一、广义p-中位模型的遗传算法(论文文献综述)
李锦[1](2021)在《秸秆收储中心选址及收集路径优化研究》文中指出物流业是我国生产性服务业的重要组成部分,是一个开放度高、辐射面广、市场潜力巨大的基础性产业。配送是物流运输的关键环节,所以物流环节的优化主要集中在配送中心选址和车辆配送路径的优化方面。秸秆收储运系统优化研究也属于物流系统优化问题的研究范畴,秸秆收储中心的选址与收集车辆路径优化是其中两个重要环节,直接关系到秸秆利用企业的经济效益。因此,研究秸秆收储运系统选址和车辆路径优化问题具有重要的理论意义和应用价值。其理论意义在于对此类NP-hard问题的优化求解方法上实现创新,其现实应用意义体现在提高秸秆物流服务质量,增强客户满意度,降低物流成本。本文在系统分析物流设施选址和车辆路径数学模型与优化算法的基础之上,构建了秸秆收储中心选址-分配模型和反映秸秆收集过程的多车型、双目标、容量限制的车辆路径优化模型,并提出了有效的求解算法,论文的主要研究内容包括:(1)针对P中值型秸秆收储中心选址-分配问题的优化求解,提出了一种Nelder-Mead模拟退火混合算法(NMSA)。所提NMSA算法首先基于单位运输成本排序对底层的秸秆供给侧和需求侧分配方案进行初始化,然后采用改进的Nelder-Mead算法(INM)引导收储中心选址,并驱动快速降温的单层模拟退火邻域搜索算法(MSANS)优化求解底层分配子问题。对比测试结果表明:相比双层模拟退火算法、果蝇算法和改进人工鱼群算法,所提NMSA算法更为准确、高效。(2)针对集合覆盖型秸秆收储中心选址-分配问题的优化求解,采用缩小选址范围、线性规划分配的思路,提出了一种成本-库存择优线性规划算法(CICLP)。所提CICLP算法首先采用成本排序库存择优算法(CSIC)缩小选址范围、生成优选选址方案,然后采用线性规划算法LP优化求解秸秆供给侧、需求侧分配子问题。对比测试结果表明,所提CICLP算法计算时间少、计算开销小,解的质量略优于LINGO。(3)针对多车型、双目标、容量限制的农田秸秆收集车辆路径问题,提出了一种混洗邻域搜索算法(SNS)。所提SNS算法采用多层群体信息共享的混洗策略确保全局探测能力和局部开发能力之间的平衡,对互换、逆转、插入操作产生的秸秆收集路径邻域解进行周期性的均分-更新-混合-排序,循环进化子种群、获得最优收集路径。对比测试结果表明,所提SNS算法的综合性能优于混洗模拟退火邻域搜索算法(SSANS)和模拟退火邻域搜索算法(SANS),更为高效、准确。
侯博文[2](2021)在《城镇化背景下多层次停车换乘设施选址优化方法研究》文中研究表明随着我国城镇化进程的加快,城市与城镇的空间不断扩展,区域协同发展需求日渐突出,居民出行逐渐向组合出行模式过渡,综合交通运输体系逐渐朝着集约高效的方向发展。作为交通需求管理的重要措施,科学合理的规划建设停车换乘(Park and Ride,P+R)设施能够通过引导个体出行向公共交通方式转换、提高公共交通分担率以及缓解城市道路拥堵以及改善城市环境。在城镇化背景下,考虑出行需求特性和P+R设施层次差异,开展P+R设施选址规划研究,是本文研究的重点。本文以城镇化为研究背景,将P+R设施划分为远郊及市内两个层次,在深入分析不同情景下P+R设施覆盖需求特性、多模式交通网络结构、出行选择行为特性以及P+R设施功能特性的基础上,根据交通网络路段属性和出行需求特征数据获取信息的完整程度,通过简化交通网络和多模式交通超级网络,提出了 P+R设施选址优化方法。主要工作内容和研究成果包括:(1)覆盖需求特性下远郊及市内P+R设施选址优化针对交通网络属性和出行需求特征数据信息未能完全获取的情景,考虑轨道交通站点空间布局对P+R设施覆盖需求范围的影响,对既有研究中的就近选择和需求覆盖原则进行改进。考虑出行距离对P+R设施覆盖需求的影响,引入出行选择行为模型和渐进合作覆盖函数对P+R设施覆盖需求强度进行分析;根据P+R设施覆盖需求特性,以截断私家车行驶里程最大为目标构建了基于出行选择行为模型的远郊P+R设施选址模型,并以P+R设施覆盖需求最大为目标,构建了考虑渐进合作覆盖特性的市内P+R设施选址模型;采用遗传算法进行求解,并将本文所建模型与未考虑P+R设施覆盖需求特性模型进行对比,验证了其有效性。本部分提出的选址优化模型适用于交通网络属性和出行需求特征数据信息未能完全获取的情景,是远郊及市内P+R设施分层选址的实用方法,同时为进一步深入研究提供基础。(2)多模式交通超级网络下远郊P+R设施选址优化针对交通网络属性和出行需求特征数据信息完全获取情景,将远郊出行分为远郊区域内出行和城际间出行。考虑远郊出行过程和多方式交通网络结构,构建了多模式交通超级网络,并确定了各路段广义出行费用函数;考虑远郊长距离出行下出行选择行为的相似性,构建了远郊P+R设施选址的双层规划模型。其中,上层模型为以机动车尾气排放量最小为目标的优化模型,下层模型为基于NL-CNL模型的随机用户均衡模型;采用遗传算法和MSA算法进行求解,并采用Sixfall网络将本文所建模型与未考虑出行决策行为特性的P+R设施选址模型进行对比,验证了其有效性。本部分提出的多模式交通超级网络及选址优化模型能够更好地反映远郊P+R设施供需特性,可丰富在多模式交通超级网络下的远郊P+R设施选址方法体系。(3)多用户不确定需求下市内P+R设施选址优化针对出行需求具有异构性和不确定性的市内出行情景,将市内出行需求分为确定性通勤出行需求和不确定性非通勤出行需求。在分析不确定性非通勤出行需求的基础上,确定了各路段广义出行费用函数;根据通勤者和非通勤者对路径广义出行费用估计误差和出行模式服务水平敏感程度的差异性,构建了市内P+R设施选址的双层规划模型。其中,上层模型为非通勤出行需求扰动下最小化最坏情况下交通网络系统总阻抗的优化模型,下层模型为多用户出行需求下的随机用户均衡模型;采用遗传算法和MSA算法进行求解,并采用Sixfall网络将本文所建模型鲁棒解与名义解下的选址方案进行对比,验证了本文所建模型的有效性。本部分提出的多用户不确定性需求特性及选址优化模型能够更好地反映市内P+R设施供需特性,可丰富在不确定出行需求扰动下的市内P+R设施选址方法体系。