露天铁矿生产的优化模型

多目标非线性规划通常是不好解决的。在此建立了连续的多目标非线性规划并向单目标线性整数规划的转化,在Lindo不能求最优解的情况下退而求其次,将一个规划转化为两个规划,通过分析结合两个规划的最优解得到一组满足所有条件的近似最小总运量解和通过将规划问题转化为排序问题得到最大产量解。     

密集小区域碰撞算法下的物流铁路货运调度

铁路物流货运物品到达目的地后需要配送车辆装载配送,为了满足配送车辆总数少且特殊物品和时限物品优先配送的目标,对铁路物流货运调度的性能提出了更高的要求。为此,提出了密集小区域碰撞算法下的物流铁路货运调度方法,通过将优先配送的准则转嫁到配送车辆总数最少的目标函数中去,构建铁路物流货运调度控制模型,利用密集小区域碰撞算法求解最优调度解。仿真实验表明,这种密集小区域碰撞算法能够合理建立铁路物流货运调度控制模型,并准确求解出最优调度解,有效提高了货运调度的性能,满足铁路物流的性能要求。     

含模糊变量的两层多目标线性规划方法

为了求出在线性规划中模糊变量的最优解或比较优越的解为多少,需要对含模糊变量的两层多目标线性规划方法进行研究。但当前方法是将IMOLP作为参数规划,通过变量转化为多目标的线性规划,然后利用齐墨尔曼方法对此进行求解,得出含多目标函数的总变量的线性规划,最终将其转化为单目标的线性规划,并求出各目标函数的最优值区间,但该方法存在准确性较低的问题。为此,提出一种含模糊变量的两层多目标线性规划方法。该方法首先利用新的假设模糊数序关系将其先转化为一个多目标线性规划问题,然后再转化为两层多目标的线性规划问题,结合两层目标函数的含模糊变量的多目标线性规划数学模型转换为线性规划问题对此进行求解,由此完成对含模糊变量的两层多目标线性规划进行求解。数值实例证明,可求出含模糊变量的两层多目标性规划的最优解。     

混合时间窗下多目标电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计了混合时间窗惩罚函数和模糊预约时间函数,建立了基于混合时间窗约束的多目标车辆路径模型。设计了改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

基于边缘特征的运动车辆阴影消除方法

针对道路交通车辆检测问题,提出了一种利用边缘特征与垂直投影结合的运动车辆阴影消除方法。先用混合高斯背景模型提取出背景,利用背景差检测出运动车辆区域,再用区域填充去掉目标区域的噪声,最后利用边缘特征与垂直投影结合,消除阴影。     

基于改进智能水滴算法的混合时间窗电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计混合时间窗惩罚函数和模糊预约时间函数,建立基于混合时间窗约束的多目标车辆路径模型。设计改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

二次约束下的边界约束非凸二次规划问题的最优化算法

二次规划是非线性规划问题中较为重要的一种,非线性规划问题的发展方向是使非线性规划问题变换成以序列为基础的对二次规划问题的求解与计算。文中将二次约束下的边界约束非凸二次规划问题作为研究目标,运用改进的分支定界算法对该问题进行最优化求解。首先,利用非线性二次函数的特性对原问题实现等价问题的变换,采用新型改进的线性松弛策略实现对原问题函数的松弛效果,利用外接最小体积椭球松弛法求解目标函数最优解下界值,再用最大体积椭球紧缩法求解目标函数最优解上界值,重复迭代步骤至下界与上界相等;其次,在确定原问题的最优下界和上界后,利用超矩形缩减法及标准二分法在松弛结果基础上对超矩形实现削减,使全局中不是最优解的部分得到剔除,最终实现非凸二次规划问题最优解。通过仿真实验证明,利用文中改进型分支定界算法使非凸二次规划问题达到了全局最优解。     

无时限配送车辆调度策略研究

科学的配送车辆调度是降低物流成本,提供客户更优服务的保障。文中分析了无时限配送车辆调度的影响因素,从车辆、客户、配送中心等方面进行了阐述,设计以配送总里程最短为目标的调度策略模型。根据调度模型函数,分析了基于无时限配送车辆调度的遗传算法的功能架构、算法因子及函数,并编程实现该算法,从数据结果分析,基于遗传算法的配送车辆调度策略在大规模数据量的应用中可达到较优的性能。     

