一、多目标多约束水平的动态运输问题（论文文献综述）
胡幸集[1]（2021）在《区域综合能源网统一网络流多目标协调优化方法研究》文中进行了进一步梳理区域综合能源系统（integrated energy system,IES）可实现异质能源间的优势互补,面对能源转型、环境治理等问题上展现出了充分的潜力。IES能流优化理论研究在满足系统可靠性和安全性前提下,合理规划产能方案,追求最大化的社会效益,是IES工程实践的重要理论基础之一。目前优化方法研究主要有两点不足:一是面对多能流复杂的耦合机理和多网络不同的时空动态特性,难以同时考虑精确度、计算量、直观性、统一性等因素,需要构建更为直观统一的多能流优化模型;二是针对异质能源耦合、新能源消纳、网络动态特性和综合效益协调优化等,已有算法考虑角度较少,相对缺乏针对IES全面性、系统化、多角度的多能流协同优化分析。本文建立区域电-气-热IES多目标多时段动态优化模型,将多异质能源统一到网络流计算平台,并基于此开展电-气-热IES面向风电消纳水平、经济效益和环境效益整体协调优化方法研究,主要工作如下:1)建立了可用于网络流优化方法的区域电-气-热IES动态数学模型。着眼于IES能量运行特性,通过对比与分析,分别在元件层和网络层选取与能流计算相契合的稳态数学模型;进一步计及气网和热网的动态网络特性,在稳态数学模型基础上精细化构建IES动态多时段模型,为后续统一网络流优化求解模型构建奠定基础。2)提出了区域电-气-热IES多目标多时段动态网络流统一优化模型。在安全性基础上,纳入IES风电消纳水平、经济效益和环境效益,运用线性加权法构建IES动态多时段多目标综合调度模型;从调度的角度出发,关注点着眼于系统的能量流动和传递,通过能量流将多异质能源统一到网络流计算平台;进一步分别构建模型中设计能源元件出力方案的供能弧、规划可行流流向和约束的输能弧和保证电、气、热负荷供给的需求弧,完成了区域电-气-热IES动态多目标多时段综合调度优化解算。3)仿真算例与结果分析表明,本文提出的网络流模型对电-气-热IES多目标多时段动态综合调度具有良好的可行性和适用性,所述方法能够实现最小化运行成本、最大化新能源消纳、最小量环境污染排放等多重利益的平衡。论文所述方法在特定无功功率下,通过直观形象的能量流形式统一展现IES运行特性,将多异质能源统一到网络流计算平台,简化了IES计算尤其是动态特性中的非线性化环节,提供了一种兼顾计算量和准确度的线性化收敛模型。
赵倩儒[2]（2021）在《考虑能耗的自动化集装箱码头作业设备协同调度优化》文中进行了进一步梳理随着“互联网+”和5G时代的到来,建设绿色、智慧、安全、专业、高效的港口是全球港口发展的主要趋势。自动化集装箱码头作为绿色智慧港口的重要标志,正在引领港口建设新的变革。无论是像上海洋山港自动化集装箱码头这样的新建码头,还是像天津港这样由传统码头改造升级的自动化集装箱码头,均始终秉持着绿色、智慧、经济、高效的理念。生产作业自动化是自动化集装箱码头建设和改造升级的核心,通过加大自动化作业设备的投入,采用先进的自动化集装箱码头作业设备,如自动化岸边起重机（Automated Quay Crane,AQC）、自动导引车（Automated Guided Vehicle,AGV）以及自动化轨道吊（Automated Rail-Mounted Gantry,ARMG）等,利用智能调度、远程操控、能耗监测以及安全预警等手段推动自动化集装箱码头的建设应用。此外,从绿色节能的视角,研究自动化集装箱码头作业设备的协同调度问题对于提高自动化码头整体作业效率,降低生产作业能源消耗,实现码头绿色智慧调度具有重要意义。本文的研究对象是自动化集装箱码头核心作业设备,研究重点是自动化作业设备间协同调度优化,以作业总时间和总能耗最小为双重优化目标,设置目标优先级,以总作业时间最小为第一优先级,总作业能耗最小为第二优先级,即在保证码头生产效率的前提下,兼顾降低能耗的优化目标。通过调整AQC、AGV和ARMG的数量配置关系,突出自动化作业设备间协同调度的重要性。本文的主要研究内容如下:（1）自动化集装箱码头作业设备协同调度研究边界的限定和优化目标的提出。通过对自动化集装箱码头核心作业设备和进出口操作流程进行分析,限定了本文研究的边界,为了突出重点研究自动化作业设备间的协同调度问题,本文将研究边界上限设在自动化双小车岸桥装卸船作业,下限设在自动化双轨道吊堆场堆存作业,以自动化集装箱码头作业总时间最小和总能耗最小为双重优化目标展开研究。（2）考虑能耗的自动化集装箱码头作业设备协同调度体系构建。在对自动化集装箱码头作业系统分析的基础上,本文构建了自动化码头作业设备调度的四层结构模型、能效关系模型和逻辑框架模型,为接下来的研究提供理论基础和依据。（3）考虑能耗的自动化双小车岸桥与AGV协同调度研究。以自动化集装箱码头核心作业设备中的装卸船设备和水平运输设备为研究对象,通过分析各自动化设备的作业特点和能源消耗情况,以作业总时间和总能耗最小为双重优化目标,构建以总作业时间最小为第一目标优先级的AQC和AGV的协同调度模型,建模过程中引入AQC中转平台容量限制等约束条件,模型的求解算法设计的是改进二阶段禁忌搜索算法,通过算例实验验证AQC与AGV协同调度模型和二阶段禁忌搜索算法是真实有效的,最终获得兼顾提升作业效率和降低能耗双重目标的AQC与AGV协同调度优化方案。（4）考虑能耗的AGV和自动化轨道吊协同调度研究。以自动化集装箱码头核心作业设备中的水平运输设备和堆场堆存设备为研究对象,通过分析各自动化设备的作业特点和能源消耗情况,以作业总时间和总能耗最小为双重优化目标,构建以总作业时间最小为第一目标优先级的AGV和ARMG协同调度模型,建模过程中引入双ARMG相互干扰等约束条件,通过算法对比,选择二阶段遗传算法求解模型,采用算例实验证明AGV和ARMG协同调度模型和二阶段遗传算法在解决该问题上的有效性,最终获得兼顾提升作业效率和降低能耗双重目标的AGV与ARMG协同调度优化方案。（5）考虑能耗的AQC、AGV和ARMG协同调度研究。以自动化集装箱码头核心作业设备中的装卸船设备、水平运输设备和堆场堆存设备为研究对象,通过分析各自动化设备的作业特点和能源消耗情况,以作业总时间和总能耗最小为双重优化目标,设置目标优先级,基于混合流水车间调度理论,构建AQC、AGV和ARMG的集成调度模型,参考混合流水车间调度问题的求解算法,设计改进的果蝇优化算法求解该问题,采用自适应步长策略提高嗅觉搜索的寻优能力,同时引入协同机制。最后,通过算例对模型和算法的有效性加以验证。
陈文博[3]（2021）在《增强蚁群优化算法求解多车场车辆路径问题》文中指出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。
梁青艳[4]（2021）在《基于流程网络仿真的钢铁企业炼钢调度和能源优化》文中提出绿色化和智能化是钢铁行业智能制造转型升级的两大基本要素,研究生产系统以及能源系统的优化问题具有非常重要的现实意义。近几年随着企业自动化、信息化水平的普遍提高,智能制造提升工程也逐渐着手实施,急需利用智能模型去解决复杂生产流程中的生产优化调度问题以及钢铁企业能源多介质优化调配问题。本文针对当前炼钢调度以及能源优化问题研究中的不足和局限性,提出基于流程网络仿真进行优化建模的新的解决方案,进行了关键技术研究和应用验证,主要研究内容如下:（1）充分考虑钢铁企业炼钢调度的特点及难点,提出了基于多智能体技术的炼钢智能化动态调度方案,构建了通用性的多智能体流程网络仿真优化基础模型,并分别结合普钢和特钢不同实际生产场景进行了应用验证。应用结果表明该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。（2）充分考虑钢铁企业能源和生产耦合紧密的特点,从能量流的角度出发,构建了能量流网络基本描述模型包括主工序能量流模型、分介质能量流网络模型、能量流网络集成模型,对物质流、能量流之间相互影响、相互耦合的关系进行了信息表征;提出了从钢铁流程生产工艺出发,基于静态因素、动态因素及能源本身波动规律建立主工序能量流节点模型的建模方案,并分别以煤气和电力介质为例进行了主工序能量流具体分析、模型描述及预测验证。预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。煤气预测模型,模型误差基本在10%以内;电力96点负荷预测模型,模型误差在5%以内的达到96%,均获得了较好的预测效果。（3）以能量流网络模型为基础,针对以满足需求,放散最小为目标的能源计划的智能生成问题构建了基于规则的能源仿真调配模型,针对以放散和成本最小为目标的能源动态调度问题构建了基于优化算法的能源优化调配模型,并分别通过仿真分析,验证了模型的适用性和有效性。这两部分的研究分别针对不同的具体应用问题,不同优化目标进行了建模,而且和能量流网络模型结合,形成了完整的模型体系,为能源的多工况场景计划制订、优化协调提供了新方法。
