【摘 要】
：
在不确定需求环境下,针对循环取货问题,提出了基于VRP与3D-KLP协同优化模型(3KL-CVRPCSO),并设计了求解该模型的多阶段算法(HPGBT).首先,采用基于遗传算法的混合粒子群优化算法和启发式正交二叉树搜索算法求解不同车型最优行驶路径及车厢内装载的各种类货物的最优数量,以此确定各车型车辆的单车最优路径-装载方案;再以这些方案作为决策变量,以实际货物需求量为约束条件,建立新的基于实际需求的路径-装载协同优化模型并进行求解,得到按不同车型单车最优方案执行的车辆数.通过与国外学者近期在权威期刊的优化
【机 构】
：
大连理工大学经济管理学院、商学院,大连116024
论文部分内容阅读
在不确定需求环境下,针对循环取货问题,提出了基于VRP与3D-KLP协同优化模型(3KL-CVRPCSO),并设计了求解该模型的多阶段算法(HPGBT).首先,采用基于遗传算法的混合粒子群优化算法和启发式正交二叉树搜索算法求解不同车型最优行驶路径及车厢内装载的各种类货物的最优数量,以此确定各车型车辆的单车最优路径-装载方案;再以这些方案作为决策变量,以实际货物需求量为约束条件,建立新的基于实际需求的路径-装载协同优化模型并进行求解,得到按不同车型单车最优方案执行的车辆数.通过与国外学者近期在权威期刊的优化结果比较和实际案例的应用两方面的研究与验证,证明了本文方法的可行性及有效性,从而建立了一种以不同车型单车“路径+装载”复合方案为决策单元,以实际需求为约束条件,进而以最优组合方案解决不确定性需求问题的物流车辆调度新方法.
其他文献
针对当前波形单元提取技术难以应用于非协作多功能雷达(multi-function radar,MFR)实侦数据的问题,构建了基于MFR多参数序列的二分类模型,在此基础上提出了一种自适应确定输入参数的密度聚类算法进行分类.该方法无需依靠MFR波形库的先验知识,采用无监督学习的方式提取波形单元.同时,充分利用多参数间的联合变化和数据集的整体分布信息提高算法鲁棒性,并通过引入输入参数λ可对不同用户需求调整算法性能.仿真实验表明,该算法可以有效地提取非协作MFR波形单元,同时能够适应测量误差和脉冲丢失的干扰,具有
针对传统捷联惯导系统(strapdown inertial navigation system,SINS)四元数非线性误差模型存在坐标系不一致的问题,对姿态误差模型和速度误差模型进行改进,将误差矢量统一投影至计算导航坐标系下.此外,引入全球定位系统阻尼信息,在阻尼SINS解算基础上,结合四元数无迹估计器提出了一种改进四元数阻尼误差模型对准算法,可应用于系泊状态下的SINS初始对准.仿真和车载试验结果表明,在不同的大失准角下,该改进算法相比传统四元数阻尼误差模型对准算法和欧拉角阻尼误差模型对准算法,具有更好
传统的单快拍测向算法只适用于具有Vandermonde形式的阵列流型,均匀圆阵的阵列流型不具有Vandermonde矩阵结构,因此大部分基于线阵的伪协方差矩阵的构造方法无法直接适用于均匀圆阵.针对该问题,从侦察方的角度对波达方向(direction of arrival,DOA)估计算法进行了研究,改进了伪协方差矩阵的构造方法,提出了 一种基于均匀圆阵的单快拍测向算法.通过与模式空间前后向平滑(mode forward-backward spatial smoothing,M ODE-FBSS)算法的对比
近年来,在“双十一”等网络热销期,折价、“定金膨胀”等预售模式日益盛行.消费者在享受优惠的同时也面临着预购产品估值不确定的风险,进而影响消费者预购行为和零售商收益.因而如何选择合适的预售模式,如何确定最优的预售价、尾款、订购量等是零售商制定预售模式时面临的重要问题.本文考虑风险厌恶的策略型消费者在折价和“定金膨胀”预售模式下的购买行为,构建消费者估值、效用函数和零售商收益模型,研究折价预售与“定金膨胀”预售模式下零售商最优订购量和预售价.通过比较和数值计算,分析了不同影响因素对两种预售模式选择的影响,得到
