基于配送企业车辆资源的限制和客户需求时间窗的要求, 在考虑外包车辆和配送人员加班的情况下, 对带时间窗的车辆调度问题进行扩展研究. 根据客户需求的随机性特点构建以最小化车辆配送总成本为目标的机会约束规划模型, 并设计求解该问题的模拟植物生长算法. 结合车辆调度具体实例, 将模拟植物生长算法与遗传算法进行比较, 结果表明该算法不仅可以获得最优解, 而且提高了求解效率, 是一种有效的方法.
实际到达时间的大小直接影响出行感受, 从而影响出行者的路径决策. 在一个出行时间不确定的网络中, 路径的实际到达时间也是不确定的, 以偏好到达时间为分界点, 本文对实际到达时间所处的可能区域进行了划分, 在累积前景理论框架下建立了到达时间感知价值函数, 在此基础上假设累积感知价值是由出行收益、出行负效用和到达时间感知价值三部分构成, 构建了一个基于累积感知价值的静态网络均衡模型, 探讨了均衡解的存在性和唯一性并设计了求解算法. 最后, 通过两个数值算例分析了模型参数改变对均衡结果的影响.
本文给出一种梯形模糊数的距离, 并基于这种距离, 建立了关于梯形模糊数的模糊最小一乘回归模型. 针对输入、输出和回归系数分别为实数和梯形模糊数的三种情形, 进行了详细的研究与分析. 最后, 通过3个实例验证了所提模型的有效性. 数据模拟结果表明我们的方法具有较好的拟合效果.
针对"硬失效"故障的两部件串联系统, 制定了周期性视情预防更换、机会更换和故障更换相结合的维修策略, 提出了劣化状态空间分割方法以分析机会维修模型中系统的各种维修组合的维修概率, 并给出了系统稳态联合概率密度的数值近似求解方法. 应用该方法建立了基于半更新过程理论的系统长期平均费用率模型, 求解最优维修策略对应的检测周期、机会和预防维修阈值. 数值实验表明了劣化状态空间分割法和费用率模型的正确性和有效性, 分析了优化结果对各种费用参数的灵敏程度.
为解决因水质预警耦合因素多, 预警模式复杂以及信息不完整所引起的水质预警精度低问题, 提出了粗糙集融合支持向量机(RS-SVM)的水质预警模型. 首先采用粗糙集对14个初始预警指标进行属性约简, 去除冗余或干扰特征, 得到基于5个核心预警指标的数据集, 以此数据集对支持向量机进行训练优化, 构建RS-SVM水质预警模型. 运用该模型对江苏宜兴市集约化河蟹养殖池塘水质进行预警, 实证对比分析, 对于不同的警度级别, 预警精度都在91%以上, 与标准支持向量机和BP神经网络模型相比, 该模型不仅具有计算效率高、预警性能好, 且预警结果与实际情况比较吻合, 为集约化水产养殖水质预警提供了一种新思路.
