分布式配送系统在运输时间正态分布条件下的性能分析

假设运输时间服从正态分布, 以极小化库存持货成本为目标和满足顾客定时送货要求为约束, 建立了分布式配送系统中确定最优发货提前期的数学规划模型. 分析了模型的理论性质, 给出了模型的有效求解方法, 并讨论了模型用于订单管理的可行性.     

基于细胞元模型拓扑约束求解

在模型制造领域,对于拓扑约束的求解是一个比较新的课题,以往的研究一直局限在拓扑优化方面。而且对其应用也仅限于模型的定义方面,在模型的声明与约束求解方面却没有得到应用。文章提出一种基于细胞元模型拓扑约束求解方法,通过该方法可以确定模型拓扑声明的关系,文章假设一个模型是由一个或多个细胞元组成的,并且能够用这些细胞元的组合来表示,对模型进行拓扑约束求解就是用来确定细胞模型中的每个细胞元是否是全约束的。要做到这点,文章将每个细胞元用一个布尔变量表示,把拓扑约束问题映射成为布尔可满足性问题。再对新的问题进行求解,从而解决了模型的拓扑约束求解问题。     

基于蚁群算法的带有时间约束旅行商问题求解

为了实现物流行业的快速、有效配送,可以将问题转化为含时间约束的旅行商问题(TSP)。通过对物流配送环节的研究,构建了一种带有时间约束的TSP模型,并提出一种利用改进的MapReduce蚁群算法求解该模型。利用MapReduce的并行机制,对蚁群算法进行并行处理,使其运行在分布式环境中,增强了求解大规模问题的能力,提高了运行速度。试验证明,在用户预约了送货时间段的情况下,该方法能较好地解决数据运算规模大、算法运算时间长的问题,合理规划物流配送路径。     

基于模拟退火的电网巡视分层搜索算法

针对电网巡视系统中巡视路线设计的问题,提出了一种基于模拟退火思想的分层搜索算法.引入巡视点、巡视分组来描述巡视路线,然后建立巡视路线的求解模型及其搜索算法.工程实例表明,分层搜索算法较好地解决了最优巡视路线的搜索问题,达到了工程要求.     

多禁止时间窗约束的路径恢复问题研究

突发灾难的应急物资的配送有时受多禁止时间约束，为此，针对多禁止时间窗约束的应急物资运输路径优化问题，考虑多禁止时间窗的约束，建立了以总配送时间最小为目标、多禁止时间窗约束的应急物资运输路径优化模型。鉴于该模型为混合整数规划模型，采用GUROBI求解，并与建立的对应的多时间窗约束的路径优化模型对比。最后通过算例分析验证了该模型的高效性和算法的有效性。结果表明，多禁止时间窗约束的应急物资运输路径优化模型求解效率更高；此外评估救灾点对配送时间的影响以及分析多禁止时间窗对应急物资配送规划的影响，结果表明部分救灾点显著影响总配送时间，禁止时间窗的开始时间以及宽度影响总配送路线、时间以及到达各救灾点的时间，因此考虑时间约束特点可为应急物资运输决策提供实用价值。     

动压-过载约束下无人机追逃最优机动决策研究

针对动压-过载约束下的无人机追逃机动控制问题,为优化设计,提出了采用微分对策的时间最优机动决策算法。首先建立无人机追逃质点动力学模型,然后根据双方极值原理,建立系统在动压-过载约束与追逃性能指标下的哈密顿-雅可比方程,通过此方程将无人机追逃机动控制问题转化为两点边值优化问题,并利用配点法求解两点边值问题的数值解,从而获得相应无人机的最优机动控制策略。最后以某型无人机纵向追逃控制为例进行数值仿真。仿真结果表明,改进算法不仅能有效求解无人机追逃双方的最优机动控制策略,而且满足期望的追踪性能指标和动压-过载约束条件。     

基于过滤束的转移瓶颈算法在JSSP中的应用

举例证明了传统转移瓶颈算法在求解瓶颈机时并不能得到局部最优解.提出一种新的确定瓶颈机的模型,在综合考虑时间和求解精度的情况下,采用分支定界方法的改进方法--过滤束搜索来求解此模型.在过滤束中引用了不同工件到达时间和处理时间的约束关系来解决成环问题.通过对OR-Library中的33个标准job shop问题的实验结果看,此算法得到了比较满意的效果.     