张良成[5]（2021）在《杂波环境下雷达目标多假设跟踪改进算法研究》文中研究说明目标跟踪技术是一项应用广泛的技术,在民用及军事领域中都有具体的应用。伴随社会、科技进步,雷达探测环境的电磁特征变得愈加复杂,使得雷达收到较多的杂波干扰。提升杂波环境下的跟踪效果,是改进目标跟踪方法的一个重要方向,具有现实意义。本文针对杂波环境下雷达数据特性进行了分析和研究,重点研究了多假设目标跟踪技术在杂波环境下的应用前景和不足,针对性的提出了一种改进的多假设目标跟踪方法。本文的主要内容包括如下:1.简要介绍了目标跟踪技术具有的现实意义,以及国内外学者在目标跟踪及多假设目标跟踪方法上取得的发展和进展;介绍了常见的应用于雷达目标跟踪领域的跟踪技术和滤波技术,介绍其原理和应用;探讨了雷达目标跟踪系统所具备的基本处理过程和其内涵,并补充介绍了一些应用于处理过程中的关键技术和方法。2.分析和研究了杂波环境导致雷达探测数据所表现出密集回波的特征,以及在此种情况下,多假设目标跟踪方法会面临何种挑战和困难。针对多假设目标跟踪方法在密集回波条件下,假设集快速扩张、计算复杂快速上升等问题做了分析,并依据分析提出了一种面向航迹的改进的遵从主仆关系的多假设目标跟踪（Master-Servants Multiple Hypothesis Tracking,MSM-MHT）方法:1)该改进多假设目标跟踪方法中将假设航迹间的关系改造为一种主仆关系,改进了假设生成的模式;2)配合使用提出的约束性K关联方法,辅助假设的K最优生成;3)假设使用不依赖先验分布经验的运动模型参数形成质量评价权值,来达到控制假设建立和删除的目的;4)使用渐进“靠拢”来实现对主假设航迹的跟踪优化,以提升跟踪精度。3.使用真实数据及仿真数据,对本文提出的改进的遵从主仆关系的多假设目标跟踪方法进行验证,该方法控制了假设集扩张、降低了计算复杂度,同时保证了较好的跟踪精度,证明了其具有有效性,相对于多假设目标跟踪方法的提高性。
高秀秀[6]（2021）在《基于深度信念网络的闭环供应链网络优化》文中认为随着全球可持续发展战略的推进和资源环境问题的日益突出,国家开始倡导绿色、节能、可持续的发展模式,越来越多的企业开始重视废旧产品的回收利用,使得以低能耗、低碳排为标志的“低碳经济”正在成为企业经济发展的共同选择。闭环供应链网络涵盖了产品制造、销售和回收的全过程,是实现资源再利用和减少环境污染的有效途径。然而,闭环供应链网络作为一个多领域、多对象参与的动态网络系统,易受到多种不确定因素的干扰,这些不确定因素往往由供应链网络内外部因素的共同作用下产生的,直接表现出来的是网络参数的不确定,如市场需求、生产价格、运成本、回收数量、提前期等,上述不确定参数的存在必然导致企业决策风险增加。因此,设计一种具有风险抵御能力的供应链网络,使其在多种不确定因素的干扰下依旧保持较强的鲁棒性,对提高企业的运作效率具有重要的作用。本文的主要研究工作如下:（1）建立一个基于第三方负责产品回收的闭环供应链网络,考虑网络参数（市场需求量、生产价格、产品回收率）的不确定性,兼顾网络的经济效益、环境效益和社会效益,构建以实现网络成本、网络碳排放和顾客满意度损失最小为目标的混合整数规划模型,在此基础上引入多面体不确定集对不确定参数进行描述,进一步构建基于不确定集的可调多目标鲁棒优化模型。（2）针对非线性、易波动的市场需求,构建了一种深度信度网络（Deep Belief Network,DBN）与共轭梯度法相结合的市场需求预测模型,利用共轭梯度法对DBN的权重和阈值进行调优,以提高模型预测的速度和精确度。为验证算法的优越性,以某家电企业的历史销售数据作为预测对象,引入标准DBN和BP神经网络作为对比方法,采用评价指标对以上预测模型的预测性能进行评估。（3）提出一种基于动态步长和动态发现概率的自适应布谷鸟搜索（Adaptive Cuckoo Search,ACS）算法,以提高模型的求解效率。结合案例企业的运营数据,分别采用自适应布谷鸟搜索算法和非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm,NSGA-II）求解模型,以验证改进型布谷鸟搜索算法的优越性。（4）利用本文所提的自适应布谷鸟搜索算法求解多目标鲁棒优化模型,获取最坏情况下不同扰动系数对应的最优网络规划方案,通过敏感性分析,研究不同鲁棒控制系数对目标函数和约束违反率的影响,验证鲁棒优化模型对不确定扰动的抑制效果,通过分析单因素扰动下网络成本的变化,确定多种不确定因素中对网络成本影响最大的不确定参数,为决策者提供决策依据。
陈昕叶[7]（2020）在《动态环境下多机器人协同搜救任务分配方法研究》文中研究说明随着国家工业化和智能化的发展,无人车、无人机等智能机器人凭借着高性能、高灵活性、高精度、在危险区域执行任务不造成人员伤亡等特点,被广泛应用于各种抢险救灾现场、侦查打击等现场、以及日常的危险监视领域。其中,自主决策、协同任务分配技术作为机器人系统中至关重要的部分,吸引着众多学者展开大量的研究。灾后工作中最主要的任务是搜索任务与救援任务,二者的执行需要不同的资源类型,一般由不同的团队各自完成,而救援任务的分配与执行依赖于搜索任务对其的发现。首先,搜救工作的最终目标为提升救援效率,对两种任务的分配进行整体统筹优化是提升救援效率的关键,需要对二者根据统一的目标建模,并设计可以对整体统筹优化的任务分配模式;其次,真实环境的任务分配问题往往需要对多个优化目标进行优化,需要考虑如何高效的求解多目标优化问题;再次,灾后搜索与救援普遍在通信不稳定以及动态的环境下进行,其任务具有动态性和不确定性的特点,因此提高机器人系统的自主决策能力、适应环境变化的能力尤为重要。本文考虑以多机器人协同执行灾后的搜索与救援任务为背景,围绕其中涉及的任务分配问题的数学建模、体系结构构建和算法设计开展研究,主要研究内容如下:1)研究多机器人搜索与救援的任务模式。建立了多机器人搜索和救援任务分配的组合优化数学模型,设计了多机器人协同搜索与救援的任务分配模式,并建立了多机器人协同搜索与救援任务分配的分布式体系结构。针对现有的对搜索与救援场景下的多机器人任务分配的研究大多数仅单独考虑搜索任务分配或救援任务分配的问题,基于搜救行动的统一目标,对救援任务分配及搜索任务分配问题进行分析与建模。根据所做的分析与建模,设计了一种多机器人协同搜索与救援的任务分配模式,联合采用集中式的多机器人搜索任务分配方法、分布式的在线搜索任务分配方法与分布式的在线救援任务分配方法,进行搜索与救援的任务分配。最后,根据该任务分配模式建立了多机器人协同搜索与救援任务分配的分布式体系结构。2)研究集中式的多机器人搜索任务分配问题,提出了一种新算法:基于双目标多蚁群优化的文化基因算法。针对现有的对集中式的多机器人任务分配的研究大部分只对单目标（机器人行驶总距离或任务完成时间等）进行优化,以及现有的多目标优化方法计算复杂求解效率低的问题,所提出的算法对多蚁群优化算法进行了简化,降低了其计算复杂度;集成序列变邻域下降过程对多蚁群优化得到的最优解进行局部搜索,提高了算法的求解质量;设计了一种新颖的限制邻域的局部优化方法,提高了局部搜索的计算效率。