基于多时窗共空间模式的HMM运动想象脑电识别

运动想象脑电具有识别效果不佳及复杂时序信号建模困难的问题,因此提出一种基于多时窗共空间模式的隐马尔可夫模型运动想象脑电识别方法;首先将运动想象脑电划分为多个短时窗信号,然后使用共空间模式提取特征序列,以滤除脑电通道间的冗余信息,最后采用前向-后相算法与Viterbi算法求解隐马尔可夫模型并完成分类识别;将该方法在公开运动想象脑电数据集上进行实验,得到77.17%的分类正确率,相较隐马尔可夫模型算法提升了5.74%,验证了所提方法的有效性。

多时窗旅行时分解剩余静校正方法

在复杂地表区的资料处理中,求取准确的速度非常困难,速度误差带来的剩余正常时差不容忽视。为此本文将剩余正常时差转换为速度误差的函数,采用多时窗分别对旅行时进行分解,可以获取不同时窗内的炮点静校正量、检波点静校正量和速度误差值。在获得速度误差后,分别用到相对应的时窗数据中,完成剩余动校正,再将剩余静校正量用于此数据,完成多时窗旅行时分解剩余静校正处理。实际资料处理结果表明,该法是解决复杂区地震资料剩余静校正问题的有效方法。

基于协同自适应禁忌的多时窗VRP算法实现

针对多时窗VRP,提出了一种对其进行求解的协同禁忌优化算法。首先定义了多时窗VRP的数学模型,通过C-W算法求初始解,采用四种算子进行邻域搜索,定义目标函数衡量候选解好坏;设计了自适应地修改禁忌长度的方法和多个子禁忌算法进行协同寻优的算法;将协同寻优获得的最好最优解作为主禁忌算法初始解进行全局寻优。仿真实验证明,该方法能有效地解决多时间窗的VRP,且与其他方法相比,以较少的迭代次数获得了全局最优解为386.38,具有较大的优越性。

基于Sweep和主动禁忌的多时窗VRPPD设计

针对多时窗装卸车辆路线问题(vehicle routing problem with pickups and deliveries,VRPPD),提出了一种基于Sweep算法和主动禁忌算法的多时窗VRPPD问题求解方法。定义了多时窗VRPPD问题的数学模型;通过改进的Sweep算法获取初始解,设计了候选解结构、适应度函数、4种邻域操作以及邻域操作需满足的车辆容量约束和时间窗约束方程,采用主动禁忌算法自适应地修改禁忌长度以增强算法的全局寻优能力;定义了具体的多时窗VRPPD求解算法。实验结果表明,该方法能有效地解决多时间窗VRPPD问题;与其它方法相比,该方法具有全局搜索能力强和收敛速度快的优点。

多时窗地表一致性反褶积方法在低信噪比资料处理中的应用效果

随着地震资料处理技术的不断发展,对苏北盆地海相中古生界地层构造特征研究有了进一步的深入,使以往采集的该区地震资料能在其研究中发挥更大的作用,提高资料的处理精度显得非常重要。以黄桥地区为例,由于受当时技术因素所限,获得的低信噪比、低分辨率处理成果已不能满足当前研究的需要。结合该地区的资料特点,在解决了低信噪比资料的静校正、干扰波处理、振幅一致性校正的基础上,重点进行了反褶积方法测试。处理结果表明,多时窗地表一致性反褶积方法不仅能改善该区资料的信噪比,还能提高其分辨率。

多车程多时间窗车辆路径问题研究

针对末端物流中配送车辆多趟次运输、客户对配送服务时间的多样化需求,研究多车程多时间窗车辆路径问题。构造该问题的最小化车辆数量和总运输成本的双目标混合整数规划模型,设计改进的自适应大邻域搜索算法对其求解;构建了基于路径、车程及客户点3个层级上的多种高效的破坏算子和修复算子来扩大解的搜索空间;使用自适应策略选择高效的搜索算子,以及引入模拟退火新解接受准则避免陷入局部最优解来提高搜索效率。通过多种规模算例实验结果分析,验证了改进的自适应大邻域搜索算法的优越性,并分析了考虑多车程的模型对总运输成本的影响。