基于遗传算法的集送一体化的车辆路径问题

有时间窗的集送货一体化的车辆路径问题(VRPPDTW)是对经典的车辆路径问题(VRP)的扩展,是一类重要的组合优化问题,但是目前对该问题的研究非常有限。论文采用了新的染色体编码方法,设计了遗传算法对该问题进行求解。在求解过程中,对集送一体化、多种配送车辆类型的问题进行了有效处理,同时考虑了车辆载重量和时间窗等约束。最后的实验结果表明,该算法可以求得这类车辆路径问题的最优解或次优解。     

单车场多送货点车辆路径问题的改进遗传算法

针对单车场多送货点容量约束的车辆路径问题提出了一种改进的遗传算法。该算法基于自然数编码的染色体,采用了改进的交叉和变异法、内部扰动和外部扰动等技术,提高了遗传算法的优化效率和优化效果。介绍了此算法的原理,给出了具有两个代表性算例试验结果和结果分析。试验结果表明了该改进遗传算法对求解单车场多送货点容量约束的车辆路径问题的有效性。     

基于关系阵搜寻路线的车辆运输网络优化模型

从多个出发点出发,经过一定的交通运输网络到达另外多个到达地点,寻求最优运输方案是网络优化的一个基本问题。常规的线性规划方法只考虑供应约束与需求约束,没有考虑交叉路口通行能力、路段通行能力等约束,没有按照路线求最优解,已不适应实际工程要求。给出按照路线寻求最优运输分配方案的网络优化模型。另外,对于稍微复杂一些的有向有环运输网络,通常路线搜索方法比较复杂且不易理解。给出了基于关系矩阵搜索有向有环网络有效路线的方法,建立了具有供应约束、路口和路段通行能力约束、需求约束的相应模型。易于编程且具有便于一般工程技术人员容易理解的优点。该模型与算法适合于某些工程量巨大的大型施工项目。     

A branch and bound algorithm for the travelling salesman and the transportation routing problems

In this paper, a branch and bound model with penalty tour building is developed for solving travelling salesman and transportation routing problems. The algorithm for determining the optimal solution of the problem is of the general form which can solve symmetric and asymmetric single and multiple travelling salesman problems (STS and MTS), and the transportation routing problems with capacity restrictions for the vehicles of same or of different capacities. The behavior of the developed algorithm is tested with randomly generated data. As an application, the routes for gas distribution is planned and carried out in several interior towns of a state, with the objective of making an efficient distribution in order to minimize the total cost of delivery with an optimal solution.     

基于改进遗传算法的连锁便利店配送路径优化

提出一种针对软时间窗下连锁便利店配送路径规划的带时间窗口的多染色体遗传算法。为解决单车场多车型带密集半软时间窗问题,讨论解决方案预防其陷入局部最优解。对于上述配送路径问题,提出多染色体改进遗传算法在减少车辆运输成本、惩罚成本的目标下进行最优路径求解,并为连锁便利店的路径规划案例提出车辆与路径选择的优化方案,最后将该算法与传统遗传算法进行实验对比分析。实验结果表明,本文算法在密集半软时间窗下,相比传统遗传算法明显减少了总配送成本,从而验证了本文算法的有效性。     

基于无人机-配送车联合配送的优化算法研究

针对物流配送领域的一种新型交付方式--无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法。该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线。算法最后保留满足约束条件的无人机路线及对应配送车路线,得到联合配送总耗时。以此方式从最少的配送车节点开始迭代,通过更新全局上界得到最优解。通过对10、11节点的示例验证,表明该算法能够有效缩小搜索范围,提高运行效率,在合理时间内求解中小规模示例。     

基于灾变遗传算法的数控冲床加工路径的优化

该文以数控冲床编辑与监控系统项目为背景,对数控冲床加工路径优化问题进行讨论。首先分析了数控冲床路径优化的基本原理,把加工路径优化抽象为TSP问题。然后采用效率较高的遗传算法对TSP问题进行求解,论述了遗传算法的具体实现。接下来为了解决遗传算法的容易陷入局部最优解的问题,加入了灾变算子来杀死当前的优质个体,使远离当前最优解的个体有充分的进化空间,从而使其跳出局部最优而更接近全局最优。最后对遗传算法和加入遗传算子的灾变遗传算法进行了比较分析,得出了灾变遗传算法在数控加工领域的更有优势的结论。     