(4)停车容量限制下市内联合使用P+R设施选址优化针对土地资源和停车资源紧张的市内出行情景,考虑轨道交通站点周边的建筑配建停车设施和公共停车设施,提出了市内联合使用P+R设施服务模式,即将部分停车位改建为联合使用P+R停车位。考虑联合使用P+R设施与常规停车设施的差异性以及P+R出行模式下停车设施选择行为,构建了联合P+R设施服务模式下的多模式交通超级网络,并根据P+R设施内差异化停车收费确定了路段广义出行费用函数;根据停车容量限制及出行选择行为特性,构建了市内联合使用P+R设施选址的双层规划模型。其中,上层模型为以交通网络系统总阻抗最小为目标的优化模型,下层模型为停车容量限制下混合用户均衡模型;采用遗传算法和基于增广拉格朗日算法的MSWA混合算法进行求解,并采用Sixfall网络将本文所建选址模型与无停车容量约束下的选址模型进行对比,验证了本文所建模型的有效性。本部分提出的P+R服务模式及选址优化模型能够更好地反映市内停车设施供需特性,可丰富在土地资源和停车资源紧张情景下的市内联合使用P+R设施选址方法体系。本研究考虑不同情景下P+R设施选址的差异性和侧重点,提出了城镇化背景下多层次P+R设施选址优化方法。本论文的研究思想、研究方法以及研究成果可为P+R设施规划建设决策提供参考依据,对于推进交通运输供给侧结构性改革、促进城镇化的健康发展具有较高的理论价值和实际意义。
郭文杰[3](2021)在《基于改进DPC算法的多级物流中心选址研究》文中提出近年来,国内新型销售模式尤其是电子商务迎来了其行业的蓬勃发展,与此同时也为物流行业带来极大的机遇与挑战。随着客户对物流质量与效率的需求不断提升,传统物流模式逐渐显露疲态。在此背景下,针对目前物流量日益增加且物流成本被日益压缩的物流现状,各种集成化、智能化以及高效化管理的物流模式被设计出来。在这些物流模式中,大型物流配送中心在整个仓储和运输过程中则起到了承上启下的关键作用。实际上,物流中心选址的合理性在很大程度上影响了整个区域物流的集散、分拣和中转的效率,是物流过程能否达到高质量的最为重要的因素之一。物流中心的选址问题是传统选址问题重要的衍生问题之一。在选址问题的基础上,现代物流中心的选址需要综合考虑物流量、运输距离和运输成本等约束条件,因此大部分物流选址模型被证明为NP-hard问题。除此之外,在对物流客户群的分布特征进行研究之后,不难发现物流选址模型还有三个较为典型的特征:1物流中心的选址是多层级的;2.客户群的分布存在密度与尺度的不均匀;3.客户群的分布有时会因地理与城市规划等呈现出流形的特性,这些特征使得很多传统的方法很难为现代物流中心提供合理的选址结果。本文针对以上问题,提出一种改进的DPC(密度峰值聚类算法)算法——MDPC,该算法将一种新的流形距离引入到DPC中来考虑客户分布的流形特性,这种距离策略可以动态地考虑客户分布的局部与全局特性。在此基础上,将一种距离补偿策略引入DPC的距离计算过程中,以在决策图中识别小规模低密度的客户群分布。然后,将该算法与多个用于选址问题的经典聚类算法进行实验对比,实验结果表明本文提出的算法性能更佳,验证了提出算法的有效性。最后,将MDPC算法应用于中国东北地区的多层级物流中心的选址中,提高了传统物流选址方法的合理性与有效性,并为未来的多层级物流选址研究提供了一种新的解决思路。
凃强[4](2020)在《不确定环境下电动汽车路径选择和充电设施布局优化》文中研究指明随着人们对环境污染和能源消耗问题的不断重视,电动汽车近年来受到广泛的关注,成为交通领域的研究热点。相比于传统的燃油汽车,电动汽车具有节能环保,使用成本低,驾驶体验好等优点,但也面临着续航里程短,充电慢,充电难等问题,这在一定程度上限制了电动汽车的普及使用。科学合理地引导电动汽车出行,完善充电设施规划布局可以缓解出行者的里程焦虑,促进电动汽车的有序发展。本文基于交通网络流理论,以电动汽车出行为研究对象,系统深入地研究了不确定交通网络环境下的个体路径优化,交通网络分配和充电设施布局等问题。具体而言,本文的研究工作主要包含以下几个方面:(1)电动汽车中短距离出行路径优化:约束可靠最短路问题同时考虑交通网络中路段出行时间的随机性和电动汽车的续航里程,建立了约束可靠最短路模型,它是一个广义的最短路模型,根据不同的参数取值,该模型可以退化为可靠最短路模型,约束最短路模型或普通的最短路模型。为了减小问题规模,首先提出了预处理方法和网络缩减技术,然后在此基础上设计了拉格朗日松弛算法和多准则标号算法对问题进行求解,并在多准则标号算法中融合了A*算法将优先搜索权分配给距离终点更近的节点标号,进一步提升了算法的运算性能。(2)电动汽车长距离出行路径优化:考虑充电行为的可靠最短路问题为了适应电动汽车长距离的城际出行,将交通网络中的随机路段出行时间和充电节点停留时间,以及电动汽车的续航里程和充电行为等因素融入最短路径模型中。基于不同的建模思路和决策变量,分别建立了基于路段-节点-状态的模型和基于充电行为子路径的模型。针对两类模型的建模思路,分别提出了多准则标号算法和两阶段算法对问题进行求解,并在方格网络中分析了两类算法的适用场景,其中多准则标号算法适用于少O-D对的具有高密度充电节点的交通网络,而两阶段算法适用于多O-D对的具有低密度充电节点的交通网络。(3)电动汽车混入下的交通网络流量分布:可靠交通网络均衡问题考虑交通需求的不确定性作为源头,解析地推导了路段出行时间和充电节点停留时间的均值和方差,并根据出行时间的独立性假设和中心极限定理,估计了路径的可靠出行时间。基于交通网络均衡理论建立了电动汽车混入下的多用户变分不等式模型,证明了模型至少存在一个解,并推导了等价的Wardrop第一原则表达式。在求解算法上,以电动汽车长距离出行可靠路径优化问题求解算法为基础,引入了列生成算法的基本框架,提出了基于列生成的相继平均算法(CG_MSA)对可靠交通网络均衡问题进行求解。(4)电动汽车充电设施布局优化:随机需求下的离散网络设计问题建立了随机需求条件下电动汽车充电设施布局优化的双层规划模型:上层模型方面:根据随机需求条件,解析地推导了交通网络系统总出行时间预算作为目标函数,并加入了资金投资预算作为约束条件;下层模型方面,通过构建具有次可加性的路径出行时间预算,建立了基于路段的交通网络均衡模型。采用遗传算法和CG_MSA算法分别对上下层模型进行求解,并在一个双向ND网络中分析了各类输入参数对充电设施布局优化的影响。
