作战网络能够加速作战体系中杀伤链的闭合从而倍增作战效果,但是其也面临着被重点毁伤的威胁,为快速有效恢复甚至提升作战网络的鲁棒性,对作战网络级联失效建模和鲁棒性恢复方法展开了研究。首先,针对作战网络建模存在偏差的问题,从实...作战网络能够加速作战体系中杀伤链的闭合从而倍增作战效果,但是其也面临着被重点毁伤的威胁,为快速有效恢复甚至提升作战网络的鲁棒性,对作战网络级联失效建模和鲁棒性恢复方法展开了研究。首先,针对作战网络建模存在偏差的问题,从实际出发构建了双层异质群依赖作战网络模型,然后分析并设计了条件性群依赖失效、非连通失效和临界过载失效等级联失效过程,并提出具有作战意义的网络鲁棒性指标。考虑到时效性和恢复资源的限制,利用作战网络节点的属性特征,提出一种基于容量和重要性的边界节点优先恢复(prior recovery based on capacity and importance,PRCI)方法。最后,通过不同方法对比、调整模型参数等仿真实验检验所提方法的有效性和可行性。仿真结果表明,PRCI方法的恢复效果明显优于其他基准方法,具有起效快,迭代少的特点,在相同资源条件下可快速有效恢复作战网络的能力;同时还发现该方法的恢复效果与容忍度、容量参数、过载承受系数及恢复比例成正比,与负载参数成反比,进一步为作战网络的结构优化设计提供了参考。展开更多
针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化...针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。展开更多
文摘作战网络能够加速作战体系中杀伤链的闭合从而倍增作战效果,但是其也面临着被重点毁伤的威胁,为快速有效恢复甚至提升作战网络的鲁棒性,对作战网络级联失效建模和鲁棒性恢复方法展开了研究。首先,针对作战网络建模存在偏差的问题,从实际出发构建了双层异质群依赖作战网络模型,然后分析并设计了条件性群依赖失效、非连通失效和临界过载失效等级联失效过程,并提出具有作战意义的网络鲁棒性指标。考虑到时效性和恢复资源的限制,利用作战网络节点的属性特征,提出一种基于容量和重要性的边界节点优先恢复(prior recovery based on capacity and importance,PRCI)方法。最后,通过不同方法对比、调整模型参数等仿真实验检验所提方法的有效性和可行性。仿真结果表明,PRCI方法的恢复效果明显优于其他基准方法,具有起效快,迭代少的特点,在相同资源条件下可快速有效恢复作战网络的能力;同时还发现该方法的恢复效果与容忍度、容量参数、过载承受系数及恢复比例成正比,与负载参数成反比,进一步为作战网络的结构优化设计提供了参考。
文摘针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。