一、VNS中几个关键的GIS问题的研究(论文文献综述)
李娟[1](2021)在《土地利用适宜性分析与规划问题的混合启发式算法求解研究》文中提出土地利用适宜性的分析与规划问题作为进行土地利用规划研究的根本依据,对于土地利用的结构调节、地块划分等都具有重大意义。土地利用适宜性分析及规划问题是在考虑多个互相冲突的影响因素后,规划出某区域未来最具适宜性的土地利用类型,在数学上可表示为一个多目标的数学模型。目前土地利用适宜性分析与规划问题的研究多以单目标优化模型为主,常用的求解方法也主要局限于单一的启发式算法,而单一的启发式算法难以适应土地利用适宜性分析与规划问题模型的多目标性和复杂性,导致易陷入局部最优而得不到最优解。针对这些问题,本文首先采用层次分析法(AHP)结合决策试行与评价实验室方法(DEMATEL)获得土地利用类型的综合权重,然后将禁忌搜索算法(TS)、变邻域搜索算法(VNS)、遗传算法(GA)、粒子群算法(PSO)结合,构造混合启发式算法,以求解土地利用适宜性分析与规划问题。本文的研究工作主要包括:(1)研究了土地利用适宜性分析与规划问题及其对应的多目标数学模型,该数学模型包括土地利用适宜性最大化、紧密性最大化、交通流成本最小化三个目标函数和土地类型单元数量、土地单元类型唯一、决策变量为二元决策变量三个约束条件。由于土地利用适宜性影响因素具有补偿性,采用了AHP结合DEMATEL的权重赋值法,求取影响因素与不同土地利用类型的综合权重,提高权重的准确性。(2)构造了求解土地利用适宜性分析与规划问题的三种混合启发式算法。在充分研究TS、VNS、GA、PSO的算法结构、算法基本流程以及优缺点之后,将它们相互结合,构造TS-VNS,TS-VNS-GA和TS-VNS-PSO三种混合启发式算法。在TS算法中增大解空间,增加解的多样性,即增加全局最优解的概率;在VNS算法中运用了扰动shaking算子,swap算子、Flip-first算子、Flip-two算子的搜索,提高了搜索速度,解决区域过大导致搜索速率慢的问题;在GA算法的交叉算子中加入了对目标紧凑性的约束,提高了土地利用适宜性目标函数的准确性;在PSO中,结合该算法的空间搜索特性,利用粒子群的空间分布用来模拟目标模型的空间格局,从而优化该多目标模型。(3)以郑州航空港区土地利用为实例,对构造的三种混合启发式算法进行验证。结果表明,与现有多目标分散邻域搜索(MOSVNS)算法相比,构造的三种混合启发式算法生成的目标最优解在三个目标函数上均优于MOSVNS算法,其中TS-VNS-GA算法效果最好,并且搜索能力均明显提高,能有效避免算法运行过程中的局部最优陷阱,实现更大程度地搜索可行解,使算法的复杂度与求解土地利用适宜性分析与规划问题的有效性得到平衡。
王婷[2](2021)在《M生鲜电商的冷链物流配送路径优化研究》文中研究表明随着人们工作节奏的不断加快和对品质生活的要求不断提高,对线上生鲜订单的需求日益增加。但是现阶段国内生鲜产品在流通运营中存在着“损耗大、冷链流通低、保鲜率低、配送成本高”等问题。同时随着人们经济水平的提升,城市机动车行驶数量不断增加,使得城市内交通道路情况变得复杂,这也给解决生鲜车辆路径优化问题造成了巨大的阻力。因此本文研究在城市交通复杂性导致车辆配送行驶速度时刻发生变化的情况下,满足人们对生鲜冷链物流配送时效性和新鲜度要求,同时使得生鲜电商公司总配送最小。构建生鲜冷链物流配送路径优化问题的模型,以解决生鲜电商公司如何安排车辆调度满足各个顾客对生鲜产品新鲜度和服务时间窗的要求下的总配送成本最小的问题。针对这一问题,本文的主要研究结论如下:(1)在对生鲜产品特征分析的基础上,分析国内生鲜产品从生产到顾客手中流通过程中存在着损耗率高、冷藏流通率低、保鲜率低三个现状,表明目前中国生鲜产品在流通过程中损耗远大于国外,冷链物流发展也比较落后,从而导致配送成本过高,顾客满意度低的现象。同时分析生鲜配送中车辆行驶速度变化的基础上,因实际存在的道路问题的复杂性,传统研究车辆在城市内上行驶速度不变是不切合现实情况的。因此本文研究车辆行驶速度会随着各时间段交通情况不同,车辆行驶速度时刻变化的情况,比较符合现有交通复杂背景下的求解车辆路径问题。通过分析现实存在的问题及国内外学者研究的现状,表明了生鲜车辆配送研究的必要性和现实意义。(2)由于城市交通的复杂性和生鲜产品的特性。因此首先考虑各个时间段的车辆行驶速度会随着道路拥堵指数不同而发生变化,确定车辆行驶速度从而计算生鲜配送车辆两点间的行驶时间。然后引入生鲜产品新鲜度随配送时间推移而呈指数下降的新鲜度变化函数和存在顾客最大容忍的模糊时间窗函数两个时间约束条件。构建了车辆使用成本、运输油耗成本、运输及卸货时的制冷成本、CO2排放成本、顾客对新鲜度的满意度及模糊时间窗满意度惩罚成本六个模块总成本之和最小的生鲜冷链配送路径优化模型。并应用变邻域改进遗传算法(VNS-GA)解决传统遗传算法求解过程中易出现局部最优解的现象即“早熟”,更好可以提升解的质量。结果验证了本文所提出的时变交通情况下考虑生鲜产品新鲜度和时间窗的生鲜冷链配送模型在生鲜电商公司车辆配送中的有效性和可行性,为解决生鲜电商冷链物流配送路径优化问题提供策略和建议。
房崇鑫[3](2021)在《基于深度学习的短时交通流预测及其路径诱导的研究与实现》文中认为随着近几十年来我国城市的快速发展与汽车保有量的提升,城市交通管理面临着巨大的挑战,其中解决通车高峰期的拥堵与实现交通合理规划成为现代交通体系内需要克服的难题。智能交通系统(ITS)结合了各种先进的信息技术,能在保证路网通行质量的前提下提高了道路的利用率,而短时交通流的预测与最优化路径诱导一直是ITS研究的重点。通过深度学习的方法对富有差异特征的历史与实时短时交通流进行预测,实现路网内车辆通行情况的分析,深度挖掘不同路口的通行能力。在充分利用预测结果的基础上,以较快的速度搜索出一条最优化诱导路径,为制定避让易拥堵路段的诱导方案与实现城市交通流的管理规划提供可靠的依据与方法。正是在上述背景的需求下,本文主要对以下内容作出了研究工作:(1)考虑到短时交通流具有特性倾向性、长期关联性与周期性的特点,在分析与总结多种预测方法后,提出了一种卷积-双向长短时记忆(CNN-BiLSTM)混合神经网络预测模型。首先对海量的短时交通流数据集进行清洗与格式转换,提高数据集的容错率与兼容性,再通过CNN层提取局部空间深层特征,经Dropout运算对重复特征进行随机丢弃,结合BiLSTM层的时序记忆功能与双向传递结构的特性对短时交通流进行预测,最后通过实验证明面向短时交通流预测的CNN-BiLSTM混合神经网络准确度达到 87.64%。(2)结合准确的短时交通流预测结果与最优化路径搜索方法,可以对未来路网内通行能力强的诱导路径方案进行挖掘,在此改进了自适应变邻域搜索(AVNS)算法。首先通过K-mediods分析法使得预测的短时交通流在城市区域内进行划分与聚类,邻域根据易拥堵主题区域与非易拥堵主题区域实现快速搭建。然后依照自适应更新法对设计的邻域结构进行概率性搜索,从而减少了一些邻域内长时间无改进解的搜索时间,提高算法的效率,实现了最优化诱导路径的快速搜索。最后通过扬州市各类型区域的对比实验分析,论证了 AVNS算法在搜索诱导路径解的质量与速度上的优越性。(3)综合上述研究,本文设计出一种基于短时交通流预测的路径诱导系统。该系统通过检测器模块、数据库模块、预测交通流模块与区域指挥中心模块的配置与协作,可以由预约行车时间和OD点(起始点与终点)制定出一条规避未来拥堵路段的诱导路径。根据诱导路径与最短路径在扬州市区内的仿真实验,经对比分析发现诱导路径在交通流高峰期、城市全局长诱导与有路段限制的情况下的平均通行耗时均比最短路径低2.67%、6.65%和2.89%,证实了系统生成的诱导路径对驾驶员行车质量与路网通行能力都有很大的提升。
