一、关于Fuzzy约束条件下多目标线性规划问题方法的改进（论文文献综述）
王志东[1]（2021）在《阿克苏河流域水土资源优化配置及种植结构空间格局优化》文中认为水土资源是人类赖以生存发展的基础性资源,尤其在干旱绿洲区,水土资源的重要性更加明显。阿克苏河流域是我国西北典型的内陆河绿洲区,近年来,随着气候变化和人类活动的影响,阿克苏河流域出现了水资源短缺、地下水位下降、生态环境破坏等一系列问题。因此,如何在气候变化背景下,以保护生态为前提,实现流域水土资源的合理分配是当前亟需解决的问题。同时,阿克苏河流域作为典型的绿洲农业区,农业用水量占比达80%以上,准确获取流域作物种植结构,实现流域农业用水及种植结构的空间格局优化是流域水土资源配置问题中的重点。本文在总结分析国内外研究进展的基础上,首先基于Can ESM2模式采用SDSM方法进行降尺度,预测了流域未来主要气象因子的时空变化规律,然后分别采用作物系数法和神经网络模型预测计算流域未来的需水量和供水量;之后构建了不同情景下同时考虑经济-社会-生态的多目标优化模型,实现了气候变化下流域水土资源的优化配置。同时,以国产GF-1数据为基础,构建不同作物多时相NDVI变化曲线,结合实地调研数据,采用监督分类方法,获取了流域绿洲区当前的种植结构,以此为基础,分析了当前绿洲区农业需水量的空间分布。构建了多目标作物种植结构空间格局优化模型,实现了阿克苏河流域作物种植结构数量和空间布局的双重优化。本文主要的结论如下:（1）基于气候变化模拟分析了阿克苏河流域不同气候情景下的需水量和供水量的变化。阿克苏河流域在未来气候情景下气候变化主要表现为气温升高和降雨减少,RCP8.5情景下气象因子的变化幅度大于RCP4.5情景。未来气候情景下,阿克苏河流域ET0在RCP4.5和RCP8.5两种情景下分别以10.02 mm/10a和16.65 mm/10a的速度增加。ET0的增加将导致流域植被需水量增加,随着节水灌溉技术的进步,流域不同土地类型单位面积需水量增速将有所缓和。同时,温度升高加速了流域北部山区冰川的融化速度,2050年以前两种气候情景下的地表径流呈上升趋势。在缩减地下水开采量的基础上,流域水资源可利用量在2050年以前,依然会有略微增加,RCP8.5情景下的增加量大于RCP4.5。（2）基于多目标水土资源优化模型实现了阿克苏河流域保护生态背景下不同情景水土资源优化配置方案。目前,在满足生态用水的前提下,流域缺水量为7.61×108 m3。为满足当前情况下流域供需水平衡,流域应减少耕地面积以减少相应的农业用水,通过多目标模型求解及解集优选,当前配置下应减少耕地950.7 km2,主要在阿瓦提县、阿克苏市、阿拉尔市等单位面积耕地需水量高的地区,占耕地总量的17%左右。考虑到流域生态保护,中期规划年和远期规划年流域林地和水域面积持续增加。同时,随着节水技术的进步,到2050年,在保证耕地面积不小于4500 km2的前提下,阿克苏河可以为下游塔里木河提供更多的生态恢复用水。（3）基于多时相GF-1、气象及灌溉数据,分析了阿克苏河流域绿洲区作物种植结构及需水量的空间分布。多时相NDVI序列下,监督分类中最大似然法分类结果最优,总体精度达93.08%,Kappa系数达0.913。监督分类结果显示粮食作物（水稻、玉米、小麦）主要分布在流域上游的乌什县和温宿县;经济作物棉花主要分布在阿克苏市、阿拉尔市及农一师的部分农场;果树主要分布在阿克苏市和阿瓦提县。由于气候和作物种植结构影响,流域作物需水量和灌水量时空分布存在较大差异,时间上,春夏季需水量占全年需水量70%左右;空间上,温宿县附近流域需水量和灌水量明显高于其它地区。另外,同种作物需水量在不同区域也存在差异,如棉花年需水量在509.5～553.3 mm之间,不同地区需水差异达43.8 mm。（4）基于多目标作物种植结构空间优化模型,提出了流域种植结构空间格局优化方法。以种植效益,流域月均NDVI总和,种植结构转化成本为目标的多目标空间格局优化模型可以在“压井缩田,退耕还林”的前提下实现阿克苏河流域种植结构的空间格局优化。对比不同算法对空间多目标模型的求解结果,MOPSO算法表现最优。通过优化,耕地面积减少18%左右,与前章水土资源优化结果相似。耕地减少主要在农一师1团2团及阿克苏市西部地区。综上,流域未来气候变化主要表现为气温升高和降雨减少,气候变化将使水资源供需发生变化,不同情景下的多目标水土资源优化模型可以在生态保护的前提下实现经济-社会-生态最优;高分辨率卫星数据可以实现流域复杂种植结构的提取,以此为基础构建的多目标种植结构空间格局优化模型可以在保证粮食自给量的前提下实现作物种植数量和空间布局的双重优化。
高秀秀[2]（2021）在《基于深度信念网络的闭环供应链网络优化》文中研究指明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。
刘兰芬[3]（2020）在《多产品多目标集约生产计划问题及算法研究》文中研究表明制造业在国民经济中占比较大,是国民经济发展的重要基础,其对国民经济的发展至关重要。随着经济的全球化、市场的国际化以及人工费用的不断增加,传统制造业遇到了发展瓶颈,制造业面临的竞争日趋激烈,受到较大的外部环境及竞争压力影响。企业为了自身的发展需要不断改善企业的管理水平,优化企业运作流程,降低生产成本,以提高自身竞争力。日益激烈的市场竞争使企业必须面对不断变化的市场环境,产品的多样性和激烈的竞争使得制造业和供应链的稳定性变得比以往更加重要,为提高企业的应变能力、降低生产成本,企业就需要合理安排生产计划。本文充分考虑原材料、库存成本和产品需求之间的关系,以总生产成本及员工不稳定性最小为目标,分别建立多品种集约生产计划的确定型、随机型和模糊型多目标规划模型;结合局部搜索算法,设计了各类模型的算法,并利用算例对比分析了各算法的效果。本文的主要研究内容包括以下几个方面。（1）在需求确定的情况下,考虑原材料采购、库存成本和产品需求之间的关系,从总生产成本及员工不稳定性方面入手,建立确定型多品种集约生产计划的多目标规划模型。在分析各期计划产量和员工人数可行范围的基础上,基于增广圈算法设计了局部搜索算法,在此基础上设计遗传算法（LS-GA）,并利用测试算例对EBEGA、MPGA和NSGA-II策略进行对比分析。为了提升大规模多目标APP问题的求解效率,基于PSO算法的全局搜索能力及局搜索遗传算法的局部搜索能力,提出了基于分阶段的混合GA-PSO算法（HGA-PSO1）和基于分群的混合GA-PSO算法（HGA-PSO2）;最后,选取多目标算法性能评价指标对各算法进行对比分析。（2）考虑生产企业出现提前或延期交货的情况,对提前、拖期交货的影响进行分析,提出损失阈值确定方法,推算不同拖后期客户最大容许的缺货量,确定了拖期交货及失销的成本,考虑产品生产成本、原材料成本、产品库存成本、员工成本、拖期交货和失销成本等方面以及员工的稳定性,建立了提前/拖期交货APP问题的多目标模型,依据各期产品产量及员工人数可行范围分析,设计LS-GA、HGA-PSO1和HGA-PSO2三种算法,最后利用算例对算法进行对比分析。（3）从外部需求及内部能力引起的不确定因素入手,考虑产品需求及生产能力的不确定性,构建随机期望机会成本和员工不稳定性最小的多目标随机规划APP模型;在一定的置信水平下,将机会约束进行转化处理,确定了产品产量及员工人数可行范围,结合局部搜索的遗传算法,设计了基于分阶段的随机混合GA-PSO算法（SHGA-PSO1）和基于分群的随机混合GA-PSO算法（SHGA-PSO2）对该模型进行求解,并利用算例对不同置信水平进行灵敏性分析。（4）考虑各时期需求及生产能力为模糊变量,期望在一定的置信水平下,满足市场需求及生产能力约束,构建了期望机会成本和员工不稳定性最小的多目标模糊规划APP模型;在一定的置信水平下,将机会约束进行转化处理,确定了产品产量及员工人数的可行范围,结合局部搜索的遗传算法,设计基于分阶段的模糊混合GA-PSO算法（FHGA-PSO1）和基于分群的模糊混合GA-PSO算法（FHGA-PSO2）对该模型进行求解,并利用算例对不同置信水平进行灵敏性分析。