仿真实验结果表明:所提出的算法与其它求解集中式的机器人搜索任务分配问题的算法相比,对双目标的优化提升了约20%,相比其他多目标优化方法的运算时间减少了约60%。3)研究动态环境下分布式的多机器人在线搜索任务分配问题,提出了一种新策略:基于动态图划分的贝叶斯学习策略。针对传统的为多机器人搜索路线规划的算法中容易陷入局部最优、难以适应动态环境下机器人状态变化、通信环境不稳定等问题,设计了一种新颖的分布式的动态图划分方法,利用图划分约束机器人的决策范围,克服了在线算法全局优化能力低、对通信环境稳定性要求高的问题;利用基于奖励的学习方法动态调整图划分,克服了传统基于图划分的方法无法适应动态环境变化的能力;利用改进的贝叶斯模型根据当前系统状态优化机器人的具体搜索路线,提高了算法的持续优化能力。仿真实验结果表明:所提出的能够在动态环境中为机器人规划稳定、高效的搜索路线,使机器人计算搜索路线的收敛速度相比其它在线算法提升约30%,在不同通信丢包率下机器人之间的冲突相比其它算法显着降低,获得的搜索路线质量相比其它算法显着提升。4)研究动态环境下分布式的多机器人救援任务分配问题,提出了一种新方法:基于集群优先的机器人动态分组的任务分配的方法。针对现有的分布式任务分配方法易于陷入局部最优,难以快速响应任务信息、机器人状态、通信网络状态等动态变化,从而无法及时获得高质量的解的问题,对当前常用于求解分布式任务分配问题的基于共识的拍卖算法进行改进。对算法的任务选择阶段进行改进,设计了一个集群优先策略,将任务对应机器人划分任务集群,区分不同机器人的对任务选择的优先级,通过减少机器人之间的选择冲突,提高了算法的收敛效率。基于该策略,设计了一个基于概率选择的任务选择方法,克服了该类算法容易陷入局部最优的问题。对共识阶段进行改进,设计了一种机器人动态分组的方法,解决了当前算法难以快速响应任务动态变化和无法避免在通信不稳定时在机器人之间产生任务冲突的问题。仿真实验结果表明:所提出的改进方法求解有截止时间的任务分配问题,相比原算法提升了约50%的收敛速度,及约20%的任务分配数量,并可以满足在机器人损毁、新增、新任务频繁新增等动态环境变化的情况对算法快速适应动态环境的能力的要求。5)基于所设计的多机器人协同搜索与救援的任务分配模式,及分布式体系结构,搭建了基于无人机的多机器人搜索与救援任务分配应用原型系统。在真实环境中对本文研究的多机器人协同搜索与救援任务分配模式及任务分配算法进行了实际的测试,实验结果验证了系统设计的可行性与正确性,表明本文研究满足实际搜救现场非确定性、动态环境的任务需求,具有一定应用价值。
曹伟[8]（2020）在《供应链复杂系统脆性传播模型与管控方法研究》文中研究指明经济全球化背景下,如何提高企业竞争力、风险管控水平和应急响应能力,以增强供应链系统安全与可靠性,已成为现代供应链实践与发展的重大课题。供应链系统是一个具有耗散结构的复杂巨系统。现代科技和社会分工发展使供应链网络化、复杂化趋势日益明显,并逐步呈现复杂网络状态特征。这种复杂属性使供应链在运行和发展过程中极不稳定。当遭遇自然灾害、设备故障和供应商破产等不确定性事件干扰时,供应链极易中断。严重时可能形成“多米诺骨牌”效应,触发网络崩溃。这种遭受内、外干扰而引发系统崩溃的性质就是供应链脆性。它是供应链复杂系统的基本属性。供应链脆性是供应链系统安全与可靠性研究领域的一个重要方向,对供应链复杂系统脆性进行科学研究具有一定现实意义。本论文重点对供应链复杂系统脆性传播模型与管控方法问题进行了选题研究。主要研究内容及成果如下:（1）供应链脆性理论研究体系框架构建。基于复杂系统脆性理论,构建了供应链领域脆性研究的理论体系架构。该架构由内容体系、技术体系和理论支撑体系三部分构成。其中,内容架构以供应链脆性激发规律、脆性传播规律、脆性演化规律和脆性管控方法为主线;技术体系包括不确定性需求多目标多周期供应链网络混合整数规划配流模型、改进的混合遗传算法、不确定性情景多目标多周期供应链脆性网络混合整数规划配流模型、供应链脆性激发模型与仿真算法、供应链脆性传播元胞自动机模型与仿真算法、供应链适应性Agent图脆性演化模型与仿真算法,以及不确定性情景多目标多周期供应链脆性管控混合整数规划模型;理论支撑体系包括不确定性理论、混合整数规划理论、复杂网络拓扑理论和图论、元胞自动机理论,以及适应性Agent图理论和信息熵理论。（2）不确定性供应链多目标多周期混合整数规划配流模型与算法研究。论文针对不确定性需求情景下供应链多周期网络配流优化问题,以成本和服务两种效益因子为优化目标,综合考虑多周期供应商选择与订单配给、各层节点间交易关系及链路流、各级节点的物料流、分销商库存流等约束条件,构建了不确定性需求情景供应链多目标多周期混合整数规划配流模型。针对模型求解问题,设计了一种改进的遗传算法。并通过算例验证了模型与算法的有效性。（3）不确定性供应链脆性激发模型与仿真算法研究。论文针对处于不确定性脆性干扰下的供应链网络,设计了不确定性脆性触发事件概率的求解模型与算法;设计了脆性激发参数及计算模型;构建了不确定性需求不确定性干扰情景下多目标多周期供应链脆性网络配流混合整数规划模型;以此为辅助技术元,构建了供应链复杂网络脆性激发仿真算法。通过算例仿真,对脆性激发过程、脆性事件发生概率与脆性激发结果的关系,以及不同脆性攻击方式对供应链的脆性激发效果等供应链脆性激发规律问题进行了定量分析。（4）不确定性供应链脆性传播模型与仿真算法研究。论文基于复杂系统元胞自动机理论,设计了供应链脆性网络元胞与邻接矩阵、元胞邻居及元胞演化规则等元胞自动机参数;以供应链脆性网络配流模型为辅助技术元,设计了供应链脆性传播元胞自动机仿真算法。对不确定性供应链脆性传播规模的时间特性、幂律特性以及脆性源崩溃情景与脆性传播效果之间的关系等供应链脆性传播规律进行了算例仿真。（5）不确定性供应链脆性演化模型与仿真算法研究。论文基于复杂系统适应性Agent图理论和信息熵理论,设计了供应链脆性熵和节点状态值等脆性演化参数及计算方法;基于适应性Agent图控制器刺激——反应模型,构建了考虑节点自适应行为和不考虑节点自适应行为的供应链脆性演化模型;以供应链脆性网络配流模型为辅助技术元,设计了供应链适应性Agent图脆性演化仿真算法。通过算例仿真,对供应链节点状态值演化规律、节点熵流演化规律、供应链脆性全局熵演化规律、供应链脆性演化的季节性规律以及供应链脆性行为等演化规律进行了数据分析。（6）不确定性需求不确定性脆性干扰情景下多目标多周期供应链脆性管控模型研究。论文针对不确定性脆性事件干扰下供应链网络脆性管控决策问题以及多周期网络配流优化问题,以成本和服务两种效益因子为优化目标,提出了启用备选供应商、修复脆性源和启用内部供应商柔性能力三项脆性管控策略,并以此为基础构建了不确定性需求不确定性脆性干扰情景下多目标多周期供应链脆性管控模型。用改进的遗传算法对算例进行了求解,对供应链网络、供应链脆性网络和供应链脆性管控三种网络配流方案进行了对比分析,并对目标偏好系数、脆性事件崩溃概率及缺货惩罚成本等参数进行了灵敏度分析。
