一种改进的人工蜂群算法

人工蜂群算法是一种模拟蜜蜂群智能搜索行为的随机优化算法,已被成功用于解决许多优化问题。该文针对基本人工蜂群算法在收敛速度和局部寻优方面存在的缺点,提出了一种具有平衡能力的改进算法。此算法在观察蜂阶段引入惯性权重,使用随着迭代次数动态变化的惯性权重因子来平衡种群的局部搜索和全局探测能力,防止算法陷入局部最优和加快寻优速度;在侦察蜂阶段(scout bees),则利用正弦函数搜索操作,正弦函数服从均匀分布,能很好地搜索全部范围,以提高种群多样性。通过对5个基准测试函数进行仿真实验,并与原算法进行比较,结果表明,改进的算法在收敛速度和搜索精度上基本优于人工蜂群算法。     

基于微粒群算法的单机不同尺寸工件批调度问题求解

提出了一种改进的具有全局搜索能力的微粒群算法,对工件尺寸有差异的单机批调度问题的制造跨度进行优化。针对问题中工件尺寸不同且分批加工的特点,设计了微粒的编码方式;对进化过程中产生的极优解,采用了混沌优化策略进行改进,避免早熟收敛的问题。仿真实验结果表明,本文算法的时间性能和近似解质量均优于现有的其他方法。     

一种基于小生境熵的自适应混合遗传算法

将熵的概念引入共享机制小生境技术,提出了一种基于小生境熵的自适应混合遗传算法.通过自适应调整小生境半径,改进了共享机制在算法中的作用,提出了用以度量种群多样性的小生境熵的概念.算法通过种群所处的进化世代数及该世代种群的小生境熵,实现了进化参数(交叉、变异概率)的自适应调整.证明了该算法具有强全局收敛性.实验表明,该算法对于解决多模态函数优化问题,具有很好的全局搜索能力和较快的收敛速度.     

有限缓冲区的多节点订单接受模型与算法

订单接受问题广泛存在于生产管理中,而现有多节点订单接受问题中大多不考虑缓冲区约束对订单接受的影响。针对这一问题,以缓冲区约束的多节点生产为背景,建立了订单接受模型。利用改进NEH算法、离散和声搜索算法和变邻域搜索的混合算法对模型进行求解。实验结果显示,当问题规模较小时,算法取得较好的计算效果。问题规模较大时,求解效果一般。缓冲区的大小对订单完工时间影响较小,与无限缓冲区的计算结果相似。混合算法具有较好的求解速度,能够有效求解问题模型。     

约束满足与邻域搜索结合的混合算法及应用

总结约束满足求解技术和邻域搜索算法,分析约束满足与邻域搜索单一算法的优劣,以及两者结合的优势,提出约束满足与邻域搜索相结合的混合算法的一般框架,并以Job Shop,调度优化问题为例对该算法框架进行实例说明.     

一种信息安全投资的智能化决策方法研究

当组织的信息系统因为漏洞而受到的威胁时,组织必须进行信息安全投资决策以减少损失.信息安全投资决策是一个多目标决策和NP难题.为精确解决组织的信息安全投资决策问题,本文提出一种改进的二进制的粒子群优化算法(PSO),帮助组织最优化的投资和实现最大化的弥补漏洞.为加快收敛速度,在传统的离散PSO中移植了一种记忆机制.经过实验,改进的算法具有更好的搜索效率和稳定性.为企业提供了一种简单有效的决策支持工具.     

金融网络的模型和优化

金融网络就是经济系统中资金循环,文献[1-8]研究了金融网络的模型。本文则在文献[1-8]金融网络模型的基础之上,建立了资产、负债、适度规模和价格的改进模型。这一改进模型考虑了所有经济部门的金融工具的风险、金融网络的经济资源约束、资产和负债的会计帐户约束等问题。模型的改进适用于应用。文章采用了进化规划算法,并依此进行仿真实验。     

一种求解双目标flow shop排序问题的进化算法

提出一种求解双目标flow shop排序的递进多目标进化算法.算法采用改进的精英复制策略,在实现精英保留的前提下降低了计算复杂性;通过递进进化模式增加群体多样性,改善了算法收敛性;通过群体进化过程中对非劣解集进行竞争型可变邻域启发式搜索,增强了算法局部搜索性能.采用新算法和参照算法NSGA-II对31个标准双目标flow shop算例进行优化.研究结果表明,新算法在所有算例的求解中均获得了优于NSGA-II的非劣解集,验证了算法的有效性.     

基于约束的离散粒子群算法求解大规模指派问题

针对现有进化算法在求解传统指派问题时因取整而影响优化效果的问题,采用了一种基于AllDifferent约束的置换离散粒子群优化算法,该算法针对指派问题中各变量不能重复取值的特点,改进了算法的迭代方式,并引入了模拟退火的差解接受准则以提高优化效果,仿真算例表明改进后的算法在质量上和时间上更具有效性.     

