让DataGridView智能生成列集

DataGridView是一个非常实用的显示和编辑多行数据的控件,通过对它进行适当的扩展后,使它可以智能地根据数据源的基础类型有选择地自动生成列,如果想要对显示的列集进行变动,只要修改逻辑层中对应的基础类型的属性即可,表现层不要作任何修改,大大地提高了工作效率,而且避免了出错的可能,这完全符合代码和表现分离的设计理念。

基于列生成算法的不正常航班一体化恢复

为解决突发事件引起的航空公司不正常航班恢复问题,在飞机飞行路线恢复问题基础上考虑机组飞行路线恢复,对不正常航班飞机-机组一体化恢复问题进行了研究。以航空公司的航班恢复成本最小为目标,在机场长时间关闭场景下采用更换飞机和机组飞行路线、航班延误和航班取消4种恢复方法的组合,基于资源指派模型构建了飞机-机组一体化恢复模型,使用列生成算法求解。实验结果表明:与直接顺延航班相比,该方法将飞机停场率下降了8.7%,航班取消率下降了11.4%,恢复成本减少了18.7%,证明了一体化恢复方法的有效性。

基于列生成的三阶段二维板材切割优化

在大规模定制生产需求的背景下,对于方形件产品制造企业来说,面对一组多品种、小批量的矩形产品订单,如何生成科学合理的排样方案,以最小化使用板材的数量,从而有效降低企业下料生产调整费用、提高生产效率,是一个具有挑战性的现实问题。针对具有齐头切约束的二维板材下料问题,以最小化使用的板材数量为目标,建立基于各切割阶段的长宽限制、产品项的完整性和齐头切等约束条件的三阶段二维矩形板材排样的整数规划模型。为求解该模型设计了基于列生成的算法,将原问题分解为限制主问题和子问题,子问题为生成满足约束并可能提高板材利用率的排样方案,限制主问题为获取最优排样组合。算例分析结果验证了模型的有效性和可行性。结果表明,在大规模算例下,所设计的算法不仅能明显提高求解效率,还能得到更具优势的排样方案。

结合Benders分解和列生成的发热门诊排班数学建模和优化算法

发热门诊是抗击疫情最前线,发热门诊中的医生排班对于系统运行效率和医疗服务质量都非常重要,需要科学的排班优化算法。针对发热门诊医生排班调度问题,首先采用逐点稳态流近似方法对系统建模,定量评估系统中等待服务的患者数目,基于此建立了考虑患者排队队长限制的医生排班数学优化模型。进一步,为求解该模型设计了结合Benders分解与列生成的高效算法,对此复杂优化问题加以高效求解。最后,利用上海大型医院发热门诊的实际数据加以数值实验分析,验证了所提出算法的排班结果,显示了其在控制患者队长和医生总工作时间上具有优势。数值结果进一步验证所提出方法能适应疫情严重情况下的医生排班优化要求。研究得到的模型和算法对完善疫情中发热门诊的运作管理具有实际意义。

列生成算法的改进策略研究

列生成算法是一种用于解决线性规划问题的高效算法,其核心思想是通过逐步添加列来构建松弛问题的最优解。然而,随着问题规模的增加,算法的计算复杂度也会急剧增加,导致算法的效率下降。为了优化这一问题,经过对算法改进策略的研究,分析其优缺点,并给出基于机器学习的列生成算法改进模型。该策略的应用可以大大减少算法的计算时间和空间消耗,提高算法的求解效率和精度。

基于列生成算法的鲁棒电动车路径问题

为解决旅行时间不确定和柔性时间窗下的电动车车辆路径问题,建立了以配送成本最小为目标的混合整数规划模型。引入虚拟节点把电动车的车辆路径问题转化为网络模型,利用列生成方法进行求解,将模型转化为基于路径的主问题和有限资源约束条件下求解最短路径的子问题,并构建了基于蒙特卡洛仿真方法的鲁棒模型。针对子问题设计了改进Bellman-Ford算法,引入了路径扩充机制加速模型求解速度获得模型近似解,并结合动态路径查找算法获得最优解。最后,对多组算例进行计算,结果表明:所提出算法可以在保证结果精度的同时提高问题的求解速率;时间窗约束对配送成本影响最为显著;鲁棒情形和确定情形下配送成本受续航里程约束、汽车载重约束和时间窗约束影响的变化规律具有一致性。

基于列生成的云平台资源约束项目调度研究

随着云计算技术的不断发展,越来越多的实验室以及办公环境都采用云平台来获取计算资源。但是,在对云平台相关技术的研究过程中,发现对于云平台资源约束项目的调度问题一直都是一个比较大的挑战。主要原因就是,对资源约束项目进行调度需要考虑资源利用率以及调度的时间成本。根据问题建立了资源约束项目资源库调度模型和一种基于列生成算法的云平台资源约束项目算法。通过与拉格朗日技术、数字优化技术及自适应遗传算法等进行实验对比。结果表明,该方法在问题的解决上是具有明显优势的,也验证了该方法的有效性。