基于分支定价算法的多时间窗家庭医护人员调度问题研究

为了减少医护人员调度成本,提高客户满意度,研究了家庭医疗护理人员调度问题。考虑客户具有多个可接受服务的时间窗,并对不同时间窗具有不同偏好的特性,建立以总运营成本最小、满意度最大为目标的数学模型。基于Dantzig-Wolfe分解原理将所建模型重构为集合划分主问题和含多时间窗的最短路径子问题模型。运用将列生成嵌入分支定界框架中的分支定价算法对问题求解,并根据多时间窗的问题特性设计了快速获得初始解的随机贪心算法和求解子问题的改进标签算法。对50组算例进行测试,将所提出的算法与CPLEX对比,验证了算法的有效性。最后比较单时间窗和多时间窗算例结果发现,客户提供多个可接受服务的时间窗能有效降低调度成本。

考虑排放控制区和多时间窗的班轮运输加油与货运收益优化

针对考虑排放控制区(Emission Control Area, ECA)和多时间窗的班轮加油与货运收益优化问题,通过分析ECA内/外航路班轮燃油切换对燃油消耗的影响,结合各港口油价、各起讫港口对货运需求量及运费率差异,以班轮运输航次收益最大化为目标,构建了混合整数非线性规划模型,并设计了分段线性割线逼近求解算法。以中国远洋海运集团有限公司的MEX航线为例,验证了模型和算法的适用性和有效性,算例结果显示,在考虑ECA和多时间窗的情况下,加油与货物装运联合优化可使班轮航次收益提高4.21%。研究表明:班轮公司与港口签署多时间窗合作协议,以及配置燃油消耗系数更小的新型班轮,不仅有利于班轮公司灵活地调整班轮航速和到/离港时间,且能够有效地降低燃油消耗,提高班轮航次货运收益。研究结论可为班轮公司制订ECA规则下的班轮运营决策提供有益的参考。

多时间窗车辆路径问题的智能水滴算法

研究了多时间窗车辆路径问题,考虑了车容量、多个硬时间窗限制等约束条件,以动用车辆的固定成本和车辆运行成本之和最小为目标,建立了整数线性规划模型。根据智能水滴算法的基本原理,设计了求解多时间窗车辆路径问题的快速算法,利用具体实例进行了模拟计算,并与遗传算法的计算结果进行了对比分析,结果显示,利用智能水滴算法求解多时间窗车辆路径问题,能够以很高的概率得到全局最优解,是求解多时间窗车辆路径问题的有效算法。

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.

基于多时间窗的油料保障模型

针对军用油料(POL)调拨运输优化问题,通过引入保障时间窗,考虑了油料保障过程中复杂的时间窗约束和运力约束,提出了基于多时间窗的油料调拨运输的约束满足问题(CSP)模型及其求解算法。首先,对油料保障点、油料需求点、保障时间窗、油料保障需求及油料保障任务等要素进行了形式化描述;在此基础上,建立了油料保障CSP模型,并采用理想点法,将模型中的多目标转化为单目标规划问题;设计了基于粒子群优化(PSO)算法的模型求解方法和步骤,并通过算例介绍了模型的具体运用。算例中,将利用所提模型求解得到的优化方案与最大化油料保障量为单一目标的模型优化方案进行比较,两种方案下的运力安排已达最大,但对各油料需求保障时间的安排,所提模型求解方案中每个油料需求的开始保障时间都不晚于单目标模型求解方案中的保障时间。通过对不同优化方案的比较,表明所提模型和算法能够有效解决多目标油料保障优化问题。

