带时限的多出救点应急物资调度模型及算法

主要研究时间限制下的多出救点应急资源调度优化问题。针对传统优化算法搜索速度慢、易陷入局部最优解的缺点,提出一种新的基于高斯函数的混沌粒子群优化算法,该算法利用高斯函数的分布曲线特性和混沌的遍历性来增强粒子群优化算法的寻优能力。将该算法应用时间限制下的多出救点应急资源调度优化,建立了满足应急时间限制下系统总费用最小的数学模型,介绍了该算法的详细实现过程。算例通过和遗传算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性。     

多目标多约束应急物资调度优化的仿真研究

研究突发事件应急物资调度优化问题,应急物资具有多目标、多约束、动态性特性,传统粒子群算法存在"早熟"缺陷,无法获得最优调度方案,为解决上述问题,提出一种采用混沌粒子群优化算法的突发事件应急物资调度优化模型。首先建立应急物资调度优化数学模型,并确立目标函数,然后采用混沌粒子群算法对其进行求解,最后采用仿真测试算法的有效性和可行性。仿真结果表明,混沌粒子群算法克服了传统优化方法易陷入局部最优的缺陷,在保证应急时间最短的前提下,运输总成本最低本。     

多需求点、单货种军械调运模型算法研究

军械调运是军械保障工作中一个十分重要的环节,关系到军械保障工作能否快捷有效的完成。考虑到战时状况下军械调运的复杂性、快速性、危险性等特点,建立了多需求点、单货种军械紧急调运的优化模型,通过严格的数学逻辑推导,对模型给出了解析算法,并通过具体的算例表明了模型的正确性及算法的有效性。     

基于马尔可夫决策的应急物资动态分配模型

研究供需不平衡环境下的应急物资动态分配问题.考虑到台风灾害演变导致应急物资需求不断增长与应急物资供应相对紧缺之间的矛盾,将需求的演变设计成一个马尔可夫决策过程,建立基于马尔可夫决策的应急物资动态分配模型.通过二进制粒子群优化算法求解,最后将所提出模型应用于某台风发生时的救灾实例.实例分析表明,马尔可夫决策方法可以动态地做出合适的需求扑灭策略,使得整体的需求演变趋势保持平稳,整体的需求水平降到最低.     

应急物资运输与分配决策模型及其改进粒子群优化算法

综合考虑我国应急管理实践、应急响应时间限制以及应急物资分配中的公平要求,在三级应急物资运输网络的基础上,建立了以系统损失最小为目标的应急物资运输和分配决策模型.针对模型的整数非线性规划的特点,提出了改进粒子群（PSO）算法,通过在不同维度上确定不同学习对象,加强了粒子的空间搜索能力.数值算例验证了模型和算法的有效性.     

基于离散粒子群算法的应急物资调度系统研究

应急物资的调度是一个非常重要而实际的研究课题,首要条件是时间最短,在时间最短的基础上要求费用最低。在此基础上,建立了时间最短、成本最低的多目标带约束的数学模型,并利用理想点法将此多目标问题转化为单目标问题,而后利用粒子群算法中的罚函数法将此蒂约束的问题转化为不带约束的问题,最后用离散的粒子群算法求解。实验表明,用粒子群算法求解应急物资调度问题有效可行。     

基于离散粒子群算法的应急物资调度系统研究

应急物资的调度是一个非常重要而实际的研究课题,首要条件是时间最短,在时间最短的基础上要求费用最低。在此基础上,建立了时间最短、成本最低的多目标带约束的数学模型,并利用理想点法将此多目标问题转化为单目标问题,而后利用粒子群算法中的罚函数法将此带约束的问题转化为不带约束的问题,最后用离散的粒子群算法求解。实验表明,用粒子群算法求解应急物资调度问题有效可行。     

多出救点、多物资应急调度算法研究

目前物资调度方法大多是针对单出救点、单物资的调度,不能满足应急救助的实际需要。讨论在满足时间与出救点数量的约束条件下,如何解决灾害发生地多种物资调度问题,同时解决灾害发生地和物资储备仓库之间的最短路径问题。给出了两个具体的算法,并用一个实例验证了算法的可行性。     

