摘要：针对多式联运各参与者需求偏好不同的实际背景,以提高所有参与者的综合满意度为优化目标,对中欧集装箱多式联运的路径选择问题进行研究。考虑组成列车等待时间的要素,以列车、船舶的固定时刻表和收货人的软时间窗要求,组成的混合时间窗为约束条件,在分析了影响各参与者满意度因素的基础上建立了具有效用值偏好信息的综合满意度模型。为解决货物时、空、量的衔接组合问题,设计双信息素蚁群算法,用以搜索路径与运输方式的组合搭配,并将改进的小生境遗传算法嵌套进蚁群算法。采用由连云港到马德里的实例做对比验算,分别给出不同需求偏好下的运输方案,并与现有研究方案对比,其综合满意度指标可平均提升约6%~10%,采用混合算法后收敛速度平均提升约36.21%,能够为不同参与者在实际运输过程中路径与运输方式的选择提供决策支持。

摘要：为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。

摘要：【目的】针对多式联运过程中运输路径和运输方式的优选问题,以运输成本最少为目标,建立了含运到时限约束和路径容量约束的组合优化模型.【方法】针对模型设计了双信息素蚁群-遗传混合算法进行求解,并引入最大最小蚂蚁策略、自适应灾变算子等操作,适时规避局部最优解,以提高算法优化能力.【结果】将混合算法求得的结果与单遗传算法、蚁群算法进行比较,混合算法较另两者的收敛稳定性平均提升15.534%和12.537%,且求得的20次最小费用平均值分别降低了3.18%和1.38%.【结论】采用上述方法探讨运到时限、容量约束以及货物运量对路径选择的影响,从而为多式联运经营人决策提供了参考.