陈振南,吴立志,夏登友,张鹏[5](2020)在《基于城市火灾风险的消防站分级覆盖选址模型——以济南市区为例》文中进行了进一步梳理为更科学规划消防站选址,实现有限资源下应急资源的合理配置,提高消防站联动效率,根据"不同火灾风险等级的需求点应得到主管消防站和不同数量增援消防站服务"的原则,提出1种消防站分级覆盖选址模型,同时使用覆盖衰减函数表示消防站对需求点的覆盖度;基于遗传算法设计消防站分级覆盖选址模型的求解流程;以济南市区为例,基于POI和火灾数据,使用核密度分析法进行城市火灾风险分级,进而对选址模型进行验证。结果表明:以覆盖火灾风险值为评价指标,分级覆盖选址模型的选址结果优于现状消防站、广义最大覆盖模型、P-中位模型和P-中心模型。
武兵[6](2020)在《工业园区应急设施选址研究》文中提出近年来,工业园区作为区域经济发展的新焦点,工业园区的建设数量一直持续增多,规模也在不断扩大。由于风险聚集效应,工业园区内的安全问题越来越突出,危险化学品事故也层出不穷,事故一旦发生会对周边人群的生命财产安全造成极大威胁。而如何对工业园区内的应急设施(例如避难点、消防站等)进行合理的布局,提升工业园区的应急救援能力,从而减少事故造成的人员伤亡和财产损失,这是工业园区管理部门一直以来密切关注的问题。本文主要针对考虑堵塞的应急避难点选址和基于设施分层的消防站选址问题进行了研究。在避难点和消防站之间存在着协同选址的逻辑结构,通过构建协同选址的逻辑结构,可以最大化工业园区应急救援系统的效率,满足工业园区日益增长的应急救援需求。在应急避难点选址问题上,针对突发性的灾害事件发生时受灾人员在疏散过程中,道路发生堵塞的问题,利用最短路径进行饱和疏散的思想,以更具有现实意义的网络图为研究对象,建立以疏散时间最小为目标的避难点选址模型,设计了一种嵌入Floyd算法的模拟退火算法,最后以某工业园区为具体算例,给出了应急避难点的选址方案,通过对权重、应急设施数量等参数进行灵敏度分析,表明所提出选址模型及算法能够为现实的选址决策提供有益的参考。工业园区应急设施协同选址逻辑结构包含时序逻辑和空间逻辑,其中时序逻辑意味着在确定了工业园区避难点的选址策略基础上,再进行工业园区的消防站选址。在消防站选址问题上,考虑到园区内危险源的异质性,将危险源分为一级、二级、三级危险源,相应建立包含微型站、普通消防站、特勤站3个层级的嵌套型应急服务网络结构。在此基础上,基于消防站层级、危险源的类型,建立效用值最大化的选址模型。针对问题不同的规模,设计了相应的求解算法。对于小规模算例设计了分支定界算法进行精确求解,对于大规模算例设计了模拟退火算法进行求解。最后以某工业园区为具体算例,给出了不同层级消防站的选址方案,通过对最低服务质量参数、最快到达时间等参数进行灵敏度分析,表明所提出选址模型及算法能够为园区管理部门提供决策支持。
曾令太[7](2020)在《考虑紧迫度的城市公交车辆应急救援设施动态选址研究》文中认为城市公共交通因其高效、绿色、经济等优点作为解决城市出行问题的有力工具,公共交通系统在不断地发展和扩大覆盖范围,但随着公交运营网络日趋扩展和公交车辆的不断增加,不可避免的公交车辆故障及事故所带来的问题也更加突出,不仅影响了城市公共交通的服务水平,还降低了道路通行能力,造成局部路段拥堵,甚至造成拥堵连锁效应。目前,我国城市公交车辆救援设施选址规划不能满足应急救援的需要,城市公交车辆的救援设施仍以位于市郊的公交保养厂为主,救援设施单一,对应急事件的响应时间长,救援效率低下。本文通过对公交车辆救援体系的研究和科学合理布设应急救援设施,缩短公交救援响应时间,提高公交救援效率,对于提升公交服务水平、保障社会效益有着重要的意义。本文全面分析了公交救援系统的主要内容,故障分析,救援流程等,指出了现有救援体系的不足之处,即公交救援设施选址不能满足现有公交运营网络的应急救援需求,距离需求点较远,救援效率低,救援响应时间长导致道路通行能力损失,救援供给与需求不匹配,同时实施成本较大,突出了科学合理设置公交救援设施的重要意义。本文通过分析现有城市公交车辆救援设施布局不足和实际救援需求特点,设置了两种不同功能定位的应急救援设施。在考虑救援需求的紧迫度的基础上,利用路阻函数计算不同交通流量情况下的路段通行时间,建立了在满足最低覆盖率的条件下,以高峰和平峰时段内覆盖需求最大、平均救援时间最短、实施成本最低为目标的两阶段多目标覆盖模型,并分别考虑了有无容量限制两种情况。采用分层序列法和遗传算法对其进行求解,并以四川省内江市为例阐述了模型的应用方法和求解过程,验证了选址模型和算法的有效性和可行性,具有实际应用价值,为决策者在需求随时间变化的情况下和不同目标下的公交救援设施选址提供了相关依据。
柳思岐[8](2020)在《考虑需求响应的园区级综合能源系统站—网协同规划》文中认为综合能源系统(Integrated energy system,IES)是指在规划、设计、建设和运行过程中,通过各能源产生、传输、分配、转换、存储和消费等环节的优化后,所形成的综合能源一体化系统。综合能源系统依靠多能协调互补,实现能源的梯级利用,可以显着提高能源供应的安全性、灵活性、经济性和可靠性,在近几年得到了快速发展。本文着力于解决包含电-热-气三系统耦合的园区综合能源系统的能源站和管网的路径规划问题,主要包括以下几个方面:对于综合能源系统综合潮流数学模型,本文建立了包括燃气轮机、燃气锅炉、分布式风电和光伏、可中断电、热负荷的需求响应的详细数学模型;对于规划模型,提出了一种考虑优化调度的综合能源系统双层规划模型,基于P-中位模型和多目标优化调度模型,采用多阶段规划和典型场景分析,考虑了包括电、气、冷、热负荷平衡的等式约束和相应的网络约束,以及能量耦合设备的运行约束条件,对能源站进行选址定容以及对电力系统管线、热力系统管道、天然气系统管道进行路径优化;在模型求解算法方面,本文提出了贪婪-变邻域算法,该算法不仅具有较高的求解效率且可以得到全局最优解。对于综合能源系统规划算例仿真,本文设置7种规划场景,基于Matlab平台对模型进行求解,得到了系统各设备的选址、定容结果以及从能源站到负荷的供能路径优化结果。从系统总投资建设成本、运行成本和环保性、供能可靠性等角度,对7种规划场景的结果进行了对比分析,着重分析了考虑负荷需求响应对IES规划结果的影响。本文所提出的综合能源系统规划模型,较好地解决了多能耦合联合规划的优化问题,契合国家能源发展战略,希望本文的工作能够为综合能源体系规划和优化运行提供理论方法与技术支撑。
