多目标时间依赖车辆路径问题优化研究

为提高运输商的经济性和服务性,考虑静态网络下的车辆路径优化具有局限性,以时变网络下的路径规划为研究对象,通过时变行车速度计算路段的时变行程时间,考虑运输方和需求方不同的利益诉求,以固定费用、可变费用和惩罚费用量化经济成本,以梯形时间窗刻画客户的时间满意度,考虑经济成本最省和满意度最大构建双目标优化模型.在经典NSGA-Ⅱ算法中引入大-小邻域变换规则来更新种群个体,通过solomon算例验证了模型和算法的有效性,提出的模型与算法可为决策者依据不同的偏好在时变道路网络中制定运输路径提供依据.

基于蚁群算法的植保无人机任务分配优化研究

针对植保无人机在多个小面积农产品种植区域农药喷洒任务分配优化问题,考虑农药喷洒时无人机任务分配对工作效率的影响,建立基于农药喷洒总收益最大的优化模型。采用蚁群算法求解上述模型,并设置算法中的编码、交叉和变异方式。通过算例分析,设置试验条件,试验结果表明,文中所构建的模型及算法对于无人机农药喷洒任务分配优化决策具有很好的参考价值。求解得到的植保无人机作业次序缩短了植保无人机的航行距离,提高了农药喷洒的工作效率,节省了人力物力,使喷洒作业更加方便高效。

基于客流加载的城市轨道交通网络关键点分析

在城市轨道交通网络化运营中,节点重要度的有效评估对优化网络结构、提高网络运营效率具有十分重要的意义。以网络节点为研究对象,改进经典space L模型,考虑运用同异站台换乘构建网络拓扑结构,建立客流均衡分配模型,基于复杂网络理论,提出网络客流加载条件下车站节点重要度的3个评价指标,分析各指标与实际客流的相关性,得到节点重要度的综合测算模型。以北京地铁网络进行实例分析,结果表明客流加载条件下的节点重要度更符合地铁网络的运营实际。

基于双层复杂网络的城市交通网络协同优化方法

针对城市交通网络中旅客在公共交通出行路径选择时面临的地铁与公交双层网络在换乘衔接协同中存在的部分换乘站点之间距离过远、衔接导向不明确、局部换乘供需不平衡等问题,提出基于双层复杂网络的城市交通网络协同优化方法。首先,采用逻辑网络拓扑方法对城市交通网络进行拓扑,并基于复杂网络理论建立地铁公交双层网络模型。然后,以换乘车站为研究对象,提出一种基于K-shell分解法和中心性权重分配的节点重要度评价方法,对大规模网络中的地铁、公交车站进行粗粒度和细粒度划分和识别,并在此基础上提出一种相互激励的双层城市交通网络协同优化方法,即在双层网络结构优化中引入复杂网络理论中对于网络拓扑中节点重要度的识别和筛选方法,通过对路径选择中高集聚效应的识别和有利节点的定位更新双层网络结构以优化现有网络的车站布局和衔接关系。最后,将提出的方法应用于成都市地铁公交网络,优化了现有网络结构,得到了现有网络的最佳优化节点位置和优化数量,并且通过相关指标系统验证了该方法的有效性。实验结果表明,采用该方法优化32次后的网络全局效率达到最优,和平均最短路径的优化效果分别为15.89%、16.97%,旅客换乘行为提升57.44个百分点;优化方法对旅行成本在8000~12000m的可达性影响最明显,优化效果平均达到23.44%;同时引入双层网络速度比和单位交通成本比,突出了不同运营状况下交通网络对协同优化过程的反应和敏感度的不同。

混合蚁群算法求解带软时间窗的车辆路径问题

针对车辆路径问题中传统硬时间窗过于刚性的问题,将软时间窗引入模型约束,建立基于总配送费用最小化的优化模型.同时,考虑到蚁群算法在求解该类问题上的不足,提出萤火虫算法与蚁群算法混合来突破原有算法的瓶颈.将萤火虫个体间的寻优过程引入蚁群算法,以指导蚂蚁搜索额外解空间,以此改善每代可行解的多样性,从而在蚂蚁信息素更新过程中进行扰动,提高算法求解质量.数值实验表明,相较于传统蚁群算法,混合算法在求解的精确性与稳健性上具有显著优势,验证了算法的可行性与有效性.

电力汽车共享企业进入市场演化博弈分析

在共享经济条件下,企业进入市场需要政府的支持和出行者的积极参与,利用演化博弈论将政府、私营企业、出行者三者视为3个种群,企业在进入市场时受到各方因素的影响,三者在动态博弈模型下逐渐演化形成稳定策略。通过寻找各个平衡点的稳定条件,得出演化过程中影响最终演化走向的关键点,分析稳定条件,从而为进入市场的企业提供一定参考。

考虑基地住宿问题的高铁列车乘务排班计划编制

针对高速铁路列车乘务工作实际中,因乘务班组值乘不同到达、出发时刻的乘务交路而产生的乘务基地住宿问题,首次构建考虑基地住宿成本的列车乘务排班计划多目标优化模型,在模型中将高铁列车乘务排班计划问题抽象为一个指派问题,并设计针对该问题特点的改进的NSGA-II算法进行求解.首先,设计基于该问题的实数编码模式,以指定周期内的乘务排班计划为染色体,以排班计划内每天的值乘计划为基因,以实数代表一个班组出乘.其次基于禁忌思想,设计针对该问题的变异选择方式,以减少不可行解的数量.最后针对该算法缺点,采用小生境思想计算拥挤度,改善精英选择机制,并提出自适应交叉和变异策略,以提高算法收敛速度,克服种群早熟,并改善算法搜索性能.京津城际列车运行数据的验证分析表明:所建立的模型及使用的算法是有效的,改进NSGA-II算法能提高收敛速度、目标函数值以及解的分布性.