考虑班种约束的呼叫中心排班优化模型与算法

一些呼叫中心设置早班、晚班和两段班班种;排班时规定员工周内同班种的班次当班,并且限制两段班当班员工占比。构建该实际情景的坐席人员排班问题整数规划模型。鉴于问题难解性,首先通过问题结构层次分解,以及对班种与班次覆盖区段人力需求量化指标的表征刻画,提出启发式算法生成解方案;然后采用基于模拟退火机制的邻域搜索算法改善解方案。计算实验表明整数规划模型适于求解小规模排班问题最优解,而上述两阶段优化算法能够获得大规模问题优化解。研究表明,在优化人力成本情况下可兼顾坐席人员工作时间高规律性。     

新鲜度限制约束下物流配送中心选址-路径优化

目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。     

滚动轴承压缩故障信号的特征代理与凸优化重构算法EI北大核心CSCD

压缩采样可以有效缓解机械状态监测数据存储和传输的压力,但是压缩数据的感知重构一直是个难点。针对滚动轴承压缩信号的故障特征提取问题,提出一种基于特征代理与凸优化算法的故障信号重构方法。分析了滚动轴承局部故障信号的稀疏和卷积特性,学习得到故障冲击模式。对压缩得到的轴承观测信号,构造包含冲击时刻特征的代理,并对代理建立目标优化函数,采用快速迭代收缩阈值算法(Fast Iterative Shrinkage Threshold Algo⁃rithm,FISTA)直接从代理提取出稀疏系数,将学习模式与稀疏系数卷积重构出故障信号。与直接利用FISTA从压缩信号中提取冲击特征相比,所提方法在不降低求解精度的同时降低了计算复杂度。相比于常用的贪婪类重构算法,所提方法无需预先估计信号的稀疏度,且能得到全局最优解。通过滚动轴承仿真和实验信号进一步验证了所提方法的有效性。     

动态的可选择可重复取送货基站运维路径优化研究

为了解决动态的可选择可重复取送货车辆路径优化问题,建立了基于动态需求的VRP模型。对于实时到来的需求,将动态的问题分解成多个静态的问题来求解。每次求解时,用初始插入算法得到初始解,设计改进的变邻域搜索算法来改善初始解。为了准确计算车辆到达配送点的时间,从百度地图实时读取任意两点的交通时间。利用铁塔公司历史数据构造多个算例表明,所提算法在1 min内得到较优解,和公司现有经验相比平均提升了46.47%,与插入算法相比平均提升30.38%。目前该算法已应用在该公司实际的基站运维中,有效地降低了该公司运维成本。     

基于随机规划的日间手术预约调度研究

综合考虑等待成本、空闲成本、加班成本等评价指标,基于随机规划建立了日间手术预约调度优化模型。为进行优化求解,通过蒙特卡洛方法转化为混合整数规划模型;进一步针对大规模问题,提出了基于遗传算法的求解算法。数值试验的结果表明提出的方法能在较短的求解时间内获得精确度较高的解。敏感度分析探讨了成本系数和手术数量对最优决策的影响。最后,还探讨了考虑手术切换和手术偏好等因素下的最优决策问题。     

基于改进遗传算法的偏柔性作业车间调度

偏柔性作业车间调度是生产管理中的重要问题。由于模型和计算的复杂性,传统优化方法往往难以得到最优解。采用改进遗传算法求解偏柔性作业车间的调度问题,设计相应的编码方法,利用所生成的染色体以及通过遗传操作得到的染色体生成可行的调度方案。基于工序串和机器串的编码方法,采用精英解保留策略、轮盘赌选择策略和基于划分集的交叉策略,提出基于均匀分布试验的变异法则,引入贪婪式解码方法对偏柔性作业车间调度进行求解。实例仿真表明,该算法在求解偏柔性作业车间调度方面具有良好的效率和优越性。     

绝对节点坐标方法的模型降噪研究

绝对节点坐标方法(absolute nodal coordinate formulation, ANCF)已成功应用于大变形柔性多体系统动力学问题的建模与仿真分析,但由于节点参数多且自身包含复杂高阶模态,其系统动力学方程的刚性问题突出。目前广泛采用的隐式算法的核心步骤是通过数值阻尼滤除高频响应,但求解效率仍难以令人满意。基于在建模中滤除高频分量的思想,用一小段时间区间内的平均应力代替弹性力虚功率中的瞬时应力,推导了包含附加惯性项和附加阻尼项的绝对节点坐标单元模型降噪列式。通过调整平均应力所在时间区间长度参数即可消除系统方程的过高频率,使常规显式算法也能应用于传统刚性问题的仿真求解。数值算例表明采用绝对节点坐标单元模型降噪列式可极大降低数值仿真求解难度,在保证计算精度的同时计算效率得到大幅提升。     

