具有设施容量选择的两阶段设施选址问题研究

设施位置与设施容量是影响供应链长期运营成本和服务质量的重要因素,也是企业获得竞争优势的两个决定性因素。针对设施选址及容量选择优化问题,本文提出以最小化成本为目标的混合整数规划模型,对工厂和仓库的位置及容量,工厂到仓库的产品流和客户到仓库的分配进行优化。根据模型特点设计拉格朗日松弛算法对其进行求解,为了提高解的质量,本文开发混合模拟退火禁忌搜索算法对拉格朗日松弛算法的求解结果进行改进。本文利用随机生成的大量具有不同规模及参数的实例对算法的有效性进行检验,数值实验表明该算法适用于同时优化设施选址及容量选择问题。

考虑设施容量限制的沿长江铁水联运运输网络问题研究

本文在考虑限航,即设施容量限制前提下的长江航运,以南京港为例,从运输成本、时间成本、转运成本三方面对铁水联运总成本进行建模分析,并使用python求解优化模型,最终获得货物从货源城市运至南京港,再经由南京港转运至目的港这一系列运输过程中所产生的路程、运量及成本等相关数据。分析得出,在不考虑其他可能发生的风险及导致成本变化的情况下,多种运输方式间存在成本差异,货物运输若想尽可能降低运输成本,就必须根据实际情况,仔细考虑采取不同的运输方式。因此,有关部门应在铁水联运方面加强管理并更加重视,以达到减少成本、优化运输结构的目的。

停车设施容量限制下的路网容量计算模型

路网是一个复杂的、随机开放的系统,很多因素会影响其容量的大小.根据城市道路网的特点,提出运用线性规划(LP)法,构建在道路通行能力以及停车设施容量双重限制下的路网容量计算模型;并从影子价格的角度,分析了路段、停车设施扩容对路网容量的影响.最后通过简单的算例,证实了方法的可操作性.

火车站综合交通客运枢纽客流与设施容量预测分析

科学的客流预测是合理布置交通设施的重要基础。通过分析火车站综合交通客运枢纽客流构成,提出客流预测的总体思路和框架,并对客流预测的常用方法加以介绍,最后总结相应的设施容量计算方法,这为火车站客流预测提供了一种新的思路,值得推广。

开发强度分区阶段交通设施容量评估模型及应用

为实现土地开发与交通设施的协调发展,在土地开发强度分区划定阶段提出一种交通设施容量量化评估模型。以动态模型分配为基础,借助综合交通模型平台,整体层面采用目标考核法计算设施容量,约束城市开发总规模;局部层面以资源公平共享为原则计算交通设施容量,精准预警高强度开发区。在广州市开发强度分区划定工作中,利用该模型对土地开发规模、空间分布、土地与交通协调性等进行量化评估和优化建议。

城市基础设施容量和城市开发建设相适应

城市基础设施容量要有一个比较正确的综合评价才能提供一个整体的质量指标,构建起整体的质量水平的分布状况和等级序列,为城市空间布局规划和城市规划管理提供科学的依据,也为城市开发建设提供决策依据。

上海市中心城煤气设施容量研究

城市基础设施的水平象征着城市建设发展的总体水平,关系着城市社会、经济的发展速度,也是制约当前城市建设的重要条件。上海市中心城区煤气设施容量的研究是上海市中心城区基础设施容量研究的一个方面。通过分析煤气生产、输配设施的现状,评价中心城区黄浦江以西、外环线以东。

普洱景迈山旅游环境容量初步研究

普洱景迈山是目前发现面积最大、保存最完好、年代最久远的人工栽培型古茶园。在了解旅游环境容量基本理论的基础上,针对主要制约因子,定量研究普洱景迈山旅游环境容量。经测算,景迈山的旅游空间容量为64969人次/日,旅游生态容量为24685人次/日,旅游设施容量为2148人次/日,而旅游社会心理容量可取到无穷大。旅游设施容量成为景迈山旅游接待规模的主要限制因素,旅游空间容量和生态容量虽然较大,但景迈山生态的脆弱性不容许高强度的游客活动。针对这些问题,提出完善基础设施、做好环境监测、强化分流引导、引进数字技术等对策,以更好地协调景迈山遗产保护与旅游发展的关系。