基于数据驱动期望场景集序列的微电网鲁棒经济调度算法

针对新能源和负荷功率的不确定性,提出基于数据驱动期望场景集序列的微电网鲁棒经济调度算法。通过聚类方法将大量历史场景数据进行聚类处理,形成聚类场景集序列,基于概率缩减为期望场景集序列。日前计划阶段,以任意场景可行作为约束条件,以期望场景所对应的微电网运行成本的概率加权指标作为目标函数,通过列约束生成算法对微电网经济调度问题进行求解。日内调度阶段,利用新能源和负荷的测量数据,基于日前计划调度结果对微电网进行再调度,通过对传统能源发电功率和电网交互功率调整进行惩罚,来追踪日前计划调度结果,优选出微电网设备最优出力,提高微电网经济性。仿真案例验证了该方法的有效性。

基于列生成算法的动车组检修计划优化

基于动车组运用维修规程的特点,研究动车组检修计划的优化问题。构建动车组交路段和动车组检修基地相互关系的接续网络,刻画动车组担当交路段、进行检修、等待检修3种状态。进一步考虑交路段覆盖约束、检修弧能力约束和路径数量约束,以动车组可行运用计划为决策变量,以待检动车组检修前的累计运行里程最大化为目标函数,建立动车组检修计划优化模型。针对优化模型的决策变量数远远大于约束条件数量的特点,设计将列生成算法嵌入分枝定界算法的分枝定价求解算法。以广深线14列动车组的交路计划为例,采用给出的模型和算法进行动车组检修计划优化。结果表明:优化的动车组检修计划提高了动车组运用效率;只有当检修能力和备用车数量匹配时,才会使动车组得到充分的利用。

基于列生成算法的电动公交车辆调度计划优化研究

在公交运营规划过程中,公交车辆计划问题是编制时刻表和调度驾驶员的连接纽带,是公交运营规划过程中的关键问题.相对于传统公交车,电动公交车具有绿色环保,运营里程短,充电资源少等特点.在运营规划方面,电动公交车车辆计划模型约束多,计算难度大.本文应用整数规划,网络流等基本理论,将车次任务,公交场站,充电站作为节点,将车次间的空驶作为边,把电动公交车的车辆计划问题转化为网络模型.在网络模型的基础上应用列生成方法,对电动公交的车辆计划问题进行求解.在实验部分,将列生成算法分别应用于随机生成数据和实际数据.实验结果中,列生成算法结果相比现在使用方案最多节省了1辆电动车,成本优化最高为8.3%,表明列生成算法在求解电动公交车辆计划问题时效率高,优化结果较好.

机电产品拆卸回收模型及其拆卸序列生成

基于有向图和分类约束的思想 ,提出了两类约束的概念 ,建立了一种具有层次化、模块化特点的机电产品分类有向约束图模型 ;并结合具体产品 ,讨论了分类有向约束图模型在拆卸序列生成过程中的应用 .研究结果表明 :分类有向约束图模型可有效筛选掉不合理的拆卸序列 ,减少拆卸过程中搜索拆卸目标的工作量 ,避免拆卸方案组合爆炸 ,降低拆卸序列生成的复杂程度 .

城市轨道交通车底运用计划编制优化模型求解的混合列生成算法

以车底需要担当的运输任务和虚拟车场为节点,以2个运输任务间的衔接以及运输任务与虚拟车场间的衔接关系为弧,构建不固定区段运营的城市轨道交通车底运用网络图。在满足相关约束条件下,以车底总运营费用最低为目标,建立城市轨道交通车底运用计划编制优化模型,并设计模型求解的混合列生成算法。该算法的原理是:在分支定价算法的基础上,再采用大规模邻域搜索算法,以当前最优整数解为初始解进行邻域搜索得到新的解,将此新解作为新增列加入到列生成算法中,避免出现退化问题;同时,根据此新解对搜索树上界进行更新,运用更有效的上界进行减枝,从而提升模型求解的效率。应用实例证明,提出的混合列生成算法在求解大规模的车底运用计划编制问题时,可以获得较高质量的求解结果。

列生成与GUB相结合求解钢铁原料采购批量问题(英文)

钢铁原料采购批量问题的目标是确定各种原料在一定时期(通常为一年)的各个时段(一个月)内的采购量,在满足生产需求的前提下,使总的采购成本和库存费用之和最小。一般批量问题是NP-hard,目前只存在有限的、启发式的方法求解小规模问题.建立了原料采购批量模型并提出一种新的方法——列生成与GUB(广义上界)相结合方法求解该模型.一组实际问题测试结果证明了该方法的有效性,同时也表明了该方法的潜在应用价值.

