing stage in the warehouse of the online grocer. The objective is to minimize the sum of vehicle completion times. An efficient tabu search algorithm is presented to tackle the problem. Moreover, a Lagrangian relaxation algorithm is developed to obtain the lower bounds of reasonably sized problems. Based on the test instances derived from benchmark data, the proposed tabu search algorithm is compared with a published related genetic algorithm, as well as the derived lower bounds. Also, the tabu search algorithm is compared with the current operation strategy of the online grocer. Computational results indicate that the gap between the lower bounds and the results of the tabu search algorithm is small and the tabu search algorithm is superior to the genetic algorithm. Moreover, the CVRPOAT formulation together with the tabu search algorithm performs much better than the current operation strategy of the online grocer.