多目标最优化加权解的稳定性及计算机在解的合理性讨论中的简单应用

在多目标最优化问题的研究中,围绕最优解涌现了很多成果,产生了不少解的概念㈤。对于通常的单目标最优化问题解的唯一性以及稳定性,也有过一些通有性的研究成果。对于多目标最优化问题解的稳定性,Yu曾给出了一个通有稳定性结果,Xiang也曾给出了当权因子,权因子和目标函数变化时加权解的稳定性结果。鉴于在实际运用中,加权方法和加权解的作用突出,因此研究加权解的稳定性具有重要意义。在本文中,将在Xiang的基础上研究引入计算机一些应用知识当权因子,目标函数和约束集合都变化时多目标优化加权解的稳定性,最后通过计算机模拟阐述现实中的一个例子说明稳定的加权解在现实应用中如何选择满意的解要依实际情况而定。     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

六盘山南麓具有三个冲突效益的Pareto最优土地利用格局(英文)

土地利用空间最优格局及其相应的最优效益是土地资源利用、景观生态学和可持续发展科学的关键课题之一,多年来在其优化方法论上未能取得明显进展,尤其在多目标土地利用空间格局优化中系统地获取所有Pareto最优解及其解空间的分析方面。已有的土地利用空间格局优化研究大多数停留在"先数量优化、后空间配置"的两步走模式,以及利用目标规划等数学方法将多个优化目标转化为单个目标的简化模式。本文通过优化一个农林牧交错地域的土地利用格局,在方法论上对这一前沿课题作了探索性研究。研究通过林地、草地、耕地的空间调整,最大化平均土地生产潜力、土壤保持总量、小型林地鸟类可持续生境面积这3个相互冲突的效益目标函数。首先基于栅格数据,给出了土地利用斑块与格局、土地利用格局优化、简化的土地适宜性约束的严格的数学表述,以及多目标土地利用格局优化的一般概念或定义,包括某种土地利用类型的最大连通性、土地适宜性函数、两个格局的优于关系、Pareto最优集及前端曲面、均衡最优解和均衡最优格局。栅格图上的土地利用空间格局被定义为以空间位置为自变量、以土地利用类型为因变量的未知函数。相应地,待优化的效益子目标被定义为这个未知格局函数的函数,即效益泛函。然后,按照这种数学表述给出了土地利用效益的3个子目标的计算方法:基于AEZ方法(agro-ecological area method,农业生态区划法)的平均土地生产潜力总量、基于生境网络斑块和ESLI(Ecologically Scaled Landscape Indices,生态标度的景观指数)的小型鸟类的可持续生境面积、基于USLE(Universal Soil Loss Equation,通用土壤侵蚀方程)的土壤保持总量。选取中国泾河流域六盘山南麓一个300km2的土地利用格局作为研究区域,给出了在研究区土地利用现状格局之下这3个土地利用效益子目标函数的计算结果,包括基于ESLI的三类可持续生境网络斑块的分布与面积。最后,在三维空间中用透视图直观展现了研究区三目标优化问题的解空间——Pareto最优前端曲面,以及相应的Pareto最优土地利用格局。提出通用的"七区分析"模式,来分析这些优化结果(解空间),以获得解空间相对于现状格局目标函数值的分布情形,包括各个特定点、交线及边界线、各个分区所表现的空间结构、总体趋势、边界特征、均衡最优解及有关的均衡最优格局。其中均衡最优格局与根据现状格局图、土地适宜性图以及其他计算参数图所作的定性分析结果一致,初步表明此多目标土地利用格局优化的模型与算法基本合理,即:能够充分利用与土地利用相关的自然属性的空间变异性,在不显著改变各类土地利用面积的情况下增进三类土地利用目标效益。本文的研究方法强调严格的数学表述、完备的解空间获取、信息丰富而直观的解空间的表达方式与分析模式,其研究结果虽然还难以直接应用在实际的土地利用规划中,但是它有利于这样一种假设:多目标土地利用格局优化的核心研究内容,不是为具体的土地利用规划提供有限个方案,而是要探索、了解在自然状态下,多种土地利用效益的极大化空间。     