李瀑[9]（2020）在《大型体育赛事食品冷链物流网络构建研究》文中指出体育在提高人民身体素质和健康水平、丰富人民精神文化生活、推动经济社会发展方面,都有着不可替代的重要作用,而国际体育赛事的社会影响力更强,有利于国家形象的塑造,是综合国力的重要体现。随着赛事规模、影响力、参赛人员的不断增加,比赛所需食品的种类和数量也呈现快速增长趋势,这对赛事主办方提出新的挑战。在筹办时间长、赛事时间短、需求量大、比赛场地分散的条件下,基于物流成本及物流时效等多方面考虑,有必要建立一套完整的食品冷链物流网络体系,保障赛事安全。本文以大型体育赛事为研究背景,首先界定了大型体育赛事食品冷链物流网络的定义,通过构建四维概念模型,从每个维度展开探讨,并分析了全流程和特性等,在此基础上构建了多商品多车型的大型体育赛事食品冷链物流网络的基础模型,并进一步考虑食品的最佳储存期,对模型进行了升级和优化。同时考虑到赛事举办的过程中,可能会发生意外事件而导致物流中断风险,进而提出综合考虑物流道路抢修与配送路径重构的物流网络优化模型,分别针对三个模型设计了对应的求解方式。本文的研究内容、方法及成果如下:（1）大型体育赛事食品冷链物流网络构建的影响机理分析。通过设计该物流网络的多维概念模型,分析其网络构成的多重结构,绘制了物流网络流程图,对物流网络构建的特征做具体分析。揭示了赛事食品冷链物流运行规律,既丰富了赛事物流管理的研究成果,也为赛事物流网络的构建及优化提供了有力的研究基础。（2）考虑多商品多车型的大型体育赛事食品冷链物流网络构建。讨论大型体育赛事物流的独特性,通过问题描述与假设,构建多商品多车型的赛事食品冷链物流网络模型,其中考虑了多商品、多车型、分类储存及运输、装卸货对运输成本的影响等。为加快求解效率进行模型强化,减少决策变量个数,增加约束空间搜索限制,同时运用分支定界算法对实际案例-2022年北京冬奥会进行计算,得到最优选址-路径结果,并做相关参数的灵敏度分析,最后分析通用算法的求解规模,测试了 48个随机算例,根据测试结果提出可能的聚类分析方法,以降低单次计算的数据规模。满足了赛事物流筹备对成本和时间的高精度要求,构建了符合赛事特点的物流网络模型,为现实中赛事物流网络基础框架的构建提供了数学建模基础。（3）考虑食品最佳储存期的大型体育赛事食品冷链物流网络构建。考虑不同品类冷链食品的最佳储存期,从食品供应安全的角度考虑设置多周期储存,据此设计多周期多商品多车型的赛事食品冷链物流网络优化模型,运用Benders算法将原问题拆分为子问题和主问题,通过Gams进行编程求解,在合理时间内求出了较为满意的结果,同时直接运用Cplex进行暴力求解测试,并不能在预期时间内获得最优解,从而验证了 Benders算法的有效性,对于解决大型赛事的食品安全供应问题有较好的现实指导意义。（4）考虑中断风险的大型体育赛事食品冷链物流网络构建。首先从风险预警的角度出发,对物流网络中断风险要素做具体分析,并设计物流网络中断风险预警机制;其次通过构建双层规划模型,上层根据道路抢修紧迫性优先抢修关键道路,使得完成抢修计划的时间最小化,下层按照各个赛区的食品需求时间,使得完成所有赛区场馆所需食品配送时间最小化,并采用基于距离矩阵的变邻域算法对双层规划模型进行寻优,以整体赛事配送时间最小为目标,确定优先通行道路,该模型对于道路抢修和赛事配送具有现实使用价值。图29幅,表17个,参考文献167篇。
陈丹丹[10]（2020）在《不确定环境下的集装箱多式联运运输路径鲁棒优化研究》文中提出集装箱多式联运具有产业链长、高效便捷、集约经济、安全可靠等优势,是货物运输发展的重要方向。发展集装箱多式联运,对推进经济供给侧结构性改革、扩大交通有效供给、更好发挥区域交通优势、降低全社会物流成本等具有重要作用。在国家“一带一路”经济战略的引导下,中国物流业进入了高速发展的阶段,集装箱多式联运也迎来了空前的发展机遇,广阔的多式联运市场也带动了一批货运代理企业的发展和壮大。货运代理企业在运营中,需要规划多式联运运输路径,组织运输,满足客户多样化的运输需求,提高服务的经济性、时效性和可靠性,因而多式联运路径规划问题具有十分重要的研究意义与实践价值,也是运输规划领域的热点问题之一。针对当前多式联运路径规划既有研究在优化建模和算法设计上存在的不足制约了其为实际问题提供决策支持的可行性,本文研究了考虑不确定扰动的集装箱多式联运运输路径鲁棒优化问题,并深入探讨了不确定因素对总运输成本和运输路径选择影响。首先,考虑到在部分地区发生集装箱短缺时,铁路站点集装箱以及船公司集装箱的使用与运输方式选择相互链接的情况,以及铁路集装箱在不同运输方式选择下,具有不同使用时间限制的情景,研究了集装箱使用限制的多式联运运输路径规划问题,建立了以最小化运输成本和运输时间的多目标非线性规划模型。然后,考虑到运输路段发生价格扰动的情景,以区间法刻画路段集装箱运输价格的不确定性,提出路段总运输成本和节点转运成本之和最小为目标的混合整数鲁棒优化模型,并采用Bertsimas鲁棒思想进行模型线性化处理,并对模型采用精确解求解。其次,考虑到运输路段发生运输能力扰动的情景,建立了运输路段上具有集装箱运输能力限制的基础模型,在此基础上考虑路段运输能力参数处在一个有界对称的闭区间内的不确定情景,采用Bertsimas鲁棒思想建立了运输能力扰动下鲁棒水平可控的多式联运运输路径鲁棒优化模型,采用精确解求解方法对案例进行求解和分析。最后,在前述研究之上,考虑了路段运输价格和运输能力同时发生扰动情景下的多式联运路径优化问题。基于Bertsimas鲁棒思想对模型中存在的运输价格和运输能力不确定参数进行鲁棒线性转化,采用粒子群-遗传混合算法对转化后的混合整数规划模型进行求解,通过参数的灵敏度分析,深入探讨了双因素扰动对多式联运运输路径选择的影响。
二、多目标多约束水平的动态运输问题（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、多目标多约束水平的动态运输问题（论文提纲范文）
（1）区域综合能源网统一网络流多目标协调优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 综合能源系统发展背景 |
| 1.1.2 综合能源系统优化研究的意义 |
| 1.2 综合能源系统国内外研究现状 |
| 1.2.1 综合能源系统优化分析研究现状 |
| 1.2.2 综合能源系统综合调度研究现状 |
| 1.2.3 综合能源系统统一化研究现状和网络流模型可行性探讨 |
| 1.3 本文主要研究工作 |
| 2 区域电-气-热综合能源系统数学模型 |
| 2.1 区域电-气-热综合能源系统元件数学模型 |
| 2.1.1 常规火电机组模型 |
| 2.1.2 风电机组模型 |
| 2.1.3 天然气气源模型 |
| 2.1.4 纯产热机组模型 |
| 2.1.5 换热站模型 |
| 2.1.6 燃气轮机组模型 |
| 2.1.7 热电联产机组模型 |
| 2.2 区域电-气-热综合能源系统稳态网络模型 |
| 2.2.1 电力系统稳态网络模型 |
| 2.2.2 天然气系统稳态网络模型 |
| 2.2.3 热力系统稳态网络模型 |
| 2.3 区域电-气-热综合能源系统动态网络模型 |
| 2.3.1 天然气系统动态网络模型 |
| 2.3.2 热力系统动态网络模型 |
| 2.4 本章小结 |
| 3 网络流规划法基本理论 |
| 3.1 网络流规划法基本概念 |
| 3.2 一般化电力系统网络流规划法建模方法 |
| 3.3 一般化电力系统网络流规划法模型求解 |
| 3.4 本章小结 |
| 4 区域电-气-热综合能源系统网络流优化模型 |
| 4.1 区域电-气-热综合能源系统优化函数 |
| 4.1.1 经济目标优化 |
| 4.1.2 环境目标优化 |
| 4.1.3 多目标优化 |
| 4.1.4 约束条件 |
| 4.2 区域电-气-热综合能源系统网络流优化模型构建 |
| 4.2.1 统一网络流模型表示可行性论述 |
| 4.2.2 统一网络流供能弧模型构建 |
| 4.2.3 统一网络流输能弧模型构建 |
| 4.2.4 统一网络流需求弧模型构建 |
| 4.3 区域电-气-热综合能源系统网络流优化模型求解 |
| 4.4 本章小结 |
| 5 算例分析 |
| 5.1 可行性与正确性检验算例 |
| 5.1.1 IEEE标准电力系统检验 |
| 5.1.2 比利时20 节点天然气系统检验 |
| 5.1.3 区域电-热综合能源系统多目标优化检验 |
| 5.2 实用性检验算例 |
| 5.2.1 含配电网的区域电-气综合能源系统 |
| 5.2.2 区域电-气-热综合能源系统多目标多时段动态优化 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 A IEEE标准电力系统参数 |