基于逐次确定换班机会集的乘务调度列生成方法

传统列生成方法在求解乘务调度问题时,由于搜索二叉树的节点数呈指数级增长使其难以解决大规模问题。为避免搜索整个树节点,提出一种逐次缩小问题规模的迭代优化方法。针对乘务调度问题提出带有换班机会选择的最小费用网络流模型。利用Dantzig-Wolfe分解原理,将该模型转化为带有换班机会选择的集覆盖模型,并采取列生成方法求解其线性松弛解,以得到原问题的下界。在求解整数解时,利用线性松弛解信息,逐次确定不被使用的换班机会集,将问题转化为一系列规模逐次缩小的乘务调度问题。对城市公交中的多组乘务调度实例进行计算,将结果与问题下界和常用遗传算法的结果进行比较,表明大多数实例都能在合理的时间内取得最优解或近优解。

基于改进列生成算法的高速列车开行方案优化研究

针对编制开行方案涉及因素多、建模及求解困难的特点,结合有容量限制的多商品流网络设计问题,建立确定列车开行对数、开行区段、停站方案及编组形式的多目标整数规划模型,运用权重法将多目标规划转化为单目标规划。鉴于标准的列生成算法难以协同处理网络设计与网络配流问题,设计综合使用列生成与行生成策略的启发式算法确定列车的运行路径及停站方案,采用改进分支策略的分支定界算法求解最终模型。最后,以京沪高铁为例进行验证,在有效时间内获得较高质量解,该解与最优解的误差率为2.13%,且优于京沪高铁实际采用的开行方案。

基于列生成算法的集装箱班轮运输网络优化

为使集装箱班轮运输公司在相对较为稳定的航运网络上进行适时调整和优化,以适应航运市场的变化获得最大利润,以CKYH联盟为例,将联盟利润最大作为目标函数,将每段航线和港口货物运量、船队运能、运输需求以及承运人船舶数量作为约束,建立混合整数规划模型.通过对联盟在亚洲-地中海的航运网络进行优化,得出需要挂靠的港口、挂靠港口顺序以及每条航线单次货物运量.对于混合整数规划模型,运用列生成算法对模型进行分解,然后运用CPLEX软件进行编程求解,得到航运网络优化的最终结果.该解法提供了一种航运网络优化的新方法.

加速列生成法求解乘务调度问题

列生成法是求解乘务调度问题的有效数学规划方法,但传统列生成法存在收敛速度慢的缺点.基于乘务问题特点,提出三种加速列生成求解的策略:在列生成迭代过程中,每隔一定周期移除受限主问题的部分'差'变量,以减小问题规模;提出基于乘务问题特征的强标号消除准则和基于该准则的二阶段子问题求解法以加速子问题求解;利用分支树求解整数解时,提出一个能充分利用已有解信息的班次池策略,以减小整数解求解时间.利用实际公共交通中的10组案例对所提加速策略进行测试.实验结果表明,这些加速策略能够有效加速列生成的求解,适用于求解大规模的乘务调度问题.

铁路客运网络列车开行方案优化模型的列生成算法

列车开行方案的设计是铁路旅客运输组织规划中的一个重要环节。本文首先给出了一个综合考虑铁路旅客运输的经济效益和公共服务性的优化模型,以铁路旅客运输的公共效益最大化为目标,对整个铁路客运网络上不同始发-终到和不同停站方式的列车开行方案进行优化。然后提出了一个求解此模型的启发式列生成算法,该算法与标准列生成算法相比,可以减少迭代次数并缩短收敛时间。最后给出一组利用随机生成的网络和需求进行求解的算例,验证本算法可以在较短时间内求解较大规模的铁路网络列车开行方案优化问题,并能有效缩小问题规模。

不正常航班恢复的一种改进的列生成算法

分析了由飞机资源短缺造成的航班不正常情况,将该问题视为带有容量约束的多个商品的整数最小费用流问题,建立了多商品网络流数学模型。采用列生成算法框架求解该大规模整数规划问题。一般的列生成算法是每次迭代过程只加入一个列,造成迭代次数过多,因而降低了算法效率低。文中采用每次迭代过程中加入多个列,并对加入的多个列应该满足的条件进行了分析。最后给出的算例验证了该方法的正确性和有效性。

递推矩阵的列生成算法下的一维下料方案研究

针对工程实际中一维下料优化问题,这里采用以原材料使用量最少为目标,以每根原材料的余料长度小于最短零件长度等为约束,建立数学优化模型,提出使用一种基于递推矩阵的列生成算法进行求解该模型。此算法主要通过求解列生成优化模型中的递推矩阵,生成添加列,最终得出下料方案。最后针对单一订单的情况,并根据实例优化计算所得结果进行对比,分析可知该算法能够减少下料方式,验证了该算法的有效性,在工程实际中可以有效借鉴此方法。