靳益宁[9](2020)在《考虑时间损失的城市应急医疗设施布局优化》文中认为经过七十年的快速发展,我国人口规模不断扩大,城镇化进程不断加快。在经济社会不断发展的同时,城市所面临的应对突发事件的挑战也越来越大。一方面,各种突发事件如传染性疫情爆发、急性中毒等事件不断出现,交通事故、工厂爆炸等意外伤害为主的重大事故不断发生;另一方面,截止2018年,我国65岁及以上人口占总人口比重达到11.9%,老年人口年平均增速达到3.28%,远超世界人口老龄化平均速度2.5%。各类突发事件频发和人口老龄化进程的加快对我国基础医疗服务提出了巨大的挑战,面对逐年递增的医疗服务需求,现有的公共医疗资源难以满足人们日益增长的医疗服务需要。本文首先对城市应急医疗服务系统展开论述,院前急救是医疗健康服务的一个重要分支,城市应急医疗设施的布局直接影响着患者伤员能否在第一时间得到科学有效救治。文章从时间损失视角出发,引入传统物流系统中的时间满意度因素建立患者时间满意度函数;考虑急救过程中时间损失对患者伤员后期医疗费用增加的因素;结合传统P-中值模型构建了科学完善的城市应急医疗设施多目标选址模型。其次本文通过不同类型与不同数量的应急医疗设施组合方式,可以最大程度上优化城市应急医疗设施的救援效率。最后文章统筹考虑居民日常急救需求与紧急情况下的应急需求,模拟大规模疫情爆发时,将城市应急医疗设施扩建改造为专业治疗隔离机构,通过对医护人员及患者的食物医疗物资需求分析,构建城市应急医疗设施物资运输成本模型。以初选方案数据为基础,进行应急物资运输成本计算与对比,得到了兼顾日常急救需求与紧急情况下运输经济性的最优方案,完成城市应急医疗设施布局方案的优选工作。
孟政吉[10](2019)在《考虑多区域互联协同的分布式能源站配置规划研究》文中提出近年来,能源生产利用带来的环境问题日益加剧,优化用能形式,大力发展清洁能源成为我国乃至世界大多数国家的战略选择。通过多能互补解决上述问题的区域综合能源系统(Regional Integrated Energy System,RIES),成为国内外学者关注的重点。分布式能源站(distributed energy station,DES)是RIES典型多能耦合的重要载体,集成多种能量互动单元,对其关键设备型号与容量进行合理规划,可以提升资产的利用率,减少投资冗余,优化系统运行状态。对于RIES由理论转化为实际,实现能源的高效利用具有重要意义。同时,结合不同区域资源禀赋与负荷用能特性差异,建立DES间互联管线,通过多区域互联协同,可以实现区域间能源的互联互通与互补互济,进一步提升系统整体的经济与环境效益。基于以上背景,本文开展了以下主要工作:1)针对多区域能源站互联协同系统,建立了待规划DES综合模型、考虑能量传输损耗的互联电力线路模型与基于热能流的互联热力管道模型,以及考虑互联协同的DES综合模型;2)基于混合整数线性规划,建立了一种单层线性的DES设备选型、定容规划与运行优化统一求解方法—配置-运行协同优化方法。通过算例验证表明,提出的方法可在考虑系统全年运行优化的基础上实现DES的选型与定容规划,减少设备配置冗余,降低系统运行成本,并且对于复杂的规划对象具有较高的求解效率;3)研究了一种基于改进P-中位模型的DES选址规划方法,确定了多区域能源站的建设位置、能源站间拟建设互联管线的实际长度以及各能源站供应负荷的大小。同时,在能源站互联管线模型与单一能源站规划方法的基础上,研究了一种考虑多区域互联的配置-运行协同优化方法。实现了多区域能源站集成设备配置、能源站间互联管线选型规划与多区域互联协同系统整体的运行优化,并通过算例验证了所提方法的合理性与可行性。
二、广义p-中位模型的遗传算法(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、广义p-中位模型的遗传算法(论文提纲范文)
(1)秸秆收储中心选址及收集路径优化研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的研究背景 |
1.2 问题的提出及研究意义 |
1.2.1 秸秆资源特性 |
1.2.2 建立秸秆收储中心的必要性 |
1.2.3 秸秆收集车辆路径优化必要性 |
1.2.4 研究意义 |
1.3 研究现状 |
1.3.1 企业物流网络优化研究现状 |
1.3.2 秸秆物流网络优化研究现状 |
1.3.3 研究现状评述 |
1.4 论文研究内容、方法和研究框架 |
1.4.1 主要研究内容 |
1.4.2 研究方法 |
1.4.3 研究框架 |
1.5 本章小结 |
第二章 相关基础理论 |
2.1 秸秆收储中心选址的原则、步骤与方法 |
2.1.1 秸秆收储中心选址的原则 |
2.1.2 秸秆收储中心选址的步骤 |
2.1.3 秸秆收储中心选址的常用方法 |
2.2 秸秆收储中心选址的基础模型 |
2.2.1 P中值模型 |
2.2.2 集合覆盖模型 |
2.3 秸秆收储中心选址-分配问题的构建与分类 |
2.3.1 模型假设 |
2.3.2 数学描述 |
2.3.3 P中值型秸秆收储中心选址-分配问题 |
2.3.4 集合覆盖型秸秆收储中心选址-分配问题 |
2.4 秸秆收储中心选址-分配问题相关的优化算法 |
2.4.1 常用的优化算法概述 |
2.4.2 模拟退火算法 |
2.4.3 Nelder-Mead算法 |