陈丹丹[4]（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》文中进行了进一步梳理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。
张宗芳[5]（2020）在《不确定条件下多需求铁路危险品运输路径优化研究》文中研究说明伴随中国化工企业的加速成长,危险品需求数量日益扩增。铁路运输作为一种较为安全的运输方式,其危险品运输需求量也随之大幅增加,运输网络的复杂性及市场需求的不确定性越发明显。同时,由于危险品具有易燃易爆等危险特性,给铁路运输行业带来机遇的同时也带来了巨大的挑战。为了更好的满足市场需求,本文结合铁路危险品运输实际情况及其特点,将列车行驶速度与事故发生概率相关联,对铁路危险品运输进行风险分析。基于对确定条件下铁路危险品运输相关内容的研究,建立了包括单位运输成本、运能等不确定条件下带时间窗的多需求铁路危险品运输路径优化模型。最后提出基于等待时间下界的遗传算法对模型求解,并通过对实际案例的分析及求解验证了模型和算法的实用性。本文的主要研究内容有:（1）通过对铁路运输风险影响因素分析,将列车行驶速度作为影响铁路运输事故发生概率的主要决定因素,并将人口暴露数量作为事故后果衡量标准,设计适合铁路危险品运输的风险评价方法。（2）从承运商的角度针对铁路危险品运输路径优化问题进行研究,假设货运列车在不同路段上的行驶速度可以不同,以总的广义运输成本（包含在两节点城市间的运输成本、因超出时间窗范围而产生的惩罚成本、在节点城市的处理成本及等待时间成本）最低为目标,并加入风险和时间窗约束,构造出确定条件下带时间窗的多需求铁路危险品运输路径优化模型,并设计了基于等待时间下界的遗传算法进行求解。（3）考虑到在铁路危险品实际运输过程中由于某些人为、市场等因素导致单位运输成本等参数的不确定性,研究并构造出包括单位运输成本、中转处理成本及运能等不确定条件下带时间窗的多需求铁路危险品运输路径优化模型,并利用基于等待时间下界的遗传算法求解模型。最后利用铁路危险品运输实例验证了模型以及所设计算法的有效性。
刘岩峰[6]（2020）在《多重不确定性需求下装备制造企业多品种生产计划方法研究》文中研究指明企业战略目标的实现依赖于对战略指导下的生产经营活动的计划及实施。生产系统运行管理的首要职能就是对系统生产活动的计划管理。企业生产计划又是企业的总体生产大纲,在实际应用中使用较为广泛的如企业资源计划ERP、制造执行系统MES等,都需要依据生产计划大纲才能转化为可具体执行的生产作业计划并加以实施和控制。作为制造业的核心,装备制造企业在国民经济和工业建设中的地位及其重要。伴随着工业革命持续推进,客户对产品的需求也逐渐定制化、多样化,使得生产变得复杂化、分散化,装备制造企业开始转向多品种小批量生产,装备产品生产越来越柔性。产品生产的发展特征也逐渐表现出个性化、多样化。与此同时,也使装备制造企业多品种生产计划面临着客户需求多样个性、动态多变和难以预见的新挑战。但通过对覆盖了7个大类装备制造业137个企业进行访谈和问卷调查表明:相对于最终消费品制造企业而言,装备制造企业由于其产品知识密集,产品比较专业化和复杂化,设计制造上顾客参与度低以及需求变更、修改订单等原因,生产计划制定仍然面临着诸多的不确定性需求问题。当前企业都面临着市场需求的多样化、定制化和持续多变的环境问题。为了能够快速应对外部需求不断变化,如何制定计划是企业组织生产活动和生产过程的永恒主题。因此,迄今已有众多关于生产计划方法方面的研究成果,但这些方法主要是针对确定性需求或是需求数量不确定、需求数量-期限不确定情形下的生产计划制定,生产实际中大多还是基于经验或数学方法,并通过反复实验或称“试错法”来制定生产计划。面对客户需求品种、质量、数量、期限上的多重不确定性,如何描述客户需求的多重不确定性以及多重不确定性需求之间的关系?如何将这些多重不确定性需求关系及其需求共性反映到生产计划制定之中?又如何建立多重不确定性需求下多品种生产计划模型?这是生产计划管理理论和实践上亟待破解的难题。本文围绕装备制造企业多品种生产中,面临多重不确定性需求下迫切需要解决的生产计划方法问题开展研究,研究完成的主要工作有以下四个方面:（1）对多重不确定性需求以及装备制造企业多重不确定性需求概念进行了界定。首先,对不确定基本概念与相关理论基础进行了分析,主要从单重不确定性研究扩展到多重不确定研究,从常用的随机性和模糊性,也拓展到了粗糙性。然后,分别根据研究对象的不同和对象属性不同的特点进行了分类和划分,以及对相关文献的梳理,从而界定了多重不确定性和多重不确定性需求的概念。最后,通过对现实中的装备制造企业的需求问题进行了提炼和归纳,给出了装备制造企业多重不确定性需求的概念界定。（2）分析了制造企业多重不确定性需求以及它们相互之间的关系,并提出了生产计划应对的生产策略。首先,分别对生产计划制定的不确定性的品种、数量、质量、交货期等需求要素分析。其次,按照制造企业客户需求的影响过程,逐一明确各种需求之间的关系及相互影响,从而建立制造企业客户多重不确定性需求之间的关系模型。再次,采用动态情景分析描述装备制造企业多重不确定性需求的作用关系,提出了多重不确定性需求的各情景下的生产计划应对策略。最后,采用动态随机规划方法建立了多重不确定性需求下生产计划动态规划模型;并针对装备制造企业的实际问题,采用了不同的生产计划安排策略,包括先来先服务、短作业优先、需求时间优先以及最小转换成本策略等,并采用了算例模拟对比分析。研究表明:品种、数量、交货期、质量等需求要素存在着不确定性并且是相关影响的,算例结果证明该模型有效且有实用价值。（3）根据装备制造企业的订单变动和紧急订货情景,建立了多重不确定性需求下装备制造企业多品种生产计划模型。首先,对装备制造企业订单变动和紧急订货情景下产生的品种、数量、交货期和质量的需求变化进行分析。其次,根据满足客户需求、生产计划成本最小、产品生产周期最短、利润最大化四个生产目标,建立了具有多重不确定性的装备制造企业多目标生产计划模型。再次,在该模型中,不仅考虑了各种生产约束条件,还采用数学表达方式描述模糊不确定性数量需求,模糊不确定性交货期、由于客户和企业的认知不同产生的粗糙不确定性质量,以及在一定范围内波动的模糊价格需求等。最后,模型算例模拟求解采用了带精英策略的快速非支配排序遗传算法（NSGA-II）算法,结果表明该模型的有效性和可行性;同时将运算结果对比了带罚函数的粒子群算法求解该模型的模拟运算结果,对比结果表明NSGA-II算法求解本模型更适用。（4）构建了多重不确定性需求下装备制造企业多品种相似性生产计划模型。首先,针对装备制造企业分析了客户的离散随机的品种需求、模糊的交货期需求、随机的数量需求、模糊的质量需求。其次,对装备制造企业的产品和组件的相似性分析,建立了产品或组件的相似性计算模型。再次,针对产品或组件的相似性距离和多重不确定性需求的相似性,建立了基于FCM（模糊C-均值模糊聚类）的聚类模型。然后,根据聚类模型建立了相似生产计划模型,并利用多层编码遗传算法求解。最后,对比了SAGA（基于遗传模拟退火算法的聚类算法）的聚类分析,结果表明:SAGA聚类算法比FCM算法求解该聚类模型优越性更明显;对各模型进行模拟求解验证了模型的可行性和实用性。
