【摘 要】
：
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
【基金项目】
：
国家自然科学基金项目“多维概率模型进化算法求解低碳车辆配送问题研究”,项目编号:61963022； 国家自然科学基金项目“基于问题联结关系的混合分布估计调度理论与方法研究”,项目编号:51665025；
论文部分内容阅读
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。
其他文献
图像分割是将图像分割为互不相交、具有独特性质的区域的过程,是计图像场景理解中的关键点,是计算机视觉的基石任务。近年来,随着视觉场景技术的不断深入,图像分割被广泛的应用在医学诊断、自动驾驶、交通系统、增强现实等领域。传统的基于活动轮廓的分割方法可根据图像本身信息演化曲线至目标轮廓上,常用于快速分割具有复杂结构的图像。但是,该方法无法通过学习大量的数据来获取高级特征。随着深度学习的发展,基于全卷积网络
铁磁性材料零部件被广泛地应用于大型机械设备、航天航空、管道运输等领域,铁磁性材料零部件在长期的服役过程中,由于受运行环境、制造工艺和使用方式等因素的影响,易产生表面或内部不同程度的损伤,影响设备运行情况及使用寿命,留下安全隐患,甚至造成工业事故。为此,对设备的铁磁性材料零部件及时地进行非接触、非侵入的检测变得十分重要。为了构建非接触、非侵入的缺陷检测模型,本文利用无损检测技术中的红外热成像技术,建
近年来,随着物联网、微电子技术和无线充电技术的飞速发展,无线传感器网络逐渐在工业应用中发挥重要作用。可以由无线充电器提供能量补充的传感器网络称为无线可充电传感器网络（Wireless Rechargeable Sensor Networks,WRSN）,通常它由数量庞多的传感器节点组成,用于监测外界环境、数据传输、边缘计算。传感器节点通常由微电子组件和蓄电池构成,而能量有限的电池是制约WRSN寿命
周期性车辆路径问题（Periodic Vehicle Routing Problem,PVRP）是传统车辆路径问题的一个重要拓展,主要是为了满足客户多次配送服务的要求,优化配送周期内的客户组合和配送路径。目前,环境与能源问题的日益严峻,每个国家对环保的要求越来越严格。因此,考虑燃油消耗和碳排放等因素的绿色周期性车辆路径问题（Green Periodic Vehicle Routing Proble
节点被捕获是无线传感器网络（Wireless Sensor Network,WSN）内部攻击的第一阶段攻击,适宜的检测方法能够更好的保护WSN网络安全。在该论文提出的检测方法中,决策节点通过邻居节点交互信息得到决策,并将得到的决策由多跳路由发送给基站,基站将被认定已捕获的节点进行隔离。对于休眠机制问题,很多检测方法使用的是同步休眠而非异步休眠,甚至有些方法并不考虑休眠的问题;对于通信结构问题,现有
近几年,视网膜图像的血管分割一直是医学领域的研究热点,精确的分割视网膜血管是很多疾病诊断的重要前提,常常被作为诊断视网膜血管病变、糖尿病、高血压、青光眼的重要手段。传统的眼底血管分割是由医生手动完成的,但存在耗时长、过度依赖医生专业性的问题,随着图像处理的快速发展,视网膜自动分割取得了一些进展。然而,眼底血管图像存在数据集少、血管大小尺寸不一和病变背景干扰的问题,加大了图像分割的难度,也导致了视网
太阳耀斑是一种剧烈的太阳活动形式,强烈太阳耀斑引起的X射线增强会导致短波无线电衰减,从而影响无线电通信系统、全球定位系统、卫星和航天员的安全,造成大量的经济和商业损失。因此,建立太阳耀斑预报模型对空间天气预报具有重要意义。耀斑指数是对全日面耀斑活动强度的一个量化描述指数,是太阳辐射研究领域中最重要的太阳活动指数之一。相较于其他的太阳活动指数序列,耀斑指数时间序列的突发性更强,预测难度更大。耀斑指数
近年来,云计算相关技术不断发展成熟,云计算技术的应用领域也越来越广泛,云计算技术逐渐成为IT行业的主流技术。云环境具有动态性、复杂性、共享性和大规模等特点,在复杂的云环境下,如果运行数据存在异常,将会影响云环境的正常运行,给云环境的可用性和稳定性带来巨大挑战。为了保证云环境可用性和稳定性,国内外相关专家对云环境下运行数据的监测和异常检测以及预测方法进行了深入研究,且提出了相关运行数据的监测框架和异
磁共振成像（Magnetic Resonance Imaging,MRI）在治疗检测和医疗诊断等领域的应用很广泛,并且没有电离辐射危害。然而,过长的扫描时间成为了MRI最主要的缺点。因此,为了在保证MRI质量的同时提高成像速度,本文研究利用深度学习的网络模型,设计有效的MRI网络模型来提高磁共振图像的重构性能。本文的主要研究内容如下:（1）采用Calgary-Campinas的脑部原始数据,并对数
深度学习是人工神经网络的一个分支,这个概念一提出就引起了社会各界的高度关注,掀起了研究热潮。随着社会高度智能化发展,智能安防、刑侦、无人超市等领域对行人重识别技术的需求尤为明显。在这些行业发展和社会需求的促使下,基于深度学习的行人重识别迅速成为计算机领域的热门话题。行人重识别通过给定的查询行人图像进行跨摄像机检索,找出与查询身份相匹配的行人。然而,由于受到不同视角下的背景、光照等因素影响,采集到的