零等待混合流水车间问题优化研究

研究了带零等待的混合流水车间调度问题,考虑工件动态到达的实际生产特征,以最小化总加权完成时间为目标,建立整数规划模型,然后设计一种基于代理次梯度法的改进拉格朗日松弛算法.基于工件分解策略将拉格朗日松弛问题分解为多个工件级子问题,不同于每次迭代要求最优求解所有子问题的次梯度法,所设计的代理次梯度法通过每次迭代最优求解几个子问题得到松弛问题的近似解,进而获得搜索拉格朗日乘子的代理次梯度方向,最后设计启发式构造可行时间表.通过仿真实验,证明了所设计的算法在解的质量和收敛性方面均优于传统的使用次梯度法的拉格朗日松弛算法.     

汽轮机热耗率多模型建模方法研究

针对汽轮机热耗率难以准确计算的问题,提出了核模糊c均值与混合蛙跳算法优化最小二乘支持向量机(LS-SVM)的汽轮机热耗率多模型建模方法,用来计算不同工况下的热耗率。该方法利用核模糊c均值算法对热耗率数据聚类,采用5折交叉验证平均误差作为LS-SVM参数选择的适应度值,利用混合蛙跳算法优化参数并建立局部模型,采用开关切换得到模型输出,以此实现热耗率的多模型建模。与单一的LS-SVM模型和BP网络热耗率预测模型比较,结果表明该多模型方法有更高的预测精确和更好的泛化能力,能更准确地计算汽轮机热耗率。     

图的最大二等分问题的投影梯度算法

本文基于图的最大二等分问题已有的半定规划松弛模型,给出了原问题的等价模型及其新的半定规划松弛模型,利用投影梯度算法求解该半定规划松弛模型,最后使用随机扰动算法求得原问题的近似最优解。理论和数值试验表明该方法不仅可以在较高的精度下求解中小规模的图的最大二等分问题,而且特别适合求解大规模的图的最大二等分问题。     

非线性振动方程多重解求解方法

非线性振动方程多重解的求解过程中,迭代初值难以有效确定,不稳定周期解收敛域很小,利用通常的微分方程解法无法直接求解。针对这个问题,引入同伦算法,使得初始值的选取无任何限制;同时利用预测-校正算法对外激励参数变化下的解曲线进行追踪,得到系统的多重解。该方法不但可以计算稳定的周期解,而且不稳定的周期解也可以求出。采用Duffing振子运动方程对该方法进行了计算验证,通过与理论近似解以及龙格-库塔法计算结果的对比,验证了该方法的有效性。     

改进分散搜索算法求解包装废弃物回收路径规划问题

目的 将包装废弃物回收路径规划归纳为一个带回路和时间窗的逆向物流车辆路径问题（RL-VRPBTW）,以最小化回收成本、发车成本和时间窗惩罚为联合优化目标进行建模。方法 引入“车辆剩余空间回收能力”因素,改进经典节约里程算法,求得较好的初始解;基于分散搜索框架,设计基于初始解改进的分散搜索算法（ISISS）,根据问题模型,采用含0的编码方式,通过多样性产生、参考集更新、子集产生、子集合并、解改进等5个步骤实现算法功能。结果 在“部分回收点分布较密集”的城市型地理场景下,针对快消企业的低值固废包装,生成回收点数量分别为50、100、200的3种规模算例,并考虑大小两种车型进行仿真实验。将ISISS算法与改进节约里程、遗传和分散搜索3种算法比较后可知,ISISS算法在大规模包装废弃物回收车辆路径问题上具有更优的求解性能。结论 仿真实验结果表明,ISISS是一种求解多目标大规模包装废弃物回收路径规划问题的较优算法。     

研发型企业多项目人力资源调度研究——基于蚁群优化的超启发式算法

现阶段,研发型企业的项目处于多项目环境下,为了解决多项目并行时人力资源争夺问题,本文针对该类企业多项目管理中人力资源调度进行优化研究,以考虑项目延期惩罚成本的最小总成本为目标函数,将现实问题抽象建模。基于国内外的研究提出了一种超启发式算法进行求解,该算法将人力资源调度问题分为项目活动分配和人员选择项目活动两个部分,采用蚁群优化作为高层启发式策略搜索低层启发式规则,再进一步根据规则解构造出可行解。最后本研究设计多组仿真实验与启发式规则进行对比,结果表明该算法有较好的搜索性能,为人力资源的调度问题提供了新的解决方案。     