模糊环境下的应急物资储备库选址模型及算法

应急物资储备库选址问题是应急管理中的主要研究问题之一。在定义梯形模糊数排序准则的基础上,构建了约束条件中含有梯形模糊数的应急物资储备库选址模型,给出了一种基于梯形模糊数排序准则的模型算法,最后通过算例分析验证了该方法的有效性。     

区域性应急物资储备库选址－配给模型与算法

为整合区域性应急物资储备资源,加强储备物资的协同管理,研究了区域性应急物资储备库的多点选址-配给问题。建立了以储备库建设成本与变动成本、物资运输成本之和最小化,以及物资运输总时间最小化的区域性应急物资储备库选址-配给多目标优化模型。鉴于多品种、多目标选址-配给问题的特点,设计了一种改进的多目标遗传算法,并用MATLAB编程实现模型的求解。在算法流程设计中,对于高维稀疏矩阵编码且具有强约束限制的选址-配给问题,初始化过程中采取搜索空间限定法来规避违约,并设计了定位变异算子以此生成子代。算例分析结果表明该算法性能较好,可以有效求解多点设施选址-配给问题。     

基于K均值聚类和LK算法的应急物资调度

突发性事件中应急物资调度方案最优化问题是典型的车辆路径规划（VRP）问题。对于大规模的VRP问题求解,经典的启发式算法易陷入局部最优,难以得到高质量的调度方案。针对这一问题,提出了一种基于K均值聚类和LK算法的调度方法。该方法采用K均值聚类方法将需求节点分成n个子集合,对聚类结果进行修正后分配给n辆运输车辆,采用LK算法对每辆运输车辆的运输路径进行优化。仿真实验结果表明,方法获得了较好的调度方案,而且单个运输车辆服务的需求节点个数越多,方法的优势越明显。     

双层规划在灾后应急物资调度中的应用综述

为了减少财产损失和人员伤亡、提高灾民满意度,基于双层规划理论,从应急救援角度出发,对突发灾害事件下的应急物资调度问题进行综述。围绕应急物资调度,从灾后应急现状、应急物资选址—分配、不同约束下的应急物资调度及双层规划和群智能优化算法在应急物资调度中的应用等方面进行梳理和讨论。结果表明,关于灾后应急物资调度的研究,目前主要关注单级应急网络结构,且模型的目标函数和约束条件与实际情况存在着出入,结合应急物资调度实际特征提出改进建议;考虑两级应急网络结构,进而构建双层规划模型,实现上下级目标的联合优化。     

基于变长基因型遗传算法的多供应点应急物资调度优化

如何及时高效地调度应急物资以减小突发事件带来的伤害成为社会关注的焦点问题。在综合考虑新冠肺炎疫情这类特殊突发事件特点的前提下,构建了一类多供应点多式联运应急物资调度网络,并以运输成本最低、时间惩罚最少、配送员被感染风险最小为优化目标建立了一类多目标调度优化模型。考虑到基于聚类思想的优化算法在解决多供应点,尤其是多目标调度优化问题中缩减可行域方法科学性存疑的局限性,提出了一类考虑完全可行域思想的变长基因型混合小生境遗传算法,并借助23个基准测试实例验证了这一算法的有效性,更新了部分实例的现有最优解。在此基础上,通过比较多供应点应急物资多式联运算例中四类遗传算法的仿真结果进一步验证了混合小生境等改进策略的优越性。     

基于变精度粗糙集的应急调度模型

以应急调度为背景,为了提高不同精度下的不确定信息处理能力,研究了变精度应急调度问题.针对多物资、多出救点、多受灾点和时变供求约束等特点,构建了应急时间最短、成本最少的多目标应急调度模型.证明了应急响应总时间的取值范围,以此推导出模型中运输时间与运费的取值范围.在上述定理证明前提下,设计了粒子群优化算法对该模型进行求解,并将其最优目标函数值与随机模式下最优目标函数值进行对比,显现出本文所提模型与设计算法的有效性.     