2.5 秸秆收集运输系统相关理论 |
2.5.1 秸秆收集运输的定义 |
2.5.2 秸秆收集运输系统特征 |
2.5.3 秸秆收集运输系统构成 |
2.5.4 秸秆原料运输方式 |
2.5.5 秸秆收集最优线路选择影响因素 |
2.6 车辆路径问题 |
2.6.1 车辆路径问题的定义 |
2.6.2 车辆路径问题的分类 |
2.6.3 车辆路径问题相关的优化算法 |
2.7 本章小结 |
第三章 Nelder-Mead模拟退火混合算法优化P中值型秸秆收储中心选址研究 |
3.1 分层优化思路 |
3.2 子问题的编解码策略 |
3.2.1 常规的选址子问题编码方案 |
3.2.2 本文所提的选址子问题组合编码策略 |
3.2.3 秸秆供给侧分配方案的编解码策略 |
3.2.4 秸秆需求侧分配方案的编解码策略 |
3.3 基于单位运输成本排序的分配方案初始化策略 |
3.3.1 基于单位运输成本排序的供给侧分配方案初始化流程 |
3.3.2 基于单位运输成本排序的需求侧分配方案初始化流程 |
3.4 分配方案的可行性判别与惩罚 |
3.4.1 形式上的可行性判别与惩罚 |
3.4.2 数量上的可行性判别与惩罚 |
3.5 分配子问题的邻域搜索 |
3.5.1 邻域构造方式 |
3.5.2 分配方案的邻域搜索 |
3.6 快速降温的单层模拟退火邻域搜索算法优化求解分配子问题 |
3.7 改进的Nelder-Mead算法优化求解选址子问题 |
3.7.1 改进的Nelder-Mead算法 |
3.7.2 INM算法优化求解选址子问题的流程 |
3.7.3 INM算法中实数向自然数转化的处理策略 |
3.8 Nelder-Mead模拟退火混合算法的总体流程及控制参数 |
3.8.1 NMSA算法的初始化 |
3.8.2 NMSA算法的主循环 |
3.8.3 NMSA算法的控制参数 |
3.9 Nelder-Mead模拟退火混合算法优化秸秆收储中心选址的性能测试与对比 |
3.9.1 典型秸秆收储中心选址-分配问题算例与NMSA算法参数设置 |
3.9.2 优化求解7×6×20P中值型秸秆收储中心选址-分配问题的结果对比 |
3.9.3 优化求解18×6×1P中值型秸秆收储中心选址-分配问题的结果对比 |
3.9.4 优化求解15×10×1P中值型秸秆收储中心选址-分配问题的结果对比 |
3.10 本章小结 |
第四章 成本-库存择优线性规划算法优化集合覆盖型秸秆收储中心选址研究 |
4.1 分层优化思路 |
4.2 成本排序库存择优算法缩小选址范围 |
4.2.1 基本思想 |
4.2.2 实现步骤 |
4.2.3 算法流程 |
4.2.4 算例测试与讨论 |
4.3 线性规划算法优化求解分配子问题 |
4.3.1 问题转换 |
4.3.2 系数矩阵的语言描述 |
4.3.3 算例测试与讨论 |
4.4 成本-库存择优线性规划算法CICLP的总体流程 |
4.5 成本-库存择优线性规划算法CICLP的性能测试与对比 |
4.5.1 优化求解7×6×20集合覆盖型秸秆收储中心选址-分配问题的结果对比 |
4.5.2 优化求解18×6×1集合覆盖型秸秆收储中心选址-分配问题的结果对比 |
4.5.3 优化求解15×10×1集合覆盖型秸秆收储中心选址-分配问题的结果对比 |
4.5.4 两种选址模型优化方案对比 |
4.6 本章小结 |
第五章 混洗邻域搜索算法优化多车型、双目标农田秸秆收集路径研究 |
5.1 农田秸秆收集路径问题 |
5.1.1 问题的提出 |
5.1.2 农田秸秆收集过程的主要特点 |
5.2 多车型、双目标、容量限制的农田秸秆收集车辆路径问题 |
5.2.1 多车型、双目标、容量限制的农田秸秆收集车辆路径问题 |
5.2.2 模型描述 |
5.2.3 目标函数值计算示例 |
5.3 编解码策略与随机产生初始解 |
5.3.1 编解码策略 |
5.3.2 随机产生初始解 |
5.3.3 解的可行性判别 |
5.4 邻域搜索 |
5.4.1 邻域搜索概述 |
5.4.2 邻域搜索的基本操作 |
5.4.3 操作的选择与接受准则 |
5.5 混洗策略 |
5.5.1 采用混洗策略优化求解农田秸秆收集BCHVRP的原因 |
5.5.2 混洗策略概述 |
5.6 混洗邻域搜索(SNS)算法设计 |
5.6.1 设计思路与总体流程 |
5.6.2 控制参数 |
5.6.3 初始化 |
5.6.4 进化循环 |
5.7 混洗模拟退火邻域搜索(SSANS)算法设计 |
5.8 混洗邻域搜索算法优化求解农田秸秆收集BCHVRP的性能测试与对比 |
5.8.1 三种算法单次运行优化求解10种BCHVRP算例的结果对比 |
5.8.2 三种算法独立运行50次优化求解10种BCHVRP算例的结果对比 |
5.9 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 创新点 |
6.3 展望 |
参考文献 |
附录 |
(2)城镇化背景下多层次停车换乘设施选址优化方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源 |
1.2 研究背景 |
1.3 研究目的及意义 |
1.4 国内外研究现状 |
1.4.1 P+R设施层次结构 |
1.4.2 P+R设施选址方法 |
1.4.3 研究现状综述 |
1.5 研究内容 |
1.6 技术路线 |
第2章 覆盖需求特性下远郊及市内P+R设施选址优化 |
2.1. 问题描述 |
2.2. P+R设施覆盖需求特性分析 |
2.3. 模型构建 |
2.3.1. 基于出行选择行为的远郊P+R设施选址模型 |
2.3.2. 基于渐进合作覆盖的市内P+R设施选址模型 |
2.4. 模型求解 |
2.5. 算例分析 |
2.5.1. 远郊P+R设施选址 |
2.5.2. 市内P+R设施选址 |
2.6. 本章小结 |
第3章 多模式交通超级网络下远郊P+R设施选址优化 |
3.1. 问题描述 |
3.2. 远郊情景下多模式交通超级网络模型 |
