供应商选择问题的随机相关机会规划模型

针对经典的供应商选择问题,在供应商报价、延迟交货率以及废品率不确定的情况下,同时结合随机相关机会的特点,以总成本、延迟交货量、货物不合格量小于其对应目标值的可能性最大为优化目标,建立随机相关机会规划模型,并且设计一种嵌入神经网络和随机模拟的混合自适应遗传算法。并用Microsoft Visual C++编程得以验证,详细说明了算法的关键内容与步骤,结合具体事例验证模型和算法的有效性,并与简单的遗传算法进行对比以验证文章中模型和算法的可行性。

基于相关机会规划的风电并网容量优化分析

风能的随机性和间歇性强,所以与传统发电形式相比,风电场容量可信度低,如何计算系统中的最大风电并网容量是风电规划所面临的重要问题。基于相关机会规划理论,在保证系统安全运行的前提下建立了计算风电并网容量的优化分析模型,模型中引入了风电的发电能力约束,并考虑了风电场减出力控制措施的影响。该模型适用于不确定环境下的随机事件评估,基于IEEE39节点系统的风电并网容量优化结果验证了模型的可行性。

基于风电预测误差随机性的火储联合相关机会规划调度

随着风电并网容量增加,合理利用风电预测误差信息,对含风电电网的实时调度具有重要意义。基于风电功率预测误差随机性,对火储联合调度进行研究。首先,结合风电功率预测值,建立分段误差概率分布模型。然后,基于随机相关机会规划理论,建立火储联合调度模型;根据火电机组与储能系统的出力特性,制定联合调度策略;采用差分进化算法对模型进行求解。最后,利用实际风电场数据,在4种设定场景下进行计算,对模型进行验证。结果表明,分段统计误差分布能够更全面反映误差信息;火储联合系统中,火电机组和储能系统分别在较大时间尺度和小时间尺度具有较好的调节特性,火储联合调度能够提高系统稳定运行的概率。

编组站阶段计划随机相关机会规划模型及算法

在铁路当前的运输组织模式下,编组站阶段计划鲁棒性和列车到达计划兑现率的矛盾十分突出.为提高阶段计划的鲁棒性,本文运用随机规划方法,研究列车实际到达时刻随机条件下(相对于计划到达时刻)的阶段计划优化编制问题.以最大化阶段计划在列车到达时刻随机扰动下保持最优的概率为目标,建立阶段计划随机相关机会规划模型.并设计了随机模拟、禁忌搜索算法相结合的混合智能算法对模型进行求解.算例结果表明,本文构建的模型能取得鲁棒性较高的阶段计划,能为阶段计划计算机编制提供辅助决策支持.

路网车流径路选择随机相关机会规划模型及其混合遗传算法

研究随机环境下车流径路的选择问题,首先给出路网车流径路方案可靠性的定义,并在此基础上建立随机环境下车流径路选择问题的随机相关机会多目标规划模型。模型考虑了车流具有不同权重的情况,目标为极大化车流径路方案的可靠性及极小化期望总费用。用C++语言编写K短路算法,并在Visual Studio 6.0上基于该算法开发了软件,用于计算网络上任意两点之间的K短路。以该软件计算出的K短路作为节点间的可选径路集,提出一种基于随机模拟的混合遗传算法。算例表明,在不同交叉和变异概率的条件下算法均可在给定进化代数内收敛至相同的最优解,有较强的适应性。

基于模糊相关机会规划的机会阵雷达方向图综合

研究了机会阵雷达的方向图综合问题,提出了一种基于模糊相关机会规划的方向图综合算法.该算法基于可信性理论,综合考虑天线单元分布的随机性以及工作状态的不确定性,以模糊变量来刻画天线单元参与方向图综合时的复杂不确定环境,建立方向图综合的规划模型.并结合模糊模拟算法和遗传算法设计了一种混合智能优化算法,用于求解该模型,仿真实验验证了所设计算法的有效性和稳定性.

模糊相关机会规划的蚁群优化算法及收敛性分析

模糊相关机会规划(Fuzzy dependent-chance programming,FDCP)因其非线性、非凸性及模糊性,对经典的优化理论提出了极大的挑战.本文为解决复杂的模糊相关机会规划问题设计了一种基于模糊模拟的蚁群优化算法,证明了该算法的收敛性,并通过估算期望收敛时间以分析蚁群优化算法的收敛速度.数值案例研究验证了该算法的有效性、稳定性及准确性.

求解随机相关机会规划的有效算法

随机相关机会规划作为一类重要的随机规划,存在于许多领域中。为了寻找更为有效的求解随机相关机会规划的算法,采用随机仿真来逼近机会函数,在微粒群算法中利用随机仿真估计适应值,提出一种将随机仿真与微粒群算法相结合的随机相关机会规划算法。通过实例仿真测试该算法的性能,并与遗传算法进行比较,结果表明本算法具有一定的优势。

随机网络瓶颈容量扩张相关机会规划模型

文章研究的问题为,在不确定环境中,怎样去增加网络中一组边的容量到一个指定的容量,以至于网络瓶颈扩张的费用不超过给定的总费用上限的概率尽可能的大。本文假定每一条边的单位扩张费用Wi是一个随机的变量,它服从一定的概率分布。带有随机单位扩张费用W的网络瓶颈容量扩张问题可以根据一些规则,列出它的相关机会规划模型的通用表达式。随后,本文将网络瓶颈容量算法、随机模拟方法和遗传算法合成在一起,设计出该问题的混合智能通用算法。最后,给出数值算例。

基于机会规划的房地产投资时机决策

将实物期权的净现值分析和马尔可夫转移矩阵相结合,利用房地产企业家信心指数,构建出反映宏观经济变动的马尔可夫-贝叶斯转移矩阵.在此基础上,从房地产企业投资决策所蕴含的实物期权价值出发,利用机会约束将市场价格风险纳入投资决策的分析框架,以不同的马尔可夫状态的必要投资回报率进行现金流贴现,在多阶段情景树的基础上,构建出多阶段0-1整数机会规划来研究房地产企业最优的投资决策时机.以宝钢集团企业开发总公司的靖江项目为背景,给出实证分析.

