基于多目标优化的机场行李运输车辆调度问题研究

行李装卸是指将旅客的托运行李装上飞机或从飞机上卸载下来的一种机场地面保障服务,行李运输车是民航使用的在机场地面运输旅客托运行李的特种车辆。目前机场普遍采用的单车服务单航班的车辆调度方式,车辆的使用成本高、效率较低,且无法保证任务量的均衡。在建立的机场行李运输车辆调度模型的基础上,首先利用最邻近算法构建由一个出港航班和一个到港航班组成的车辆行驶总路程最短的子路径集合;然后依据子路径间的时间衔接关系对子路经进行优化组合,将所有子路径任务合理分配给行李运输车,实现所需车辆数最少和车辆任务量均衡的目标;最后,应用机场实际算例进行仿真试验,通过对试验结果的分析,验证了所建模型及求解算法的合理性和有效性。     

组合模型在机场旅客吞吐量预测中的应用

研究机场运输优化控制问题,机场旅客吞吐量受到政治、经济、节假日、票价和天气等多种因素影响,具有周期性和非线性变化特点,传统单一预测方法只能描述其部分变化规律,预测精度低。为了提高机场旅客吞吐量预测,将灰色模型和BP神经网络相结合,形成一种机场旅客吞吐量组合预测模型。首先组合预测模型利用灰色模型对线性变化部分进行预测,然后采用BP神经网络对非线性变化部分进行预测,并对预测误差进行补偿。仿真结果表明,组合模型,解决了单一预测模型存在的缺陷,提高了机场旅客吞吐量预测精度,为机场旅客吞吐量预测提供一种新的思路。     

蚁群算法求解非等同并行机调度问题的研究

针对非等同并行机服务调度问题,以机场除冰调度服务为背景并以最小化旅客延误数为目标,提出了一种改进的蚁群算法。该算法根据调度模型的特点,充分考虑模型的约束条件并运用了一种改进的信息素更新策略求解并行机调度问题。仿真结果表明,改进的蚁群算法收敛速度快且结果较优,明显优于FIFO算法,适合求解非等同并行机调度问题。     

枢纽机场航站楼内低成本连续定位优化方法

目前民航事业正在飞速发展,随着运输业务量的快速增长和国内机场规模不断扩建,旅客在建筑面积巨大且结构复杂的航站楼内,无法精确定位旅客在航站楼内的位置,因此为旅客提供精准定位的位置服务需求与日俱增.结合航站楼内的蓝牙信号传输特性设计了基于EFK的融合定位算法以提高旅客定位结果的连续性,结合人员密集流动、走行路径的不同设计了基于粒子滤波的地图匹配融合定位算法,进一步提高旅客的定位精度.在开发环境下设计并实现枢纽机场航站楼内定位软件,并对提出的航站楼内定位算法进行实验验证和结果分析,在实验人员走行过程中,可有效改善在航站楼内的定位效果.     

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。     

基于熵值-BP神经网络的机场旅客吞吐量预测

机场旅客吞吐量预测为机场的建设和管理提供依据.在民航界,长期存在着"民航运输增长率是国民经济增长率的1.5-2倍"的说法.但近年来,个别地区GDP增长缓慢,甚至出现负增长的情况,而机场旅客吞吐量增速却远大于GDP增速,传统的预测方法将GDP视为影响机场旅客吞吐量的重要因素之一,显然已经不能满足现今的需求.针对上类机场,先采用了熵值法确定了各指标的影响权重,结合BP神经网络方法对此类机场旅客吞吐量进行预测,证明了上述方法可较优的显著减小误差,可靠性较高.     

成本约束下多机场群航班频率优化模型仿真北大核心

采用目前方法对多机场群航班频率进行优化时,没有考虑旅客的出行成本,对航班频率优化后存在延误时间长、延误航班数量多、出行成本高和日利用率低的问题。提出考虑出行成本的多机场群航班频率优化模型构建方法,在构建航班频率优化模型之前,对旅客的出行方式进行博弈分析,在Stackelberg博弈模型的基础上构建双层博弈模型,上层模型实现社会效益最大化,下层模型实现旅客出行费用最小化,完成多机场群航班频率优化模型的构建,并采用遗传算法对多机场群航班频率优化模型求解,完成航班频率的优化。仿真结果表明,所提方法的延误时间短、延误航班数量少、出行成本低、日利用率低。     

航班滑行路径规划和停机位分配联合优化

针对机场的航班滑行路径规划和停机位分配的联合优化调度问题,构建基于冲突回避的滑行道与停机位联合调度模型,并提出改进的自适应差分进化算法求解问题.以最小化航班的滑行时间和旅客转机的行走时间为优化目标,建立非线性混合整数规划联合调度模型.设计考虑了滑行冲突的路径规划算法,完成航班的滑行路径分配,并通过自适应动态调整差分进化...     

