连续与离散相结合的单一物流中心选址方法

以单一物流中心优化选址问题为研究对象,通过对连续型选址和离散型选址等常规选址方法分析与评价,提出连续与离散相结合的单一物流中心选址方法．首先,建立了既包含地价、交通阻抗影响,又能体现由于竞争关系致使物流服务需求量在物流中心之间合理分配的连续型选址模型．模型以物流服务需求量所产生的净效益最大化为目标函数,给出了采用遗传算法求解的方法．其次,根据用地性质、物流中心用地面积要求、自然条件及交通环境等因素,确定备选点集合．最后,基于贴近度原理,将由模型求解出的理论最优建址点与备选点进行比较,最终确定新建物流中心建址地点．     

第三方物流企业的物流中心选址模型与算法

文章通过分析物流中心的选址对第三方物流企业的发展的重要影响,指出了物流中心的选址应该以提高物流企业的物流能力为目标,并在此基础上建立了基于优化物流能力的多目标的选址模型,在模型求解中,利用带自适应移动线的遗传算法较好地解决了多个目标函数合并中人为的主观性。     

基于遗传算法的粮食物流配送中心选址优化

根据粮食配送中心选址问题的特点和要求,在运输成本最低的基础上,构造了选址问题的数学模型.并把遗传算法引入到该模型的求解中,通过选择恰当的编码方法和遗传算子,求得模型的最优解,验证了模型的正确性.实例求解表明,该算法可以有效、快速地求得粮食配送中心选址问题的全局最优解.     

基于免疫算法的物流配送中心选址

针对物流配送中心选址问题,以物流成本为目标函数,采用免疫算法对配送中心选址进行优化.通过一个中等规模的物流需求点实例,仿真结果表明,该方法能够快速有效地求得物流配送中心选址问题的全局最优解.     

多目标进化算法在物流配送中心选址中的应用

传统的物流配送中心选址模型过于单一地追求物流成本的最小化,而没有考虑服务的质量与效率．本文将顾客时间满意度作为度量物流服务水平的一个标准,提出了物流配送中顾客时间满意度的计算方法,建立了以物流成本最小化和时间满意度最大化为目标的物流配送中心选址多目标优化模型．采用一种基于NSGA一Ⅱ的多目标进化算法来求解,通过选择合适的编码方法和遗传算子可以得到模型的最优解,并通过实际算例说明了模型和算法的有效性．该模型能一次得到多组有效解,从而可以为物流配送中心选址提供更加全面的决策支持．     

基于AHP和目标规划的物流配送中心集成选址模型研究

物流中心选址在整个物流系统中占有重要的地位,是属于物流管理战略层的研究问题.通过参阅资料和实际研究,从定性与定量两个方面分析了影响物流配送中心选址的各种因素,并构建物流配送中心选址的模型.针对物流配送中心的选址问题,分别采用AHP法、基于AHP和目标规划的集成方法求解,并通过案例分析对两种方法进行比较,证明基于AHP和目标规划的物流配送中心的集成模型的优越性.     

物流中心选址的决策分析研究

目前,物流作为“第三利润源”已经成为一个新的经济热点,受到国民越来越多的重视,然而在大力发展物流行业的同时,人们面临着一个共同的问题：如何合理地对物流中心进行选址。物流中心在物流系统运作中具有很重要的地位,是连接物流上游供应地和下游需求方的桥梁。在对物流中心的重要性有所了解后,本文从销售方、物流中心、需求方这三个层面出发,针对成本最小化这一目标,运用混合整数规划方法对多物流中心的选址建立模型并运用Lingo软件对模型进行求解并得出结果。     

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.     

基于AHP-GP的物流中心选址方法

采用了一种改进的无需一致性检验的AHP来解决物流中心的选址问题.针对AHP方法无法解决有限资源的约束问题,将AHP与目标规划(GP)方法相结合,提出了一种基于AHP-GP的物流中心选址模型.该模型主要适用于在有限资源约束下,进行多个物流中心选址方案的优化组合,而当资源的约束条件较大时,模型的准确性和合理性均有所降低.     

基于多群体并行遗传算法的混流混合车间模糊调度研究

为了有效的处理混流混合车间的物流堵塞问题,同时解决加工时间和交货期等参数的不确定性问题,提出了基于缓存区存量最低的混流混合车间的模糊优化数学模型.通过求解这个模型,能够实现在生产需求约束条件下,零件的缓存量最低,从而达到物流顺畅.此外,在模型的求解方法上,给出了一种收敛过程是阶段性、种群个体迁入、迁出是筛选性的多群体并行遗传算法,该算法能有效的保留种群的最优个体并根据收敛代数调整种群规模,从而增强解的全局搜索能力.实验结果表明:模型是合理的,算法是有效的,且求解结果不仅能满足客户的需求,而且能够有效地降低中间库存量,从而保证生产稳定、连续的进行.     