3.2.1. 多模式交通超级网络建模 |
3.2.2. 广义出行费用函数 |
3.3. 模型构建 |
3.3.1. 基于NL-CNL组合模型的随机用户均衡模型 |
3.3.2. 基于双层规划的远郊P+R设施选址模型 |
3.4. 模型求解 |
3.5. 算例分析 |
3.6. 本章小结 |
第4章 多用户不确定需求下市内P+R设施选址优化 |
4.1. 问题描述 |
4.2. 多用户不确定需求下广义出行费用函数 |
4.2.1. 多用户不确定需求分析 |
4.2.2. 广义出行费用函数 |
4.3. 模型构建 |
4.3.1. 多用户出行需求下随机用户均衡模型 |
4.3.2. 基于双层规划的市内P+R设施选址模型 |
4.4. 模型求解 |
4.5. 算例分析 |
4.6. 本章小结 |
第5章 停车容量限制下市内联合使用P+R设施选址优化 |
5.1. 问题描述 |
5.2. 联合P+R设施服务模式下交通超级网络模型 |
5.2.1. 多模式交通超级网络建模 |
5.2.2. 广义出行费用函数 |
5.3. 模型构建 |
5.3.1. 停车容量限制下混合用户均衡模型 |
5.3.2. 基于双层规划的市内联合使用P+R设施选址模型 |
5.4. 模型求解 |
5.5. 算例分析 |
5.6. 本章小结 |
第6章 总结与展望 |
6.1. 工作总结 |
6.2. 创新成果 |
6.3. 研究展望 |
参考文献 |
作者简介及科研成果 |
致谢 |
(3)基于改进DPC算法的多级物流中心选址研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究目的与意义 |
1.2 国内外研究现状 |
1.2.1 物流选址问题的研究现状 |
1.2.2 聚类算法研究现状 |
1.2.3 研究评述 |
1.3 研究内容及组织结构 |
1.3.1 主要创新点 |
1.3.2 研究方法 |
1.3.3 论文的组织结构 |
2 相关理论分析 |
2.1 选址问题研究 |
2.1.1 选址的P-中位问题 |
2.1.2 选址的P-中心问题 |
2.1.3 选址的其他问题 |
2.1.4 物流配送中心的选址研究 |
2.2 聚类算法研究 |
2.2.1 聚类算法的分类研究 |
2.2.2 相似度衡量策略 |
2.2.3 聚类算法的评价指标 |
2.3 本章小结 |
3 基于新型流形距离的DPC算法的构建与验证 |
3.1 算法的构建 |
3.1.1 密度峰值聚类算法 |
3.1.2 兼顾全局与局部特性的相似度衡量策略 |
3.1.3 小尺度类的距离补偿策略 |
3.2 改进DPC算法的整体流程 |
3.3 算法计算复杂度分析 |
3.4 算法的实验及分析 |
3.4.1 实验数据集与对比算法的选取 |
3.4.2 仿真结果 |
3.4.3 评价指标与结果评价 |
3.4.4 算法的参数分析 |
3.5 本章小结 |
4 实例分析 |
4.1 多层级物流选址模型 |
4.2 实验数据与实验设计 |
4.2.1 实验数据的获取 |
4.2.2 改进算法对实例的处理结果 |
4.3 对比实验与结果分析 |
4.3.1 与经典密度峰值聚类算法的结果对比分析 |
4.3.2 与其他类型聚类算法的结果的对比分析 |
4.4 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
东北林业大学 硕士学位论文修改情况确认表 |
(4)不确定环境下电动汽车路径选择和充电设施布局优化(论文提纲范文)
中文摘要 |
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 研究意义 |
1.2 研究现状 |
1.2.1 最短路问题研究 |
1.2.2 交通分配问题研究 |
1.2.3 网络设计问题研究 |
1.3 研究内容 |
1.4 技术路线 |
第二章 电动汽车里程约束下路径优化 |
2.1 引言 |
2.2 问题描述 |
2.2.1 可靠出行时间 |
2.2.2 数学规划模型 |
2.2.3 问题的理解 |
2.3 求解算法 |
2.3.1 预处理和网络缩减 |
2.3.2 拉格朗日松弛算法 |
2.3.3 多准则标号算法 |
2.3.3.1 最优准则 |
2.3.3.2 算法流程 |
2.3.3.3 A*算法 |
2.4 算例分析 |
2.4.1 Sioux Falls网络 |
2.4.2 Chicago Sketch网络 |
2.4.3 方格网络 |
2.5 本章小结 |
第三章 电动汽车长距离出行路径优化 |
3.1 引言 |
3.2 问题描述 |
3.2.1 基本概念 |
3.2.2 可靠出行时间 |
3.2.3 数学规划模型 |
3.3 求解算法 |
3.3.1 多准则标号算法 |
3.3.2 两阶段算法 |
3.4 数值算例 |
3.4.1 Sioux Falls网络 |
3.4.2 方格网络 |
3.5 本章小结 |
第四章 电动汽车可靠网络均衡模型 |
4.1 引言 |
4.2 用户均衡模型简介 |
4.3.1 用户均衡模型的表达形式 |
4.3.2 用户均衡模型的求解方法 |
4.3 电动汽车可靠网络均衡模型 |
4.3.1 路径可靠出行时间 |
4.3.1.1 交通网络中的流量分布 |
4.3.1.2 路段出行时间的均值和方差 |
4.3.1.3 充电站停留时间的均值和方差 |
4.3.1.4 路径的可靠出行时间 |
4.3.2 可靠网络均衡模型 |
4.4 求解算法 |
4.5 数值算例 |
4.5.1 Nguyen-Dupuis网络 |
4.5.1.1 两种网络均衡状态对比 |
4.5.1.2 市场占有率对网络均衡的影响 |
4.5.1.3 续航里程对网络均衡的影响 |
4.5.2 Sioux Falls网络 |
4.6 本章小结 |
第五章 电动汽车充电设施布局优化 |
5.1 引言 |
5.2 选址模型简介 |
5.2.1 覆盖选址模型 |
5.2.2 P-中值模型 |
5.2.3 截流选址模型 |
5.2.4 网络设计模型 |
5.2.5 选址模型小节 |