| 附录 B 比利时20 节点天然气系统参数 |
| 附录 C 电热综合能源系统多目标优化参数 |
| 附录 D 含配电网的区域电-气综合能源系统参数 |
| 附录 E 区域电-气-热综合能源系统多目标单时段多目标优化参数 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）考虑能耗的自动化集装箱码头作业设备协同调度优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 论文选题背景 |
| 1.2 研究意义 |
| 1.3 国内外研究综述 |
| 1.3.1 考虑能耗的集装箱码头调度的相关研究 |
| 1.3.2 AQC与AGV协同调度的相关研究 |
| 1.3.3 AGV与ARMG协同调度的相关研究 |
| 1.3.4 AQC、AGV与ARMG集成调度的相关研究 |
| 1.3.5 研究现状评述 |
| 1.4 研究内容与结构框架 |
| 1.4.1 研究内容 |
| 1.4.2 研究结构框架 |
| 1.5 本章小结 |
| 2 考虑能耗的自动化集装箱码头作业设备协同调度体系构建 |
| 2.1 自动化集装箱码头作业系统分析 |
| 2.1.1 自动化集装箱码头核心作业设备 |
| 2.1.2 自动化集装箱码头进出口作业流程 |
| 2.1.3 自动化集装箱码头作业设备协同调度必要性分析 |
| 2.2 考虑能耗的自动化集装箱码头作业设备协同调度结构模型 |
| 2.3 考虑能耗的自动化集装箱码头作业设备协同调度关系模型 |
| 2.3.1 自动化集装箱码头作业设备能耗与效率影响因素分析 |
| 2.3.2 自动化集装箱码头作业设备协同调度能效关系模型 |
| 2.4 考虑能耗的自动化集装箱码头作业设备协同调度框架模型 |
| 2.4.1 自动化集装箱码头作业设备协同调度优化目标 |
| 2.4.2 自动化集装箱码头作业设备协同调度决策变量 |
| 2.4.3 自动化集装箱码头作业设备协同调度约束条件 |
| 2.5 本章小结 |
| 3 考虑能耗的自动化双小车岸桥与AGV协同调度研究 |
| 3.1 问题描述 |
| 3.2 模型构建 |
| 3.2.1 符号定义 |
| 3.2.2 建立模型 |
| 3.3 模型求解 |
| 3.4 算例分析 |
| 3.4.1 算例介绍 |
| 3.4.2 算例结果分析 |
| 3.5 本章小结 |
| 4 考虑能耗的AGV与自动化轨道吊协同调度研究 |
| 4.1 问题描述 |
| 4.2 模型构建 |
| 4.2.1 符号定义 |
| 4.2.2 建立模型 |
| 4.3 求解算法 |
| 4.3.1 编码和解码 |
| 4.3.2 交叉与变异 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 5 考虑能耗的AQC、AGV与 ARMG集成调度研究 |
| 5.1 问题描述 |
| 5.2 模型构建 |
| 5.2.1 符号定义 |
| 5.2.2 建立模型 |
| 5.3 求解算法 |
| 5.3.1 编码 |
| 5.3.2 种群初始化 |
| 5.3.3 基于适应步长的嗅觉搜索 |
| 5.3.4 视觉搜索 |
| 5.3.5 全局协作机制 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 研究结论 |
| 6.2 研究创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）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 |
（4）基于流程网络仿真的钢铁企业炼钢调度和能源优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 炼钢生产优化调度问题研究现状 |
| 1.2.1 炼钢生产调度的特点及难点 |
| 1.2.2 炼钢生产调度问题的研究方向 |
| 1.2.3 生产调度问题主要研究方法 |
| 1.2.4 当前研究中的不足和局限性 |
| 1.3 能源优化调配问题研究现状 |
| 1.3.1 能源产耗模型的研究 |
| 1.3.2 单一能源介质的优化模型的研究 |
| 1.3.3 多能源介质的优化模型的研究 |
| 1.3.4 当前研究中的不足和局限性 |
| 1.4 研究思路及技术路线 |
| 1.5 本论文主要研究内容和创新点 |
| 1.5.1 研究内容 |
| 1.5.2 创新点 |
| 2 基于多智能体技术的炼钢流程仿真优化模型 |
| 2.1 建模方案 |
| 2.2 基于多智能体的仿真优化模型 |
| 2.2.1 多智能体基本概念 |
| 2.2.2 智能体体系结构 |
| 2.2.3 智能体基本结构 |
| 2.2.4 智能体状态划分 |
| 2.2.5 物料智能体 |
| 2.2.6 设备管理智能体 |
| 2.2.7 设备智能体 |
| 2.2.8 天车管理智能体 |
| 2.2.9 天车智能体 |
| 2.2.10 智能体任务协调流程 |
| 2.3 本章总结 |
| 3 炼钢-连铸流程仿真优化模型实现及仿真分析 |
| 3.1 炼钢-连铸生产工艺流程及阶段 |
| 3.2 生产工艺流程特点 |
| 3.3 技术方案 |
| 3.3.1 仿真优化流程 |
| 3.3.2 多智能体模型实例化 |
| 3.3.3 作业时间波动分析 |
| 3.4 案例分析 |
| 3.4.1 仿真优化分析 |
| 3.4.2 多场景下的生产调度 |
| 3.5 本章总结 |
| 4 高速工具钢炼钢流程仿真优化模型实现及仿真分析 |
| 4.1 高速工具钢生产工艺流程及阶段 |
| 4.2 生产工艺流程特点 |
| 4.3 技术方案 |
| 4.3.1 仿真优化流程 |
| 4.3.2 多智能体模型实例化 |
| 4.4 案例分析 |
| 4.4.1 案例描述 |
| 4.4.2 冶炼浇铸流程优化调整 |
| 4.4.3 电渣工序优化调整 |
| 4.4.4 设备故障调整 |
| 4.4.5 炉次优化调整 |
| 4.5 本章总结 |
| 5 能量流网络模型 |
| 5.1 能源系统分析 |
| 5.1.1 能源消耗分析 |
| 5.1.2 能源平衡分析 |
| 5.1.3 能源转换分析 |
| 5.1.4 能源系统特点总结 |
| 5.2 能量流网络模型 |
| 5.2.1 能量流网络结构描述 |
| 5.2.2 主工序能量流模型 |
| 5.2.3 分介质能量流网络模型 |
| 5.2.4 能量流网络集成模型 |
| 5.3 煤气能量流网络中主工序节点模型 |
| 5.3.1 煤气产耗波动特点 |
| 5.3.2 煤气主工序节点模型 |
| 5.3.3 模型验证 |
| 5.4 电力能量流网络中主工序节点模型 |
| 5.4.1 负荷波动特点 |
| 5.4.2 电力负荷主工序节点模型 |
| 5.4.3 模型验证 |
| 5.5 本章总结 |
| 6 基于能量流网络动态仿真的能源优化调配 |
| 6.1 基于调度规则的仿真优化模型 |
| 6.1.1 基于规则的整体调配流程 |
| 6.1.2 燃气调配计算逻辑 |
| 6.1.3 蒸汽调配计算逻辑 |
| 6.1.4 电力调配计算逻辑 |
| 6.2 基于优化算法的仿真优化模型 |
| 6.2.1 仿真优化调配流程 |
| 6.2.2 目标函数 |
| 6.2.3 约束条件 |
| 6.2.4 模型求解 |
| 6.3 能源仿真优化模型软件化 |
| 6.4 案例分析 |
| 6.4.1 案例说明 |
| 6.4.2 基于调度规则的能源仿真计算 |
| 6.4.3 基于优化算法的能源仿真分析 |