供需未匹配的多车场多车型多货品可拆分取送货车辆路径问题

取送货车辆路径问题在多点调拨系统普遍存在,属于NP-hard问题。该问题研究通常需考虑车场数、车型种类、货品种类、客户服务次数等诸多因素,已有文献多假设客户间供需已匹配、单车场、单车型、单货品和取送货需求一次性满足,优化目标多设置为总路径最短。而从企业运营实践来看,运输方案不仅要规划客户间访问路径,还需进行客户间供需匹配;运输成本不仅与运距有关,还涉及运输货品的重量和派车成本;运输网络中多车场、多车型和多货品更加常见,且客户需求量往往大于车辆装载能力。因此,本文首次尝试基于"运距×运量"的车辆路径成本和基于额定吨位的固定派车成本之和最小为优化目标,建立同时考虑多车场、多车型、多货品、客户间供需未匹配和需求可拆分的取送货车辆路径问题模型,并设计基于大规模邻域搜索的迭代局部搜索求解算法。该算法采用基于运输效率提升的贪婪思想来快速构建高质量初始可行解,并通过引入四种移除算子、两种修复算子和车场车型调整优化策略形成大规模可行搜索邻域以增强全局寻优能力。基于18个文献算例和6个企业实例的数值实验结果表明：1）本文提出的算法在求解质量和求解效率方面均优于相关文献中的算法;2）相对人工调拨方案,本文设计的方案能够帮助企业节约33%的运输成本和21%的车次。本研究不仅可拓展取送货车辆路径问题现有理论,而且可为企业实际运营提供决策支持。     

基于混合蚁群算法的冷链物流配送路径优化研究

基于绿色物流发展理念，为企业寻求经济与环境达到双赢的局面，本研究将节能减排转化为绿色成本，融入路径优化问题中，建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题，将A*算法与蚁群算法相结合，利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析，验证了模型和算法的有效性。     

电子商务下基于改进两阶段算法的有时间窗车辆调度优化

为满足电子商务下的物流配送需求,将传统车辆调度模型进行修改,将目标函数改为基于费用最小,在约束条件中增加时间约束、货物容积约束、车辆最大工作时间、多种车型、载重量限制和最大行驶距离等,以提高模型的适用性和通用性。由于有时间窗的车辆调度问题是NP难问题,采用改进两阶段算法进行求解。即第一阶段用模糊分层聚类法将客户群分成若干区域,在每个区域又用扫描算法分解成若干符合约束条件的小规模子集;第二个阶段对各个分组内客户点,就是一个个单独TSPTW模型的线路优化问题,因此,采用改进混合遗传算法进行优化求解,最后的算例仿真表明了算法的有效性和可行性。     

随机需求下考虑不同竞争情形的网约车平台动态定价

针对乘车需求波动下网约车平台间存在乘车需求竞争和乘运供应竞争的最优定价问题，以平台期望收益最大化为目标，运用最优控制论方法，构建不同竞争情形下的网约车平台动态定价模型，并利用哈密尔顿函数及模型推导，求得最优动态竞争价格解以及乘运供应率与需求率的变化轨迹。结果表明：平台最优动态竞争价格随市场需求的波动而动态变化，且最优价格可以有效调控平台供应能力，促使平台供需匹配，优化平台期望收益。此外，乘车需求市场竞争越激烈，平台最优价格越低，而乘运供应市场竞争越激烈，最优价格越高。平台间竞争的加剧将降低平台的期望收益，且平台期望收益随着固定佣金报酬率的提高先增大后减小。     

多油品供给受限下多油库被动配送车辆路径问题研究

成品油供给不足将导致加油站油品订单无法完全满足,如何安排有限油品的合理配送对保障能源供给安全至关重要。为此,本文考虑有限供给下不同客户配送的优先次序,开展配送计划、车辆调度和路径优化等油品配送网络规划活动,对多油品供给受限情况下多油库被动配送车辆路径问题（Multiple Depot Vehicle Routing Problem,MDVRP）进行深入研究。首先,文章构建了考虑需求优先等级和配送成本的多油品多油库车辆路径规划多目标优化模型。其次,采用多目标粒子群优化算法（Multi-Objective Particle Swarm Optimization,MOPSO）对模型进行求解,以实现车辆高效调度和油品配送路径优化。最后,基于CNPC在青岛市部分油库和加油站点的数据信息,构建油品配送网络进行实证检验。算例结果显示,配送车辆路径经过优化后,生成Pareto非劣解集,配送成本显著降低,配送满足率明显提高,这也进一步验证了该模型及相关算法的可行性和有效性。     

直接配送下随机需求库存-路径问题最优平稳策略及其算法

直接配送策略下随机需求库存-路径问题（Stochastic Demand Inventory Routing Problem with Direct Deliveries, SDIRPDD）由于其需求的不确定性、决策的长期性以及其最优策略形式对求解其他库存-路径问题（IRP）的参考价值,使得对SDIPRDD问题的研究成为物流、供应链优化领域研究的一个热点。文章首先证明了无约束SDIRPDD的最优平稳策略为（s,S）形式,并通过分析车辆数约束对客户单阶段期望成本函数的影响,给出了存在车辆数和客户库存容量约束时SDIRPDD问题的最优平稳策略形式,进而提出了一种求解有约束SDIRPDD问题最优平稳策略的近似算法。最后,通过数值算例验证了算法的有效性并分析了结果的现实意义。     