大数据条件下网络零售商的经济批量问题

为了研究一个有限计划期内,在供应商处于大数据的条件下,网络零售商满足客户个性化需求的补货及发货批量策略制定问题,对大数据进行预处理,筛选有效的客户浏览行为,通过信息过滤,优选服务供应商.由于建立的批量问题模型具有一定的复杂性,设计多项式算法求解批量模型,从而获得问题的最优解,选择最终供应商及制定批量策略.结果表明,该处理方法具有一定的有效性,为大数据条件下网络零售商满足客户个性化、定制化需求的经济批量问题提供了解决方法.     

一种采用剩余服务时间的异构网络选择算法

We propose a network selection algorithm based on the residual service time for the network selection problem in heterogeneous networks. There have been already many research works and achievements in this area, but most of the existing works just consider the optimal user or network revenue which does not consider the impact of new users. This paper presents the concept of the residual service time, and uses it to model the impact of the new users, in order to get a better network option on long time scales. In this paper, we use the non-cooperative game to model the network, and prove that the Nash equilibrium of the model is also the global optimal solution. Finally, we use the Lyapunov stability theory to show that the proposed algorithm is stable. Simulation results show that the introduction of the residual service time can improve the network performance, reduce the blocking rate, and increase the total network revenue.     

粒子群算法求解Web服务组合中基于QoS的服务选择

针对现有web服务组合中服务选择技术的不足,提出了一种基于粒子群优化算法的多
目标优化策略,用于解决web服务组合中基于服务质量（QoS）的服务选择全局最优化问题.
将web服务选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目
标粒子群算法的智能优化原理,通过同时优化多个QoS参数,最终产生一组满足约束条件的P
areto最优解. 实验结果证明了该算法的可行性和有效性.     

基于负载分时分析的虚拟服务整合建模分析

介绍了一种面向下一代绿色数据中心的虚拟服务整合方案。基于服务负载高峰处于不同时段的原理,提出了基于负载分时分析的建模方法,在保证QoS的前提下能够达到资源利用率最大化。考虑了服务之间的联系性和互斥性,以及服务与服务器之间的兼容性,提出了5项整合原则,使该方案具有更强的实际应用价值。将建立的模型看作是有约束的多维装箱问题,提出了基于分组遗传算法(GGA)的智能优化算法搜索全局最优解。通过实验表明,该方案与之前的模型相比具有更高的整合率。     

基于Voronoi图和改进引力搜索算法的电动汽车充电站选址定容

电动汽车充电站的选址定容属于多变量、多约束及高维度的非线性数学问题,针对该问题提出一种基于Voronoi图和改进引力搜索算法(Improved Gravity Search Algorithm,IGSA)的选址定容方法.综合考虑主观权值和客观权值,运用层次分析熵权法,建立以建设运行成本、用户充电时间成本及配网损耗成本为...     

模糊数学在稳健优化设计中的应用

从多目标的角度出发考察了双目标的成本一质量模型．将试验设计方法和模糊数学知识结合起来,利用模糊数学中的隶属度函数及贴近度原则实现了这一多目标稳健设计的最优问题,并通过实例证明了该方法的有效性。     

基于模糊择近原则的容差稳健优化设计

以双目标离散容差-成本模型为基础,通过引入模糊数学中的隶属度函数和贴近度,提出了一种模糊容差稳健优化设计方法。该方法将模糊数学的择近原则和试验设计方法结合起来,较好地解决了双目标离散容差设计的全局最优问题。最后通过一个实例验证了该方法的合理、有效性。     

基于路网容量约束的停车设施泊位规模优化

针对目前停车规划中很少考虑道路网络容量限制的情况,建立了基于路网容量约束的停车设施泊位规模优化模型.该模型考虑道路网络容量对停车需求的限制和约束,通过各处停车设施规模的优化,引导停车需求合理分布,以充分利用道路网络资源,实现效益与公平性最大化.该模型优化目标为在满足道路网络容量约束下使得效益(即可满足的停车需求)最大,并通过用户平衡模型计算流量在道路网络上的分配,介绍了用遗传算法对模型求解的方法.数值算例表明,通过优化建模与求解,可得到各处停车设施的最佳泊位规模,并得到满足路网容量约束的合理停车需求分布.     

某公司物流配送优化模型求解方法及其对策

采用混合整数规划法建立模型,通过对模型的求解和修正,并实施多样化分拨,得出该地区物流配送的最优规划布局。最后以总费用和客户服务水平为判断依据,为该地区销售物流配送的规划布局优化提出建议及对策。     

平面完全约束绳牵引并联机器人的多目标优化

针对平面完全约束的绳牵引并联机器人的多目标优化问题,给出了一种理想点法与遗传算法相结合的方法．首先以绳牵引并联机器人工作空间面积、全面刚度指标、全局灵巧度系数为优化目标,基于遗传算法进行全局优化,得到各个目标的理想点．然后采用理想点法建立多目标优化模型,并采用遗传算法对该模型进行求解．仿真实验表明,优化结果较为均衡,各模型有效解都接近相应单目标的理想点．所得结论可以为同类绳牵引并联机器人的设计提供参考．