| 6.5 本章总结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 在学科研工作及发表论文 |
| 致谢 |
（5）杂波环境下雷达目标多假设跟踪改进算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题背景及意义 |
| 1.2 国内外动态 |
| 1.2.1 目标跟踪技术发展与现状 |
| 1.2.2 多假设目标跟踪技术发展与现状 |
| 1.3 研究目的与实施方案 |
| 第2章 常见目标跟踪相关技术 |
| 2.1 Alpha-Beta滤波跟踪 |
| 2.2 卡尔曼滤波跟踪 |
| 2.3 扩展卡尔曼滤波 |
| 2.4 交互式多模型跟踪 |
| 2.5 多假设目标跟踪 |
| 2.5.1 K-best最优假设 |
| 2.5.2 N-scan剪枝 |
| 2.6 小结 |
| 第3章 杂波环境下雷达目标跟踪 |
| 3.1 雷达目标跟踪处理流程 |
| 3.1.1 数据预处理 |
| 3.1.2 数据关联 |
| 3.1.3 航迹更新 |
| 3.1.4 航迹状态管理 |
| 3.1.5 航迹新建 |
| 3.1.6 航迹终止与删除 |
| 3.2 杂波环境下多假设目标跟踪遭遇的挑战 |
| 3.3 小结 |
| 第4章 杂波环境下的改进多假设目标跟踪方法 |
| 4.1 杂波环境下数据场景特性 |
| 4.2 杂波环境下传统多假设目标跟踪方法的分析 |
| 4.3 数据预处理 |
| 4.4 改进多假设目标跟踪方法 |
| 4.4.1 约束性K近邻关联方法 |
| 4.4.2 MSM-MHT方法原理与实现 |
| 4.5 验证与对比 |
| 4.5.1 真实数据条件下的验证与对比 |
| 4.5.2 仿真数据条件下的验证与对比 |
| 4.6 小结 |
| 第5章 结论与展望 |
| 5.1 总结与结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）基于深度信念网络的闭环供应链网络优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1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 相关研究综述 |
| 1.2.1 确定环境下的供应链网络规划研究 |
| 1.2.2 不确定环境下的供应链网络规划研究 |
| 1.3 主要研究内容及创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 创新点 |
| 1.4 技术路线 |
| 第2章 闭环供应链网络优化相关理论 |
| 2.1 闭环供应链网络规划基本理论 |
| 2.1.1 供应链网络相关概念 |
| 2.1.2 闭环供应链网络结构 |
| 2.1.3 闭环供应链网络优化设计的主要内容 |
| 2.2 闭环供应链网络中的不确定性 |
| 2.2.1 闭环供应链网络不确定性的来源及特点 |
| 2.2.2 供应链网络不确定产生机理 |
| 2.3 不确定性优化方法 |
| 2.3.1 模糊规划方法 |
| 2.3.2 随机规划方法 |
| 2.3.3 鲁棒优化方法 |
| 2.4 本章小结 |
| 第3章 基于多面体不确定集的鲁棒优化模型构建 |
| 3.1 问题描述与假设 |
| 3.1.1 问题描述 |
| 3.1.2 参数符号及含义 |
| 3.1.3 基本假设 |
| 3.2 闭环供应链网络多目标模型构建 |
| 3.2.1 闭环供应链网络成本函数 |
| 3.2.2 闭环供应链网络碳排放函数 |
| 3.2.3 闭环供应链网络顾客满意度损失函数 |
| 3.2.4 多目标约束 |
| 3.3 基于多面体不确定集的鲁棒优化模型构建 |
| 3.3.1 不确定参数描述 |
| 3.3.2 多目标鲁棒线性优化模型 |
| 3.4 本章小结 |
| 第4章 基于深度信念网络的市场需求预测 |
| 4.1 DBN |
| 4.1.1 RBM |
| 4.1.2 Gibbs采样 |
| 4.1.3 基于CD算法的RBM学习过程 |
| 4.1.4 共轭梯度算法 |
| 4.1.5 DBN学习过程 |
| 4.2 基于DBN市场需求预测 |
| 4.2.1 市场需求预测指标及数据处理 |
| 4.2.2 DBN预测模型关键参数设定 |
| 4.2.3 基于DBN的市场需求预测 |
| 4.3 本章小结 |
| 第5章 案例分析 |
| 5.1 案例背景 |
| 5.1.1 案例描述 |
| 5.1.2 家电供应链网络参数设定 |
| 5.2 模型算法设计与评价 |
| 5.2.1 Levy飞行搜索机制 |
| 5.2.2 动态参数调整策略 |
| 5.2.3 算法性能评价 |
| 5.3 结果分析 |
| 5.3.1 不确定环境下的网络规划方案 |
| 5.3.2 敏感性分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（7）动态环境下多机器人协同搜救任务分配方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 灾后搜救工作部署方法研究现状 |
| 1.2.2 多机器人任务分配方法研究现状 |
| 1.2.3 多机器人巡逻方法研究现状 |
| 1.3 相关研究存在的问题 |
| 1.4 研究内容和主要创新工作 |
| 1.5 论文组织架构 |
| 第二章 多机器人协同搜索与救援任务分配分析与建模 |
| 2.1 引言 |
| 2.2 多机器人任务分配分析 |
| 2.2.1 多机器人任务分配类型研究 |
| 2.2.2 搜索与救援任务场景分析 |
| 2.2.3 任务约束条件分析 |
| 2.3 搜索与救援场景下多机器人任务分配建模 |
| 2.3.1 多机器人救援任务分配模型 |
| 2.3.2 多机器人搜索任务分配模型 |
| 2.4 多机器人协同搜索与救援的任务分配模式与体系结构 |
| 2.4.1 多机器人系统控制的体系结构分析 |
| 2.4.2 多机器人协同搜索与救援的分布式任务分配模式与体系结构 |
| 2.5 本章小结 |
| 第三章 双优化目标的多机器人搜索任务分配 |
| 3.1 引言 |
| 3.2 多目标优化问题相关定义 |
| 3.3 多机器人搜索任务分配的蚁群优化算法改进 |
| 3.3.1 搜索任务分配方案的构建 |
| 3.3.2 信息素更新规则 |
| 3.4 基于双目标多蚁群优化的文化基因算法 |
| 3.4.1 简化的多蚁群优化算法 |
| 3.4.2 Pareto最优解在限制邻域的局部优化 |
| 3.4.3 序列变邻域下降与蚁群优化的集成 |
| 3.4.4 计算复杂度分析 |
| 3.5 仿真实验结果与分析 |
| 3.5.1 实验一:机器人从同一地点出发 |
| 3.5.2 实验二:机器人从不同地点出发 |
| 3.6 本章小结 |
| 第四章 动态环境下多机器人巡逻的在线搜索任务分配方法 |
| 4.1 引言 |
| 4.2 基于图论的多机器人巡逻问题 |
| 4.3 基于动态图划分的贝叶斯学习策略 |
| 4.3.1 策略的基本框架 |
| 4.3.2 基于奖励机制的动态图划分 |
| 4.3.3 多机器人巡逻的贝叶斯模型改进 |
| 4.3.4 计算复杂度分析 |
| 4.4 仿真实验结果与分析 |
| 4.4.1 参数σ和mc对算法性能的影响 |
| 4.4.2 不同算法性能的比较 |
| 4.4.3 随时间变化的算法效果分析 |
| 4.4.4 不同机器人初始位置对算法性能的影响 |
| 4.4.5 动态环境仿真–不可靠的通信环境对算法性能的影响 |
| 4.4.6 动态环境仿真–机器人数量变化对算法性能的影响 |
| 4.5 本章小结 |
| 第五章 动态环境下有截止时间的多机器人救援任务分配 |
| 5.1 引言 |
| 5.2 基于共识的拍卖算法的任务分配方法介绍 |
