考虑订单优先级带时间窗的多车型开放式车辆路径问题研究

针对物流运输中具有优先级的配送订单情况以及新能源车辆、燃油车辆混合配送的车辆路径优化问题,考虑车辆可行驶区域限制、车辆载重量、客户送货时间需求、新能源车辆充电约束,构建以碳排放成本、货运成本和时间窗惩罚成本总和最小的目标函数。根据订单优先配送特征设计带有优先策略的粒子群算法求解问题,并基于条件采用适应性算例进行实验,验证算法对考虑优先级订单序列带有时间窗的多车型开放式车辆路径问题的有效性。

基于PSO-RBF神经网络的锂离子电池健康状态预测

针对传统方法估计锂离子电池健康状态(SOH)时内部参数测量困难等问题,提出一种基于粒子群优化径向基函数神经网络的锂离子电池SOH预测方法。通过对锂离子等效模型的研究,结合充放电过程的实验数据,确定了影响锂离子电池SOH特性的几个关键参数。将试验数据输入仿真模型进行网络训练和校验。仿真证明,相比BP神经网络和普通RBF神经网络,该算法的预测精度可提高20%,节省66.7%以上的优化时间。

绿色多式联运随机优化策略

针对速度服从随机分布时绿色多式联运路径特点,探索路径优化策略问题,使用随机优化方法,建立绿色多式联运随机路径优化模型,设计了一种将样本平均近似法和基于优先权的粒子群算法相结合的混合算法求解该模型.结合多式联运实际情况设计数值算例验证模型的有效性,对模型中速度的正态分布与均匀分布和碳排放因子进行较为完整的情景分析,结合实际情况得出当样本规模为600,速度服从均匀分布时,情景3-2运输成本为501.11、碳排放成本为649.07是稳定性较高的理想决策,碳排放因子增为0.8有利于成本的降低.实验结果表明,本文建立的随机优化模型能够较好解决速度服从随机分布时多式联运路径优化问题,为实际多式联运运营提供决策支持.