具有模糊信息的多目标运输问题求解

提出一种求解具有模糊信息的多目标运输问题的方法。利用专家意见通过模糊算法集结从各产地到各目的地运送单位物资的模糊综合指标值 ,运用一种对模糊数排序的方法 ,将模糊多目标运输问题转化为单目标的运输问题进行求解。最后给出了一个数值例子。

求解多目标运输问题的一种目标协调优化方法

针对多目标运输问题往往存在各目标间协调性差或冲突发生的现象,提出一种求解多目标运输问题的目标协调优化方法。以各目标做出一定的让步为切入点,通过寻求最小让步对各个目标进行协调,将多目标运输问题简化为单目标的线性规划模型。引入让步解、满意解等概念,给出了方法的求解步骤。最后,以实例验证了方法的有效性。

军械物资供应系统中的多目标运输问题

建立了军械物资运输问题的模糊多目标线性规划模型 ,运用一种解模糊函数和一种基于线性隶属函数的模糊规划算法求其调和解。方法简便、有效 ,可为部队军械物资的运输供应高效化提供科学依据。

求解多目标运输问题的表上作业法

根据可持续发展和保护资源、环境的特殊需要,研究了多目标运输问题.引入了这一类多目标运输问题的表格表示方法;给出了有效解、检验数向量等定义以及求解多目标运输问题的表上作业法.

模糊多目标运输问题的结构元解法

为了解决一类具有模糊多目标的运输问题,采用模糊结构元方法,将问题转化为单目标的运输问题再求解。对于具有模糊多目标的运输问题,这些目标被归结为运输问题的模糊成本,利用模糊结构元理论,将多名专家意见通过基于模糊结构元的模糊算法集结为模糊综合指标值,进而将模糊多目标运输问题转化为模糊单目标的运输问题,并利用模糊数的结构元加权排序准则对单目标运输问题进行求解,最后给出了数值例子。该方法对于解决具有模糊多目标的运输问题具有一定的应用前景。

多目标运输问题的Fnzzy线性规划解法

经典运输问题是一类特殊的单目标线性规划问题，可用表上作业法或单纯形法求其最优解［１］．近年来，许多学者研究了多目标运输问题，提出了相应的求解算法［６－９］．本文应用Ｆｕｚｚｙ线性规划的方法，给出了多目标运输问题的又一求解算法．

遗传算法在多目标运输问题的应用

运输问题有特殊的数据结构———运输树,应用基于支撑树的遗传算法求解多目标运输问题,介绍了能表示运输问题所有基解的节点编码方法及对节点编码的交配与变异规则,给出了染色体转换成运输树的可行性准则.

航空交通多目标运输效率优化仿真研究

对航空交通运输效率的优化,能够有效提高航空交通系统运行效率。对航空交通多目标运输效率的优化,需要构建多目标运输格序决策模型,计算不同运输区间方案的可能度,完成多目标运输效率的优化。传统方法构建航空运输机空中管理优化模型,对运输拥挤时段进行优化处理,但忽略了对区间运输不同方案的可能性计算,导致效率优化效果不理想。提出航空多目标运输效率优化方法。建立航空多目标运输方案的集合,通过计算各决策目标在集合中的权重向量得到航空多目标运输方案中的决策矩阵,构建航空运输多目标运输方案的格序决策模型;采用可能度两两比较矩阵对比不同航空多目标运输方案的优劣次序,,选取最优的航空多目标运输方案,提高航空多目标运输的效率。仿真实验结果表明,所提方法可以有效的提高航空多目标运输的效率。

多目标运输应急管理问题研究

该文首先分析了多目标运输方式选择多目标优化问题的数学模型及虚拟传输网络图,其次对传统遗传算法的染色体编码方式、交叉算子、变异算子进行了重新设计,并且重新定义了适应度函数,最后通过实例分析验证了改进的遗传算法解决多目标运输问题的优越性。

求解多目标运输问题的实现技术

运输问题有特殊的数据结构———运输树。本文应用基于支撑树的遗传算法求解多目标运输问题,介绍了能表示运输问题所有基解的节点编码方法及对节点编码的交配与变异规则,给出了染色体转换成运输树的可行性准则。

考虑时间窗的多货类多目标集装箱运输方案优化

为研究小型内陆城市的集装箱运输方案,在考虑时间窗的约束下,构建运输成本最小、运输时间最短及运输碳排放最少的多目标运输方案优化模型,并结合NSGA-Ⅱ算法和Matlab软件,以丹阳市集装箱运输方案优化为例展开实证研究。研究表明:时间窗的不同对于集装箱运输方案的选择起到关键作用,同时运输成本及运输碳排放量也随之产生变化,为此可通过采用新能源运输设备减少碳排放量来降低运输成本;对于时效性较强的集装箱货物,选用公铁联运较为经济,对于一般性集装箱货物,选用公水联运更为经济。

