考虑用户风险态度的不确定离散交通网络设计模型

为克服传统网络优化不考虑不确定条件下用户选择行为的问题,作者以交通供给和需求不确定性为基本前提,根据期望效用理论建立考虑用户风险态度的不确定交通网络设计模型,给出了基于Monte Carlo模拟、遗传算法和间隙函数法的网络优化模型的求解方法,并给出了算例.Nguyen Dupuis网络的计算结果表明用户的风险态度对于不确定网络建设决策有重要影响.     

多阶段随机选址库存模型研究

为了在存在多种不确定因素的多阶段战略周期中,确定最优的库存、选址和分配决策,提出了一类多阶段的随机选址库存模型.该模型不仅考虑了风险分摊的效益,而且还利用情景规划考虑了整个多阶段战略周期中各参数的不确定性.该模型的目标是寻找一个最优解,使得整个战略周期内系统的总期望成本(包括库存、运输和选址成本)最小,使用基于拉格朗日松弛与次梯度的启发式算法对该模型进行求解.多个算例的计算结果表明,该算法是求解所提出的多阶段随机选址库存模型的有效算法.     

离散模糊随机需求报童问题

针对Dutta等将模糊随机报童期望总利润视为三角模糊数这一假设条件,基于模糊数的运算法则重新探讨了Dutta等提出的模糊随机需求报童问题,运用梯级平均综合表示法确定了报童问题的最优订货量,并与Dutta等的求解方法进行了比较分析。结果表明：运用梯级平均综合表示法,无须视总利润为三角模糊数,直接从模糊数运算法则出发,同样可解决离散模糊随机报童问题,只是所得出的最优订货量有所不同。     

多阶段生产／库存系统随机需求的整体库存模型

在一些备件和化工产品的需求中存在着库存问题,对复杂库存系统问题需要建立数学模型进行决策,通过对目前比较成熟的随机独立库存的分析,对多阶段生产/库存系统中随机库存问题进行了研究,提出了在随机需求的情况下（R,Q）策略的整体库存优化方法,并建立了相应的数学模型,最后给出了随机库存模型参数的评判方法,结果表明,随机库存模型对生产实践有指导作用。     

基于多阶段抽样技术的随机减量法

将多阶段抽样技术应用于随机减量法中随机减量信号的提取,用以解决结构振动参数识别中计算量较大的问题.数值算例和工程实例结果表明,该方法可在大大减小计算工作量的同时较准确的识别出结构振动参数.     

自适应多切割聚合算法在两阶段随机凸规划中的应用

将Svyatoslav Trukhanov,Lewis Ntaimo和Andrew Schaefer的自适应多切割算法推广到了带补偿的两阶段随机凸规划问题上.算法的实现简单、计算量小,并具备一定的收敛性.     

离散需求下基于两阶段思想的分布式仓储研究

该文主要研究在离散需求下,第三方物流仓储企业的动态分布式仓储能力分配策略.首先建立了基于随机背包思想的动态规划和两阶段模型,再对该模型设计了采用贪婪思想修复无效解的遗传算法.最后通过数值仿真分析比较了该文设计的采用贪婪思想修复无效解的遗传算法与普通采用惩罚因子的遗传算法的相关性能,并验证了该模型与算法的可行性和稳定性.     

基于电价型需求响应的微电网两阶段随机调度方法

研究了电价型需求响应参与微电网调度运行的问题,在电价型需求响应的基础上,采用场景法考虑微电网中风光出力的随机不确定性,建立了微电网两阶段随机优化模型,由第一阶段的需求响应资源参与风光消纳,引导用户响应风光出力的变化,在第二阶段通过调整可控微源的备用资源,校正实时运行场景下的供需不平衡,满足不同风光出力场景的差别需求。算例结果表明所提考虑电价型需求响应的微电网两阶段随机调度方法具有应对不确定风光出力的鲁棒性,可以有效提高微电网系统整体运行的经济性。     

基于超级交通网络的换乘枢纽空间布局优化

利用交通规划理论与超级交通网络,优化城市交通换乘枢纽的数量、空间位置以及规模.依据样本城市的超级交通网络和OD出行矩阵,建立换乘枢纽选址的双层规划模型.上层模型追求交通系统社会效益最大和换乘枢纽建设费用最小,下层模型是超级交通网络上全方式OD交通量的用户平衡分配模型.通过引入改进的禁忌搜索算法实现上下层模型之间的循环反馈.     