基于OpenMP求解无容量设施选址问题的并行PSO算法

讨论无容量设施选址(UFL)问题,提出了一个基于OpenMP技术的并行多粒子群优化(PSO)算法.将整个种群分为若干子种群,同时利用局部信息来更新粒子速度,使得并行算法异步进行.算法运行一定代数后,每个子种群都会与其相邻种群交换最优粒子.通过将并行多粒子群算法对OR-library中的标准测试问题进行测试,并将计算结果与串行多粒子群算法的计算结果进行比较.相比之下,并行多粒子群算法执行时间短,特别对于大规模的计算问题,所得结果有更好的鲁棒性.

需求导向的容量设施竞争选址问题研究

客户意愿与容量限制是竞争设施选址问题中两个重要的影响因素,在考虑客户意愿与设施容量共同作用条件下,建立了最小化企业总成本以及每个客户费用为目标的竞争设施选址问题优化模型,通过设计需求导向服务分配机制解决设施与客户之间服务关系分配问题,结合模拟退火思想提出了求解模型的算法。最后利用数值例子分析了需求导向服务分配机制以及目标权重、预算限额等参数对于选址决策的影响,其中考虑需求导向因素会适当增加企业的总成本,但可以减少客户所付出的费用从而增强对客户的吸引力;另外企业的预算限额对于企业的设施选址决策有着重要的影响,企业所能获取的市场份额与其选址预算限额呈正相关的关系;而客户所需付出的总费用与企业提供服务的总成本两者之间则呈负相关的关系,因此需要通过服务质量与成本之间的权衡实现最理想的选址决策。

求解无容量设施选址问题的混合蚁群算法

无容量设施选址(UFL)问题是经典的优化问题,属于NP难题,易于描述却难于求解.首先,介绍了UFL问题的数学模型,并对UFL问题的特点进行深入分析,得到其最优解所具有的基本特征;其次,针对UFL问题的最优解所具有的基本特征,设计了两种局部搜索策略,并将其与基本蚁群算法相结合,提出了一种用于求解UFL问题的混合蚁群搜索算法;最后,为了测试该算法的性能,分别利用混合蚁群算法和基本蚁群算法求解UFL问题基准问题库中的16个测试算例.计算结果表明,混合蚁群算法有效改进了基本蚁群算法求解UFL问题时易陷入局部最优、收敛速度慢等不足,该算法对求解UFL问题具有明显的可行性和有效性.

求解无容量设施选址问题的半拉格朗日松弛新方法

无容量设施选址问题(un-capacitated facility location,UFL)是应用于诸多领域的经典组合优化难题,半拉格朗日松弛方法是求解UFL问题的一种精确方法.分析了半拉格朗日松弛方法在求解UFL问题时所具有的性质,在此基础上,对求解UFL问题的半拉格朗日松弛方法进行了一定的理论完善,并探讨了提高半拉格朗日松弛方法求解性能的有效途径.数值计算结果表明:改进方法具有明显的可行性和有效性.

求解无容量设施选址问题的拉格朗日狼群算法及其应用

无容量设施选址问题(UFL)是应用于诸多领域的经典组合优化难题。首先,结合UFL问题的具体特征,重新定义了狼群算法中狼群协作捕食的智能行为,提出了求解该问题的狼群优化算法;其次,将狼群算法与拉格朗日松弛相结合,设计了一种求解UFL问题的拉格朗日狼群算法;最后,将本文提出的狼群智能优化算法及拉格朗日狼群算法用于UFL基准问题库中部分算例的求解,并将其求解结果与混合蚁群算法、半拉格朗日松弛方法以及优化软件CPLEX的求解结果进行比较。结果表明:拉格朗日狼群算法较狼群优化算法、混合蚁群算法及半拉格朗日松弛方法具有更好的求解效果,而且在一定程度上缓解了CPLEX求解时间长、消耗内存大的缺点,拥有良好的求解性能。

基于伪布尔模型和启发式算法求解无容量设施选址问题

采用伪布尔模型和启发式算法来求解无容量设施选址问题。首先给出了问题的伪布尔(pseudo-Boolean)表示,然后基于Khumawala规则对问题进行预处理,最后提出两种启发式分支准则来求解问题。实验结果表明所提算法简单有效。

无容量限制设施寻位问题的粒子群算法

利用粒子群算法求解无容量限制设施寻位问题,构造设施位置的粒子表达式,建立此问题的粒子群算法.并对12个基准测试题进行数值试验分析,结果表明粒子群算法可以快速、有效求得无容量限制设施寻位问题的优化解,是求解此问题的一个较好方案.

