多等级蓄意攻击下的第三方物流可靠性网络设计

在考虑多等级蓄意攻击的情况下,研究第三方物流(3PL)可靠性网络设计问题.建立问题的多层优化模型:3PL网络设计模型在可靠性约束下通过开设不同安全等级的物流设施来最小化总物流成本;蓄意攻击模型选择不同等级的攻击策略使网络的服务水平最低;网络流决策模型可最大化网络受攻击后的服务能力.根据问题模型的特点,设计改进两层人工蜂群(ABC)算法,上层ABC算法求解3PL网络设计问题,下层ABC算法求解蓄意攻击优化问题.网络流决策问题则通过网络流算法进行求解.最后,通过仿真实验来验证所提出模型的合理性及算法的有效性.     

分布式电网CPS 系统数据攻击下的状态估计

电力物理网络通过构建信息网络进行优化调控并构成信息物理融合系统, 实现大规模分布式系统的优化控制, 随之而来的问题是病毒、黑客入侵、拒绝服务等来自信息网络的威胁, 导致物理系统恶意破坏. 鉴于此, 以攻击可检测为前提, 建立攻击信号下的电力系统分布式动态模型, 设计动态状态估计器检测受攻击的信号, 并估计其原始信号. 最后通过3 机9 节点分布式电网系统仿真实验验证了所设计的状态估计器对于数据攻击检测的有效性.

     

需求分布不确定条件下的多周期库存鲁棒优化模型

在离散需求情景概率不确定的条件下, 建立基于最大最小方法的多周期库存鲁棒优化模型. 考虑需求分布分别隶属于区间和椭球不确定集两种情形, 运用对偶理论将多周期库存鲁棒优化模型转化为易于求解的凸规划问题. 数值结果表明, 与已知需求分布下的系统最优绩效相比, 采用鲁棒订货策略虽然会导致部分绩效损失, 但损失值很小, 表明基于鲁棒优化的多周期库存订货策略具有良好的鲁棒性, 能够有效抑制需求分布不确定性对库存运作绩效的影响.

     

多导弹分布式协同制导与反步滑模控制方法

针对多弹三维协同攻击机动目标的要求, 提出一种基于网络同步原理的协同制导方法. 该算法给出了导弹3 个方向的速度, 并基于运动学关系转化为总速度、弹道倾角和弹道偏角指令. 基于反步法将控制器设计过程转化为3 步, 分别为速度及弹道角子系统、气动角子系统和角速率子系统设计, 各子系统采用滑模控制. 控制器设计中采用扩展状态观测器对气动参数摄动和外部扰动进行估计, 并在控制器中进行补偿. 仿真结果验证了控制器的跟踪特性及导弹的协同攻击效果.

     

求解多处理器任务调度问题的改进差分进化算法

针对多处理器系统任务调度复杂问题, 在自适应差分进化算法基础上增加惯性速度分项, 提出一种称为惯性速度差分进化(IVDE) 的改进算法, 以避免陷入局部最优解. 结合启发式任务列表, 对算法的状态编码提出了处理器列表(PL)、部分偏序任务列表(PTL) 和全部任务列表(CTL) 等3 种形式. 通过求解随机生成的任务调度标准图和真实求解任务问题, 进行了数值仿真验证, 其中PTL-IVDE 算法相比蚁群优化(ACO) 算法、混合遗传算法(TLPLC-GA), 能快速求得更好的任务调度方案.

     

不确定可靠性优化问题的多目标粒子群优化算法

针对元件可靠性为区间值的系统可靠性优化问题, 提出一种区间多目标粒子群优化方法. 首先, 建立问题的区间多目标优化模型; 然后, 利用粒子群算法优化该模型, 定义一种不精确Pareto 支配关系, 并给出编码、约束处理、外部存储器更新、领导粒子选择等关键问题的解决方法; 最后, 将该方法应用于可靠性优化问题实例, 验证了方法的有效性.

     

求解双层规划优化问题的层次风驱动优化算法

针对双层规划的求解问题, 提出一种层次风驱动优化算法. 初始化上层优化变量后, 首先对下层规划进行求解, 满足约束条件的同时, 更新下层规划中的空气质点速度和位置; 然后, 利用风驱动优化算法对上层规划问题进行求解; 最后, 在优化解集合中, 选择上下层规划目标值次序之和最小的解作为最终优化解. 实验结果表明, 所提出的层次风驱动算法是一种有效的求解双层规划问题的方法.