| 5.3 基于共识的拍卖算法的任务选择阶段改进 |
| 5.3.1 分解任务选择阶段的集群优先策略 |
| 5.3.2 基于概率选择的任务选择方法 |
| 5.3.3 收敛性分析 |
| 5.3.4 计算复杂度分析 |
| 5.4 基于共识的拍卖算法的共识阶段改进 |
| 5.4.1 块共享策略 |
| 5.4.2 基于集群优先的机器人动态分组的任务分配 |
| 5.4.3 动态环境下的任务分配 |
| 5.4.4 机器人之间的通信与信息同步 |
| 5.5 仿真实验结果与分析 |
| 5.5.1 较小规模(任务数量)问题的仿真结果与分析 |
| 5.5.2 较大规模(任务数量)问题的仿真结果与分析 |
| 5.5.3 动态环境下问题的仿真结果与分析 |
| 5.6 本章小结 |
| 第六章 多机器人协同搜索与救援任务分配应用原型系统构建及验证 |
| 6.1 基于无人机的多机器人协同搜索与救援任务分配应用原型系统 |
| 6.1.1 无人机的运动控制 |
| 6.1.2 多无人机的地面监控 |
| 6.2 基于多无人机的现场搜索与救援实验设计 |
| 6.3 基于多无人机的现场搜索与救援实验与分析 |
| 6.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）供应链复杂系统脆性传播模型与管控方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 国内外研究综述 |
| 1.2.1 复杂系统脆性理论研究综述 |
| 1.2.2 供应链脆性及相近理论研究综述 |
| 1.2.3 供应链脆性管控相关理论研究综述 |
| 1.2.4 研究述评 |
| 1.3 研究思路与研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 论文框架和研究内容 |
| 1.4 研究意义 |
| 1.5 本章小结 |
| 2 供应链脆性系统分析及理论研究框架构建 |
| 2.1 供应链复杂网络系统分析 |
| 2.1.1 供应链拓扑网络界定 |
| 2.1.2 供应链网络复杂性与自适应性 |
| 2.2 供应链脆性内涵 |
| 2.2.1 供应链脆性概念 |
| 2.2.2 供应链网络脆性崩溃 |
| 2.2.3 供应链脆性与其它复杂特性的关系 |
| 2.3 供应链脆性系统构成 |
| 2.3.1 供应链脆性环境 |
| 2.3.2 供应链脆性基元 |
| 2.3.3 供应链脆性事件 |
| 2.4 供应链系统脆性模型 |
| 2.5 供应链脆性理论研究体系框架 |
| 2.6 本章小结 |
| 3 不确定性供应链多目标多周期混合整数规划配流模型研究 |
| 3.1 带有双层时间属性的供应链拓扑网络构建 |
| 3.2 问题描述 |
| 3.3 不确定需求供应链多目标多周期混合整数规划配流模型 |
| 3.3.1 参数设置 |
| 3.3.2 建模假设 |
| 3.3.3 模型建立 |
| 3.4 算法设计 |
| 3.5 算例分析 |
| 3.6 灵敏度分析 |
| 3.6.1 γ值、S′与m的灵敏度分析 |
| 3.6.2 γ值、P′与m的灵敏度分析 |
| 3.6.3 γ值、h_k与P′的灵敏度分析 |
| 3.7 本章小结 |
| 4 不确定性供应链脆性激发模型与仿真算法研究 |
| 4.1 供应链脆性激发原理 |
| 4.1.1 供应链脆性激发内涵 |
| 4.1.2 供应链脆性激发动因 |
| 4.1.3 供应链脆性激发过程 |
| 4.2 脆性触发概率P_s的求解设计 |
| 4.2.1 数学模型 |
| 4.2.2 算法设计 |
| 4.3 不确定性供应链脆性网络配流建模 |
| 4.3.1 建模思路 |
| 4.3.2 模型建立 |
| 4.4 供应链复杂系统脆性激发仿真模型 |
| 4.4.1 供应链脆性激发仿真参数设计 |
| 4.4.2 供应链脆性激发仿真算法 |
| 4.5 算例仿真 |
| 4.6 本章小结 |
| 5 不确定性供应链脆性传播模型与仿真算法研究 |
| 5.1 供应链脆性传播内涵及动因 |
| 5.2 供应链脆性传播研究的理论基础 |
| 5.2.1 相继故障理论 |
| 5.2.2 元胞自动机理论 |
| 5.3 不确定性供应链脆性传播元胞自动机仿真模型 |
| 5.3.1 模型构建 |
| 5.3.2 仿真算法 |
| 5.4 算例仿真 |
| 5.5 本章小结 |
| 6 不确定性供应链脆性演化模型与仿真算法研究 |
| 6.1 供应链脆性演化内涵及动因 |
| 6.2 供应链适应性AGENT图脆性演化模型 |
| 6.2.1 供应链适应性Agent图模型 |
| 6.2.2 供应链适应性Agent图脆性演化参数设计 |
| 6.2.3 供应链适应性Agent图脆性演化规则 |
| 6.2.4 供应链适应性Agent图脆性演化方程 |
| 6.3 不确定性供应链适应性AGENT图脆性演化仿真算法 |
| 6.4 算例仿真 |
| 6.4.1 不考虑节点自适应性的供应链脆性演化仿真 |
| 6.4.2 考虑节点自适应性的供应链脆性演化仿真 |
| 6.4.3 考虑季节需求特性的供应链脆性演化仿真 |
| 6.4.4 供应链脆性演化行为仿真 |
| 6.5 本章小结 |
| 7 不确定性供应链多目标多周期脆性管控模型研究 |
| 7.1 概念界定与研究维度 |
| 7.2 问题提出 |
| 7.3 不确定性供应链多目标多周期脆性管控混合整数规划模型 |
| 7.3.1 建模思路 |
| 7.3.2 模型构建 |
| 7.4 算例分析 |
| 7.4.1 数据准备 |
| 7.4.2 配流结果 |
| 7.4.3 对比分析 |
| 7.5 灵敏度分析 |
| 7.5.1 γ值的灵敏度分析 |
| 7.5.2 γ值与P_s值的灵敏度分析 |
| 7.5.3 h_k值与P_s值的灵敏度分析 |
| 7.6 本章小结 |
| 8 研究结论与展望 |
| 8.1 论文主要工作 |
| 8.2 主要创新点 |
| 8.2.1 创新特点 |
| 8.2.2 论文创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 附录 A 供应链网络配流已知参数及配流结果 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）大型体育赛事食品冷链物流网络构建研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.1.1 我国的全球体育影响力逐年上升 |
| 1.1.2 大型体育赛事对冷链食品的需求复杂 |
| 1.1.3 冷链物流是保障大型体育赛事食品安全的重要环节 |
| 1.1.4 构建大型体育赛事食品冷链物流网络十分必要 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实践意义 |
| 1.3 相关概念界定 |
| 1.3.1 大型体育赛事 |
| 1.3.2 体育赛事物流 |
| 1.3.3 食品冷链 |
| 1.3.4 物流网络 |
| 1.4 研究内容与方法 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.4.3 研究方法 |
| 1.5 论文创新点 |
| 2 研究综述 |
| 2.1 大型体育赛事物流研究综述 |
| 2.1.1 理论研究 |
| 2.1.2 应用研究 |
| 2.2 食品冷链物流研究综述 |
| 2.2.1 食品冷链配送中心选址 |
| 2.2.2 食品冷链物流运输 |
| 2.3 物流网络研究综述 |
| 2.3.1 物流网络的概念 |
| 2.3.2 物流网络的构成 |
| 2.3.3 物流网络的构建 |
| 2.4 物流中断研究综述 |
| 2.4.1 网络弹性 |