林雨[4](2021)在《智能网联自动驾驶汽车专用道设置优化研究》文中指出近年来,智能网联自动驾驶汽车(Connected autonomous vehicle,CAV)获得了政府、行业和学术界前所未有的关注。CAV的发展对交通系统产生多方面的积极影响,包括改善驾驶安全,提高道路通行能力和降低能耗排放。推动CAV的快速发展可以为解决交通事故、环境污染、城市拥堵等交通问题提供有力支持。尽管CAV正在快速发展,但要被广泛采用还需要很长一段时间,由人工驾驶汽车(Human-driven vehicle,HV)和CAV组成的混合交通流将不可避免地存在。CAV混合交通流改变了传统交通流的构成,带来了新的交通特性。受到CAV技术发展和不同混入比例的影响,CAV混合交通流运行规律存在诸多不确定性。为了充分发挥CAV优势的同时解决混合交通流复杂性,设置CAV专用道成为了重要的技术趋势和管理选择。设置CAV专用道有助于CAV节省出行时间,更好的组织混合交通流。另一方面,效率优先的CAV专用道设置没有兼顾CAV对交通环境和公平性的影响。本文围绕CAV专用道设置网络优化问题,从以下几个方面进行了深入的研究:(1)CAV专用道设置基本模型。首先,针对CAV混合交通流车道通行能力变化,考虑CAV的混入比例影响,建立混合交通流车道通行能力计算方法;其次,针对CAV和HV的出行方式选择,构建了包含出行时间花费、燃油花费等因素的广义出行费用函数。在此基础上,推导了CAV混合交通流多用户均衡的非线性互补条件。最后,基于路网设计问题分析,构建了CAV专用道设置的双层规划模型研究框架,为后续的研究提供了理论基础和方法支撑。(2)CAV专用道和公交专用道联合布局规划研究。考虑到CAV发展初级阶段渗透率较低,公交专用道利用率不高以及道路资源的约束,提出CAV专用道和公交专用道的联合布局优化问题。针对联合优化问题,以系统出行时间最小为目标建立了双层规划模型。并提出融合人工蜂群算法和连续平均法的求解框架进行模型求解。最后,基于Nguyen-Dupuis网络和Sioux Falls网络两个算例,对三种场景进行了数值分析和参数敏感性分析,验证了模型和算法的可行性。相比未设置专用道和仅设置公交专用道场景,联合布局方法可以有效降低系统出行时间。(3)面向可持续发展的CAV专用道布局规划研究。可持续交通发展需要在交通环境和交通效率之间进行平衡。为了分析CAV专用道设置对可持续交通的影响,提出了考虑系统出行成本,CAV专用道建设成本和系统排放成本的多目标优化问题。针对该问题,构建了多目标双层规模模型,上层规划模型寻求系统排放和交通效率多个目标的最优解,下层模型为多用户均衡约束。针对该模型,提出融合NSGA-II、对角化算法和Frank-Wolfe算法求解框架进行模型求解。最后基于Nguyen-Dupuis网络和Sioux Falls网络进行了算例分析和模型参数的敏感性分析,验证了模型和算法的可行性。基于分析结果可知,设置CAV专用道可以提高交通效率的同时有效降低系统排放,进一步促进可持续交通的发展。(4)考虑公平性的CAV专用道动态规划研究。考虑CAV发展中的不确定性,提出了CAV专用道的动态规划研究问题。首先,为了更好的刻画CAV需求变化,建立了考虑CAV价格和经济因素的广义巴斯(Bass)模型反映CAV需求随规划年的变化。其次,为了研究CAV专用道对公平性的影响,提出了公平性评价方法。在此基础上,建立了考虑公平性和系统出行花费的多目标两阶段动态规划模型,并利用字典排序法将多目标优化问题转为具有两种优化顺序的单一目标优化问题。针对该模型,提出了融合改进的人工蜂群算法、变邻域搜索算法和i TAPAS算法的求解框架。最后,基于Nguyen-Dupuis网络和Sioux Falls网络进行了算例分析和敏感性分析,验证了模型和算法的可行性。基于分析结果,考虑公平性的动态规划有利于减少系统出行时间和提高公平性。
储梦伶[5](2021)在《面向知识导向和交货期的预制构件生产调度研究》文中提出近5年来,中国等多个国家出台了一系列政策推动预制构件(precast components,PCs)产业化发展,提高其占全部建筑的比例。与现场浇筑施工相比,预制构件因具有耐用性、美学多功能性、节能环保等独特优势而广受欢迎。合理的生产调度计划可以有效增加预制构件制造企业的总净收益、提高准时交货率和客户满意度。为此,本文针对预制构件制造商生产能力不足情况下的单工厂订单接受与调度、工期指派和调度集成以及生产能力充足情况下的分布式多工厂调度问题分别进行了研究,具体如下:(1)针对预制构件生产管理过程中订单工期紧和生产能力不足的问题,在充分考虑中断和不可中断工序,串行和并行工序等复杂工况特点的基础上,以最大化净利润为目标,建立了一种订单接受与调度集成优化模型。鉴于问题的NP难性和模型的高度非线性,通过集成问题性质、构造启发式、邻域搜索和破坏-构造机制,提出了一种混合加速迭代贪婪搜索框架。其中,在调度构造阶段,为提高算法求解质量和搜索效率,设计了基于知识的两种融合订单插入操作性质的加速构造策略。计算结果显示,与混合遗传禁忌搜索算法,遗传算法以及禁忌搜索算法相比,所提算法具有更好的求解质量和求解效率。同时验证了所提出的加速构造策略能够有效减少算法运行时间。(2)在实际生产过程中,制造商需要为客户指派合理的工期,否则就会因生产调度不当导致预制构件延迟交付和客户满意度下降。因此,针对预制构件实际生产管理过程中交货期配置、订单选择与生产调度需要同时决策的困难问题,首先分析了固定调度情况下交货期配置的性质并给出了最优交货期配置策略,在此基础上提出了一种基于知识导向的混合迭代贪婪算法(hybrid iterated greedy algorithm,HIG)用以求解该问题。在该算法的目标评价阶段,为提高算法效率,通过集成最优交货期配置策略快速计算给定调度对应的最优目标值,克服了枚举交货期方法所带来的的目标函数评价困难;同时为提高搜索精度,在局部搜索阶段设计了一种基于插入和交换结构的快速变邻域上升搜索策略(variable neighborhood search,VNS)。计算结果显示,本文所提算法在相同的运行时间内具有更好的求解质量,同时分别验证了最优配置策略和VNS搜索策略的有效性。(3)研究了以总加权提前期和拖期最小化为目标的分布式混凝土预制流水车间订单调度问题。首先建立了混合整数非线性规划模型。随后通过线性化技术将其转化为一个新的混合整数线性规划模型。鉴于问题的复杂性,为解决中大规模问题,提出了一种混合禁忌搜索和迭代贪婪算法(hybrid tabu search and iterated greedy,HTS_IG),该算法首先运行混合禁忌搜索算法(hybrid tabu search,HTS),然后从HTS得到的最优解开始进行迭代贪婪搜索(iterated greedy,IG)。为提高搜索效率,提出了一系列调度结构性质,并将其集成到HIG和HTS_IG的局部搜索步骤中。为便于算法比较,我们在传统的遗传算法的基础上加入变邻域搜索操作,提出了基于可变邻域搜索的混合遗传算法(hybrid genetic algorithm and variable neighborhood search,HGA_VNS)。同时,通过确定关键工厂,提出了两阶段启发式方法(Two-phase heuristic method,TPHM)。最后,对不同问题参数组合的实例进行了广泛的实验和深入的分析。计算结果验证了本文所提出模型和算法的有效性。计算分析表明,平均而言,HTS_IG在所有提出的元启发式算法中表现最好。同时验证了基于问题特定知识(problem specific knowledge,PSK)的局部搜索在HIG和HTSIG中的有效性。