5.3 需求不确定下的充电设施布局 |
5.3.1 双层规划模型总体框架 |
5.3.2 基于路段的网络均衡模型 |
5.3.3 交通网络性能评价指标 |
5.3.4 电动汽车充电设施布局模型 |
5.4 求解算法 |
5.5 数值算例 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 主要研究成果 |
6.2 主要创新点 |
6.3 研究展望 |
致谢 |
参考文献 |
个人简介及研究成果 |
(5)基于城市火灾风险的消防站分级覆盖选址模型——以济南市区为例(论文提纲范文)
0 引言 |
1 分级覆盖选址模型 |
1.1 问题描述 |
1.2 变量定义 |
1.3 分级覆盖 |
1.4 覆盖衰减函数 |
1.5 模型构建 |
2 模型算法设计 |
1)编码 |
2)生成初始种群 |
3)计算个体适应度 |
4)对父代个体的选择 |
5)染色体基因的交叉 |
6)染色体基因的变异 |
7)精英个体保留策略 |
3 实例分析 |
3.1 济南市区火灾风险评估 |
3.1.1 数据来源 |
3.1.2 火灾风险区的分类 |
3.1.3 火灾风险分析 |
3.2 济南市区消防站选址结果 |
4 结论 |
(6)工业园区应急设施选址研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 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 选址文献综述 |
1.2.1 设施选址问题 |
1.2.2 应急设施选址问题 |
1.2.3 应急设施选址问题算法 |
1.2.4 选址文献总结 |
1.3 研究内容、方法与研究思路 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 研究思路 |
1.4 章节安排 |
第二章 相关理论基础 |
2.1 工业园区事故概述 |
2.1.1 工业园区事故类型 |
2.1.2 工业园区事故特性 |
2.2 最短路算法 |
2.2.1 Dijkstra算法 |
2.2.2 Floyd算法 |
2.3 应急设施选址模型 |
2.3.1 连续选址模型 |
2.3.2 离散设施选址 |
2.3.3 模型的比较和选择 |
2.4 启发式算法 |
2.4.1 模拟退火算法 |
2.4.2 禁忌搜索算法 |
2.4.3 遗传算法 |
2.4.4 蚁群算法 |
2.5 本章小结 |
第三章 考虑堵塞的应急避难点选址 |
3.1 问题描述 |
3.2 避难点选址模型构建 |
3.2.1 参数和变量定义 |
3.2.2 模型构建 |
3.3 模型求解 |
3.3.1 多目标处理 |
3.3.2 求解算法 |
3.4 算例分析 |
3.4.1 参数设定 |
3.4.2 计算结果 |
3.4.3 参数分析 |
3.5 本章小结 |
第四章 基于设施分层的消防站选址 |
4.1 工业园区应急设施协同选址 |
4.2 多层级应急服务网络建立 |
4.3 模型准备 |
4.3.1 问题描述 |
4.3.2 模型假设 |
4.3.3 参数和变量定义 |
4.4 模型建立 |
4.5 算法设计 |
4.5.1 分支定界算法 |
4.5.2 模拟退火算法 |
4.6 算例分析 |
4.6.1 小规模算例 |
4.6.2 大规模算例 |
4.7 本章小结 |
第五章 总结与展望 |
5.1 论文总结 |
5.2 论文展望 |
参考文献 |
致谢 |
作者简介 |
(7)考虑紧迫度的城市公交车辆应急救援设施动态选址研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 广义选址问题研究 |
1.2.2 道路应急救援设施选址问题研究 |
1.2.3 文献综述 |
1.3 主要研究内容 |
1.4 研究方法及技术路线 |
1.5 本章小节 |
第2章 常规公交应急救援系统介绍 |
2.1 常规公交故障分析及影响因素 |
2.1.1 常规公交故障来源及分析 |
2.1.2 影响公交行车安全的因素 |
2.2 常规公交应急救援系统 |
2.2.1 应急救援的任务 |
2.2.2 应急救援的要求 |
2.2.3 应急救援的管理体制 |
2.2.4 应急救援流程 |
2.3 常规公交救援体系存在的问题 |
2.4 本章小节 |
第3章 城市公交车辆救援网络及需求分析 |
3.1 城市公交车辆救援网络构建 |
3.1.1 拓扑网络构建 |
3.1.2 需求点定义 |
3.1.3 救援设施定义及分类 |
3.2 救援需求分析 |
3.2.1 需求点紧迫度分析 |
3.2.2 需求点权重计算 |
3.2.3 需求时空分布动态变化 |
3.3 路径选择及行程时间估计 |
3.3.1 最短路径选择 |
3.3.2 路段行程时间估计 |
第4章 城市公交车辆应急救援设施动态选址模型 |
4.1 模型准备 |
4.1.1 问题描述 |
4.1.2 模型假设 |
4.2 模型构建 |
4.2.1 符号定义 |
4.2.2 目标函数的建立 |
4.2.3 无容量限制模型 |
4.2.4 容量限制模型 |
4.3 模型求解 |
4.3.1 选址模型算法介绍 |
4.3.2 算法设计 |
第5章 实例分析 |
5.1 内江市公交运行现状 |
5.1.1 内江市中心城区道路基本情况 |
5.1.2 内江市公交线网数据 |
5.2 数据准备 |
5.2.1 路段行程时间与需求点权重计算 |
5.2.2 候选救援设施 |
5.3 实例分析结果 |
5.3.1 最优设施个数确定 |
5.3.2 求解最优解 |
5.4 对比分析 |
结论 |
致谢 |
参考文献 |
附录1 内江市公交线网基础数据 |
附录2 遗传算法求解代码 |
攻读硕士学位期间发表的论文 |
(8)考虑需求响应的园区级综合能源系统站—网协同规划(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外发展及研究现状 |
1.2.1 综合能源系统发展现状 |