许传博[7]（2020）在《计及不确定性与协同性的微电网项目投资组合优化研究》文中提出微电网是未来分布式能源的重要载体,其作为泛在电力物联网的重要组成部分,在城市区域、海岛及偏远地区均有广泛的应用前景。与此同时,微电网的建设隶属于新型基础设施建设的范畴,其投资建设将助力我国经济培育新增长点、形成新动能。本文以微电网项目为主体,从能源电力企业角度对其投资组合优化问题展开了研究。在对微电网项目战略对应度评估的基础上,由浅入深地构建了静态、动态、多阶段动态三种情景下的微电网项目投资组合优化模型。针对不同模型的特点,分别引入分枝定界算法、改进差分进化算法、多智能体强化学习算法进行求解,从而探索了能源电力企业在各种情景下的微电网项目最优投资组合策略。首先,论文梳理了微电网项目投资组合优化的研究背景及意义,开展了对国内外微电网项目和项目投资组合优化问题及其方法的研究综述,并概述了项目组合管理、项目投资组合优化、项目评估模型及方法、组合优化模型及方法、不确定性等相关基础理论与方法,为后续的研究奠定了理论基础和研究范围。然后,论文研究了计及双重不确定性的微电网项目战略对应度评估问题。在对中国大型能源电力企业的战略目标进行分析的基础上,提炼出绿色发展战略、效益导向战略、科技创新战略及和谐发展战略这四大重点战略目标;结合文献综述对战略目标进行分解,建立起一套完备的微电网项目战略对应评估指标体系;针对微电网项目中多种不确定性因素的影响,采用云模型来描述微电网项目的模糊-随机双重不确定性;提出云层次分析法和基于K-means算法改进的云PROMETHEE-II算法进行微电网项目的战略对应度计算。该部分研究可为能源电力企业的微电网项目的初步筛选提供理论依据。其次,论文研究了计及不确定性和协同性的微电网项目静态投资组合优化问题。对微电网项目的协同因素进行识别,针对微电网项目间可能存在的电力交易提出了新的运营协同因素;基于现有文献中对项目间协同性刻画不充分的缺陷,采用云Choquet积分结合模糊测度对微电网项目协同性进行量化;考虑到非线性问题求解的复杂性,对构建的不确定0-1非线性规划模型采用MCPPSP-GW模型进行等价线性化处理,转化为不确定0-1线性规划模型;采用精确算法中的分支定界法对不确定0-1线性规划模型进行求解。该部分研究可为能源电力企业在现有微电网项目无调整的单决策时点情景下提供投资组合决策依据。再次,论文研究了计及不确定性和协同性的微电网项目动态投资组合优化问题。引入动态的概念来考虑现有微电网项目的调整,包括升级、维持以及放弃动作;在考虑微电网项目的机会成本与沉没成本的基础上,以总净现值最大化为目标,构建微电网项目动态投资组合不确定性0-1非线性规划模型;采用云模型的去不确定性公式将其转化为确定性0-1非线性规划模型;针对差分进化算法易陷入局部最优的缺陷,提出了增加自适应算子和结合粒子群算法的一种改进差分进化算法对模型进行求解。该部分研究可为能源电力企业在现有微电网项目有调整的单决策时点情景下提供投资组合决策依据。最后,论文研究了计及不确定性和协同性的微电网项目多阶段动态投资组合优化问题。引入多阶段的概念来考虑企业在一个规划期内的连续动态投资组合问题;基于发电成本与项目电价的不确定性,采用实物期权法确定每个新微电网项目的最佳投资时机;考虑到多阶段的时序决策问题,将微电网项目多阶段动态投资组合优化问题建模为马尔可夫决策过程,并对相应的状态、动作和奖励进行定义;将每个微电网视为一个智能体,提出随机博弈理论与强化学习算法相结合的多智能体强化学习算法,对微电网项目多阶段动态投资组合优化问题进行求解。该部分研究可为能源电力企业在现有微电网项目有调整的连续多决策时点情景下提供投资组合决策依据。
李世龙[8]（2020）在《基于社会福利视角的城市配送中心布局研究》文中提出城市配送中心是城市物流设施的重要组成部分,在整个物流系统中发挥着承上启下的“枢纽”作用,其布局方式对整个物流系统的经济性和效率性有着较大影响。近年来,随着城市的规模化扩张,物流设施不断从市区向郊区迁移,这种现象被称为“物流设施外迁”（Logistics sprawl）。物流设施的外迁使得配送车辆的行驶里程大大增加,进而造成了更多的负外部性,如大气污染物排放、交通拥堵和交通噪声等,因此影响了居民生活环境,损害了社会福利。面对物流设施外迁问题,为减少物流活动的负外部性,维护社会福利,有必要对城市配送中心的布局优化问题进行深入探索。本文从社会福利视角出发,以外部性理论、模糊决策理论、系统优化理论及博弈论为基础,综合运用多准则群决策方法、整数规划建模方法、演化博弈方法,通过定性分析与定量计算相结合,研究不同信息条件下超大城市的配送中心布局优化问题以及政府的干预机制设计问题。具体做了以下几方面工作:（1）研究不确定信息条件下城市配送中心的布局优化问题。提出了一个集合了粗糙数层次分析法（RAHP）和二元语义混合有序加权平均算法（THOWA）的新多准则群决策评价方法。从经济、政策、社会、生态四个维度构建了评价指标体系;使用粗糙数层次分析法计算评价指标权重;对传统二元语义混合有序加权平均算法进行了改进,并运用其对方案的评价信息进行聚合计算。通过案例分析,验证方法的有效性,评价研究了超大城市的配送中心布局优化模式;并且对准则权重进行了灵敏度分析,验证了方法的稳定性和可靠性。（2）研究确定信息条件下城市配送中心的布局优化问题。充分考虑物流活动的各项负外部性成本,提出了新的城市配送中心布局优化的混合整数线性规划模型,模型以总成本最小化为目标,包含了物流活动的经济成本、环境成本和社会-经济成本;模型对物流活动的各项负外部性进行了计量并进行了货币化评估。通过案例分析,验证了模型的有效性,并使用CPLEX对模型进行了求解,建模研究了超大城市的配送中心布局优化模式;并且对负外部性成本相关参数进行了灵敏度分析,探究了负外部性成本对最优布局结果的影响。（3）研究政府干预布局的机制设计问题。在超大城市的配送中心布局优化方案己确定条件下,设计政府干预配送中心布局的合理机制,建立了政府和配送企业的静态演化博弈模型和动态演化博弈模型,并在模型中考虑了消费者绿色偏好;通过理论推导和案例仿真,分析政府和配送企业在布局优化中的相互作用机理,研究不同税收和补贴机制下博弈系统演化方向,对比得出最佳的组合干预机制,为科学设计政府干预机制提供理论参考;并且对消费者绿色偏好系数进行了灵敏度分析,探究了消费者绿色偏好水平对演化博弈系统的影响。