陈文博[6](2021)在《增强蚁群优化算法求解多车场车辆路径问题》文中认为物流业是关系国计民生的重要行业,是一个国家综合国力的重要体现。我国物流业近年来发展迅速,但与发达国家相比,仍存在成本高、效率低的问题。车辆路径问题(Vehicle Routing Problem,VRP)的研究是解决该问题最有效的途径之一。多车场车辆路径问题(Multi-depot Vehicle Routing Problem,MDVRP)是VRP的一类拥有广泛应用场景的重要扩展问题,因与现代物流分布式仓储、多点配送的运营模式高度拟合而备受相关企业的关注;又因其大规模、多约束、非线性、NP(Non-deterministic Polynomial,NP)难等属性,多年来一直是学者们研究的热点和难点问题。本文从MDVRP的建模和求解两方面对其进行研究。首先,在蚁群优化算法(Ant Colony Optimization,ACO)的基础上通过构建多种邻域操作和局部搜索算子相混合的局部搜索策略来提升算法局部搜索性能,从而形成改进蚁群优化算法(Improved Ant Colony Optimization,IACO)来求解最短路径MDVRP。其次,设计考虑路况拥堵信息的车辆速度计算模型,综合车辆行驶距离,载重和速度因素,建立以最小化总油耗费用为目标的绿色多车场车辆路径问题(green multi-depot vehicle routing problem with total fuel-consumption cost criterion,TFC-GMDVRP)模型,并提出一种融合IACO与相关知识模型的学习型蚁群优化算法(learning ant colony optimization,LACO)对其进行求解。再次,在最短路径MDVRP基础上,考虑各车辆行车任务的平衡性,建立同时最小化车辆总行驶距离和最小化各车辆间最大里程差的多目标MDVRP模型,并设计多目标LACO(Multi-objective LACO,MLACO)对其进行求解。最后,通过在不同规模问题上的仿真实验和算法对比结果,验证本文所提各算法的有效性。
廖勇[7](2021)在《考虑智能物料储运系统的生产车间布局方法研究》文中提出高度个性化定制需求下,定制化生产的组织方式正由面向工艺的机群式,逐步向由多个含机器人的柔性制造单元所组成的生产车间演变。同时,因以自动导向小车(Automatic Guided Vehicle,AGV)所组成的物料储运系统具有柔性高、可扩展性和机动性强的特点。具有AGV储运系统的生产车间成为离散型定制化智能车间的典型结构之一。因此,在随机到达的定制需求下,如何将这种单元流水式生产组织方式与AGV物料储运系统有效结合,极大限度地降低车间物流强度在时间和空间上的不均衡分布,提高车间的物料运输和生产效率,是当前生产车间布局规划所面临的难题。本研究针对采用这类布局方式的生产车间,以保证AGV的有效运输效率为目的,研究具有柔性的一般结构导向路径网络的设计方法;在此基础上,考虑AGV导向路径网络是车间布局面积的重要组成部分,研究导向路径网络设计与车间布局的集成规划方法;以柔性制造单元系统性能指标为目标,研究柔性制造单元的设备布局方法。本课题拓宽了排队网建模与分析理论、有向图连通性增广理论的适用范围。为随机需求波动较大的生产车间布局提供可行的理论,为定制型离散制造企业的智能化升级改造提供科学的决策方法和分析依据。(1)针对具有一般结构的AGV导向路径网络,为保证AGV的有效运输效率,提出一种k弧导向路径网络设计方法。依据k弧强连通性和导向路径网络路径长度约束,建立该导向路径网络的混合整数规划模型。改进Frank弧强连通性增广算法,确定该类网络的最小长度。在此基础上,基于图定向和图的连通性保持等性质,设计初始解和邻域动作等,提出改进的变邻域搜索算法,求解最优的k路(弧)强导向路径网络设计方案。通过已有的基准案例验证改进变邻域算法的有效性;并以k=2为例,求解基准案例的2路强导向路径设计方案。为进一步分析2弧路导向路径网络的特点,从导向路径网络的运输距离、导向路径负荷强度分布、导向路径最大负荷强度、以及网络的拓扑结构指标等几个方面,对比分析案例的2弧强和强连通导向路径网络的优劣性。为一般结构的AGV导向路径网络提供一种新的设计思路。(2)针对含有一般结构导向路径网络的AGV储运系统车间的集成布局规划问题,考虑导向路网络布局面积对车间布局的影响,提出一种导向路径网络和车间设施的集成规划方法。在车间布局未定的情况下,给出一种AGV导向路径网络的设计规则,据此建立集成规划问题的混合整数规划模型。设计一种可传递约束图以描述单元间的相对位置关系,通过图的矩形对偶理论,构建相应的布局结构图;在此基础上设计满足连通性需求的导向路径网络,构建单元与单元、单元和导向路径之间互不重叠约束,得到一个可行的集成布局方案。提出一种基于可传递约束图的启发式求解方法,以求解最优集成设计方案。最后,通过已有的基准案例验证可传递约束图的有效性;分析了物流通道面积对车间布局的影响;并针对基准案例求解最优集成布局方案,对比不同类型导向路径网络对应的车间布局面积的影响。为布局阶段预估车间布局面积提供理论依据。(3)针对柔性制造单元的布局问题,以最优化单元的系统性能指标为目标,考虑随机不确定性和有限缓存区容量及搬运机器人的有限运输能力对系统性能指标的影响,提出一种基于有限缓存开排队网的柔性单元布局方法。由于单元的系统性能指标无法采用设备位置信息决策变量的封闭形式表达;所以建立柔性制造单元的有限开排队网模型。考虑有限缓存区容量使得排队网不具有乘积形式解,所以基于广义扩展法近似求解系统性能指标。采用自适应大邻域搜索算法,降低搜索过程陷入局部最优的概率,求解最优的单元布局方案。设计三种规模案例,分别以产出率和生产周期为目标,求解不同类型搬运路径网络结构和生产工艺路线网络结构下的最优布局;对比分析柔性制造单元中不同搬运路径网络结构的优劣性。
邓超[8](2021)在《混合分布估计算法求解加工-运输-装配三阶段集成调度问题》文中研究表明装配制造业作为制造业的重要组成部分,是国民经济的重要产业,其生产过程包含加工、运输到装配三个阶段,涉及车间调度和运输调度。针对现有装配制造系统调度优化研究主要集中在车间调度问题上,即将运输过程简化,未考虑车辆数量及载重情况对工件运输的影响的实际情况。然而,随着物流水平的显着提高,为实现资源的最优配置及利润的最大化,工件从加工到装配阶段可能不在同一地方,运输阶段的调度不容忽视。目前,学者们已单独对单个调度系统优化问题进行了深入广泛地研究,并在一定程度上提高了企业效率,但针对装配制造系统而言,加工-运输-装配三个阶段并非独立存在,若忽略了阶段间的相互影响及联系,会使得单个阶段效率获得局部最佳但并非是整个制造系统的全局最佳。因此,针对装配制造业生产过程,将车间调度与运输调度集成,从制造系统整体层面研究加工-运输-装配三阶段集成调度问题具有重要的现实意义,同时该集成调度问题是复杂组合优化问题,具有强NP难性,研究相关理论和算法求解有着重要的理论意义。本文研究带工件批量运输的加工-运输-装配三阶段集成调度问题(3sISP_JBT)及其求解算法。该问题涉及到两个系统的集成,其主要目的是深入研究3sISP_JBT以丰富和完善集成调度理论,并结合分布估计算法(EDA)框架,探索该问题在不同优化目标下的建模和高效求解方法。首先,构建了3sISP_JBT的理论框架,并提出了基于问题的集成优化策略。在现有车间调度及运输调度研究成果的基础上结合装配制造企业的发展特点,对3sISP_JBT进行了问题设计及构建问题数学模型,并通过分析问题特点基础上提出了集成优化策略,为后文求解算法的设计提供了理论基础。其次,为了缩小问题解空间提高搜索效率,提出了一种融合规则的混合分布估计算法(HEDA_R)用于求解以最小化最大完工时间(Makespan)为目标的3sISP_JBT。