多时间窗车辆路径问题的数学模型及算法

研究了多时间窗车辆路径问题,增加了车容量及最大行驶距离等限制条件,以总成本最低为目标,建立了整数线性规划模型,并利用Lingo软件编写了求解该模型的精确算法程序。然后通过引入最优个体保留机制对传统的遗传算法进行改进,设计了求解多时间窗车辆路径问题的遗传算法,最后通过具体实例验证了模型及算法的有效性。

基于改进蚁群算法的多时间窗车辆路径问题

物流运输成本在物流总成本中占有很大比重,合理安排车辆路线,满足用户需求对企业有重要意义。车辆路径问题是运筹优化领域的热点研究问题,多时间窗车辆路径问题是对车辆路径问题的扩展。文中以总成本最小为目标,建立了多时间窗车辆路径问题的一般数学模型,针对蚁群算法在求解时容易陷入局部最优解和收敛速度慢的问题,改进转移概率公式,采用邻域搜索策略提高解的质量,借鉴模拟退火算法的思想对信息素进行更新,提高算法的寻优能力,加快收敛速度。实验结果表明,改进后的蚁群算法可以有效求得最优解,降低物流运输成本。相比其他算法,改进后的蚁群算法求解精确度高,收敛速度快,在求解多时间窗车辆路径问题上有着较好的性能。

带多时间窗的实时车辆路径优化问题的研究

考虑客户的多时间窗需求，建RTVRPMTW问题模型。充分利用ACO和GA的优势，并采用了3-opt搜索、车场交换及协同机制等策略进行改进，构造了HACO。对实例进行仿真表明该算法在收敛速度和寻优结果两方面都优于另外三种算法，而且稳定性较好。

基于MA-BiLSTM的多时间窗航班过站时间估计方法

发生前航延误时,若能精准估计航班链后续航班的机场过站时间,可辅助航空公司适时调整航班计划,有效降低延误波及,同时为机场资源调配提供决策依据.提出了一种基于MA-BiLSTM的多时间窗航班过站时间估计方法.首先对航班过站时间多维度影响因素进行分析选择,然后采用融合双向长短时记忆网络和注意力机制的MA-BiLSTM模型学习航班上、下游过站机场数据的双向时序信息,并获得时间和多维属性的注意力权重,最后根据航班链执行状态设置不同长度的时间窗,采用加权平均方法多时间窗滑动推进动态估计.采用真实航班链数据进行实验,并与常用模型进行对比,结果表明本文方法具有较好的预测准确性.

时间依赖型多时间窗车辆路径问题研究

针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明:HDGWO可有效求解TD_VRPMTW。

多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明:在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。

考虑需求拆分的多时间窗集送货车辆调度优化研究

车辆调度是连锁超市物流配送的重要环节,目前只考虑时间或距离的单一约束条件下的车辆调度已经不能满足市场需求,因此以JLF连锁超市为研究对象,考虑了需求拆分、多时间窗和集送货三者同时约束下的车辆调度模型,运用动态规划顺序法进行求解,研究表明考虑需求拆分的车辆调度问题更具现实意义。

多时间窗的物流配送中心-配送路径选取模型研究

完善物流配送中心选址与配送路径规划建设,是优化区域物流运行组织模式,推进城市物流升级增效的关键环节.该文引入时间窗概念,构建多时间窗的物流配送中心-配送路径选取模型,对学术界中选址-路径问题提出新的网络衔接机理.

考虑病人时间窗偏好的周期性家庭医护人员调度优化问题

针对周期性家庭医护人员调度问题,研究了病人接受医疗服务的频次固定,但对不同接受服务的时间窗有不同偏好的情形。以最小化运营成本、最大化病人偏好满意度为目标建立了混合整数规划线性模型,设计了混合禁忌搜索算法进行求解。数值实验表明:医护人员的最大降级数越大,路径成本和目标函数值越小;病人对时间窗偏好的权重和医患匹配偏好权重越大,路径成本越大但目标函数值越小;混合禁忌搜索算法能有效求解各种规模的算例。