可靠性应急设施选址多级覆盖鲁棒优化模型

为给决策者在不确定环境下设计具有鲁棒性的应急设施选址布局网络提供决策支持,研究应急设施选址多级覆盖鲁棒优化问题.考虑不确定需求和应急设施多级覆盖响应,建立共享不确定需求和中断情景下服务能力有限的应急设施多级覆盖选址鲁棒优化模型,利用灰狼优化算法(GWO)求解模型,对需求的扰动及应急设施的服务能力进行灵敏度分析.通过随机生成的数值算例验证模型和算法的可行性.结果表明:该模型能有效解决需求不确定和中断风险下选址布局网络的构建问题,且能保证选址决策具有良好的鲁棒性,决策者可基于不同的风险偏好和具体实际在可靠性和系统总成本之间权衡,确定最优的选址分配方案.     

线性跟踪误差的指数化投资组合鲁棒优化模型

为消除指数化投资组合中参数的扰动对线性跟踪误差最优解产生的影响,文中针对线性跟踪误差模型,采用鲁棒优化给出了模型参数为矩形不确定集、椭球不确定集的鲁棒模型,分析了该模型由于参数不确定性所造成的缺陷.实证研究表明:采用线性跟踪误差指数化投资组合的鲁棒优化模型的解同时具有鲁棒性与最优性,鲁棒模型与基准模型的收益一致性较好,鲁棒模型的跟踪误差略大于基准模型.     

基于鲁棒优化的不确定需求下应急物资配送多目标决策模型

针对应急物资配送决策具有不确定性和突然性等特点,提出了一种基于多目标鲁棒优化不确定需求下的应急物资配送决策模型。在分析应急需求的随机性、应急物流设施点的需求不确定风险和路网中断风险的因素上,确定了以物资需求点的救援时间满意度之和最大、系统总成本最小以及物资到达需求点的救援时间之和最小为目标,构建了多目标鲁棒优化模型,并运用Matlab软件求解。以一个山区发生自然灾害作为突发事件为例,验证了多目标鲁棒优化模型的有效性和正确性。研究结果表明：不确定需求下应急物资配送中,决策者可以依据本文多目标鲁棒优化模型权衡利弊,制定出既具有应对风险能力,又能快速反应的救援方案。     

资源约束下项目调度鲁棒优化模型研究

针对任务工期不确定的资源约束多项目调度问题,采用调度鲁棒优化模型进行研究。在充分理解鲁棒优化项目调度原理的基础上,在一定的假设条件下结合均值-鲁棒模型,建立了多资源约束下多项目调度的鲁棒优化模型,采用遗传算法求解鲁棒优化模型并给出了求解步骤。结合一个建设项目的仿真实例,应用Matlab计算机程序进行模型的求解,验证了模型的有效性和可行性。     

集装箱航线资产配置鲁棒优化模型

研究了不确定条件下集装箱航线资产配置问题.根据集装箱航线运行的基本特点和要求,基于航线均衡运行原理,建立了集装箱航线资产配置确定性模型,优化船舶规模、集装箱配置与舱位分配.通过引入鲁棒优化理论,将此模型拓展为包含不确定因素的鲁棒优化模型,以船舶规模为设计变量,以舱位分配为控制变量建立分析模型.以钟摆型航线为例进行仿真实验,对模型的有效性进行了验证.结果表明,该模型既考虑了需求的不确定性影响,又考虑了解与模型的鲁棒性,并且体现了决策者对风险的厌恶程度,使模型结论更符合实际需要.     

离散不确定时滞系统的鲁棒模型预测控制

对于输入受约束的不确定时滞系统,提出了离散不确定时滞系统的鲁棒模型预测控制,用 LMI 解决时滞系统的输入受约束控制,给出了新的鲁棒性能指标上界和系统稳定的充分条件,通过求解 LMI 凸优化获得状态反馈控制律,仿真验证了该方法的有效性.结果表明,基于 LMI 约束不确定时滞系统的鲁棒模型预测控制易于求解,适于实际应用.本方法还可以推广到其他时滞系统模型中.     