通过对问题性质分析,分别给出了求解运输、装配阶段对应问题的先完工先运输(FCFT)规则和先到先装配(FCFA)规则,并讨论规则在一定条件下的最优性以克服集成优化策略所带来的不利因素。为提高初始解的质量,设计工件按产品聚合(PA)的规则来初始化种群及采样概率矩阵;为增强算法的局部搜索能力,设计了两种局部搜索策略,对算法全局搜索发现的优质区域进行细致搜索。通过仿真实验和算法比较验证了所提算法可有效求解以Makespan为优化目标的3sISP_JBT。接着,为解决装配制造业多阶段生产的同步性及交货准时性问题,针对以装配同步性和交货准时性加权和为目标的3sISP_JBT(3sISP_JBTSP),研究了相应的问题建模、求解算法(HEDA)和目标权重设置。分别在小规模和中大规模下,通过仿真实验对比验证了HEDA求解的有效性。并对优化目标不同权重设置的进行实验分析,给出加工-运输-装配同步性和交货准时性权重设置的合理范围,并得到考虑装配同步性有利于降低中间库存的结论。然后,为更好地降低装配制造业加工-运输-装配三阶段的总能耗,研究了考虑能耗的带工件批量运输的三阶段多目标集成调度问题(3sMISP_JBTEC),给出了加工阶段带一种改进开关机策略且运输阶段带速度的3sMISP_JBTEC多阶段综合能耗模型,并设计一种带变邻域搜索的混合分布估计算法(HEDA_VNS)进行求解。在HEDA_VNS中,针对运输阶段设计了基于速度集的变邻域混合操作的局部搜索策略。通过仿真实验和算法对比验证了HEDA_VNS为求解3sMISP_JBTEC的有效算法。最后,对全文进行了总结,展望了进一步的研究方向和内容。
汪威[9](2020)在《自动小车存取系统优化运行关键问题研究》文中研究指明随着社会经济的发展和社会进步,消费者消费观念不断升级,促进了线上零售和线下零售的融合,新零售商业模式应运而生。新零售商业模式的推广,给物流业带来了巨大的机遇与挑战,促进了物流的转型与变革。仓储系统是物流中的关键环节,涉及商品的存储、配送与信息的流通,对整个物流系统的运营成本与作业效率有着重大影响。在人力与土地等资源成本不断上涨,消费者对商品配送时效要求越来越高的大环境下,传统的物流仓储系统逐渐显露出空间利用率低,作业效率低等缺陷,因而难以满足新物流的需求。自动化仓储系统有效克服了这些缺陷,逐渐受到企业和学者的关注,并得到应用与推广。自动小车存取系统采用自动导引车搬运货物,节省了拣选人员行走时间,大幅提高了系统订单拣选作业效率。该系统存储与拣选设备均部署于地面,因此系统布局与配置调整较便捷,具有较高的柔性与可扩展性。此外,拣选作业在地面进行,人机交互较方便,系统作业灵活性高。目前,大部分关于自动小车存取系统的研究均集中于对经典Kiva系统的优化方面,对系统做较大改进与再设计,并且在此基础上进行系统优化研究的文献则很少。然而,为当前自动小车存取系统进行全面的改进与优化,对其能够适应新零售商业模式下的新物流配送模式与新物流体系有着十分的重要性。因此,本文围绕自动小车存取系统的优化运行这一目标,对系统拣选设备设计的优化,系统配置与布局设计的优化,以及订单拣选策略的优化这几个关键优化问题进行研究。首先,研究了系统拣选设备,即自动导引小车的驱动结构设计优化问题。以前应用于自动小车存取系统的小车均为差速驱动结构,本文为自动小车设计一种基于对角线安装的双舵轮驱动结构,参考汽车阿克曼转向几何原理,为该双舵轮小车提出一种可行的运动控制策略。此外,为小车设计一种基于模型预测控制的轨迹跟踪算法。通过分析表明,与差速驱动小车相比,该改进的双舵轮小车需要占用通道面积更小,转向时间更短,且载货转向稳定性更高。有利于提高自动小车存取系统的空间利用率与整体作业效率,以及系统运行稳定性。本文搭建真实的双舵轮小车进行实际轨迹跟踪实验,验证了该对角安装的双舵轮驱动结构的有效性。此外,轨迹跟踪结果表明,使用基于模型预测控制的轨迹跟踪算法,本研究提出的双舵轮小车可实现较精确的轨迹跟踪,其停车定位精度可满足自动小车存取系统的作业需求。然后,研究了基于“货架到人”作业模式的自动小车存取系统的设计优化问题。本文针对中小型系统,提出一种模块化布局设计,采用小车与巷道绑定的作业方式,可有效避免交通拥堵。此外,为拣选区设计了暂存站台,实现小车与拣选员并行作业,以提高作业效率。本研究为模块化自动小车存取系统构建理论模型评估系统绩效,并基于绩效评估模型提出“二分法”与“两阶段法”两种系统设计方案快速寻优方法,可快速确定满足订单拣选需求,且成本较低的系统优化设计方案。本研究通过离散事件仿真实验验证了理论模型的有效性与准确性,通过对实际系统设计的案例分析,验证了两种系统优化设计方法的有效性。实验结果表明,“两阶段法”更适用于小规模的系统设计寻优,“二分法”在对不同规模系统优化设计时表现较稳定,因此在大规模系统设计寻优时优势明显。然后,研究了基于“货箱到人”作业模式的自动小车存取系统设计优化问题。本文介绍的“货箱到人”系统是对经典自动小车存取系统的升级优化,采用较高的密集式货架存储货物,并且采用配备有提升机与料箱储位的小车批量搬运料箱到拣选台拣选。本文为该系统中小车提出一种S型变速方法,增加了小车运行的稳定性,并为系统存储区提出一种新的路径规划方案,以适应小车的批量订单拣选方式。此外,考虑系统批量服务方式,构建半开环排队网络模型评估系统作业绩效。本研究通过Arena仿真实验验证了理论模型的有效性,并且,通过数值分析实验,研究了小车拣选批量大小、小车与拣选站台数量配比以及存储区布局对系统作业绩效的影响,为这些系统设计参数的优化提供理论支持。最后,研究了“货箱到人”自动小车存取系统的订单拣选策略优化问题。本文提出一种优化的订单分批策略。考虑拣选站台同时可处理订单的最大数量,对一个波次内订单分批问题构建整数规划模型,并根据品项间订单相似度设计一种两阶段启发式算法求解优化的订单分批方案。其次,针对每一批次订单拣选,提出一种优化的品项组合拣选策略。考虑小车每次搬运料箱的最大数量,对品项组合拣选问题构建整数规划模型,并根据品项存储位置临近度设计启发式算法求解优化的品项组合拣选方案。实验结果与分析表明,本文提出的优化订单分批策略可有效减少订单拣选过程中料箱出库次数,优化的品项组合拣选策略可有效减少小车作业过程中停车转向以及加减速等费时动作,均有利于提高拣选作业效率。
张焕君[10](2020)在《正倒向随机系统的混合最优控制问题及其在经济中的应用》文中研究表明本文主要研究正倒向随机系统的混合最优控制问题及在经济中的应用.分别针对倒向随机混合控制系统的最优控制问题、由倒向随机微分方程驱动的非零和混合微分博弈问题、正倒向随机系统的混合最优控制问题及其在经济中的应用进行了深入研究.主要的学术贡献包括:首次给出由倒向随机混合控制系统驱动的最优控制问题存在唯一解的充分必要条件,给出了具有平均场形式的最优控制反馈表达且得到了最优状态满足一类平均场倒向随机微分方程,解释了最优控制和最优状态中出现平均场的主要原因;得到了纳什均衡开环策略存在唯一的必要条件以及Arrow充分条件,并基于解耦的Riccati方程以及微分方程得到正倒向随机混合控制系统存在唯一的反馈形式,并将结果应用到投资组合中.根据非线性数学期望与凸风险度量及倒向随机微分方程之间的关系,可将一类安全投资和网络保险问题等价转化为一类由正倒向随机混合控制系统驱动的最优控制问题来解决,得到了由正倒向随机微分方程驱动的混合最优控制问题存在唯一解的充分必要条件.针对非Lipschitz条件下的平均场倒向随机微分方程,结合皮卡尔迭代方法及Bihari不等式得到了其解的存在唯一性,此结果为研究由平均场倒向随机微分方程驱动的混合最优控制问题提供了理论基础.