考虑储存成本的集装箱公铁联运路径优化

联运企业的效益受运输路径和运输方式的影响。如何降低联运成本、提高联运企业的效益,已成为学术研究的重中之重。针对集装箱公铁联运路径优化问题,以运输成本、换装成本、储存成本、时间惩罚成本构成的运输总成本为目标函数,建立集装箱公铁联运路径优化模型,考虑运输时间限制、班期限制、节点储存成本,得出使运输总成本最低的运输路径及运输方式,并利用算例验证模型的有效性。     

考虑支线运输服务的多式联运网络优化

在多式联运网络优化的同时一并对支线运输服务方案进行综合决策,提出Ⅱ阶段决策方法。模型第Ⅰ阶段表述为0~1整数规划问题,对网络设计以及网络流运行进行规划,基于阶段Ⅰ的优化结果提出第Ⅱ阶段决策过程,表达为带时间窗的支线车辆路径问题。针对模型的Ⅱ阶段结构特点,以两个阶段相互影响和反馈为求解思路,设计以交叉熵为主体的启发式算法,采用算例分析方法证明模型和算法的有效性,最后将Ⅱ阶段优化模型与两个阶段分别优化进行对比,指出在模型与算法参数均一致的情况下可降低成本73%。     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

不确定环境下基于ELECTRE的多式联运路径选择评价方法

物流运输是供应链的重要组成部分,合理选择物流的运输方式,实现多种交通方式的优化配置,对于降低物流成本、推进绿色供应链的实施有着重要意义.从经济、社会、环境等三个层面构建多式联运环境中的物流运输路径评价指标体系,并借助层次分析法确定各级指标的权重.考虑到指标数据的不确定性,将随机模拟和ELECTRE方法充分结合,提出一种不确定环境下基于ELECTRE的多属性决策评价方法.应用实例表明该评价决策方法是可行的、有效的,并能提供更多的辅助信息以供决策.     

基于改进蚁群算法的物流配送优化研究

物流配送是物流管理的重要环节，物流配送关系到物流活动的正常开展，因此，物流配送优化成为学术界和企业界的研究热点。而传统蚁群算法由于存在着缺点，所以采用一种改进蚁群算法以改善传统算法的不足。基于改进蚁群算法，构建物流配送模型，求解最优解。通过算例，求得最优解，实现目标函数最小化。结论表明：改进蚁群算法是求解物流配送优化问题的有效方法。     

国际多式联运提单项下的诉权分析

任何权益的实现均需要借助诉权的行使,行为的多重性产生诉权的多重性。国际多式联运伴随着货物的位移,涉及到多层关系人,存在不同性的责任与利益,因而产生多重诉权。多式联运提单项下的诉权是一个非常复杂的问题,解决国际民商法责任的诉权,应通过国际间协调与合作,制定普适的国际规范。     

双重不确定下低碳多式联运路径优化研究

针对低碳多式联运路径优化中需求和时间不确定的问题,综合考虑直接运输成本、转运成本、时间成本、碳排放成本,建立混合鲁棒随机优化模型,设计基于随机采样的遗传算法并进行有效性检验。通过算例研究比较不同不确定模式下低碳多式联运运输方案及成本,并分析不确定参数的影响。结果表明：不确定模式会影响低碳多式联运的运输决策,需求不确定的鲁棒优化会使总成本增加,时间的不确定性对总成本的影响呈现无明显规律的波浪形变化趋势。由此,多式联运承运企业可以通过综合权衡不确定性的影响、选择合适的最大遗憾值、关注和加强时间约束等方式提高复杂市场情境的应变能力,降低成本提高运营效率,促进运输服务高质量发展。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配 送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算 法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算 法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题,课题组通过分析立体仓库中堆垛机的工作特点与运行情况,提出了基于混合蚁群粒子群算法的路径优化方法,在传统的蚁群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明：混合算法路径优化速度较快,且比以往的路径更短。研究使堆垛机的运行效率得到提高。     