求解无容量设施选址问题的拉格朗日蝙蝠算法

无容量设施选址问题(Uncapacitated Facility Location Problem,UFLP)是一类经典的组合优化问题,被证明是一种NP-hard问题,易于描述却难于求解.首先根据UFLP的数学模型及其具体特征,重新设计了蝙蝠算法的操作算子,给出了求解UFLP的蝙蝠算法.其次构建出三种可行化方法,并将其与求解UFLP的蝙蝠算法和拉格朗日松弛算法相结合,设计了求解该问题的拉格朗日蝙蝠算法.最后通过仿真实例和与其他算法进行比较的方式,验证了该混合算法用来求解UFLP的可行性,是解决离散型问题的一种有效方式.

求解无容量设施选址问题的混合蝙蝠算法

无容量设施选址(Un-capacitated Facility Location,UFL)问题是可以运用于不同领域的经典优化难题。蝙蝠算法(Bat Algorithm,BA)是一种新的群智能优化算法,目前还未被应用到无容量设施选址问题的求解中。针对蝙蝠算法易陷入局部最优、收敛精度低、后期收敛速度慢的缺点,并结合无容量设施选址问题的具体特征,将三种局部搜索策略、和声搜索机制与基本蝙蝠算法相结合,使用一种新的随机游走法则公式改善蝙蝠的搜索能力,设计了求解无容量设施选址问题的混合蝙蝠算法。通过实例测试将混合蝙蝠算法与其他算法进行比较,验证了该算法求解无容量设施选址问题的有效性与可行性。

软容量限制设施选址问题的竞争决策算法

软容量设施选址问题是NP-Hard问题之一,具有广泛的应用价值。为了求解软容量设施选址问题,提出一种基于数学性质的竞争决策算法。首先研究该问题的数学性质,运用这些数学性质不仅可以确定某些设施必定开设或关闭,还可以确定部分顾客由哪个设施提供服务,从而缩小问题的规模,加快求解速度。在此基础上设计了求解该问题的竞争决策算法,最后经过一个小规模的算例测试并与精确算法的结果比较,得出了最优解;针对大规模的问题快速地求出了可行解,得到了令人满意的结果。

基于分支割平面的一类无容量限制设施选址问题求解算法

无容量限制设施选址问题是经典的组合优化问题,具有广泛的应用价值,然而该问题已被证明是NP难问题,并且传统的分支定界方法求解速度较慢.研究以最大化总收益费用与总投建费用之差为目标的无容量限制设施选址问题,将其转化为节点包装问题,并根据模型的图形特点提出了新的合法不等式族一轴不等式族,经过严格的数学证明后得出轴不等式要强于原有的奇洞不等式.同时,设计出切割不等式快速搜索算法嵌入到分支割平面方法中.最后,通过实验验证了轴不等式族的强有效性,以及分支割平面方法比分支定界方法求解速度快、节点数量少的优点.

无容量限制设施选址问题的降阶回溯算法

无容量限制设施选址问题(uncapacitated facility location problem,UFLP)是经典组合优化中NP-Hard问题之一,在诸多领域具有广泛的应用价值。本文首先研究UFLP的数学性质,并进行了数学证明。运用这些数学性质不仅可以确定某些设施必定开设或者关闭,还可以确定某些连接边是否在服务集中,从而缩小问题的规模,加快求解速度;在此基础上设计出一个新的基于上下界的回溯算法来求解UFLP。最后,通过一个示例进一步阐述该算法的原理,结果表明该算法具有明显的可行性和有效性。