主要学术创新点包括:针对倒向随机混合控制系统,首次提出了受控系统中同时含有确定控制和随机控制的最优控制问题,对于线性二次情形,得到了最优控制的反馈形式且最优状态满足一类平均场倒向随机微分方程,并将结果应用到一类产品管理问题中.针对倒向随机混合系统的微分博弈问题,首次在Arrow充分最优的条件下得到了均衡点满足的必要条件和充分条件,借助于新引入辅助方程以及解耦方法,建立了系统状态与伴随过程之间的关系,进而得到均衡点与状态之间的关系,并将结果应用到房屋抵押以及财富管理问题中;首次将正倒向随机混合最优控制理论应用到一类安全投资和网络保险问题中.本文具体研究内容,研究成果以及创新点按章节顺序如下叙述:1.研究由倒向随机混合系统驱动的最优控制问题及在线性二次情形、产品管理问题中的应用.首先利用凸变分原理以及随机最大值原理,给出非线性情况下倒向随机混合最优控制满足的充分条件和必要条件.接下来,根据非线性的情况讨论线性二次情形,通过随机最大值原理得到一个候选最优控制,由充分条件可以验证其最优性.针对耦合问题,采用解耦方法可以得到反馈形式的最优控制.进一步得到,最优控制不仅仅依赖于状态方程还依赖于带有期望的状态,且最优状态满足平均场倒向随机微分方程.最后,通过分别讨论仅含随机控制的情形以及仅含确定控制的情形,可以得到最优状态中产生平均场的主要原因在于当状态方程中只含有确定控制时,其代价泛函中既含有随机控制又含有确定控制.进一步将这一结果应用到产品管理问题中.创新之处在于:相比前人结果,最优控制是由平均场倒向随机微分方程显示表达,且此平均场倒向随机微分方程自然产生于对不带有平均场的倒向随机微分方程驱动的混合最优控制问题的研究.2.研究由倒向随机微分方程驱动的随机非零和混合微分博弈问题.与仅含有随机控制策略情形相对比,利用凸变分方法,建立了倒向随机混合微分博弈问题的最大值原理.进一步通过验证Arrow条件得到均衡点满足的充分条件.通过一个数值例子说明Arrow条件中凸性的必要性.对于线性二次情形,由对偶原理得到一个非经典的正倒向随机微分方程,在一定条件下,通过引入两个新的方程组,得到了此正倒向随机微分方程解的存在唯一性.针对均衡点与状态之间的关系,利用解耦方法、Riccati方程以及微分方程的解,得到了均衡点与最优状态之间的关系.需要指出的是,所得结果为研究受政府策略影响的微分博弈问题,最优投资组合博弈问题以及时间不一致平均场控制系统博弈等问题奠定了基础.3.应用随机最优控制理论和凸函数的一些理论研究正倒向随机混合最优控制问题.对于部分耦合的受控正倒向随机混合系统,利用随机最大值原理以及通过引入两个新的伴随方程,给出了最优控制存在且唯一的必要条件和充分条件,并得到基于两个解耦Riccati方程以及五个微分方程的最优控制显式解.通过解耦方法以及先找状态与伴随之间的关系再去寻找伴随与状态之间的关系的方法,进一步得到了最优控制的反馈形式.创新性体现在此问题是受到金融市场中安全投资和网络保险问题的启发,首次研究了正倒向随机混合最优控制问题,并根据Peng的非线性数学期望、倒向随机微分方程解以及凸风险度量之间的关系,把一类安全投资和网络保险问题等价转化为正倒向随机混合系统的最优控制问题.这些结果完善和改进了随机混合控制理论.4.对于由倒向随机微分方程驱动的随机混合最优控制问题以及微分博弈问题,均会产生一类平均场倒向随机微分方程,受此启发研究平均场倒向随机微分方程解的存在唯一性问题.利用皮卡尔迭代以及伊藤公式推得状态方程序列的估计,进一步通过构造两列单调的函数列得到解的存在性.结合Bihari不等式推得方程解的唯一性.其创新点是在非Lipschitz条件下,得到平均场倒向随机微分方程解的存在唯一性,为研究非Lipschitz条件下正倒向随机混合最优控制问题奠定了理论基础.
二、VNS中几个关键的GIS问题的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、VNS中几个关键的GIS问题的研究(论文提纲范文)
(1)土地利用适宜性分析与规划问题的混合启发式算法求解研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.3 主要研究内容与技术路线 |
1.4 论文结构 |
第2章 土地利用适宜性分析与规划问题 |
2.1 土地利用适宜性分析与规划问题的数学模型 |
2.1.1 优化目标函数 |
2.1.2 约束条件 |
2.2 AHP-DEMATEL赋权法 |
2.2.1 层次分析法(AHP) |
2.2.2 DEMATEL |
2.2.3 AHP-DEMATEL赋权法 |
2.3 本章小结 |
第3章 构造混合算法的启发式算法 |
3.1 禁忌搜索算法(TS) |
3.2 变邻域搜索算法(VNS) |
3.2.1 下降式变邻域搜索算法(VND) |
3.2.2 基本变邻域搜索算法(VNS) |
3.3 遗传算法(GA) |
3.4 粒子群算法(PSO) |
3.5 本章小结 |
第4章 求解土地利用适宜性分析与规划问题的混合启发式算法 |
4.1 初始解 |
4.2 TS-VNS算法 |
4.2.1 TS算法优化 |
4.2.2 VNS算法优化 |
4.2.3 TS-VNS算法的优缺点 |
4.3 TS-VNS-GA算法 |
4.3.1 GA模型再优化与求解 |
4.3.2 TS-VNS-GA算法的优缺点 |
4.4 TS-VNS-PSO算法 |
4.4.1 PSO模型再优化与求解 |
4.4.2 TS-VNS-PSO算法的优缺点 |
4.5 算法复杂度分析 |
4.6 本章小结 |
第5章 土地利用适宜性分析与规划问题求解实例 |
5.1 研究区域概况 |
5.2 数据收集与预处理 |
5.3 土地利用适宜性评价体系 |
5.4 土地利用适宜性分析与规划问题求解实验 |
5.4.1 初始解的构建 |
5.4.2 混合启发式算法的参数设置 |
5.4.3 三种混合启发式算法的土地分类结果 |
5.4.4 已有的MOSVNS算法土地分类结果 |
5.5 实例求解结果与分析 |
5.6 本章小结 |
第6章 结论 |
6.1 主要研究工作及成果 |
6.2 创新点 |
6.3 下一步研究工作 |
参考文献 |
申请学位期间的研究成果及发表的学术论文 |
致谢 |
(2)M生鲜电商的冷链物流配送路径优化研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 生鲜产品冷链物流研究现状 |
1.2.2 带时间窗车辆路径优化问题研究现状 |
1.2.3 时变交通下车辆问题研究现状 |
1.2.4 研究述评 |
1.3 研究内容和技术路线图 |
1.3.1 研究内容 |
1.3.2 技术路线图 |
第二章 相关理论概述 |
2.1 生鲜电商冷链物流相关理论 |
2.1.1 冷链物流温度带分区 |
2.1.2 冷链物流流程 |
2.2 生鲜产品新鲜度相关理论 |
2.3 时变交通下车辆行驶时间变化相关理论 |
2.4 车辆配送问题求解相关理论 |
2.4.1 精确算法 |
2.4.2 启发式算法 |
2.5 本章小结 |
第三章 M生鲜电商公司冷链配送车辆路径优化模型构建 |
3.1 M生鲜电商公司简介 |
3.1.1 M生鲜电商公司运营情况 |
3.1.2 M生鲜电商公司配送存在的问题 |
3.1.3 构建模型问题描述 |
3.2 模型假设及相关参数表示 |
3.2.1 问题假设 |
3.2.2 相关参数表示 |
3.2.3 考虑时变交通情况下配送速度的规划 |
3.3 问题建模 |
3.3.1 配送路径成本分析 |
3.3.2 配送路径模型构建 |
3.4 本章小结 |
第四章 算法设计 |
4.1 算法选择分析 |
4.2 遗传算法介绍 |
4.2.1 遗传算法的主要步骤 |
4.2.2 遗传算法局限性 |