基于NSGAII的应急物流多目标LRP研究

针对应急物流系统中选址-路径问题(LRP),建立了一个以最小化系统总耗时、总成本及最大化配送路线道路安全性的多目标优化模型,据此对应急物资供应点选择、配送中心选址及配送车辆路径安排进行决策。构造了带精英策略的快速非支配排序遗传算法(NSGAII)以求解多目标LRP模型,根据模型的特征,对算法的染色体编码、初始种群生成、交叉和变异方法进行了改进,并与变权多目标遗传算法进行对比研究。算例结果表明,改进的NSGAII可以更好地解决应急物流多目标LRP,求解出的帕累托最优解质量较高,算法具有较好的收敛性和运算效率。     

基于SVM和遗传算法的建模与全局寻优方法

系统建模与寻找函数的全局最优解是很常见的工业应用问题。本文首先讨论使用支持向量机来根据由系统中提取的样本数据进行函数拟合,然后将所得到的函数作为目标函数,介绍了用遗传算法寻找函数最优解的步骤,并对优化结果进行了检验,结果表明了遗传算法具有良好的全局快速搜索能力。     

一个新的具有积压定单的关于模糊订购量的模糊存储模型

提出一个新的具有积压定单的关于模糊订购量、模糊存储量及模糊总需求的模糊存储模型。在模糊函数原理下,给出了模糊总存储成本。为了寻找最优解,使用积分均值法白化模糊总存储成本,利用Lingo8.0求解不等式约束问题,我们发现最优解都是确定的实数。此外,当模糊订购量和模糊总需求及模糊存储量都是确定的实数时,我们提出模型的最优解与经典的具有积压定单存储模型具有相同的结果。     

基于遗传算法的有时间窗车辆路径问题研究

本文在建立有时间窗车辆路径问题数学模型的基础上,构造了求解该问题的启发式算法--遗传算法,并进行了实例计算.模拟结果表明,利用遗传算法进行求解有时间窗车辆路径问题,可以方便有效地求得问题近似最优解.     

基于聚类的混合多目标遗传算法在车辆路径问题中的应用

建立了有时间窗口的车辆路径问题多目标优化模型,提出了一种基于聚类的混合多目标优化遗传算法。该算法采用并列选择方法,用擂台赛法则构造非支配集,并用聚类方法缩小非支配集,避免了求解非凸解的困难,提高了遗传算法搜索速度及避免了＂早熟＂等不足。实验结果表明,该算法为解决车辆数不确定的时间窗车辆路径问题提供了一个较为有效的求解方法。     

电力工业中电源规划的研究

本文根据国内外对电力系统中电源规划问题已有研究进行初步分析,确定目标函数和边界约束条件,建立适当的数学模型进行分析,对于单阶段电源规划问题,我们采用线性规划与非线性规划的方法求解;对于多阶段规划问题,由于决策变量众多,建立电力系统运行模拟模型,再根据模拟退火粒子群算法求解规划问题。虽然不能找到最优解,但是能在较短的时间获得一组较优解。本论文针对问题进行单阶段电源规划,根据目标函数,确定不同的约束方程,利用线性整数规划与非线性整数规划进行求解。     

铁道车辆制动机自然制动故障分析与处理

当今铁道事业得到了突飞猛进的发展,铁路货物运量不断提高,其运行速度也随之提升,因此铁道车辆制动机出现自然制动故障也越来越频繁,对铁道车辆的安全运行产生了较大的影响。这一问题亟待解决以确保铁道车辆安全、可靠的运行。本文就铁道车辆制动机自然制动故障进行分析研究,并探讨铁道车辆制动机自然制动故障处理的有效措施,以便提高铁道车辆安全运行的系数,减少故障的发生。     

基于两阶段法的企业物流配送车辆路径优化

为解决企业物流配送车辆的路径优化问题,考虑了影响物流配送成本的主要因素,在此基础上建立了多目标数学模型。为改进节约算法的不足,提出了一种基于两阶段法的车辆路径优化方案,先采用节约算法求得物流配送路径优化问题的初始解,再将初始可行解转化为多旅行商问题对其改进。最后,通过实例验证了该方法可以改善配送车辆的行驶路径,达到节约配送成本的目的,对此类企业的配送业务具有一定的借鉴意义。     

人工免疫多目标进化算法在动态车辆路径优化中的应用

建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。