王骏[9]（2019）在《多UCAV对地打击协同任务分配方法》文中认为随着现代控制论、人工智能、信息与通信等技术的发展,无人作战飞机（Unmanned Combat Aerial Vehicle,UCAV）的作战能力得到大幅提高,不仅能在复杂的未来战场执行侦察、预警等任务,还能执行需要高度协同的压制敌方防空系统、打击敌方地面或海上关键目标、拦截敌方战术弹道导弹和巡航导弹甚至参与空战等任务。为实现以最小的作战成本获得最大的作战收益的目的,需综合考虑UCAV及武器的性能、战场自然环境等各方面的约束,为每架UCAV制定合理的任务计划,也即进行任务规划。作为任务规划的关键环节,任务分配对规划结果的合理性具有重要影响。为此,本文围绕多UCAV对地打击协同任务分配问题开展研究,构建了不同作战场景下的任务分配优化模型,提出了相应的求解方法,可为多UCAV任务规划提供理论和方法上的支撑。论文主要工作及创新点如下:（1）分析了多UCAV对地打击协同任务分配问题。首先辨析了任务规划与任务分配的区别,明确了本文的研究边界;其次在分析任务分配方案涉及的4种关键因素的基础上,理清了多UCAV对地打击协同任务分配的流程;最后归纳了多UCAV对地打击3种典型作战场景,并梳理了每种作战场景下需考虑的目标函数和约束条件,为后续研究奠定了基础。（2）研究了多UCAV协同打击密集目标任务分配问题。针对多UCAV协同打击密集目标任务分配问题,从打击覆盖程度、打击可行性、武器资源等角度综合考虑了相关约束条件,建立了最大化敌方目标总毁伤期望值的优化模型。为实现模型求解,提出了混合离散灰狼优化（Hybrid Discrete Grey Wolf Optimization,HDGWO）算法。首先采用一种十进制整数编码方案表示灰狼（模型的解）,提出了一种模块化的灰狼位置更新方法。基于上述两种机制,可保证种群位置更新过程中始终满足打击可行性和武器资源两方面的约束集;通过在目标函数中引入惩罚函数,可保证种群位置更新过程中不断淘汰违背打击覆盖程度方面约束集的灰狼。在此基础上,引入局部搜索（Local Search,LS）算法以强化对当前最优解的邻域空间的开发,使HDGWO算法具备了较好的全局探索和局部开发的能力。通过与其他典型算法的对比分析表明,提出的HDGWO算法在求解该类问题上是有效的,既能在最短时间内获得小规模编队的全局最优打击方案,也能在为大规模编队提供近似最优解时实现求解质量和计算时间之间最好的平衡。（3）研究了多UCAV协同打击分散目标任务分配问题。针对多UCAV协同打击分散目标任务分配问题,从对目标的毁伤要求、UCAV性能及作战要求和变量取值范围等角度综合考虑了相关约束条件,建立了最小化作战成本的多目标优化模型。为实现模型求解,提出了三阶段禁忌搜索（Three-phase Tabu Search,TTS）算法,包括武器分配阶段、初始解生成阶段和局部搜索阶段。其中在武器分配阶段,建立包含部分目标函数和约束条件的优化模型,获得满足目标毁伤要求且成本最低的武器分配方案;在初始解生成阶段,针对武器分配方案可被拆分的特点,提出了一种基于线性规划的武器分配方案拆分策略,并在此基础上给出了基于距离聚类的初始解生成方法和基于随机序列的初始解生成方法;在局部搜索阶段,提出了6种邻域搜索算子,设计了五元组结构的禁忌对象和长度可变的禁忌表,以实现禁忌搜索。仿真实验表明,提出的TTS算法可有效解决该类问题。（4）研究了不确定条件下多UCAV协同打击分散目标任务分配问题。在问题建模过程中,考虑了三种不确定性因素,包括多个传感器提供的不确定目标信息、不确定的作战目标权重以及部分可知的传感器权重。为实现模型求解,提出了结合扩展随机可接受性分析-2（Extended Stochastic Multi-Criteria Acceptability Analysis-2,ESMAA-2）与整数线性规划（Integer Linear Programming,ILP）的ESMAA-2-ILP方法。首先将每个传感器提供的不确定目标信息表示为正态分布区间数,并通过加权算数平均算子（Weighted Arithmetic Averaging Operator,WAAO）计算每架UCAV的多个决策矩阵;其次通过基于迭代算法的矩阵聚合方法聚合上述决策矩阵,得到最终决策矩阵;然后基于该矩阵进行随机可接受性分析,计算每架UCAV打击每个目标的全局可接受性指数（Holistic Acceptability Index,HAI）;最后基于全局可接受性指数,将包含不确定参数的原始模型转换为整数线性规划模型,并通过整数线性规划方法求得任务分配方案。通过仿真实验,证明了ESMAA-2-ILP方法可有效解决包含多种不确定性的多UCAV协同打击分散目标任务分配问题。
王妍妍[10]（2019）在《地震灾害应急物资多周期分配优化模型研究》文中研究表明近年来,全球各地地震灾害频繁发生,对社会经济发展和人民生产生活造成了严重的影响,同时也对灾害应急管理工作提出了新的挑战。灾后应急救援的根本目的在于最大程度地降低灾区人员伤亡和社会经济损失,而在救援过程中,物资救援是满足灾区灾民生存需求与恢复发展的关键。科学高效与公平合理的应急物资分配方案有助于提高应急救援成效,不适当的分配方案可能给灾区造成二次伤害,加重灾区人员伤亡和财产损失程度。因此,地震灾害发生后,如何科学高效与公平合理地开展应急物资分配工作是目前应急管理领域亟待解决的重要研究问题。然而,现有的应急物资分配研究主要围绕应急物资的单周期分配展开,忽略了现实应急救援物资分配是一个持续的多周期过程,很少考虑不同应急周期之间物资供给与需求的动态变化;在物资分配优化的目标方面,现有研究多以时间、成本等体现效率或满意度等体现公平的单一因素为目标,忽略了实际大规模灾害应急救援物资分配决策需要综合考虑兼顾效率与公平的实际情况;同时,多数研究基于完备灾情信息展开,对实际应急救援环境存在的模糊随机信息与路网受损等不确定因素对物资分配产生的影响考虑不足;最后,以往属地管理原则下形成的应急物资分配方案容易出现高成本低效率的情况,研究成果得不到有效的转换和应用。基于此,本文基于物资需求的周期性以及物资筹集与分配的周期性,提出多周期分配策略,综合考虑各周期之间物资供给与需求的动态变化,以“地震灾害应急物资多周期分配优化”为研究对象,以应急资源管理理论、应急阶段划分理论、应急物资分配理论为基础,应用多目标优化、模糊规划、随机规划、线性近似以及智能优化算法等多种研究方法,分别基于确定性供需信息、不确定灾情信息构建多周期分配优化模型,并对多周期分配优化模型的有效性进行分析及其提升路径进行探究,旨在实现整个应急周期物资的最优分配。主要研究内容如下:首先,在基于确定性供需信息的应急物资多周期分配优化方面,针对现有模型构建多注重效率而忽视公平的不足,提出兼顾效率与公平的应急物资多周期分配优化模型。以完备灾情信息为基础,根据物资分配网络拓扑结构的不同,构建了两类模型:一是通过引入指数效用函数,以灾民物资短缺负效用损失量化公平,考虑不同周期灾民对于不同应急物资需求的动态变化特性,以最小化物资短缺负效用损失与物资分配总成本为目标,构建基于救援点—受灾点二级节点网络的应急物资多周期分配优化模型;二是考虑到灾后配送中心物资有限、需要物资集散点及时供应的情况,以物资短缺的延迟损失最小化与物资分配的总成本最小化为目标,构建基于集散点—配送中心—受灾点三级节点网络的应急物资多周期分配优化模型,有利于促使物资分配兼顾效率与公平。其次,在基于不确定灾情信息的应急物资多周期分配优化方面,针对地震的突发性、信息获取的不完全性、救援需求的紧迫性以及次生灾害影响,提出一种适用于实际灾害救援情境的应急物资多周期分配优化模型。第一,针对灾害发生的无预兆性所导致的无法准确获得应急响应周期内的物资供给量、需求量和道路最大运输量等信息的实际情况,提出基于模糊供需信息的应急物资多周期分配优化模型,能够实现在救援供需信息为区间值或模糊值时应急物资的多周期合理优化分配;第二,针对灾后道路损毁,路网存在一定风险并急需修复的情况,提出多周期应急物资配送与路径修复风险度量方法,并以最小化总分配时间、总分配成本和总体路径风险为目标构建基于随机模糊信息与路网修复的应急物资多周期分配优化模型,可以弥补以往物资分配方案脱离灾害实际情境信息的不足。再次,在应急物资多周期分配优化模型的有效性分析及提升路径探究方面,主要解决了以下两个方面的问题:第一,引入剥夺成本构建应急物资多周期分配优化社会总成本模型,提出基于基尼系数的应急物资多周期分配公平测度方法,通过比较多周期与单周期分配模型、分析模型在提高分配效率以及实现分配公平等方面所体现出的效果,验证应急物资多周期分配优化模型的有效性;第二,针对大规模地震灾害的跨边界特征以及属地管理原则下物资分配存在高成本低效率的不足,提出基于区域自救与跨区域协同救援的应急物资多周期分配优化模型提升路径,有利于实现多周期救援整体效果最优及救助效率最大化。本文将多周期分配策略引入到应急物资分配优化模型构建之中,建立了系统的应急物资多周期分配优化模型,针对应急物资分配优化的关键问题进行分析和研究,旨在解决目前应急物资分配优化决策过程中的薄弱问题,希望能够为实现地震灾害应急物资的多周期科学高效与公平合理分配以及提高震灾应急物资多周期分配的整体救援效果提供新思路,为政府应急管理部门在应急物资管理决策方面提供理论和决策参考。