4.3 变邻域搜索改进遗传算法 |
4.3.1 变邻域搜索算法基本原理 |
4.3.2 邻域结构 |
4.3.3 变邻域改进遗传算法求解流程 |
4.4 本章小结 |
第五章 案例结果分析 |
5.1 案例调研数据 |
5.2 相关参数设置 |
5.3 算法求解结果对比分析 |
5.4 算法有效性验证 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间发表的论文 |
附录:变邻域搜索改进算法代码 |
(3)基于深度学习的短时交通流预测及其路径诱导的研究与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 短时交通流预测研究现状 |
1.2.2 最优化路径诱导研究现状 |
1.2.3 困难与挑战 |
1.3 本文主要贡献 |
1.4 论文结构安排 |
第2章 相关理论与总体方案设计 |
2.1 短时交通流 |
2.1.1 相关参数 |
2.1.2 数据来源 |
2.1.3 数据分类 |
2.2 人工神经网络 |
2.2.1 激励函数 |
2.2.2 卷积神经网络 |
2.2.3 长短时记忆神经网络 |
2.2.4 网络预测评价标准 |
2.3 最优化路径诱导方法 |
2.3.1 路径规划算法 |
2.3.2 聚类算法 |
2.3.3 最优化路径评价函数 |
2.4 系统方案设计 |
2.5 本章小结 |
第3章 基于CNN-BiLSTM混合模型的短时交通流预测 |
3.1 模型框架 |
3.2 数据集预处理 |
3.2.1 数据集清洗 |
3.2.2 格式转换 |
3.3 CNN-BiLSTM混合神经网络 |
3.3.1 空间处理模块 |
3.3.2 时序处理模块 |
3.3.3 Dropout运算 |
3.4 实验结果与分析 |
3.4.1 ADF检验 |
3.4.2 模型参数设置与训练 |
3.4.3 预测结果与对比讨论 |
3.5 本章小结 |
第4章 基于自适应变邻域搜索算法的路径诱导研究 |
4.1 问题描述 |
4.2 K-mediods区域聚类分析 |
4.2.1 交通流等级划分 |
4.2.2 K-mediods聚类分析 |
4.3 自适应变邻域搜索算法 |
4.3.1 初始解 |
4.3.2 邻域结构 |
4.3.3 自适应更新法 |
4.3.4 算法流程 |
4.4 实验结果与分析 |
4.4.1 参数设置 |
4.4.2 路径搜索结果与对比讨论 |
4.5 本章小结 |
第5章 基于短时交通流预测的路径诱导系统的设计 |
5.1 总体架构 |
5.2 功能设计 |
5.3 系统模块 |
5.3.1 检测器模块 |
5.3.2 数据库模块 |
5.3.3 预测交通流模块 |
5.3.4 区域指挥中心模块 |
5.4 系统展示与分析 |
5.4.1 系统功能展示 |
5.4.2 系统性能分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文工作总结 |
6.2 未来工作展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(4)智能网联自动驾驶汽车专用道设置优化研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 CAV研究现状 |
1.2.2 道路网络设计研究现状 |
1.2.3 研究现状总结 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 本章小结 |
第2章 CAV专用道布局规划基本模型 |
2.1 CAV混合交通流分析 |
2.1.1 CAV道路通行能力 |
2.1.2 广义出行费用函数 |
2.1.3 多用户均衡 |
2.2 CAV路网设计问题 |
2.2.1 交通路网设计 |
2.2.2 CAV专用道设置 |
2.3 本章小结 |
第3章 CAV专用道与公交专用道联合布局规划研究 |
3.1 问题描述 |
3.1.1 出行时间函数 |
3.1.2 用户均衡模型 |
3.2 联合布局双层规划模型 |
3.3 求解算法 |
3.3.1 算法概述 |
3.3.2 算法求解过程 |
3.4 算例分析 |
3.4.1 Nguyen-Dupuis网络分析 |
3.4.2 Sioux Falls网络分析 |
3.5 本章小结 |
第4章 面向可持续发展的CAV专用道布局规划研究 |
4.1 问题描述 |
4.1.1 优化目标 |
4.1.2 CAV专用道多目标双层规划模型 |
4.2 求解算法 |
4.2.1 NSGA-II |
4.2.2 对角化Frank-Wolfe算法 |
4.3 算例分析 |
4.3.1 Nguyen-Dupuis网络 |
4.3.2 Sioux Falls网络 |
4.4 本章小结 |
第5章 考虑公平性的CAV专用道动态规划研究 |
5.1 问题描述 |
5.1.1 广义出行费用 |
5.1.2 CAV市场渗透率 |
5.1.3 公平性评价方法 |
5.2 CAV专用道两阶段动态规划模型 |
5.3 模型求解算法 |
5.3.1 字典法排序和IABC算法 |
5.3.2 对角化iTAPAS算法 |
5.4 案例分析 |
5.4.1 Nguyen-Dupuis网络 |
5.4.2 Sioux Falls网络 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 研究创新点 |
6.3 研究展望 |
参考文献 |
作者简介及科研成果 |
致谢 |
(5)面向知识导向和交货期的预制构件生产调度研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 预制构件生产调度研究现状 |
1.2.2 预制构件订单接受与调度研究现状 |
1.2.3 分布式流水车间调度研究现状 |
1.3 论文的主要内容、框架结构与创新之处 |
1.3.1 主要内容 |
1.3.2 框架结构 |
1.3.3 创新之处 |
1.4 本章小结 |
2 基于固定交货期的预制构件订单接受与调度 |
2.1 问题描述与建模 |
2.1.1 问题描述 |
2.1.2 数学模型 |
2.2 混合加速迭代贪婪搜索 |
2.3 实验仿真与结果分析 |
2.3.1 算例生成与算法参数设置 |
2.3.2 算法对比分析 |
2.3.3 加速构造搜索策略有效性验证 |
2.3.4 加速构造策略收敛性验证分析 |
2.4 本章小结 |
3 考虑交货期配置的预制构件订单接受与调度 |
3.1 问题描述与建模 |
3.1.1 问题描述 |
3.1.2 交货期配置策略 |
3.2 变邻域迭代贪婪搜索 |
3.3 实验仿真与结果分析 |
3.3.1 算例生成与算法参数设置 |
3.3.2 算法对比分析 |
3.3.3 算法性能对比分析 |
3.4 本章小结 |
4 基于准时制的预制构件分布式流水车间调度 |
4.1 问题描述与建模 |
4.1.1 问题描述 |
4.1.2 数学模型 |
4.1.3 解决方法 |
4.2 实验仿真与结果分析 |
4.2.1 实验设计 |
4.2.2 小规模实例下的线性化MIP模型与各算法比较 |
4.2.3 中大型实例的算法比较 |
4.2.4 特定问题知识对HTS_IG_VNS、HIG_VNS、HIG_Swap和HIG_Insert的影响 |
4.3 本章小结 |
5 总结与研究展望 |
5.1 论文总结 |
5.2 工作展望 |
参考文献 |
攻读硕士期间学术研究成果 |
附录1:本人已发表或已录用的学术论文 |
附录2:本人已获得或已受理的专利 |
附录3:攻读硕士学位期间参与的科研项目 |
致谢 |
图表清单 |