模糊AR模型的两步机会规划多期决策

利用系数为对称三角形模糊数的模糊AR模型预测投资收益,以模糊收益中值的协方差衡量投资风险,在引入流动性约束的条件下,拓展MARKOWITZ的单期均值-方差模型为多期模糊投资规划,每期期末利用改进的清晰化公式将预测的模糊收益转化为清晰的投资收益,构造出一个两步机会规划寻求投资收益和投资风险的Pareto解。采用含遗传交叉变异因子的粒子群算法求解。对上证50指数中的32只股票进行实证分析,并利用离散多期均值-方差模型检验所提出模型的有效性。检验结果表明:两步机会规划模型的最优投资组合的投资收益落在模糊收益值的允许区间之内,且其预测误差较小;在相同投资收益约束条件下,两步机会规划模型可以比多期MV模型承担更低的投资风险。

相关机会规划的确定性解法

相关机会规划是随机规划的一种,是使事件的机会函数在不确定环境下达到最优的方法.针对机会函数中随机变量几种不同的约束条件和分布,通过其分布函数的等价变换将相应的相关机会规划转化为确定性规划,得到了相关机会规划的确定性解法.

求解模糊相关机会规划的混合智能算法

模糊相关机会规划是一类有着广泛应用背景的随机规划问题,该文采用模糊模拟产生样本训练BP网络以逼近机会函数,然后应用微粒群算法并以逼近机会函数的神经网络作为适应值估计,从而提出了一种求解模糊相关机会规划的混合智能算法。最后通过实例仿真说明了算法的正确性和有效性。

基于机会规划的债转股时机研究

从可转换债券所蕴含的期权特性出发,将投资者对标的股票的投资价值分析纳入决策框架.基于多阶段情景树模型,考虑投资者在情景树的节点进行转股决策;构建出存在市盈率机会约束的0-1整数机会规划,并利用邯钢转债的历史数据进行实证分析.得出如下结论:对邯钢转债而言,能以95%的概率水平确保在整个转股期间持有可转换债券,以获得稳定投资收益为最优决策;与传统的金融期权相比,由于存在投资价值的机会约束,基于0-1整数机会规划的金融期权价值存在有限上限,从而限制了投资者的投资风险.

基于PSO求解随机相关机会规划的有效算法

随机相关机会规划是一类有着广泛应用背景的随机规划问题,通过采用随机仿真产生样本训练BP网络以逼近机会函数,然后应用微粒群算法并以逼近机会函数的神经网络作为适应值估计,从而提出了一种求解随机相关机会规划的混合智能算法。最后通过实例仿真说明了算法的正确性和有效性。

油田增产措施模糊相关机会规划模型

以最大化措施增油量高于规划措施增油量这一事件的机会函数为目标,兼顾成本、措施量等因素,建立了油田增产措施模糊相关机会规划模型,并给出了模型的混合智能算法.实例表明,该模型理论基础严格,求解方法科学有效,并具有一定的智能性,为油田增产措施配置提供了新的决策依据.

油田增产措施配置的随机相关机会规划模型

以最大化措施增油量高于规划措施增油量这一事件的机会函数为目标,兼顾成本、措施量等目标,建立了油田增产措施随机相关机会规划模型,并给出了模型的混合智能算法。实例表明,该模型理论基础严格,求解方法科学有效,并具有一定的智能性,为油田增产措施配置提供了新的决策依据。

基于随机相关机会规划的公交调度模型研究

在公交车辆调度问题中,考虑到公交调度中的不确定因素,引入相关机会规划模型及其相关概念,给出基于随机模拟的遗传算法步骤,能使得调度决策更能尽可能地执行,同时更加接近实际调度情况。

基于模糊相关机会规划的储能优化控制

为了最大限度地使风光储联合发电系统的出力与计划出力相匹配,采用提前一日对储能装置进行优化控制的方法。因风光出力具有模糊性,提出了基于模糊相关机会规划的储能优化控制方法。该方法考虑了储能装置的出力和电量约束条件,每个时段的匹配程度用可信度表示,以一日内96个时段总的可信度均值最大为目标,采用基于模糊模拟的遗传算法求解,得到可信度均值最大时不同时段对应的储能充放电功率。算例分析表明,所提出的储能优化控制策略使风光储联合发电系统的总出力可基本跟踪计划出力曲线。

基于相关机会规划的多机器人觅食过程的参数优化

针对随机环境中以觅食为任务的多机器人系统,在建立其整体数学模型基础之上,利用随机规划中的相关机会规划对影响整体系统性能的两个重要参数进行了优化分析,并采用基于随机模拟的遗传算法得到了优化结果。仿真结果表明,利用该方法可以实现随机环境下的系统优化控制,从而可为多机器人系统的行为规则优化提供理论依据。