| 2.4.2 网络中断恢复 |
| 2.5 本章小结 |
| 3 大型体育赛事食品冷链物流网络构建的影响机理分析 |
| 3.1 大型体育赛事食品冷链物流网络构建的多维概念模型 |
| 3.1.1 质态维度 |
| 3.1.2 空间维度 |
| 3.1.3 量态维度 |
| 3.1.4 流程维度 |
| 3.2 大型体育赛事食品冷链物流网络构建的全流程分析 |
| 3.2.1 初级农产品物流网络的全流程 |
| 3.2.2 加工食品物流网络的全流程 |
| 3.3 大型体育赛事食品冷链物流网络构建的特征分析 |
| 3.3.1 物流对象复杂 |
| 3.3.2 配送中心硬件要求高 |
| 3.3.3 配送车辆购置和运营成本高 |
| 3.3.4 物流流向以正向为主 |
| 3.3.5 配送流程短、流速快 |
| 3.3.6 兼顾物流效率与效益 |
| 3.4 本章小结 |
| 4 考虑多商品多车型的大型体育赛事食品冷链物流网络构建 |
| 4.1 考虑多商品多车型的研究背景 |
| 4.2 考虑多商品多车型的问题描述 |
| 4.3 多商品多车型赛事物流网络模型 |
| 4.3.1 符号说明 |
| 4.3.2 双目标分析 |
| 4.3.3 模型构建 |
| 4.3.4 模型强化 |
| 4.4 多商品多车型赛事物流网络构建的算法设计 |
| 4.4.1 多目标转化 |
| 4.4.2 分支定界求解 |
| 4.5 考虑多商品多车型的案例分析 |
| 4.5.1 案例背景 |
| 4.5.2 结果分析 |
| 4.5.3 灵敏度分析 |
| 4.5.4 求解规模分析 |
| 4.6 本章小结 |
| 5 考虑食品最佳储存期的大型体育赛事食品冷链物流网络构建 |
| 5.1 考虑食品最佳储存期的研究背景 |
| 5.2 考虑食品最佳储存期的问题描述 |
| 5.3 多周期赛事物流网络模型 |
| 5.3.1 符号说明 |
| 5.3.2 模型构建 |
| 5.4 BENDERS分解算法 |
| 5.4.1 Benders算法分析 |
| 5.4.2 多周期赛事物流网络构建的算法设计 |
| 5.5 考虑食品最佳储存期的案例分析 |
| 5.5.1 案例背景 |
| 5.5.2 结果分析 |
| 5.6 本章小结 |
| 6 考虑中断风险的大型体育赛事食品冷链物流网络构建 |
| 6.1 物流网络中断风险要素分析 |
| 6.2 物流网络中断风险预警机制设计 |
| 6.2.1 中断风险指标体系构建 |
| 6.2.2 中断风险预警系统设计 |
| 6.2.3 中断风险预控策略 |
| 6.3 考虑中断风险的赛事物流网络模型 |
| 6.3.1 考虑中断风险的研究背景 |
| 6.3.2 考虑中断风险的问题描述 |
| 6.3.3 符号说明 |
| 6.3.4 模型构建 |
| 6.4 基于距离矩阵的变邻域搜索算法 |
| 6.5 仿真测试分析与验证 |
| 6.5.1 算例设计 |
| 6.5.2 仿真结果及分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）不确定环境下的集装箱多式联运运输路径鲁棒优化研究（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 问题的提出 |
| 1.1.3 研究意义 |
| 1.2 研究目标 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容与运输情景界定 |
| 1.3.2 研究方法与技术路线图 |
| 1.4 章节安排 |
| 第二章 文献综述 |
| 2.1 多式联运概述 |
| 2.1.1 多式联运运输形式 |
| 2.1.2 多式联运运营网络分析 |
| 2.2 确定环境下的多式联运路径优化研究 |
| 2.2.1 多式联运优化目标:单目标路径优化与多目标路径优化 |
| 2.2.2 不同货品的多式联运运输路径优化问题 |
| 2.2.3 特殊场景下的多式联运运输路径优化问题 |
| 2.2.4 多式联运优化问题的求解方法 |
| 2.3 不确定环境下多式联运路径优化研究 |
| 2.3.1 不确定的描述方法 |
| 2.3.2 不确定环境下的多式联运路径优化 |
| 2.4 运输路径鲁棒优化研究 |
| 2.4.1 鲁棒线性优化理论 |
| 2.4.2 运输路径的鲁棒性 |
| 2.4.3 运输路径鲁棒优化现状 |
| 2.5 研究评述 |
| 第三章 考虑集装箱使用限制的多式联运运输路径优化 |
| 3.1 问题描述 |
| 3.2 模型建立 |
| 3.2.1 模型参数 |
| 3.2.2 模型目标函数 |
| 3.2.3 模型约束 |
| 3.3 求解步骤 |
| 3.4 案例分析 |
| 3.4.1 案例描述 |
| 3.4.2 案例结果 |
| 3.4.3 案例分析 |
| 3.5 本章小结 |
| 第四章 运输价格不确定的多式联运运输路径鲁棒优化 |
| 4.1 问题描述 |
| 4.2 模型建立 |
| 4.2.1 模型参数 |
| 4.2.2 确定情形下的运输路径优化模型 |
| 4.2.3 运输价格不确定情形下的鲁棒转化模型 |
| 4.3 大规模算例分析 |
| 4.3.1 算例描述 |
| 4.3.2 参数敏感度分析 |
| 4.4 本章小结 |
| 第五章 运输能力不确定的多式联运运输路径鲁棒优化 |
| 5.1 问题描述 |
| 5.2 模型建立 |
| 5.2.1 模型参数 |
| 5.2.2 确定情形下的运输路径优化模型 |
| 5.2.3 运输能力不确定情形下的鲁棒转化模型 |
| 5.3 大规模算例分析 |
| 5.3.1 算例介绍 |
| 5.3.2 参数敏感性分析 |
| 5.4 本章小结 |
| 第六章 运输价格和运输能力双因素扰动的多式联运运输路径鲁棒优化 |
| 6.1 问题描述 |
| 6.2 模型建立 |
| 6.2.1 模型参数 |
| 6.2.2 多式联运运输路径基础优化模型 |
| 6.2.3 运输能力和运输价格不确定的鲁棒优化 |
| 6.2.4 运输价格和运输能力双因素扰动下的鲁棒转化模型 |
| 6.3 模型的求解 |
| 6.3.1 粒子群-遗传混合算法 |
| 6.3.2 粒子群-遗传混合算法步骤 |
| 6.4 大规模算例分析 |
| 6.4.1 算例介绍 |
| 6.4.2 算法性能测试 |
| 6.4.3 参数敏感性分析 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介、攻读博士期间发表论文及参与科研课题情况 |
四、多目标多约束水平的动态运输问题（论文参考文献）
- [1]区域综合能源网统一网络流多目标协调优化方法研究[D]. 胡幸集. 大连理工大学, 2021(01)
- [2]考虑能耗的自动化集装箱码头作业设备协同调度优化[D]. 赵倩儒. 北京交通大学, 2021(02)
- [3]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
- [4]基于流程网络仿真的钢铁企业炼钢调度和能源优化[D]. 梁青艳. 钢铁研究总院, 2021(01)
- [5]杂波环境下雷达目标多假设跟踪改进算法研究[D]. 张良成. 四川大学, 2021(02)
- [6]基于深度信念网络的闭环供应链网络优化[D]. 高秀秀. 沈阳大学, 2021(06)
- [7]动态环境下多机器人协同搜救任务分配方法研究[D]. 陈昕叶. 华南理工大学, 2020(05)
- [8]供应链复杂系统脆性传播模型与管控方法研究[D]. 曹伟. 北京交通大学, 2020(03)
- [9]大型体育赛事食品冷链物流网络构建研究[D]. 李瀑. 北京交通大学, 2020(03)
- [10]不确定环境下的集装箱多式联运运输路径鲁棒优化研究[D]. 陈丹丹. 东南大学, 2020(02)