蚁群算法求解双弹性模量桁架结构反问题

利用光滑函数和有限元技术,建立了求解弹性双模量桁架结构的正问题数值模型,推导了敏度计算公式,并采用Newton-Raphson算法进行求解,在正问题建模的基础上,利用蚁群算法对拉压弹性模量进行识别,并探讨了参数取值范围和数据噪音对识别结果的影响,计算结果表明蚁群算法可有效地求解不同模量桁架反问题。     

基于有向图强连通改进变邻域搜索算法的AGV单向导向路径网络设计

为最小化物料搬运成本,结合有向图强连通性理论,提出一种改进变邻域搜索算法。首先,以最小化AGV的运载和空载成本为目标,建立相应的数学规划模型。接着,给出一种初始解生成方法,并构建目标函数计算的网络流模型。然后,为提高局部搜索能力,以有向图强连通性中反转路、反转圈保持强连通性为基础,提出3种邻域结构生成方法,以保证邻域解搜索过程中解的可行性,提高求解效率和质量。最后,针对6个基准案例,运用算法求解,并将其与其他多种启发式算法进行比较。实验结果表明,对于中小规模问题案例,算法求得案例的最优解;对于两个大规模案例,算法求得新的最好解,验证了提出算法的有效性。     

基于混合模拟退火算法的多阶段库存路径问题研究

研究单个集散点与多个客户之间的运输问题,综合考虑物流系统的库存成本、运输成本以及卡车的租用成本等因素,以实现总费用的最小化,并将其抽象成多阶段库存路径问题。以每个时间阶段各个客户的订购量为研究对象,采用混合模拟退火算法进行求解,算法中加入了C-W节约算法产生初始解,通过多路径的插入与交换操作来对初始可行解进行改进。数值实验证明了库存路径问题得到的解要优于一般的车辆路径问题得到的解,本文还对库存路径问题中的单位货物库存成本专门进行了分析研究,以确定其取值范围对物流系统总费用的影响。     

求解两物种小系统发育问题的遗传算法题

基于复制-丢失比对(DLA)问题模型,研究了复制-丢失(D-L)演化模型下两物种(2-species)小系统发育问题(SPP),缩写为2-SPP-DL问题。通过引入比对算法、标记算法及3种智能变异算子,提出了求解2-SPP-DL问题的遗传算法——G2SP算法。G2SP算法采用普通算子和智能算子相结合的方式,普通算子能有效地保持种群的多样性,而智能算子则能提高种群的收敛性,使其更快地进化到最优解区域。利用4种真实菌属的tRNA和rRNA基因数据对算法性能进行测试,实验结果表明,G2SP算法能够获得较PBLP算法更小的进化代价,是求解2-SPP-DL问题的一种有效方法。     

基于水能综合经济指标的水电厂经济运行研究及应用

提出水能综合经济指标,作为实行分时电价的水电厂的运行管理指标,更能体现水能资源的经济效益。建立基于水能综合经济指标最大准则的水电厂经济运行优化模型,并考虑电量约束比限制,利用动态规划算法进行模型求解。实例应用表明,该模型适用于实行分时电价的水电厂,可提高电厂发电效益,实现水能资源最大化利用。     

基于Kriging代理模型的拉压不同模量平面问题的近似求解

该文建议采用Kriging代理模型数值求解拉压不同模量平面问题。通过本构方程光滑化、有限元法及拉丁超立方采样技术,对拉压不同模量桁架与二维平面问题,给出了基于Kriging模型的近似数值解,以代理基于有限元的数值解,并探讨了样本点数目和问题规模对所建Kriging近似模型求解精度/效率的影响。数值算例表明:所提方法可为求解拉压不同模量平面问题提供精度合理的近似数值解。当问题规模较大且正问题需要多次求解时,该方法有望显著减少计算时间,这对于降低拉压不同模量反问题与优化问题的计算开销十分重要。     

改进樽海鞘算法求解带时间窗的应急选址路径问题

目的 为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法 根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法（NSGA-Ⅱ）的精英保留策略,以提高算法的性能。结果 经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论 对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。