二、关于Fuzzy约束条件下多目标线性规划问题方法的改进（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、关于Fuzzy约束条件下多目标线性规划问题方法的改进（论文提纲范文）
（1）阿克苏河流域水土资源优化配置及种植结构空间格局优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景、目的及意义 |
| 1.2 国内外研究进展 |
| 1.3 主要内容及技术路线 |
| 第二章 研究区概况及数据来源 |
| 2.1 研究区概况 |
| 2.2 数据来源 |
| 第三章 基于降尺度模型的阿克苏河流域未来气候模拟 |
| 3.1 降尺度模型选择 |
| 3.2 构建SDSM降尺度模型 |
| 3.3 基于SDSM模型的阿克苏河流域未来气候变化情景预估 |
| 3.4 本章小结 |
| 第四章 气候变化条件下流域水资源供需分析 |
| 4.1 气候变化下流域需水量计算 |
| 4.2 气候变化条件下流域供水量分析 |
| 4.3 本章小结 |
| 第五章 流域水土资源优化配置 |
| 5.1 多目标模型的建立 |
| 5.2 多目标模型的求解与解集优选 |
| 5.3 实例与结果分析 |
| 5.4 本章小结 |
| 第六章 流域种植结构及农业需水量时空分析 |
| 6.1 流域当前种植结构提取分析 |
| 6.2 流域农业时空需水量分析 |
| 6.3 本章小结 |
| 第七章 流域种植结构空间格局优化 |
| 7.1 绿洲区耕地数据重采样分析 |
| 7.2 作物种植结构空间优化模型构建 |
| 7.3 空间优化模型求解 |
| 7.4 模型求解结果分析 |
| 7.5 本章小结 |
| 第八章 结论与展望 |
| 8.1 主要结论 |
| 8.2 展望 |
| 附录 |
| 附录 A气候变化下各县水土资源配置数据 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（2）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 |
（3）多产品多目标集约生产计划问题及算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状综述 |
| 1.2.1 单目标APP问题 |
| 1.2.2 多目标APP问题 |
| 1.3 论文的主要内容 |
| 2 相关理论介绍 |
| 2.1 机会约束规划 |
| 2.1.1 随机机会约束规划 |
| 2.1.2 模糊机会约束规划 |
| 2.2 智能优化算法 |
| 2.2.1 粒子群算法 |
| 2.2.2 遗传算法 |
| 2.2.3 禁忌搜索 |
| 2.3 多目标优化 |
| 2.3.1 多目标问题的求解方法 |
| 2.3.2 多目标性能度量的指标 |
| 2.4 本章小结 |
| 3 确定型多品种集约生产计划优化研究 |
| 3.1 问题的提出 |
| 3.2 模型的构建 |
| 3.2.1 假设及符号说明 |
| 3.2.2 约束条件分析 |
| 3.2.3 目标分析 |
| 3.2.4 建立模型 |
| 3.3 基于局部搜索的遗传算法 |
| 3.3.1 染色体编码设计及产生 |
| 3.3.2 遗传算子设计 |
| 3.3.3 评价与选择操作 |
| 3.3.4 算例分析 |
| 3.4 混合粒子群算法 |
| 3.4.1 双层多目标收敛PSO算法设计 |
| 3.4.2 GA-PSO的混合策略 |
| 3.4.3 算例分析 |
| 3.5 本章小结 |
| 4 提前/拖期交货的多品种集约生产计划研究 |
| 4.1 问题的提出及分析 |
| 4.1.1 问题的提出 |
| 4.1.2 提前/拖期交货的影响分析 |
| 4.2 模型的构建 |
| 4.2.1 目标函数 |
| 4.2.2 约束条件分析 |
| 4.2.3 提前/拖期交货的APP模型 |
| 4.3 混合求解算法的设计 |
| 4.3.1 遗传算法设计 |
| 4.3.2 混合算法的设计 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 5 随机环境下的多品种集约生产计划研究 |
| 5.1 问题的提出 |
| 5.2 模型的构建 |
| 5.2.1 假设及符号说明 |
| 5.2.2 提前/拖期交货的期望损失 |
| 5.2.3 目标函数 |
| 5.2.4 约束条件分析 |
| 5.2.5 随机环境下的APP模型 |
| 5.3 混合求解算法的设计 |
| 5.3.1 算法预处理 |
| 5.3.2 遗传算法设计 |
| 5.3.3 混合算法的设计 |
| 5.4 算例分析 |
| 5.4.1 算法性能分析 |
| 5.4.2 灵敏性分析 |
| 5.5 本章小结 |
| 6 模糊环境下的多品种集约生产计划研究 |
| 6.1 问题的提出 |
| 6.2 模型的构建 |
| 6.2.1 假设及符号说明 |
| 6.2.2 提前/拖期交货的期望损失 |
| 6.2.3 目标函数 |
| 6.2.4 约束条件分析 |
| 6.2.5 模糊环境下的APP模型 |
| 6.3 混合求解算法的设计 |
| 6.3.1 算法预处理 |
| 6.3.2 遗传算法设计 |
| 6.3.3 混合算法的设计 |
| 6.4 算例分析 |
| 6.4.1 算法性能分析 |
| 6.4.2 灵敏性分析 |
| 6.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录 A 确定型算例数据 |
| 攻读学位期间的研究成果 |
（4）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 |
（5）不确定条件下多需求铁路危险品运输路径优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 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 国内外研究综述 |
| 1.2.1 危险品运输风险度量与评价问题的研究现状 |
| 1.2.2 危险品运输路径优化相关问题研究 |
| 1.3 研究内容和框架结构 |
| 1.3.1 研究内容 |
| 1.3.2 框架结构 |
| 1.4 论文创新点 |
| 2 相关理论背景 |
| 2.1 铁路危险品运输概述 |
| 2.1.1 铁路危险品的定义与分类 |
| 2.1.2 铁路危险品运输的特点 |
| 2.2 货物运输中的时间窗理论 |
| 2.3 遗传算法 |
| 2.3.1 遗传算法的原理及优势 |
| 2.3.2 遗传算法的基本步骤和流程 |
| 3 铁路危险品运输风险评估模型研究 |
| 3.1 铁路危险品运输泄漏事故影响因素分析 |
| 3.2 铁路危险品运输泄漏事故率的确定 |
| 3.3 铁路危险品运输事故后果定量分析 |