离散变量结构形状优化设计的拟满应力遗传算法

为了弥补遗传算法局部寻优能力差的缺点,将拟满应力算法嵌入到遗传算法中构成一种结合二者优点的混合遗传算法,并将该算法应用于离散变量结构形状优化设计问题.将形状设计变量和截面设计变量统一考虑,编码表示在同一染色体中.既解决了两类变量间耦合上的困难,同时也避免了将两类变量分开考虑只能求得局部最优解的问题.算例的结果表明,该方法用于离散变量结构形状优化是有效的.     

离散变量结构优化的2级算法

针对满应力设计方法不能直接用于离散变量结构优化问题,把近似满应力设计方法和相对差商法结合起来,给出了适用于离散变量结构优化的2级算法,提高了相对差商法的收敛速度,该算法不仅能直接解决具有应力约束和截面尺寸约束的离散变量结构优化设计问题,而且也能同时处理具有位移约束等全局性约束的多工况、多约束、多变量的离散变量结构优化设计问题,根据该算法编制了相应的计算程序,算例结果表明,该方法对于离散变量结构优化设计非常有效。     

混合离散变量结构优化的遗传算法

提出了混合离散变量结构优化的遗传算法，给出了离散变量结构优化的算例，算例结果表明算法是有效的。     

随机型联合补充问题的混合遗传算法的研究

随机型联合补充问题是一种需求为随机的多种物品联合补充,目标是得到最小的总成本.针对这一问题使用了定周期检查策略进行分析,并建立了期望值模型,求出使整个库存系统的单位时间总期望费用最小的基本订购周期、各物品订购周期和最大库存量,并要满足一定的服务水平.对此模型采用了随机模拟算法和遗传算法的混合来进行解决,该算法可以得出问题的近似最优解,并用实例对算法进行了验证.     

掘进井架的离散变量优化设计

本文首先给出了一种求解非线性离散变量优化设计的改进罚函数方法．该方法中罚系数初值的选取采用一般的优化方法，为避免无效循环，文中给出了有关处理措施．其次，针对掘进井架结构的特点，本文给出其离散变量优化设计的具体步骤和计算时须注意的事项．文末给出算例，并与其它代化结果作了比较，说明该方法的优越性。     

遗传神经网络在铁矿石需求预测中的应用

将遗传算法与BP神经网络结合,利用遗传算法的全局搜索优化BP网络的初始权重,有效地克服了BP算法的局部收敛和收敛速度慢等问题.使用主成分分析法选取输入变量,并将建立的混合模型应用于铁矿石需求预测中.实验表明,该方法改善了预测精度,达到了较好的预测效果.     

随机离散事件系统的故障预测

针对随机系统模型,提出一种随机离散事件系统的故障预测方法. 先对随机离散事件系统的故障可预测性进行形式化,再通过引入概率转移矩阵构建一个故障预测器自动机,得到关于随机离散事件系统的故障可预测性的充分必要条件. 由此,在故障预测器的基础上,通过计算其扩展马尔可夫矩阵,可判定随机离散事件系统是否具有故障可预测性,从而实现对故障事件在其发生之前的准确预测.     

离散变量结构优化的斐波那契算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了建筑结构优化模型。利用斐波那契数列的规律，提出了离散变量结构优化设计的斐波那契算法。算例结果表明，该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化问题，也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题。是一种理想建筑结构优化设计方法。