求解IPPS顺序柔性调度问题的模型与集成型调度算法研究

针对工艺规划与调度集成(integrated process planning and scheduling, IPPS)问题中的顺序柔性调度问题,提出了基于简单顺序关系的顺序柔性描述模型及调度模型,并改进遗传算法设计了集成型的顺序柔性调度算法。染色体编码同时采用简单顺序关系编码和基于工序的编码,并为两种编码分别设计了多种交叉和变异操作。为避免遗传算子产生违背工序顺序优先关系的不可行解,提出了顺序约束修正策略;针对遗传算法易过早收敛的缺陷,设计了自适应调节变量以强化种群多样性,并引入变邻域搜索算法改变解的搜索邻域,进一步搜索最优调度方案。三种不同规模的实验仿真验证了问题描述模型及调度算法的有效性。     

一种求解作业车间调度的文化粒子群算法*

提出了一种文化粒子群算法用于求解置换流水车间调度问题中的最小化最大完成时间。算法设置了群体空间和信念空间两类独立空间,群体空间采用自适应粒子群算法完成进化,信念空间通过更新函数来进行演化。算法中群体空间的粒子群不但通过跟踪个体极值和全局极值来更新自己,实现群体演化,而且通过不断与信念空间中的优秀个体交互,加快群体的收敛速度。该算法在不同规模的问题实例上与其他几个具有代表性的算法的比较结果表明,该算法具有较快的收敛速度,无论是在求解质量还是稳定性方面都优于比较的算法。     

基于微粒群算法的网格工作流优化调度问题的研究

网格工作流中的调度问题是一个复杂且具有挑战性的问题,它影响着网格工作流执行成功与否及效率的高低.针对具有时序和因果约束关系的网格工作流优化调度问题进行了研究,建立了网格工作流的任务调度模型和调度问题的目标模型,并应用微粒群算法来优化网格工作流中任务的调度.实验结果证明该算法优于传统的调度算法.     

微粒群算法在印染企业车间调度中的研究应用

在对某印染企业的生产状况进行了深入调研和分析的基础上,对流水车间调度、混合流水车间调度和作业车间调度进行了对比研究。同时对微粒群算法进行了深入研究,并根据实际情况对算法进行了部分改动和改进,使之能适用于离散的生产调度问题。最后将改进后的微粒群算法应用到花布印染企业的车间调度中,对加工任务进行优化调度,并实现甘特图的动态生成。论文的结果可直接应用于企业流水车间调度和作业车间调度,具有一定的实际应用价值。     

改进粒子群算法求解应急项目瓶颈资源动态调度问题

应急项目中资源的调度受到多种随机因素影响,处于复杂动态的环境中,求解困难;约束理论指出瓶颈是复杂系统管理的核心,将调度的重点放在瓶颈资源上可以简化复杂系统问题。针对于此,研究了应急项目中瓶颈资源的动态调度问题,以达到提高资源的利用率、减轻损失等目的。首先,从优化目标、机器环境、作业特征和约束几方面分析并描述了应急项目中瓶颈资源调度的问题特征,建立了相应的数学模型;接着,运用混合重调度策略和改进粒子群算法进行算法设计,实现了瓶颈资源的动态调度;最后,通过仿真实验并对比了多种算法的结果,验证了该算法的可行性和有效性,证明其具有较好的理论和实际应用价值。     

求解作业车间调度问题的微粒群遗传退火算法

标准微粒群算法（PSO）通常被用于求解连续优化的问题,很少被用于离散问题的优化求解,如作业车间调度问题（JSP）。因此,针对PSO算法易早熟、收敛慢等缺点提出一种求解作业车间调度问题（JSP）的混合微粒群算法。算法将微粒群算法、遗传算法（GA）、模拟退火（SA）算法相结合,既增强了算法的局部搜索能力,降低了算法对参数的依赖,同时改善了PSO算法和GA算法易早熟的缺点。对经典JSP问题的仿真实验表明：与标准微粒群算法相比,该算法不仅能有效避免算法中的早熟问题,并且算法的全局收敛性得到了显著提高。