该研究针对仅知道价格波动范围的有限交易机会的单向交易问题,采用竞争差分析方法构建数学模型,求解得到了最优的稳健性占线交易策略,并分析了该策略的性质,确定了该策略相对于最优离线交易策略所能达到的绩效保障(即最小竞争差).此外,研究还指出了对于交易者而言所有可能的最糟糕价格情况.该研究不仅可以用于指导现实中的单向交易行为,特别是交易者需要通过限制交易次数来控制交易成本的情形,同时,它还提供了统一的模型框架将文献中关注的时间序列搜索问题和无次数限制的单向交易问题联系了起来,便于对各类问题进行比较,丰富和完善了已
考虑不确定性的模糊路径优化研究能够满足高质量发展形势下市场、经济和环保等多方面的现实需要.针对需求与碳交易价格双重不确定下的多式联运路径优化问题,建立混合鲁棒随机优化模型,设计基于蒙特卡罗采样的灾变自适应遗传算法并进行有效性检验.以具有15个节点的多式联运网络为对象开展算例研究,比较不同模式下多式联运的运输方案及成本并分析不确定参数的影响.结果 表明:受遗憾值约束的影响,需求不确定的鲁棒优化会增加多式联运总成本,而碳交易价格随机性的提高并不一定意味着成本的增加.合理设置碳交易价格的随机性,综合考量需求不确
针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题,提出一种基于Choi-Williams 分布(Choi-Williams distribution,CWD)和深度残差收缩网络(deep residual shrinkage network,DRSN)的通信辐射源信号调制方式识别方法.利用CWD将时域复信号转换为二维时频矩阵,对深度残差网络添加软阈值化得到DRSN,将时频矩阵样本用于对DRSN的训练,最终构建不同信噪比下的调制方式识别网络.仿真实验表明,基于RadioML2016.10
针对组网导航系统中节点能量受限及网络通信时滞的问题,设计了 一种基于移动汇聚节点的交叉路由树构建及链式分簇相结合的路由算法(routing algorithm combining cross routing tree construction based on mo-bile sink and chain clustering,CRTCC).CRTCC规划了移动汇聚节点的路径,创建了以移动汇聚节点为中心的交叉区域,以交叉区域内的节点为对象构建了交叉路由树.同时,对于交叉区域外的节点,根据蚁群算法的特点引入
针对多无人机任务规划问题,以细菌觅食算法为基础,融合遗传算法的交叉变异操作,进行任务分配。为了提高算法的收敛能力,动态自适应调节算法的游动步长、繁殖次数和迁徙概率。基于Lyapunov导航向量场和避障向量场构建融合向量场,模拟真实静态和动态障碍物环境,在任务分配阶段完成航迹规划;基于合同网拍卖算法,进行无人机坠毁后的任务重分配。仿真结果显示,改进算法满足任务规划需求,在考虑静态和动态障碍物的环境下
C&I(chopping and interleaving)干扰是一种针对线性调频(linear frequency modulation,LFM)雷达的典型干扰样式,干扰子信号调频斜率与雷达发射信号相同,利用信号处理工具分离真实回波与干扰信号难度较大.针对该问题,以LFM相参雷达抗自卫式C&I干扰为背景,提出基于回波预处理和相参积累的干扰抑制算法.根据估计的回波时延,设置距离窗截取受干扰回波段,在此基础上,通过对回波预处理,改变不同重复周期内假目标的快时间位置分布,通过相参积累实现干扰抑制.仿真试验表明