均值-方差组合模型的鲁棒投资优化

针对投资组合优化模型中收益率的期望值、协方差矩阵等参数扰动时对原问题最优解产生较大影响的问题,文中提出将鲁棒优化应用到均值-方差投资组合模型中,建立了"势"不确定集下的鲁棒投资组合选择模型,通过市场数据对该模型进行了实证研究.试验结果表明该模型得到的解兼具鲁棒性与最优性.     

不确定需求下的公交线路发车频率优化

为了反映不确定的公交出行需求对线路发车频率的影响,融入公交网络鲁棒性能指标优化线路发车频率.采用双层规划模型进行优化,首先分析需求的不确定性在公交网络上的传递过程,使用解析法给出上层模型的构造形式,其目标涉及两项内容,一项含乘客和公交运营部门费用的公交网络系统效益,另一项考虑公交网络鲁棒性能;其次,基于公交出行策略理论,采用公交网络客流分配模型作为下层模型;最后设计遗传算法求解.小型网络测试和六盘水市公交网络的应用结果表明,鲁棒性能指标可以提高线路发车频率的可靠性.     

不确定环境下新产品定价与零售商最优订货批量研究

研究由一个制造商和一个零售商组成的供应链系统中,当制造商开发新产品时的市场定价和零售商的最佳订货批量问题.在新产品的生产成本和市场需求量极为不确定的情况下,采用已知概率的情景集合描述不确定性成本和需求量,建立了基于情景分析的鲁棒优化模型,给出了模型的求解算法步骤.     

不确定网络中基于鲁棒用户均衡的交通拥挤收费模型

交通网络拥挤收费通过在路段上收取一定的通行费用,调节道路网络中的交通流量分布,使流量从拥挤路段转移到畅通路段,达到缓解交通拥挤的目的.由于用户出行模式选择、节假日或者天气状况等因素的影响,交通网络拥挤收费问题具有不确定性.这些不确定因素影响着交通网络拥挤收费问题,因此有必要研究交通网络拥挤收费问题中的不确定因素.同时考虑交通网络拥挤收费问题中路段费用和O-D需求2种不确定因素,利用鲁棒优化方法建立了基于情景的鲁棒交通拥挤双层规划模型,然后将双层规划模型转化为带均衡约束的数学规划问题,利用松弛算法求解,得到了鲁棒均衡路段流.数值算例表明,求解鲁棒交通拥挤收费模型得到的鲁棒均衡路段流量对不确定因素的扰动具有鲁棒性.     

不确定环境下复杂产品维护、维修和大修服务资源调度优化

基于对复杂产品维护、维修和大修（MRO）协同服务资源调度的需求分析,从现实角度出发,建立资源调度时间和服务执行时间参数不确定条件下的随机机会约束规划数学模型. 提出由随机模拟、神经网络和离散粒子群优化算法组合成的混合智能算法,求解所提出的优化问题. 随机模拟方法为所建立的神经网络模型提供训练样本集,得到的训练样本集被用于训练神经网络模型以逼近优化目标函数,训练后的神经网络模型被用于代替优化目标函数来执行粒子群算法优化迭代. 该混合算法能有效提升时间参数不确定条件下的复杂产品MRO协同服务资源调度双目标优化问题的求解速度. 案例分析表明,相比于确定性条件下的优化算法,所提出的随机机会约束规划模型和混合算法更适用于求解现实中不确定条件下的MRO服务资源调度问题,所求得的调度方案在实际执行中具有更好的鲁棒性.     