| 3.4 铁路危险品运输风险评估模型 |
| 4 确定条件下多需求铁路危险品运输路径优化研究 |
| 4.1 问题描述 |
| 4.2 确定条件下多需求铁路危险品运输路径优化模型的建立 |
| 4.2.1 模型假设 |
| 4.2.2 符号定义 |
| 4.2.3 模型构建 |
| 4.3 基于等待时间下界的遗传算法设计 |
| 4.3.1 等待时间方案的确定 |
| 4.3.2 虚拟运输网络结构图的构建 |
| 4.3.3 基于等待时间下界的遗传算法的求解步骤 |
| 4.4 算例分析 |
| 4.4.1 算例描述 |
| 4.4.2 风险阈值的确定 |
| 4.4.3 算例求解及结果分析 |
| 5 不确定条件下多需求铁路危险品运输路径优化研究 |
| 5.1 不确定条件下多需求铁路危险品运输路径优化问题概述 |
| 5.1.1 问题描述 |
| 5.1.2 不确定因素分析及处理方法 |
| 5.2 区间整数线性规划模型 |
| 5.2.1 模型假设 |
| 5.2.2 符号定义 |
| 5.2.3 模型构建 |
| 5.3 模型的确定性转化 |
| 5.3.1 区间线性规划理论 |
| 5.3.2 目标函数及约束条件的确定性转化 |
| 5.3.3 确定性转化后的整数线性规划模型 |
| 5.4 算法设计 |
| 5.5 实例分析 |
| 5.5.1 实例描述 |
| 5.5.2 数据收集 |
| 5.5.3 实例求解 |
| 5.5.4 灵敏度分析 |
| 6 结论与展望 |
| 参考文献 |
| 作者简历及攻读硕士取得的研究成果 |
| 学位论文数据集 |
（6）多重不确定性需求下装备制造企业多品种生产计划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 装备制造企业生产面临着持续多变的环境 |
| 1.1.2 装备制造企业多品种生产面临着多重不确定性需求 |
| 1.1.3 装备制造企业亟待解决多重不确定性需求下多品种生产计划问题 |
| 1.1.4 研究的前沿发展动态 |
| 1.2 问题的提出 |
| 1.3 研究的目标与意义 |
| 1.3.1 研究的目标 |
| 1.3.2 研究的意义 |
| 1.4 研究内容和研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究思路 |
| 1.4.3 研究方法 |
| 1.5 研究的创新性工作说明 |
| 第2章 相关研究文献综述 |
| 2.1 文献检索情况概述 |
| 2.1.1 文献检索范围 |
| 2.1.2 相关文献情况分析 |
| 2.1.3 学术趋势 |
| 2.2 关于不确定性需求研究 |
| 2.2.1 随机不确定性需求 |
| 2.2.2 模糊不确定性需求 |
| 2.2.3 粗糙不确定性需求 |
| 2.3 关于多重不确定性的研究 |
| 2.4 关于多品种生产计划的研究 |
| 2.5 关于装备制造企业生产计划的研究 |
| 2.6 已有研究的贡献与不足 |
| 2.6.1 已有研究贡献 |
| 2.6.2 已有研究不足 |
| 2.6.3 已有研究启示 |
| 2.7 本章小结 |
| 第3章 概念界定与相关理论基础 |
| 3.1 概念界定 |
| 3.1.1 多品种生产 |
| 3.1.2 生产计划 |
| 3.1.3 不确定性 |
| 3.1.4 多重不确定性需求 |
| 3.2 动态规划理论 |
| 3.3 多目标规划 |
| 3.4 本章小结 |
| 第4章 多重不确定性需求下生产应对策略和动态生产计划方法 |
| 4.1 多重不确定性需求之间影响关系 |
| 4.1.1 品种需求不确定的影响关系 |
| 4.1.2 数量需求不确定的影响关系 |
| 4.1.3 质量需求不确定的影响关系 |
| 4.1.4 交货期需求不确定的影响关系 |
| 4.2 多重不确定性需求下生产应对策略 |
| 4.3 多重不确定性需求下动态生产计划模型 |
| 4.4 模型求解 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第5章 多重不确定性需求下装备制造企业多品种多目标生产计划方法 |
| 5.1 问题描述及假设 |
| 5.1.1 问题描述 |
| 5.1.2 问题假设 |
| 5.1.3 变量和参数说明 |
| 5.2 多品种多目标生产计划模型 |
| 5.2.1 目标函数 |
| 5.2.2 目标函数的约束条件 |
| 5.2.3 不确定性数量需求描述 |
| 5.2.4 不确定性交货期需求描述 |
| 5.2.5 不确定性质量需求描述 |
| 5.2.6 不确定性价格需求描述 |
| 5.3 模型求解 |
| 5.3.1 NSGA-II算法求解 |
| 5.3.2 带罚函数粒子群算法求解 |
| 5.4 算例分析 |
| 5.4.1 初始数据 |
| 5.4.2 运行结果 |
| 5.5 本章小结 |
| 第6章 多重不确定性需求下装备制造企业多品种相似生产计划方法 |
| 6.1 问题描述与假设 |
| 6.1.1 不确定性品种需求描述 |
| 6.1.2 不确定性交货期需求描述 |
| 6.1.3 不确定性数量需求描述 |
| 6.1.4 不确定性质量需求描述 |
| 6.2 多品种相似性与聚类分析 |
| 6.2.1 多品种相似性分析 |
| 6.2.2 不确定性需求聚类分析 |
| 6.3 多品种相似生产计划模型 |
| 6.4 模型求解 |
| 6.5 算例分析 |
| 6.5.1 初始数据 |
| 6.5.2 运行结果 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 本文的主要结论 |
| 7.2 本文的主要贡献 |
| 7.3 后续研究工作展望 |
| 参考文献 |
| 附录 A 企业生产计划与调度控制的不确定性及风险调查问卷 |
| 在学研究成果 |
| 致谢 |
（7）计及不确定性与协同性的微电网项目投资组合优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微电网项目发展与研究现状 |
| 1.2.2 项目投资组合优化问题研究现状 |
| 1.2.3 项目投资组合优化方法研究现状 |
| 1.3 主要研究内容与技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路径 |
| 1.4 主要研究创新点 |
| 第2章 相关基础理论研究 |
| 2.1 项目组合管理相关理论 |
| 2.1.1 项目组合管理理论的发展 |
| 2.1.2 项目组合管理理论的内涵及流程 |
| 2.2 项目组合优化相关理论 |
| 2.2.1 项目组合优化的原则 |
| 2.2.2 项目投资组合优化的流程 |
| 2.3 项目评估相关模型及方法探讨 |
| 2.3.1 权重确定方法探讨 |
| 2.3.2 综合评估方法探讨 |
| 2.4 组合优化相关模型及方法探讨 |
| 2.4.1 基于精确算法的组合优化探讨 |
| 2.4.2 基于启发式算法的组合优化探讨 |
| 2.4.3 基于机器学习算法的组合优化探讨 |
| 2.5 不确定性理论探讨 |
| 2.6 本章小结 |
| 第3章 计及不确定性的微电网项目战略对应度评估 |
| 3.1 引言 |
| 3.2 微电网项目战略对应评估指标体系研究 |
| 3.2.1 能源电力企业战略分析 |
| 3.2.2 战略目标的指标分解 |
| 3.3 微电网项目战略对应度评估研究 |
