时效性物流联运方式选择模型及其算法

在满足用户需求约束下合理选择运输方式是物流管理的一个核心问题.结合各种运输方式的技术经济特点,以实现时效性物流整体费用最小化为目的,建立了在时间和容量约束下的多式联运方式选择的0-1整数规划模型,该模型在多节点、多种运输方式的情况下是NP-Complete问题,常规算法难以求解,故设计遗传算法予以求解.算例显示,通过联合运输的方式可以从整体上达到物流最优,不仅可以实现物流的实效性,也可以降低物流成本.     

突发公共事件应急系统中的模糊多目标定位-路径问题研究

本文从应急系统集成优化的角度出发,以应急系统中各资源需求点的应急救援时间满意度之和最大及系统总成本最小为目标,建立了一个应急资源需求和应急救援时间范围均模糊的多目标定位-路径问题(LRP)模型,并提出了一种混合多目标遗传算法。算例分析结果表明,所提模型和算法可以有效解决应急系统优化中的模糊多目标LRP。     

基于免疫遗传算法的物流配送车辆路径优化问题研究

物流配送车辆的优化调度问题是近年来物流研究中的一个热点也是一个难点,传统的优化方法往往难以解决这类问题.本文提出一种新型免疫遗传算法进行物流配送车辆路径问题的优化规划.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,这些算子包括接种疫苗、各基因座多样性调整以及免疫选择.以运输费用最小为优化目标建立了物流配送车辆路径优化问题的数学模型,利用免疫遗传算法求得优化解,并通过具体实例以及免疫遗传算法与标准遗传算法运算结果的比较,验证了本文免疫遗传算法的有效性和优越性.     

带有并行机的混合Job Shop调度问题

本文分析带有并行机的混合JobShop调度问题并建立其模型,利用改进的遗传算法求解问题,在算法设计中,采用基于工序的编码方式,分两步进行解码,给出相关的遗传操作,列举实例说明带有并行机的混合JobShop调度问题,并针对实例进行仿真实验验证算法和编码方式的有效性和可行性,最后指出进一步的研究方向.     

基于熵的水质综合评价的相似插值模型

准确的水质评价在水资源可持续发展中具有重要的意义.运用相似理论建立评价模型的关键问题是如何合理确定样本间的相似度.提出非等权距离系数法计算相似度,并用最大信息熵原理处理权重的随机性,建立了新的水质评价模型.结果说明,新模型评价精度高、实用简便,在系统综合评价中具有应用价值.     

金融市场条件高阶矩风险与动态组合投资

针对传统组合投资理论没有考虑高阶矩风险和静态处理问题两大缺陷,提出多元GARCHSK模型用于衡量时变的高阶矩风险,基于效用函数的Taylor展开推导出带有高阶矩风险的动态组合投资策略,并利用遗传算法进行求解。实证研究表明,中国股市不仅存在高阶矩风险,而且风险具有时变特征;为防范高阶矩风险,投资者需要动态地修正他的资产配置权重。     

基于服务效率的自助服务设施选址模型与算法

研究了服务行业中基于服务效率的自助服务设施选址及选址点服务台数量分配的问题.通过确定选址数量,将排队理论与选址理论结合,以减少顾客访问的旅行成本和排队拥塞成本来提高设施的服务效率,对选址点的服务台进行合理分配,建立了非线性整数规划模型.运用下降算法和遗传算法对设施选址与服务台分配进行设计,并通过大量随机算例验证了算法的有效性.     

动态多指标决策问题的投影寻踪模型

针对动态多指标决策中指标和时段的权重确定问题,提出了基于投影寻踪(PP)的理想点法新模型(PP-IPM模型)。该模型利用决策矩阵样本的内部信息,把方案的三维决策矩阵综合成一维投影值,投影值越大表示该方案越优,根据投影值的大小就可对各方案进行综合排序决策。建议用实码加速遗传算法进行PP-IPM的建模,简化了PP技术的实现过程,克服了目前PP技术计算过程复杂、编程实现困难的缺点。实例计算的结果说明,直接由决策矩阵样本数据驱动的PP-IPM模型用于动态多指标决策问题简便可行,适用性和可操作性强,具有推广应用价值。     

基于PDP-GA-ELM优化建模的进口价值总指数预测

文章收集了海关总署自2005年2月以来的进口价值总指数等有关数据,引入最新的PDP变量降维技术,在用GA算法优化ELM神经网络的基础上,组建了PDP-GA-ELM预测模型。结果发现,对进口价值总指数影响最重要的三个预测变量分别是塑料、橡胶制品类进口价值指数,矿产品类进口价值指数,化学工业及其相关工业产品类进口价值指数。PDP-GA-ELM的隐含层最佳神经元个数是87,同其他六种模型相比,PDP-GA-ELM预测模型的拟合精度最高,均方误差最小,性能最优。     

基于高斯过程回归的混合型参数建模及优化

针对小样本情况下混合型参数的复杂作用关系过程建模及优化问题，文章提出基于高斯过程回归和B样条曲线相结合的建模及优化方法。首先采用B样条基函数与其控制顶点的加权求和建立函数型参数模型，然后运用超拉丁方设计对控制顶点与标量型参数进行采样并建立高斯过程回归模型，最后对所构建的模型进行遗传算法寻优。仿真与实证研究表明，该方法能够在可行域内较好地对具有复杂作用关系的混合型参数建模，与传统的实验设计方法相比，该方法能够在可行域内实现全局性最优。