基于改进鱼群算法的几何约束求解

几何约束求解是CAD建模中的关键技术。针对求解质量不高和求解速度慢的问题,进行了研究。提出了一种鱼群算法和混沌算法相结合的几何约束求解方法。首先,将CAD模型中的几何约束关系表示为一组代数方程组;然后,利用代数方程组来构造目标函数。将几何约束求解问题转换为目标函数的优化问题。最后,使用混沌算法来改进鱼群算法以寻找目标函数的最优解。实验结果表明：该方法可以有效地解决几何约束问题。     

基于一种新型分支定价算法的电动车支线镇际快递配送路径规划研究

针对由电动汽车支持的支线镇际快递配送系统,提出一类新型的分支定价算法实现对车辆和货物的路径规划.研究利用时空网络将时间离散化构建模型,同时考虑了车辆资源、仓储资源和充电桩资源的管理问题.在分支定价算法中,分支策略和割平面策略的结合有效削弱了时间离散化所带来的对称性问题.强化策略则通过对生成路径变量进行有效筛选,并利用求...     

不确定需求下快递配送网络鲁棒优化

“双十一”期间,分拨中心“爆仓”现象表明：确定需求下的车辆路径不适合解决需求激增的配送问题。以需求确定模型为基础,构建基于情景集的鲁棒优化研究模型,并根据变化的快件数量,重新分配客户服务时间;通过计算每条路径的旅行时间,在满足时间窗的基础上,实现对自有车辆的最大利用。改进蚁群算法利用Matlab求解,分析发现：优先考虑运输时效所产生的成本与成本最优值存在较小差距,但总旅行时间优势明显;公司规模与业务量和总成本之间存在相关性,业务量增加并不会引起利润快速增长。     

Simulating engineering systems under uncertainty and optimal decision making

A new technology (technique) that helps construct a mathematical model of a complex engineering system by optimal decision making based on it is given. To construct the model of an engineering system, methods of regressive analysis are used to transform the initial (experimental) data into a vector (multiobjective) mathematical programming problem. To solve it, methods are presented that rely on criteria normalization and principle of guaranteed result. The technique of constructing models of engineering systems, methods of solving the vector mathematical programming problem and optimal decision making are demonstrated by the test examples in Matlab.     

基于能耗与延迟优化的移动边缘计算任务卸载模型及算法

随着移动边缘计算的兴起,如何处理边缘计算任务卸载成为研究热点问题之一。针对多任务-多边缘服务器的场景,本文首先提出一种基于能量延迟优化的移动边缘计算任务卸载模型,该模型考虑边缘设备的剩余电量,使用时延、能耗加权因子计算边缘设备的总开销,具有延长设备使用时间、减少任务卸载时延和能耗的优点。进一步提出一种基于改进遗传算法的移动边缘计算任务卸载算法,将求解最优卸载决策的问题转化为求解种群最优解的问题。对比仿真实验结果表明,本文提出的任务卸载模型和算法能够有效求解任务卸载问题,改进后的任务卸载算法求解更精确,能够避免局部最优解,利于寻找最优任务卸载决策。     

The total completion time open shop scheduling problem with a given sequence of jobs on one machine

This paper addresses the open shop scheduling problem to minimize the total completion time, provided that one of the machines has to process the jobs in a given sequence. The problem is NP-hard in the strong sense even for the two-machine case. A lower bound is derived based on the optimal solution of a relaxed problem in which the operations on every machine may overlap except for the machine with a given sequence of jobs. This relaxed problem is NP-hard in the ordinary sense, however it can be quickly solved via a decomposition into subset-sum problems. Both heuristic and branch-and-bound algorithm are proposed. Experimental results show that the heuristic is efficient for solving large-scaled problems, and the branch-and-bound algorithm performs well on small-scaled problems.Scope and purposeShop scheduling problems, widely used in the modeling of industrial production processes, are receiving an increasing amount of attention from researchers. To model practical production processes more closely, additional processing restrictions can be introduced, e.g., the resource constraints, the no-wait in process requirement, the precedence constraints, etc. This paper considers the total completion time open shop scheduling problem with a given sequence of jobs on one machine. This model belongs to a new class of shop scheduling problems under machine-dependent precedence constraints. This problem is NP-hard in the strong sense. A heuristic is proposed to efficiently solve large-scaled problems and a branch-and-bound algorithm is presented to optimally solve small-scaled problems. Computational experience is also reported.