基于改进蚁群算法的低碳车辆路径问题研究

全球气候恶化危及人类生存环境,物流运输过程中产生的大量温室气体则是祸源之一。本文考虑带有碳排放约束的车辆路径问题（VRP）,以车辆行驶里程最短和碳排放量最小为目标,构建了多目标的VRP非线性规划模型。提出了一种改进的蚁群系统算法对该模型进行求解,算法在更新路径上的蚂蚁信息素时引入了混沌扰动机制,此举能降低算法运行时陷入局部最优解的概率并有效提高算法的适应性。同时,对启发因子、状态转移概率、信息素更新等环节进行了优化设计,提高了最优路径的搜索效率。最后,数值仿真实验证明了该算法的求解表现优于同类研究常用的遗传算法和禁忌搜索算法,具有较强的全局寻优能力。在灵敏性和有效性的保证下,本研究所设计的改进蚁群算法能够较好地处理低碳车辆路径问题（LCVRP）。     

应急救援物资紧缺的两级配送路径选择研究

针对应急救援物资紧缺难以满足所有需求的情形,以单个需求点最大缺货量最小、车辆运输费用最小为双目标,建立从配送中心到分发点再到需求点的两级配送路径选择模型,设计复杂性为O(n3)的近似算法GA进行求解,证明算法近似比的上下界并讨论影响因素,用数值验证算法GA的近似比接近于1,表明算法GA具有较好的性能。最后以雅安灾区配送实例验证模型和算法的有效性。     

自建VS.并购:物流一体化竞争下的电商平台演化博弈

在竞争环境下，各大电商平台相继以自建或并购方式完成了自营物流系统的建设。文章立足于电商平台的物流一体化建设实践，以自建和并购作为电商平台构建物流体系的备选策略，首先采用逆序归纳法分别求得了两平台在均采取物流自建方案、均采取物流并购方案及一方采取物流自建方案而另一方采取物流并购方案时的均衡利润；然后，基于演化博弈理论，对不同均衡点的稳定性进行了分析；最后，得出了四种不同的演化稳定均衡结果。结果表明：（1）如果物流自建投入明显低于物流并购投入，且买家需求对竞争对手的物流服务不敏感时，两平台均将物流自建作为占优方案，从而双方的演化博弈将形成唯一的混同均衡——（物流自建，物流自建）。（2）如果物流并购投入明显低于物流自建投入，且买家需求对竞争对手的物流服务不敏感时，两平台均将物流并购作为占优方案，从而双方的演化博弈将形成唯一的混同均衡——（物流并购，物流并购）。（3）如果两种物流一体化方案的前期固定投入差异较小，且后期运营支出对物流服务水平不敏感，买家需求对对方平台的物流服务敏感时，两平台均无占优策略，而是采取与对手方案相同的物流一体化策略，使得双方的演化博弈形成两个混同均衡——（物流自建，物流自建）与（物流并购，物流并购）。（4）如果两种物流一体化方案的前期固定投入差异较小，且后期运营支出对物流服务水平不敏感，买家需求对对方平台的物流服务不敏感时，两平台均无占优策略，而是选择与对手方案相异的物流一体化策略，从而双方的演化博弈将形成两个分离均衡——（物流自建，物流并购）与（物流并购，物流自建）。     

带时间窗装卸货问题的改进多策略分组编码遗传算法

通过研究求解PDPTW的分组编码遗传算法（GGA）及多策略分组编码遗传算法（MSGGA），改进了GGA中的交叉算子及MSGGA中的路径调整策略，提出了易位组合交叉算子、单车路径重排策略及需求对换策略。求解了400个客户点的标准算例集，其中4个算例lc2_4_3、lrc1_4_1、lrc2_4_2和lrc2_4_3的行驶总路程有所减少。     

考虑差异化服务时间的多车型电动汽车路径优化与充电策略研究

在政府政策大力支持以及社会环境意识不断增长的背景下，电动汽车在物流配送行业快速普及。电动汽车参与的物流配送服务需要物流专员、电动汽车和顾客三方协作完成。因此，在传统车辆配送路径优化的基础上，车辆的多样性、充电策略、人车的匹配以及服务时间差异化等因素都会影响物流运营成本。本文提出了考虑差异化服务成本的多车型电动汽车路径优化与充电策略问题并建立了该问题的整数规划数学模型。其次，提出了混合启发式算法MCWGATS，并通过多组算例验证了算法的有效性。最后，采用多组算例分析了多车型和差异化服务时间对运营成本的影响。实验结果表明，该模型有助于物流企业提高人员、物流车辆、服务时间等资源的利用效率，降低运营成本。