改进蚁群算法在灭火机器人路径规划中的应用

提出了一种改进的蚁群算法应用于灭火机器人路径规划。该算法利用自适应更新的策略设计出最佳避障路径,建立了简洁明了的蚁群优化算法,从而对灭火机器人行走路径进行了优化处理。该方法不仅使灭火机器人在未知环境寻找火源过程中能够有效避开障碍物,而且能使机器人行走路径最短,所用时间最少。经仿真和实物机器人实验证明了该算法的可靠性和有效性。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

蚁群聚类分析算法在茶叶等级分类识别中的应用

来自非原产地的龙井茶已经严重影响了原产地茶叶的信誉与销售。为了减弱这种影响,文章提出了一种蚁群聚类算法应用在茶叶等级分类识别上,因为相对于其他算法,蚁群聚类分析对未知分类的茶叶实行自动分类更有优势。为综合分析茶叶的特性,采集了3个等级的茶叶,每个级别有60组样品,然后提取每个样品的图像和光谱特征共16个参数,将180组样品先自动随机分类。最后利用蚁群聚类分析算法实现样品自动归类。结果发现,与原分组比较后,基于蚁群聚类分析算法的分类识别率达到了92.2％。这表明利用蚁群聚类分析对未知茶叶等级分类是可行的。     

Ad hoc网络稳定的蚁群多路由算法

针对Ad hoc网络路由协议中存在的路由老化和对拓扑变化适应性差的问题,提出了一种基于稳定拓扑和蚁群优化的多路由算法(SAMR),路径质量由路径的拓扑稳定度和时延来度量,并映射为蚁群信息素,利用蚁群优化进行路由的动态更新和维护,以避免路由老化。仿真表明,在动态环境下SAMR相比AODV能提高网络的吞吐量、降低传输时延。     

考虑站点配置的企业通勤班车综合路径规划方法

针对传统方法中将班车站点选择与路径规划分别进行处理而不能考虑两者间关联的问题,给出了一种考虑站点配置的综合路径规划方法。首先基于信息熵的FCM半监督聚类算法,对企业通勤班车站点配置问题进行求解,确定出基于员工居住信息的合理站点配置方案;在此基础上,基于蚁群算法的对路径优化问题进行求解。实验结果表明,综合路径规划方法可以为优化企业班车站点配置及路径规划策略提供参考。     

基于遗传算法与动态规划法的工艺过程优化

针对制造系统中的工艺过程优化问题,提出一种基于遗传算法和动态规划法的综合优化模型。该模型将工艺过程的优化分解为两个并行层次-工序层和工艺路线层。用改进的遗传算法求解工序层中的工艺参数优化问题,同时利用动态规划法实现工艺路线层次的优化。将两个层次优化方法有机结合,在局部优化的基础上进行整体优化,从而实现整个工艺过程的优化。通过实例证明了该优化模型求解的可行性和有效性。     

改进蚁群算法在合肥市包河区果蔬配送中的应用研究

路径优化是运输过程中必须考虑的问题。合理的路径既节省时间成本,又提高工作效率。文章引入蚁群算法和改进蚁群算法,利用算法的优越性,解决合肥市包河区处于快速发展状态下居民对果蔬需求的现实性,进而需要研究果蔬配送过程的路径问题,基于找出最优路径解,运用蚁群算法与改进蚁群算法解决果蔬配送,并对两种算法求出的解进行对比分析,找出最短路径,结果说明解决包河区果蔬配送路径的必要性,也说明算法在新环境中的适应性。     

城市交通非常规突发事件的应急资源调度最优路径研究

针对城市交通非常规突发事件,在“出救点”和“应急点”已知情况下,研究了多目标下应急资源调度的最优路径问题。对问题进行了描述,建立了时间最短、费用最小的应急资源调度最优路径选择优化模型,将蚁群算法进行改进,结合改进的TOPSIS法求解最优方案,给出了仿真算例。     

基于海陆运整体成本的集装箱空箱调运优化研究

现有集装箱空箱调运研究分为陆上调运系统研究和海上调运系统研究,分别建立以成本最小为目标的调运策略优化模型。由于通过海运到某港口的空箱量作为该港口范围内陆运决策的初始条件,两系统分别求解无法获得整体成本最优的调运策略。本文在分析空箱流转过程的基础上,提出建立基于海陆运整体成本最优的集装箱空箱调运模型,并通过算例揭示海运、陆运成本中不同因素对整体成本的影响。