| 3.3.1 微电网项目不确定性分析 |
| 3.3.2 云模型理论 |
| 3.3.3 云层次分析法 |
| 3.3.4 改进的云PROMETHEE-Ⅱ算法 |
| 3.4 算例分析 |
| 3.4.1 项目简介 |
| 3.4.2 指标数据收集及计算 |
| 3.4.3 指标权重计算 |
| 3.4.4 战略对应度评估结果 |
| 3.5 本章小结 |
| 第4章 计及不确定性和协同性的静态投资组合优化 |
| 4.1 引言 |
| 4.2 微电网项目静态投资组合优化模型特点分析 |
| 4.2.1 传统微电网项目静态投资组合优化模型 |
| 4.2.2 计及不确定性的微电网项目静态投资组合优化模型 |
| 4.2.3 计及不确定性和协同性的微电网项目静态投资组合优化模型 |
| 4.3 微电网项目间协同性模型构建 |
| 4.3.1 微电网项目协同因素识别 |
| 4.3.2 基于模糊测度和云Choquet积分的微电网项目协同性刻画 |
| 4.4 基于线性化处理和分支定界法的项目静态投资组合优化研究 |
| 4.4.1 线性化处理方法 |
| 4.4.2 分枝定界法 |
| 4.5 算例分析 |
| 4.5.1 项目简介 |
| 4.5.2 项目协同度计算 |
| 4.5.3 求解结果 |
| 4.6 本章小结 |
| 第5章 计及不确定性和协同性的动态投资组合优化 |
| 5.1 引言 |
| 5.2 微电网项目动态投资组合优化模型构建 |
| 5.2.1 微电网项目动态性问题阐述 |
| 5.2.2 动态投资组合优化模型构建 |
| 5.3 改进差分进化算法研究 |
| 5.3.1 标准差分进化算法 |
| 5.3.2 差分进化算法的改进 |
| 5.3.3 算法性能测试 |
| 5.4 算例分析 |
| 5.4.1 项目简介 |
| 5.4.2 项目协同度计算 |
| 5.4.3 求解结果 |
| 5.5 本章小结 |
| 第6章 计及不确定性和协同性的多阶段动态投资组合优化 |
| 6.1 引言 |
| 6.2 基于实物期权的微电网项目最佳投资时机分析 |
| 6.2.1 实物期权及微电网项目的实物期权特性分析 |
| 6.2.2 微电网项目最佳投资时机确定模型 |
| 6.3 基于多智能体强化学习的多阶段动态投资组合研究 |
| 6.3.1 微电网项目多阶段动态投资问题阐述 |
| 6.3.2 强化学习与Q-学习算法 |
| 6.3.3 多智能体强化学习与纳什Q-学习算法 |
| 6.4 算例分析 |
| 6.4.1 项目简介 |
| 6.4.2 项目投资时机确定 |
| 6.4.3 求解结果 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）基于社会福利视角的城市配送中心布局研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 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 物流设施布局评价方法研究 |
| 1.2.2 物流设施布局建模方法研究 |
| 1.2.3 政府干预机制设计方法研究 |
| 1.2.4 研究现状评述 |
| 1.3 研究内容及结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 1.4 研究方法及技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 技术路线 |
| 2 城市配送中心布局与社会福利视角分析 |
| 2.1 基本概念界定 |
| 2.1.1 物流设施外迁 |
| 2.1.2 社会福利视角 |
| 2.1.3 不确定信息条件 |
| 2.1.4 确定信息条件 |
| 2.2 配送中心布局的经济学分析 |
| 2.2.1 社会福利视角布局的必要性分析 |
| 2.2.2 政府干预布局的经济性分析 |
| 2.3 配送中心布局优化相关模型 |
| 2.3.1 多准则群决策模型 |
| 2.3.2 总成本最优整数规划模型 |
| 2.3.3 演化博弈模型 |
| 2.4 本章小结 |
| 3 不确定信息条件下城市配送中心布局优化 |
| 3.1 问题描述 |
| 3.2 评价指标体系的构建 |
| 3.2.1 经济准则 |
| 3.2.2 政策准则 |
| 3.2.3 社会准则 |
| 3.2.4 生态准则 |
| 3.3 粗糙数层次分析法计算指标权重 |
| 3.3.1 判断矩阵构造以及一致性检验 |
| 3.3.2 粗糙数方法计算指标权重 |
| 3.4 二元语义混合有序加权平均算法模型 |
| 3.4.1 二元语义语言变量 |
| 3.4.2 THOWA模型 |
| 3.5 案例分析 |
| 3.5.1 案例描述 |
| 3.5.2 评价指标权重计算 |
| 3.5.3 备选地评价及排序 |
| 3.5.4 灵敏度分析 |
| 3.6 结论与讨论 |
| 3.7 本章小结 |
| 4 确定信息条件下城市配送中心布局优化 |
| 4.1 问题描述 |
| 4.2 配送活动负外部性及定价方法 |
| 4.2.1 大气污染 |
| 4.2.2 温室气体 |
| 4.2.3 交通拥堵 |
| 4.2.4 噪声污染 |
| 4.3 基于总成本最小的城市配送中心布局优化模型 |
| 4.3.1 模型的假设条件 |
| 4.3.2 模型的符号及说明 |
| 4.3.3 模型的目标函数设计 |
| 4.3.4 模型的约束条件设计 |
| 4.4 案例分析 |
| 4.4.1 案例描述 |
| 4.4.2 结果分析 |
| 4.4.3 灵敏度分析 |
| 4.5 结论与讨论 |
| 4.6 本章小结 |
| 5 城市配送中心布局优化政府干预机制研究 |
| 5.1 问题描述 |
| 5.2 配送企业与政府的静态演化博弈 |
| 5.2.1 静态演化博弈模型 |
| 5.2.2 静态演化博弈模型分析 |
| 5.3 配送企业与政府的动态演化博弈模型 |
| 5.3.1 动态税收和静态补贴模型 |
| 5.3.2 动态补贴和静态税收模型 |
| 5.3.3 动态税收和动态补贴模型 |
| 5.4 案例仿真 |
| 5.4.1 案例说明 |
| 5.4.2 仿真结果 |
| 5.4.3 灵敏度分析 |
| 5.5 结论与讨论 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 论文主要创新点 |
| 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 |
（9）多UCAV对地打击协同任务分配方法（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 论文研究背景 |
| 1.1.2 论文研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 确定条件下的任务分配方法 |
| 1.2.2 不确定条件下的任务分配方法 |
| 1.2.3 研究现状总结和分析 |
| 1.3 论文的主要内容 |
| 第二章 多UCAV对地打击协同任务分配问题分析 |
| 2.1 概念辨析 |
| 2.1.1 任务规划 |
| 2.1.2 任务分配 |
| 2.2 多UCAV对地打击协同任务分配流程分析 |
| 2.2.1 多UCAV对地打击协同任务分配关键因素 |
| 2.2.2 多UCAV对地打击协同任务分配流程 |
| 2.3 多UCAV对地打击典型作战场景分析 |