(6)增强蚁群优化算法求解多车场车辆路径问题(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 车辆路径问题分类及研究方法 |
1.2.2 多车场车辆路径问题相关研究 |
1.2.3 蚁群算法在MDVRP的应用研究 |
1.3 研究内容及章节安排 |
1.3.1 关键问题和难点 |
1.3.2 主要动机和贡献 |
1.3.3 章节安排 |
第二章 改进蚁群优化算法求解多车场车辆路径问题 |
2.1 车辆路径问题概述 |
2.2 多车场车辆路径问题描述及模型 |
2.2.1 多车场车辆路径问题概述 |
2.2.2 TM-MDVRP模型 |
2.3 改进蚁群算法描述 |
2.3.1 蚁群算法原理及步骤 |
2.3.2 编码与解码 |
2.3.3 邻域操作和局部搜索 |
2.3.4 改进蚁群优化算法 |
2.4 实验设计与分析 |
2.4.1 参数设置 |
2.4.2 仿真结果与比较 |
2.5 本章小结 |
第三章 学习型蚁群优化算法求解绿色多车场车辆路径问题 |
3.1 绿色多车场车辆路径问题模型 |
3.1.1 油耗模型 |
3.1.2 速度模型 |
3.1.3 TFC-GMDVRP模型 |
3.2 LACO算法描述 |
3.2.1 初始化策略 |
3.2.2 知识模型 |
3.2.3 学习型蚁群优化算法 |
3.3 实验设计与分析 |
3.3.1 参数设置 |
3.3.2 仿真结果与比较 |
3.4 本章小结 |
第四章 学习型蚁群算法求解多目标多车场车辆路径问题 |
4.1 模型描述 |
4.1.1 多目标优化概述 |
4.1.2 多目标MDVRP模型 |
4.2 算法描述 |
4.2.1 加权适应度 |
4.2.2 多目标LACO |
4.3 实验设计与分析 |
4.3.1 参数设置 |
4.3.2 仿真结果与比较 |
4.4 本章小结 |
第五章 总结与展望 |
致谢 |
参考文献 |
附录 A 攻读硕士期间科研成果 |
附录 B 攻读硕士期间参与项目 |
(7)考虑智能物料储运系统的生产车间布局方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 定制化生产环境下车间布局新挑战 |
1.1.2 问题特点及研究思路 |
1.1.3 研究的应用前景和理论价值 |
1.2 国内外文献综述 |
1.2.1 AGV导向路径网络研究现状 |
1.2.2 车间布局研究现状 |
1.2.3 车间集成布局研究 |
1.2.4 制造单元布局研究现状 |
1.2.5 文献调研结论 |
1.3 课题来源及研究内容 |
1.3.1 课题来源 |
1.3.2 研究目标及主要内容 |
第二章 基于连通性增广的k弧强导向路径网络设计方法 |
2.1 引言 |
2.2 问题描述和数学模型 |
2.2.1 问题描述 |
2.2.2 问题分析 |
2.2.3 数学规划模型 |
2.3 增广强连通至k弧强导向路径网络的最小添加路径长度 |
2.4 求解方法 |
2.4.1 初始解生成方法 |
2.4.2 邻域动作设计 |
2.4.3 目标函数计算方法 |
2.4.4 改进的变邻域搜索算法 |
2.5 计算实例与分析 |
2.5.1 算法的有效性验证 |
2.5.2 计算增广强连通到k弧强导向路径网络的最小添加路径长度 |
2.5.3 k弧强AGV导向路径网络 |
2.6 结论 |
第三章 具有一般结构导向路径网络AGV储运系统的车间集成布局规划 |
3.1 引言 |
3.2 问题描述和数学模型 |
3.2.1 AGV导向路径网络设计原则 |
3.2.2 问题分析 |
3.2.3 数学规划模型 |
3.3 基于可传递约束图的导向路径网络设计方法 |
3.3.1 图论相关概念 |
3.3.2 可传递约束图 |
3.3.3 可传递约束图的性质 |
3.3.4 可传递约束图的矩形对偶图 |
3.3.5 AGV导向路径网络设计方法 |
3.4 求解方法 |
3.4.1 可传递约束图的邻域动作 |
3.4.2 目标函数计算方法 |
3.4.3 改进的变邻域搜索算法 |
3.5 计算实例与分析 |
3.5.1 传递约束图的有效性验证 |
3.5.2 通道宽度对车间布局面积的影响 |
3.5.3 2弧强导向路径网络和车间设施集成规划案例 |
3.6 结论 |
第四章 基于有限开排队网的柔性制造单元布局规划 |
4.1 引言 |
4.2 问题描述和数学模型 |
4.3 柔性制造单元性能计算方法 |
4.3.1 系统排队网模型的假设条件 |
4.3.2 拓展的广义扩展法 |
4.4 求解方法 |
4.4.1 自适应大邻域搜索算法的基本原理 |
4.4.2 自适应大邻域搜索的算法框架 |
4.5 计算实例与分析 |
4.5.1 性能指标计算方法的有效性验证 |
4.5.2 求解最优布局案例 |
4.6 结论 |
第五章 结论与展望 |
参考文献 |
攻读学位期间取得与学位论文相关的研究成果 |
致谢 |
(8)混合分布估计算法求解加工-运输-装配三阶段集成调度问题(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题的背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外相关研究现状综述 |
1.2.1 集成调度的研究现状 |
1.2.2 装配制造业车间调度的研究现状 |
1.2.3 生产调度方法的研究现状 |
1.3 国内外相关研究现状总结与问题分析 |
1.4 研究内容 |
1.5 章节内容安排 |
第二章 加工-运输-装配三阶段集成调度问题总体框架研究 |
2.1 构建研究总体框架 |
2.2 问题模型研究 |
2.2.1 问题提取 |
2.2.2 问题描述及数学模型 |
2.3 集成优化策略 |
2.3.1 传统优化策略 |
2.3.2 集成优化策略 |
2.4 EDA算法 |
2.5 本章小结 |
第三章 融合规则的 HEDA求解最小化最大完工时间的 3sISP_JBT |
3.1 引言 |
3.2 求解3sISP_JBT的特点分析 |
3.3 运输阶段及装配阶段调度规则设计 |
3.3.1 运输阶段调度规则 |
3.3.2 装配阶段调度规则 |
3.4 求解3sISP_JBT的 HEDA_R |
3.4.1 编码及解码 |
3.4.2 HEDA_R全局搜索 |
3.4.3 局部搜索策略 |
3.4.4 种群多样性判定及控制机制 |
3.4.5 HEDA_R特点及框架 |
3.5 仿真实验结果与分析 |
3.5.1 关键参数设置及其影响 |
3.5.2 实验结果与比较 |
3.6 本章小结 |
第四章 HEDA求解考虑同步性和交货准时性的3sISP_JBT |
4.1 引言 |
4.2 问题数学模型 |
4.2.1 问题总体描述 |
4.2.2 优化目标加权和函数 |
4.2.3 问题模型 |
4.2.4 问题示例 |
4.3 求解问题的算法设计 |
4.3.1 问题特点分析 |
4.3.2 求解问题的HEDA算法设计 |
4.4 HEDA求解3sAISP_SP |
4.4.1 HEDA全局搜索 |
4.4.2 局部搜索策略 |
4.4.3 种群多样性判定及控制机制 |
4.4.4 算法流程 |
4.5 仿真实验结果与分析 |
4.5.1 HEDA算法比较 |
4.5.2 权重设置对同步性和准时性的影响分析 |
4.5.3 同步性对半成品库存的影响 |
4.6 本章小结 |
第五章 HEDA_VNS求解考虑能耗的多目标3sISP_JBT |
5.1 引言 |
5.2 问题数学模型 |
5.2.1 问题总体描述 |
5.2.2 多阶段综合能耗模型 |
5.2.3 能耗多目标数学模型 |