离散不确定时滞系统的鲁棒模型预测控制

对于输入受约束的不确定时滞系统，提出了离散不确定时滞系统的鲁棒模型预测控制，用LMI解决时滞系统的输入受约束控制，给出了新的鲁棒性能指标上界和系统稳定的充分条件，通过求解LMI凸优化获得状态反馈控制律，仿真验证了该方法的有效性．结果表明，基于LMI约束不确定时滞系统的鲁棒模型预测控制易于求解，适于实际应用．本方法还可以推广到其他时滞系统模型中．     

Robust Topology Optimization of Vehicle Suspension Control Arm

A robust topology optimization design framework is developed to solve lightweight structural design problems under uncertain conditions. To enhance the calculation accuracy and flexibility of the statistical moments of robust analysis, number theory integral method is applied to sample point selection and weight assignment. Both the structure topology optimization and number theory integral methods are combined to form a new robust topology optimization method. A suspension control arm problem is provided as a demonstration of robust topology optimization methods under loading uncertainties. Based on the results of deterministic and robust topology optimization, it is demonstrated that the proposed robust topology optimization method can produce a more robust design than that obtained by deterministic topology optimization. It is also found that this new approach is easy to apply in the existing commercial topology optimization software and thus feasible in practical engineering problems.     

Power control in wireless sensor networks based on robust optimization

Topology control is a critical issue for energy efficient wireless sensor networks. Distance between sensors plays an important role in the problem of topology control in that it directly determines the accuracy of the node position. However, distance is generally affected by uncertain external factors, such as measurement error and actual interference. The actual performance of a topology control strategy can be severely influenced by distance uncertainty. Based on the robust discrete optimization theory and methodology, a power control algorithm is proposed to deal with distance uncertainty. First, related works on robust optimization is introduced. Then the problem of power control is formulated as a robust minimum spanning tree model under distance uncertainty, which is solved by Prim's algorithm. In computational experiments, the influence of the adjusting parameter on network performance is studied. Simulation results show that a robust solution can provide an improvement when the distance is uncertain at the expense of the less optimal value compared with a deterministic solution.     

基于集中式信息系统的主动配电网鲁棒优化调度

为了适应配电网从被动受电向主动供电角色的转化,提出基于集中式信息系统的主动配电网鲁棒优化调度策略。采用交流潮流模型描述配电网的功率平衡关系,计及无功注入的调节作用,建立两阶段电能与备用联合调度模型;应用鲁棒优化技术,构建可再生能源发电出力的不确定性集合;将高维、非凸的最优化问题转化为凸问题,以保证最优解的性能。对算例系统进行仿真计算,结果表明资源的优化调度提高主动配电网的灵活性,所提出的鲁棒优化调度策略能够增强主动配电网对间歇性可再生能源发电的容纳能力。     

不确定时滞系统H∞控制性能分析的鲁棒可靠性方法

研究具有一般形式的不确定线性时滞系统鲁棒H∞控制器的可靠性问题。用区间变量描述控制系统时变参数的不确定性，将非概率可靠性方法和线性矩阵不等式（LMI）方法相结合，用于时滞不确定控制系统的鲁棒性能分析，提出了时变不确定性时滞系统H∞鲁棒性能分析的一种新方法——鲁棒可靠性方法。该法可给出控制系统满足性能要求的鲁棒可靠性度量及保证性能要求的基本参数的最大容许变异范围，且易于实施。数值算例说明了所提方法的有效性和可行性。     

一类2-D系统的鲁棒稳定性分析

研究了2-D系统第二类Fornasini-Machesini模型的稳定性问题,以线性矩阵不等式的形式给出了一类不确定2-D系统的鲁棒渐近稳定条件.在定义了稳定界的基础上,提出了稳定界的求取方法.进而得出了该类系统稳定状态反馈控制律的存在条件和设计方法,利用一组线性矩阵不等式的可行解给出了反馈控制律的参数化表示,理论上证明了该方法设计的控制器使得闭环系统对于所有允许的不确定性均稳定.系统的稳定界和反馈控制器可以通过求解一类线性矩阵不定式约束的凸优化问题得到.     

一类线性时滞不确定系统的时滞依赖鲁棒稳定性分析

针对带有非线性不确定参数的线性时滞系统鲁棒稳定性问题，讨论了一种带有二次不确定参数的状态空间模型，对该系统进行鲁棒稳定性分析．所得结果与时滞相关，且对于不确定性参数满足广义匹配条件情形，相应结果以线性矩阵不等式的形式给出．