广义最大覆盖模型的新型人类学习优化算法

广义最大覆盖模型是传统覆盖模型的扩展形式,通过覆盖水平评价服务质量。针对上述模型NP-hard问题特征,设计一种基于新型人类学习优化算法的求解方法。将自适应学习策略引入到基本人类学习优化算法中,采用随机学习算子、个体学习算子和社会学习算子进行优化搜索。利用多个算例进行数值实验,并将新算法与遗传算法、微粒群优化算法、最有价值球员算法和人类学习优化算法进行比较。实验结果证明了新算法的可行性和有效性,为广义最大覆盖模型的求解提供了一种有竞争力的算法。

广义最大覆盖模型在消防站优化选址中的应用

针对目前我国城市消防站建设存在的数量不足、责任区面积过大、选址缺乏科学性等问题,引入广义最大覆盖模型,探讨城市消防站的优化选址方法。广义最大覆盖模型很好地解决了传统最大覆盖模型中假设覆盖度为二元值的缺陷,通过分段递减函数,将覆盖度表示为0～1之间的连续值,实现了供应点对所有需求点的覆盖。同时,本研究还考虑不同区域的火灾风险等级并设定了相应响应时间限值,通过对最短响应时间和响应时间限值的比较,得出候选消防站点对各个需求点的覆盖度水平。通过实例对广义最大覆盖模型的有效性进行验证,并利用LINGO软件进行求解。研究表明,广义最大覆盖模型可实现供应点以不同程度覆盖所有需求点,更适用于消防站类应急设施的选址问题。

应用广义最大覆盖模型进行公路养护应急中心布局选址研究

应用广义最大覆盖模型方法在江西省国省道公路网络中进行公路养护应急中心布局选址,将养护应急中心设置在县级及以上行政中心点上,在点的服务半径已知的条件下,求解如何设立数量最少的点便可覆盖所有区域。

基于广义最大覆盖模型的连锁公司货物配送问题

本文运用matlab及lingo软件对连锁超市的商品配送的问题进行了深入的探讨。运用了Floyd算法、运筹学、时间序列预测、广义最大覆盖模型等思想对问题进行了求解，力争使用最简单的模型求得最优化的结果。连锁超市货物运送问题中，由于单位运费固定不变，因此，可利用控制变量法，运用最短距离经典算法——F1oyd算法结合matlab软件对每两个城镇之间的最短公路距离进行测算，同时结合广义最大覆盖模型，设置0-1变量及覆盖度权重建立优化模型，利用lingo软件编程对模型进行求解。通过局部最优解，选择连锁店地址使其达到最大销量，以解决连锁超市选址问题。

基于广义最大覆盖模型的人防专业队布局研究

人防建设是我国国防建设重要的组成部分,针对我国城市现状人防专业队工程建设数量不足、布局缺乏科学性等问题,分析了最大覆盖模型在布局问题上的不足,进而引入广义最大覆盖模型(GMCLP),探讨改进了人防专业队的布局方法。GMCLP模型解决了最大覆盖模型(MCLP)中覆盖度是二元值假设的缺陷,不仅实现了设施点在不同覆盖度下对所有需求点的覆盖,还减少了设施点的数量。用GMCLP模型对实例进行抢险抢修专业队进行布局,结合Arc GIS10.0中的New Analyst功能进行求解。结果表明,GMCLP模型不仅能够不同程度覆盖所有需求点,而且还可以减少抢险抢修专业队的数量,节约政府财政支出。

南京市消防资源优化研究

针对目前南京市消防资源分布不均,各个救援主体之间存在信息孤岛现象,工作协调性差,致使突发状况发生时难以有效地保护人民的生命和财产安全的现状,探讨了通过利用层次分析法的部分思想南京市消防资源进行了重新分配,并进一步明确了责任区域,使消防资源得到最有效的利用。同时,利用广义最大覆盖模型对消防站进行了选址优化,从而进一步提高救援效率,对以后救援工作的顺利开展提供相关参考。