5.3 求解问题的HEDA_VNS算法设计 |
5.3.1 算法整体设计 |
5.3.2 速度调度方案设计 |
5.4 HEDA_VNS求解3sMISP_JBTEC |
5.4.1 全局搜索 |
5.4.2 局部搜索策略 |
5.4.3 种群多样性判定及控制机制 |
5.4.4 算法流程 |
5.5 仿真实验结果与分析 |
5.5.1 实验设置及评价指标 |
5.5.2 关键参数设置及其影响 |
5.5.3 某一问题规模求解结果分析 |
5.5.4 与其他智能算法实验结果比较 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 工作展望 |
致谢 |
参考文献 |
附录 |
(9)自动小车存取系统优化运行关键问题研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 自动导引车相关研究 |
1.2.2 自动小车存取系统相关研究 |
1.2.3 订单分批拣选策略相关研究 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 主要创新点 |
第二章 自动导引车结构设计优化与控制方法研究 |
2.1 引言 |
2.2 对角安装的双舵轮驱动结构介绍 |
2.2.1 对角安装的双舵轮驱动结构设计 |
2.2.2 对角安装的双舵轮驱动结构特点 |
2.3 双舵轮自动导引车的运动控制 |
2.3.1 基于阿克曼转向几何的控制策略 |
2.3.2 双舵轮小车的运动学模型 |
2.4 双舵轮自动导引车轨迹跟踪控制 |
2.4.1 双舵轮小车轨迹跟踪控制器设计 |
2.4.2 双舵轮小车线性时变误差模型 |
2.4.3 模型预测控制轨迹跟踪算法 |
2.5 实验结果与分析 |
2.5.1 仿真实验结果与分析 |
2.5.2 对比实验结果与分析 |
2.5.3 实际实验结果 |
2.6 本章小结 |
第三章 “货架到人”自动小车存取系统优化设计研究 |
3.1 引言 |
3.2 模块化自动小车存取系统 |
3.2.1 系统布局 |
3.2.2 系统作业流程 |
3.3 系统关键绩效指标、符号与假设 |
3.3.1 系统关键绩效指标 |
3.3.2 系统符号说明 |
3.3.3 模型假设 |
3.4 系统绩效评估模型 |
3.4.1 基于系统作业瓶颈的订单吞吐量分析 |
3.4.2 基于开环排队网络模型的订单吞吐时间分析 |
3.4.3 开环排队网络模型的求解 |
3.4.4 系统仿真 |
3.5 模块化RMFS优化设计方法 |
3.5.1 影响系统设计的关键指标 |
3.5.2 “两阶段法”系统优化设计框架 |
3.5.3 “二分法”系统优化设计框架 |
3.6 实验结果与分析 |
3.6.1 仿真实验结果 |
3.6.2 系统绩效评估数值实验 |
3.6.3 系统优化设计实验 |
3.7 本章小结 |
第四章 “货箱到人”自动小车存取系统优化设计研究 |
4.1 引言 |
4.2 “货箱到人”自动小车存取系统 |
4.2.1 系统布局 |
4.2.2 系统作业流程 |
4.2.3 系统作业规则与假设 |
4.3 “货箱到人”系统绩效评估模型 |
4.3.1 考虑小车加减速的行走时间计算 |
4.3.2 “货箱到人”系统服务时间建模 |
4.3.3 考虑“货箱到人”系统批量作业的SOQN模型 |
4.3.4 SOQN模型的求解方法 |
4.4 Arena仿真验证 |
4.5 数值实验结果与分析 |
4.5.1 小车拣选批量和小车与拣选站台数量配比的影响 |
4.5.2 存储区货架布局的影响 |
4.6 本章小结 |
第五章 “货箱到人”作业模式下订单拣选优化策略研究 |
5.1 引言 |
5.2 系统介绍与问题描述 |
5.2.1 系统介绍 |
5.2.2 订单拣选优化问题描述 |
5.3 订单拣选优化问题建模 |
5.3.1 多行订单分批问题建模 |
5.3.2 品项组合拣选问题建模 |
5.4 模型求解 |
5.4.1 订单分批优化模型求解方法 |
5.4.2 品项组合优化模型求解方法 |
5.5 算例分析 |
5.5.1 订单分批优化策略算例分析 |
5.5.2 品项组合拣选优化策略算例分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读博士学位期间发表论文 |
攻读博士学位期间参与的主要科研项目 |
攻读博士学位期间获得奖励 |
附件 |
学位论文评阅及答辩情况表 |
(10)正倒向随机系统的混合最优控制问题及其在经济中的应用(论文提纲范文)
摘要 |
ABSTRACT |
主要符号说明 |
第一章 绪论 |
1.1 课题背景和意义 |
1.2 国内外研究现状 |
1.2.1 投资组合问题 |
1.2.2 倒向随机系统最优控制及微分博弈问题 |
1.2.3 正倒向随机系统最优控制问题 |
1.2.4 本文的主要工作 |
1.2.5 本文的研究思路 |
第二章 倒向随机系统的混合最优控制问题及在线性二次中的应用 |
2.1 引言 |
2.2 问题描述 |
2.3 问题(C)的最优控制 |
2.4 问题(C)的线性二次情形 |
2.5 问题(MLQ)的两种特殊情形 |
2.5.1 随机情形:B_(1t)=0 |
2.5.2 确定情形:B_(2t)=0 |
2.6 一类产品管理问题 |
2.7 本章小结 |
第三章 倒向随机微分方程驱动的非零和混合微分博弈问题 |
3.1 引言 |
3.2 问题描述 |
3.3 混合均衡点的必要条件和充分条件 |
3.3.1 必要条件 |
3.3.2 充分条件 |
3.4 问题(BNZM)的线性二次情形 |
3.5 一类房屋抵押和财富管理问题 |
3.6 本章小结 |
第四章 正倒向随机系统的混合最优控制问题 |
4.1 引言 |
4.2 问题描述 |
4.3 问题(FBM)的最优控制 |
4.3.1 最优性条件 |
4.3.2 验证定理 |
4.4 问题(FBM)的线性二次情形 |
4.5 安全投资和网络保险问题 |
4.6 本章小结 |
第五章 非Lipschitz条件下的平均场倒向随机微分方程 |
5.1 引言 |
5.2 问题描述 |
5.3 平均场倒向随机微分方程解的估计 |
5.4 主要结果 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
攻读博士学位期间发表的论文及参与的科研项目 |
学位论文评阅及答辩情况表 |
四、VNS中几个关键的GIS问题的研究(论文参考文献)
- [1]土地利用适宜性分析与规划问题的混合启发式算法求解研究[D]. 李娟. 桂林理工大学, 2021(01)
- [2]M生鲜电商的冷链物流配送路径优化研究[D]. 王婷. 江南大学, 2021(01)
- [3]基于深度学习的短时交通流预测及其路径诱导的研究与实现[D]. 房崇鑫. 扬州大学, 2021(08)
- [4]智能网联自动驾驶汽车专用道设置优化研究[D]. 林雨. 吉林大学, 2021(01)
- [5]面向知识导向和交货期的预制构件生产调度研究[D]. 储梦伶. 西安建筑科技大学, 2021
- [6]增强蚁群优化算法求解多车场车辆路径问题[D]. 陈文博. 昆明理工大学, 2021
- [7]考虑智能物料储运系统的生产车间布局方法研究[D]. 廖勇. 广东工业大学, 2021(08)
- [8]混合分布估计算法求解加工-运输-装配三阶段集成调度问题[D]. 邓超. 昆明理工大学, 2021(02)
- [9]自动小车存取系统优化运行关键问题研究[D]. 汪威. 山东大学, 2020
- [10]正倒向随机系统的混合最优控制问题及其在经济中的应用[D]. 张焕君. 山东大学, 2020(01)