| 2.3.1 多UCAV对地打击作战样式 |
| 2.3.2 多UCAV对地打击典型作战场景 |
| 2.4 本章小结 |
| 第三章 多UCAV协同打击密集目标任务分配的HDGWO算法 |
| 3.1 问题描述与建模 |
| 3.1.1 问题描述 |
| 3.1.2 模型构建 |
| 3.2 多UCAV集群对地打击任务分配的HDGWO算法 |
| 3.2.1 GWO算法概述 |
| 3.2.2 基于模块化种群更新的DGWO算法 |
| 3.2.3 基于扰动算子的LS算法 |
| 3.2.4 精英保持机制 |
| 3.2.5 HDGWO算法流程 |
| 3.3 案例分析 |
| 3.3.1 实验设计与参数设置 |
| 3.3.2 HDGWO算法可行性分析 |
| 3.3.3 HDGWO算法的可扩展性分析 |
| 3.4 本章小结 |
| 第四章 多UCAV协同打击分散目标任务分配的TTS算法 |
| 4.1 问题描述与建模 |
| 4.1.1 问题描述 |
| 4.1.2 模型构建 |
| 4.2 求解SDVRPUD问题的TTS算法 |
| 4.2.1 TS算法概述 |
| 4.2.2 TTS算法框架 |
| 4.2.3 武器分配阶段 |
| 4.2.4 初始解生成阶段 |
| 4.2.5 局部搜索阶段 |
| 4.3 案例分析 |
| 4.3.1 实验设计 |
| 4.3.2 TTS算法可行性分析 |
| 4.3.3 TTS算法可扩展性分析 |
| 4.4 本章小结 |
| 第五章 不确定条件下多UCAV协同打击分散目标任务分配的ESMAA-2-ILP方法 |
| 5.1 问题描述与建模 |
| 5.1.1 问题描述 |
| 5.1.2 模型构建 |
| 5.1.3 模型的不确定性分析 |
| 5.2 基于ESMAA-2-ILP方法的问题求解框架 |
| 5.3 基于正态分布区间数的ESMAA-2 方法 |
| 5.3.1 SMAA-2 方法概述 |
| 5.3.2 正态分布区间数和加权算数平均算子 |
| 5.3.3 基于迭代算法的矩阵聚合方法 |
| 5.3.4 ESMAA-2 方法流程 |
| 5.4 基于全局可接受性指数的模型转换 |
| 5.5 案例分析 |
| 5.5.1 想定背景 |
| 5.5.2 决策矩阵构建 |
| 5.5.3 任务分配方案求解 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）地震灾害应急物资多周期分配优化模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 应急物资调度研究现状 |
| 1.3.2 应急物资分配研究现状 |
| 1.3.3 应急物资分配有效性及提升路径研究现状 |
| 1.3.4 研究现状评述 |
| 1.4 研究思路与主要研究内容 |
| 1.4.1 研究思路 |
| 1.4.2 主要研究内容 |
| 1.5 研究方法与技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第2章 地震灾害应急物资多周期分配优化理论分析 |
| 2.1 地震灾害应急物资多周期分配优化的相关概念 |
| 2.1.1 地震灾害 |
| 2.1.2 应急物资 |
| 2.1.3 应急物资需求 |
| 2.1.4 应急物资分配 |
| 2.2 地震灾害应急物资多周期分配优化相关理论基础 |
| 2.2.1 应急资源管理理论 |
| 2.2.2 应急阶段划分理论 |
| 2.2.3 应急物资分配理论 |
| 2.3 地震灾害应急物资多周期分配优化过程分析 |
| 2.3.1 灾情信息收集 |
| 2.3.2 救援物资统筹 |
| 2.3.3 分配方案制定 |
| 2.3.4 分配方案实施 |
| 2.3.5 决策效果评估 |
| 2.4 地震灾害应急物资多周期分配优化的理论研究框架 |
| 2.5 本章小结 |
| 第3章 基于确定性供需信息的应急物资多周期分配优化模型 |
| 3.1 基于救援—受灾二级节点网络的应急物资多周期分配优化模型 |
| 3.1.1 问题描述与前提假设 |
| 3.1.2 参数和变量设定 |
| 3.1.3 模型构建 |
| 3.1.4 求解算法设计 |
| 3.1.5 案例分析 |
| 3.2 基于集散—配送—受灾三级节点网络的应急物资多周期分配优化模型 |
| 3.2.1 问题描述与前提假设 |
| 3.2.2 参数和变量设定 |
| 3.2.3 模型构建 |
| 3.2.4 求解算法设计 |
| 3.2.5 案例分析 |
| 3.3 本章小结 |
| 第4章 基于不确定灾情信息的应急物资多周期分配优化模型 |
| 4.1 基于模糊供需信息的应急物资多周期分配优化模型 |
| 4.1.1 问题描述与前提假设 |
| 4.1.2 参数与变量设定 |
| 4.1.3 模型构建 |
| 4.1.4 区间数与三角模糊数确定性转化 |
| 4.1.5 求解算法设计 |
| 4.1.6 实际案例验证 |
| 4.2 基于随机模糊信息与路网修复的应急物资多周期分配优化模型 |
| 4.2.1 问题描述与前提假设 |
| 4.2.2 参数与变量设定 |
| 4.2.3 应急物资多周期分配风险度量方法 |
| 4.2.4 模型构建 |
| 4.2.5 随机约束规划与模糊约束规划确定性转化 |
| 4.2.6 求解算法及步骤设计 |
| 4.2.7 实际案例验证 |
| 4.3 本章小结 |
| 第5章 应急物资多周期分配优化模型的有效性分析及提升路径探究 |
| 5.1 应急物资多周期分配优化模型的有效性分析 |
| 5.1.1 多周期分配模型与单周期分配模型比较 |
| 5.1.2 模型提高应急物资多周期分配效率的有效性 |
| 5.1.3 模型实现应急物资多周期分配公平的有效性 |
| 5.2 应急物资多周期分配优化模型的提升路径探究 |
| 5.2.1 跨区域协同救援应急物资分配的必要性 |
| 5.2.2 区域自救与跨区域协同救援的多周期物资分配优化模型提升路径 |
| 5.2.3 案例验证 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
四、关于Fuzzy约束条件下多目标线性规划问题方法的改进（论文参考文献）
- [1]阿克苏河流域水土资源优化配置及种植结构空间格局优化[D]. 王志东. 西北农林科技大学, 2021(01)
- [2]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)
- [3]多产品多目标集约生产计划问题及算法研究[D]. 刘兰芬. 兰州交通大学, 2020(01)
- [4]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)
- [5]不确定条件下多需求铁路危险品运输路径优化研究[D]. 张宗芳. 北京交通大学, 2020(03)
- [6]多重不确定性需求下装备制造企业多品种生产计划方法研究[D]. 刘岩峰. 沈阳工业大学, 2020(01)
- [7]计及不确定性与协同性的微电网项目投资组合优化研究[D]. 许传博. 华北电力大学(北京), 2020(06)
- [8]基于社会福利视角的城市配送中心布局研究[D]. 李世龙. 北京交通大学, 2020(03)
- [9]多UCAV对地打击协同任务分配方法[D]. 王骏. 国防科技大学, 2019(01)
- [10]地震灾害应急物资多周期分配优化模型研究[D]. 王妍妍. 哈尔滨工业大学, 2019(01)