基于遗传算法的机场充电桩布局选址研究

针对当前机场逐步实行车辆“油改电”的大背景,研究了在今后机场全面推行电动特种车辆的情况下,机场充电桩的布局规划问题。建立了以充电桩管理和建设费用、电动特种车辆路上运行费用及充电等待费用最小为目标函数的充电桩选址模型,分析了电动特车的机场运行流程,在此基础上提出了遗传算法作为模型求解方法,对各算法参数进行标定,潜在地增加了种群的多样性及全局寻优能力。结合机场实例,对模型和算法进行了仿真分析,确定了该机场充电桩布局选址的最终方案,证明了模型的可行性和算法的有效性。     

智慧机场航站楼安全联检均衡分散方法仿真

目前航站楼安全联检均衡分散方法存在联检服务率低,开放服务台精准率低和长时间等待联检旅客比例过高的问题.为此提出智慧机场航站楼安全联检均衡分散方法,通过建立ARMA算法模型预测出单位时间内机场客流量,判断模型中获取到的客流量样本数据是否为稳定的时间序列,提取出相对合理的模型,最终在最小二乘法中加入阻尼项估计出模型的精度参数.假设预测的全部客流量都进行安全联检,令所有旅客的安检项目时间都分别独立,建立函数计算出旅客在安检口等待安检的时间概率,构建出联检均衡分散的目标函数,求解出目标函数就实现航站楼安全联检均衡分散.实验结果表明,所提方法的联检服务率高,开放服务台精准率高和长时间等待联检旅客比例低.     

A continuous bi-level model for the expansion of highway networks

Adding new corridors to a highway network represents a multicriteria decision process in which a variety of social, environmental and economic factors must be evaluated and weighted for a large number of corridor alternatives. This paper proposes a new bi-level continuous location model for expansion of a highway network by adding several highway corridors within a geographical region. The upper level problem determines the location of the highway corridors, taking into account the budgetary and technological restrictions, while the lower level problem models the users’ behavior in the located transport network (choices of route and transport system). The proposed model takes into account the demand in the area served by the new network highway corridors, the available budget and the user behavior. This model uses geographical information in order to estimate the length-dependent costs (such as pavement and construction costs) and the cost of earth movement. The proposed method is tested using the standard particle swarm optimization algorithm and applied to the Castilla–La Mancha geographic database. The previous methodology has been extended to a multiobjective approach in order to handling uncertainty in demand.     

高速公路网入口流量控制的双层规划模型及算法

建立双层规划模型用于解决高速公路网的入口流量控制问题。提出了一种结合遗传算法和Aloplex算法的新算法——GAA算法来求解双层规划问题。实验结果表示，GAA算法在求解双层规划问题上优于遗传算法；分车型测算得出进入路网的流量使上层目标函数值更小（相对于单车型情况），并且使路网利用程度得到进一步的提高。     

Integrating the logistics network design with order quantity determination under uncertain customer demands

This paper aims to design an optimal logistics network including suppliers and retailers by taking into account the order quantity of products under uncertain consumer demand pattern. This research proposes a mixed-integer bi-level programming model and employs the iterative-optimization method. In the bi-level programming, the upper model is the logistics network design (LND) problem, which is designed for suppliers and consists of the hub locations, wholesale price of the products as well as the transportation flow of the commodity. The lower model is the order quantity determination (OQD) problem for retailers. It processes a special case of inventory problem in which the customer demand is stochastic and follows a series of assumed probability distributions. By applying the proposed methodology in a computational experiment, this research shows that if there were a large number of suppliers in the logistics system, retailers could order the product with relatively low price and the largest profit belongs to the retailer who could sell the commodity at the highest price.     

不确定情形下在线多源多属性反向拍卖双边协商决策

针对现实中存在的带有协商交互的在线多源多属性反向拍卖(OMSMARA)情形,同时考虑到买卖(采供)双方面临的不同方面的不确定性,综合利用双层规划理论和模糊理论研究不确定情形下OMSMARA双边协商决策问题.首先,基于问题描述和适当假设,建立一个新的带有协商交互的模糊混合整数双层规划(FMIBLP)模型,并基于增广模糊最小最大决策方法进行模型的精确转化;其次,考虑到问题模型的特点以及粒子群算法(PSO)的优越性,提出基于修正PSO的双层分布迭代算法(PSO-BLDI)用于模型求解;然后,通过数值算例和对比分析展示所建模型的可行性以及所提出算法的有效性;最后,通过敏感性分析研究相关参数变化对模型求解结果的影响,进一步表明所提出模型的合理性与决策方法的有效性.     

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.     

上层含约束条件且具有模糊决策变量的二层多随从线性规划

提出并研究了一类上层含约束条件且具有模糊决策变量的二层多随从线性规划模型,利用结构元理论证明了该模型最优解等价于上层含约束条件的二层多随从线性规划模型最优解,利用Kuhn-Tucker方法得到了该模型最优解,并通过数值算例验证了该方法的可行性。     

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.     

多项目选择计划及其两层决策免疫遗传算法

探讨项目计划管理中,资源受限下含承继约束的多项目选择计划两级规划模型及其求解算法.依据项目的承继关系,将所有项目划分为若干子群,各子群内部的项目之间存在承继约束,子群之间仅有优先关系,进而获得了资源受限下资源配置平衡的两级规划模型.基于遗传算法的基本结构,引入免疫系统的多样性、记忆性等特征,获得了求解此模型的免疫遗传算法.数值实验结果表明了该模型设计的合理性及算法的有效性.     

基于QFD和双层规划的物流服务供应商选择研究

从物流服务成本和物流服务质量两个方面构建物流服务供应商选择的双层规划模型,上层规划以物流服务成本最小为目标,下层以选择的供应商的综合表现度最大为目标。通过改进QFD模型,将评价指标和客户需求相结合,对待选物流供应商进行综合评价,计算供应商的综合表现度。结合模型的特点设计分层迭代算法,算例验证了模型和算法的有效性。