求解多目标区域公交车辆调度问题的遗传算法

将区域公交车辆调度(RBSP)视为"部分班次被某车辆完成"的集合划分问题,考虑站场容量、补充燃料和返回站场最迟时间限制等约束因素,建立一类追求车辆利用效率和公交车辆调度方案的可靠度极大化的多目标混合整数规划模型.用约束法将该模型转为单目标规划问题,利用遗传算法求解该问题的非劣解.研究表明:公交调度方案的可靠性越高,车辆利用率越低.     

改进平滑A*算法的多AGV路径规划

科技的进步促使拥有众多优势的自动导引车（Automated Guided Vehicle,AGV）逐步替代人工搬运,随之产生的多AGV路径规划、协调问题也应运而生。针对上述问题,依据AGV行驶特征,构建笛卡尔坐标系环境,以传统A*算法为基础模型,通过引入3轴-2象限、路线转向数来剔除无效备选点,平滑行驶路径;以系统总工作时长最小为目标制定冲突判断标准与协调策略,实现系统运行效率最佳的目标。通过实例分析,改进A*算法单AGV线路最多可减少10.9%搜索点数和350%转向数;以时间最小为目标的协调策略能够有效避免因主观因素制定的优先度而导致系统陷入局部最优的现象。     

单线公交车辆组合调度与购车计划的双层规划模型

以单条公交线路为研究对象,针对线路双向及单向客流分布的不均衡性,建立了一种配合区间车的公交车辆组合调度与购车计划的双层规划模型,从系统的角度探讨了公交车辆组合调度与购车计划的有机联系。上层以车辆购置费用和企业运营成本最少为目标,满足规定服务水平的约束,下层在给定运力配置下对区间车和双向全程车的发车频率及区间车折返位置同时进行优化,追求乘客出行时间成本最少。为便于比较,同时建立了常规运营的单一调度与购车计划模型。给出了算例及客流需求灵敏度分析,验证了模型的有效性和优越性,与单一调度对比的结果表明:在客流分布不均衡和服务水平的强约束情况下,组合调度可以节省运力和减少乘客出行时间及其成本,而且在相同的购车计划下,不均衡差异越大,组合调度的优越性越明显。     

考虑碰撞角色的双车事故驾驶伤害程度研究

为研究双车事故中驾驶员伤害程度的影响因素及碰撞角色的交互作用,基于中国深圳市在2018—2020年的双车碰撞事故数据,利用随机森林算法计算特征变量的重要度以筛选出候选自变量,建立考虑碰撞角色的驾驶员受伤严重程度二元logit模型．结果表明,碰撞角色、事故责任、车型、事故形态、驾龄、能见度、车辆间碰撞形态、学历、道路等级、安全保护装置使用情况、路侧防护设施类型及照明条件与双车事故驾驶员的伤害程度显著相关;碰撞角色与车型和事故形态存在显著的交互效应．研究结果有助于深入理解双车事故中驾驶员伤害程度的影响机理,帮助交通管理部门制定相应的交通安全对策．     

改进人工蜂群算法的农村DRT路径优化研究

农村地区居民的出行需求低且分布分散,导致常规公交运营难以为继.针对农村公交运营成本高、运输效率低的问题,基于农村居民出行需求特征,构建了考虑农村地区需求响应公交(DRT)同时接送模式的车辆路径问题模型,提出一种改进的两阶段自适应大邻域人工蜂群算法(adaptive large neighborhood search a...     

连续随机变量的一种离散逼近方法及其在随机规划中的应用

逼近算法是解随机规划问题的有效方法,本文用一种新的方法构造离散随机变量序列,使其收敛到连续随机变量,给出了一种解二阶段随机规划问题的逼近方法。     

求解车辆路径问题的离散粒子群算法

考虑车辆行驶时间和顾客服务时间的不确定性,建立了以车辆配送总费用最小为目标的机会约束规划模型,将其进行清晰化处理,使之转化为一类确定性数学模型,并构造了求解该问题的一种离散粒子群算法。算法重新定义了粒子的运动方程及其相关离散量运算法则,并设计了排斥算子来维持群体的多样性。与标准遗传算法和粒子群算法比较,该算法能够有效避免算法陷入局部最优,取得了满意的结果。     

不同协作模式下的多级供应链动态优化

在一阶自回归需求和定购点策略的假设组合下研究了多级供应链的协作模式,即通过对成员企业定购策略、提前期、需求模式等信息的共享来优化供应链整体绩效。与以往研究不同,文中引入的成本目标函数涉及相互冲突的定购量和实际库存动态变化,并针对全局优化模式和无私零售商模式下的多级供应链绩效分别进行了详细分析。与全局优化模式相比,无私零售商模式对信息共享的深度放宽且对总利润再分配机制的要求简化。进一步的数量研究表明,无私零售商模式虽非最优,却可在制造商不必作出定购策略再设计的情况下,得到比传统定购模式更合理的整体绩效。