基于物联网的多目标货物运输线路调度系统的设计

在分析和探讨了现代物流配送需求的基础上,以物联网应用为基本手段设计了多目标货物运输线路的调度系统,首先概述了运输线路调度系统设计的总体思路框架,接着为物联网多目标货物运输线路调度系统进行了模块配置,从无线传感器网络配置、GIS模块配置、电子地图模块配置以及货物运输配送车辆线路调度模块配置等四个方面进行了分析,最后对调度系统的核心问题即物联网多目标货物运输线路调度系统最优路径算法进行了分析,并提出了数学模型。

多目标货物运输调度系统的构建研究

针对多目标货物运输线路调度问题,在以物联网为核心的系统环境下,以实现对多目标运输线路的最优调度为最终目标,综合利用无线传感技术、电子射频技术、数据库技术、路径优化技术以及地理信息技术等,提出了一种以物联网为基础,可以满足现代物流需要的、完善的多目标货物运输线路调度系统,并利用模拟测试的方法对该线路调度系统进行检验,证明系统能够解决多目标货物运输线路调度问题。

综合交通运输多目标决策指标权重灵敏度分析

认为指标灵敏度分析是综合交通运输项目决策不可缺少的一部分 ,应在项目评价结果中明确给出其变化范围[12 ] ;推导出当两个指标权重变化时 ,各方案综合价值排序发生变化的转折权重计算公式 。

物流配送路径多目标优化的聚类-改进遗传算法

探讨运输车辆路线安排调度问题的解决方法 ,提出一种先用优先级综合聚类分析法将客户分类 ,再用带有控制开关系统的改进遗传算法求解多目标 VRP的优化方法。构造了一种随机开关 ,以此控制遗传算法中的变异运算 ,增加了群体的多样性 ,避免了遗传算法中“局部最优现象”的发生。计算机仿真实验证明了该算法的有效性。

基于联合运输的棉花物流运输路径选择研究

分析了我国棉花物流运输现状,从联合运输的角度出发,以棉花供应点到需求点联合运输总费用最小和总时间最短为目标,构造了联合运输网络中的棉花物流运输路径模型。采用了多阶段启发式算法,通过改进的Martins算法找出非劣路径集合,依据运输方式转换兼容性与剔除无效路径,进行运输方式分配,运用模拟实例验证了该启发式算法的有效性,解决了联合运输的棉花物流运输路径选择问题。

基于联合运输的物流配送路径(MVRP)问题研究

针对广西北部湾物流发展中港口站点集疏运不畅的问题,从联合运输的角度出发改进广西北部湾运输网络,研究了联合运输网络下的物流配送路径问题(MVRP)。以满足客户运输总费用最小、运输总时间最短为优化目标,同时利用运输方式共享指标反映运输工具利用率情况,并构建了配送路径选择的数学模型。采用了多阶段启发式算法解决上述问题,首先通过改进的Martins算法找出非劣路径集合,依据运输方式兼容性剔除无效路径,然后进行运输方式分配,得到从客户点至港口终点的优化配送路径。模拟实例证明了该启发式算法具有良好的性能。

一种改进的蚂蚁算法在多目标配路中的应用

通过赋予蚂蚁方向辨别和选择的能力并重新定义路段可期望性参数 η ,将平面地理信息纳入转移概率因素 ,增加了局部搜索规则 ,提出了一种改进的蚂蚁算法 ,该算法可在路段通行能力受到限制的情况下对多目标的运输优化问题求得满意解 ,并且具有较好的收敛性 .通过计算一个简单的多目标配路问题体现了算法的实现过程 。

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法(即模糊优化方法)求解物流配送多目标定位-运输路线安排问题(M LRP),重点考虑了时间和运输成本两个目标的M LRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.

Fuzzy programming approach solution for multi-objective solid transportation problem

Based on recent research developments in multi-objective solid transportation problem (MOSTP), this paper presents a fuzzy programming approach to determine the optimal compromise solution of MOSTP. The characteristic feature of the proposed approach is that various objectives are synthetically considered with marginal evaluation for individual objectives and global evaluation for all objectives. The decision-maker's preference is taken into account by his/her assigning weights to the objectives. With global evaluation for all objectives, a compromise programming model is formulated. As a generic aggregation operator is adopted, several solution methods proposed earlier become special cases of this approach, and the solution process also becomes more flexible and realistic. An illustrative numerical example is provided to demonstrate the approach.