     

基于贡献率的离散Hopfield 结构优化

针对离散Hopfield 神经网络(DHNN) 结构复杂的问题, 提出一种基于贡献率的结构优化算法. 该算法利用奇异值分解方法对连接权值进行设计, 进而利用贡献率的方法对DHNN进行结构优化. 优化后的网络降低了DHNN结构的复杂程度, 使网络具有类似生物神经网络的稀疏结构, 实现了DHNN网络结构的优化. 最后, 通过水质评价和数字识别对该算法进行验证, 表明了所提出算法的有效性和可行性, 同时, 还验证了其对于大规模DHNN的有效性和适用性.

     

一种新的实时智能汽车轨迹规划方法

针对智能汽车的驾驶决策和轨迹规划问题, 将轨迹表示为轨迹曲线和加速度变化两部分, 以优化轨迹的行驶效率、安全性、舒适性和经济性为目标建立非线性规划模型. 基于序优化思想, 提出混合智能优化算法OODE, 分内、外两层分别优化加速度变化和轨迹曲线, 通过“粗糙” 评价轨迹曲线实现轨迹曲线的快速择优. 仿真结果表明, 所提出的方法能够处理包含多动态障碍物的复杂交通场景, 且具备实时应用能力, 模型的精度和求解速度均优于传统方法.

     

带实际约束的大规模车辆路径问题建模及求解

针对现有算法不能有效求解卷烟配送过程中, 问题规模大并具有诸多实际约束条件限制这类实际问题, 首 先分析实际约束, 建立问题模型; 然后从模型出发设计多阶段算法, 通过地理信息的分级管理实现区域划分, 在降低 问题规模的同时消除交通障碍; 采用改进的k 均值聚类法分派线路, 将问题转化为求解小规模旅行商问题; 最后以济 南市区的卷烟配送为例, 通过与典型优化算法的比较表明了所提出多阶段算法在实际应用中的优越性.

     

面向网购的低碳供应链设计模型及其应用分析

针对网购中的低碳供应链网络设计问题,利用凹函数对碳排放成本、物流成本和配送中心固定成本之和进行最小化建模.由于该模型不能被直接求解,首先,应用拉格朗日松弛法将其分解成单一供应商选址和凹背包两个问题,在此基础上提出了基于子问题求解的拉格朗日启发式算法;然后,从供应链网络运营成本和供应链网络设计两个方面进行应用分析.结果表明,考虑碳排放成本的供应链设计能够优化网购环境下低碳供应链资源的配置.     

随机中断下第三方物流弹复性网络设计*

实际环境下第三方物流（3PL）网络会面临各种不确定的中断风险。为了使3PL系统能够安全、有效的运作,研究3PL弹复性网络设计问题模型和算法。建立带有弹复性约束的3PL网络设计优化模型,通过选择开设3PL物流中心和3PL仓库最小化总物流成本,同时使弹复性满足要求水平。根据问题模型的NP特性,设计和声搜索(HS)算法进行求解,并采用蒙特卡洛仿真方法估算网络的弹复性。最后,通过仿真实验来验证模型的合理性及HS算法的有效性,并分析弹复性对算法性能和网络设计结果的影响 。仿真实验结果表明HS算法能够对问题进行有效求解。     

一种基于互信息变量选择的极端学习机算法

针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.

     

基于期权的供应链数量柔性契约决策模型

针对单个制造商和单个销售商组成的多周期单产品两级供应链协调问题, 建立了期权与数量柔性契约相结合的决策模型; 需求的不确定性通过有限的情境描述, 采用逐步对冲算法对基于情境的随机规划模型进行求解, 给出了销售商最优的期权购买量和初始订货量以及制造商最优的原材料采购量和产品生产量; 最后通过数值仿真实验验证了所提出模型的有效性.

     

基于特征可分性和稳定性度量的多特征融合目标跟踪算法

针对单一特征目标跟踪算法鲁棒性较差的问题, 提出一种基于特征可分性和稳定性度量的多特征融合目标跟踪算法. 在粒子滤波框架下, 通过计算不同特征对目标和背景的可区分性和稳定性, 设置重要性权值并自适应选择区分能力强、稳定性好的特征描述目标, 建立多特征融合目标模型. 在状态转移过程中, 给出一种基于特征稳定性度量的选择性模板更新策略, 并进行遮挡处理. 实验结果表明, 所提出的算法能够在复杂场景下鲁棒地跟踪目标.

     

基于深度邻域搜索PSO 算法的装配序列优化问题

针对产品结构特征建立几何约束矩阵, 以最大化满足几何约束条件装配次数和最小化装配方向改变次数为目标, 研究产品装配序列优化问题. 利用值变换的粒子位置和速度更新规则, 基于具有随机性启发式算法产生初始种群, 提出一种带有深度邻域搜索改进策略的粒子群算法解决装配序列问题. 通过装配实例验证了所提出算法的性能并对装配序列质量进行了评价, 所得结果表明了该算法在解决装配序列优化问题上的有效性与稳定性.