1.2.2 综合能源系统研究现状 |
1.2.3 现有研究存在的问题 |
1.3 本文主要工作 |
第2章 电-热-气综合潮流建模 |
2.1 引言 |
2.2 综合能源系统结构 |
2.3 综合潮流各系统模型 |
2.3.1 电力系统模型 |
2.3.2 热力系统模型 |
2.3.3 天然气系统模型 |
2.3.4 耦合设备模型 |
2.3.5 分布式新能源 |
2.3.6 电-热-气系统综合潮流总模型 |
2.4 电热负荷综合需求响应分析 |
2.4.1 负荷聚合商 |
2.4.2 电力负荷需求响应模型 |
2.4.3 热负荷需求响应模型 |
2.10 本章小结 |
第3章 综合能源系统双层规划模型 |
3.1 引言 |
3.2 上层改进P-中位模型 |
3.2.1 传统P-中位模型 |
3.2.2 改进的P-中位模型 |
3.2.3 能源站投资建设成本 |
3.2.4 能距的定义及模型 |
3.3 下层多目标优化调度模型 |
3.3.1 系统经济性模型 |
3.3.2 系统环保性模型 |
3.3.3 可中断负荷需求响应模型 |
3.3.4 系统供能可靠性模型 |
3.4 约束条件 |
3.4.1 配电网约束 |
3.4.2 热网约束 |
3.4.3 天然气网约束 |
3.4.4 能源站出力约束 |
3.4.5 CHP运行约束 |
3.4.6 GB运行约束 |
3.4.7 可中断负荷约束 |
3.4.8 系统并网时功率交换约束 |
3.5 本章小结 |
第4章 双层模型求解策略 |
4.1 引言 |
4.2 模型分析 |
4.2.1 上层模型分析 |
4.2.2 下层模型分析 |
4.3 贪婪-变邻域蛛网算法 |
4.3.1 算法原理 |
4.3.2 算法步骤 |
4.4 多目标粒子群算法 |
4.5 扩展NEWTON-RAPHSON法 |
4.6 模型求解流程 |
4.7 本章小结 |
第5章 算例分析 |
5.1 引言 |
5.2 算例说明 |
5.3 不同场景下规划结果分析 |
5.4 考虑综合需求响应对规划结果的影响分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(9)考虑时间损失的城市应急医疗设施布局优化(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 研究意义 |
1.2 国内外研究现状 |
1.2.1 急救网络布局研究 |
1.2.2 急救资源配置研究 |
1.2.3 应急医疗设施选址研究 |
1.2.4 国内外研究现状分析与总结 |
1.3 主要研究内容 |
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 |
第二章 相关概念及理论基础 |
2.1 应急医疗服务体系的相关概念 |
2.1.1 应急医疗服务体系定义 |
2.1.2 院前急救的主要模式 |
2.1.3 应急医疗救援作业流程 |
2.2 城市应急医疗设施相关概念 |
2.3 设施选址相关理论 |
2.3.1 相关设施分类 |
2.3.2 选址目标函数分类 |
2.3.3 常见选址模型分类 |
2.3.4 常见选址模型比对 |
2.4 本章小结 |
第三章 城市应急医疗设施选址原则及影响因素分析 |
3.1 城市应急医疗设施选址原则 |
3.1.1 应急设施选址的宏观原则 |
3.1.2 城市应急医疗设施选址注意事项 |
3.2 影响城市应急医疗设施的选址的因素 |
3.2.1 主要非成本因素 |
3.2.2 主要成本因素 |
3.3 城市应急医疗设施选址的程序和步骤 |
3.4 本章小结 |
第四章 考虑时间损失的城市应急医疗设施选址模型的建立 |
4.1 患者等待时间满意度函数构建 |
4.2 等待时间与患者后期治疗费用函数构建 |
4.3 符号参数说明 |
4.4 模型构建 |
4.5 NSGA-2算法 |
4.5.1 智能算法概述 |
4.5.2 NSGA-2算法基本步骤 |
4.6 本章小结 |
第五章 城市应急医疗设施的初选 |
5.1 备选应急医疗设施筛选 |
5.1.1 研究区域划分 |
5.1.2 城市应急医疗设施选址体系 |
5.1.3 城市应急医疗设施选址体系指标项 |
5.1.4 备选城市应急医疗设施有效性排查 |
5.2 相关数据收集 |
5.3 选址模型运算结果 |
5.4 灵敏度分析 |
5.5 本章小结 |
第六章 城市应急医疗设施布局优化 |
6.1 应急物资概述 |
6.1.1 应急物资的概念 |
6.1.2 应急物资的分类 |
6.1.3 应急物资运输特点 |
6.1.4 应急物资保障的重要性 |
6.2 应急医疗物资运输成本模型构建 |
6.2.1 城市应急医疗设施饮食需求 |
6.2.2 城市应急医疗设施药物需求 |
6.2.3 符号说明 |
6.2.4 模型构建 |
6.3 实例分析 |
6.3.1 城市应急医疗设施物资运输成本计算 |
6.3.2 灵敏度分析 |
6.3.3 城市应急医疗设施选址方案优选结果 |
6.4 本章小结 |
第七章 研究结论与展望 |
7.1 全文总结 |
7.2 创新点 |
7.3 研究不足与展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
(10)考虑多区域互联协同的分布式能源站配置规划研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景和意义 |
1.2 区域综合能源系统概述 |
1.3 分布式能源站研究现状 |
1.3.1 分布式能源站概述 |
1.3.2 分布式能源站规划研究现状 |
1.3.3 分布式能源站示范建设 |
1.4 本文主要工作 |
第2章 多区域能源站互联协同系统建模 |
2.1 待规划分布式能源站描述 |
2.2 分布式能源站数学模型 |
2.2.1 分布式能源站关键设备模型 |
2.2.2 分布式能源站综合模型 |
2.3 多区域能源站互联协同系统模型 |
2.3.1 分布式能源站互联管线模型 |
2.3.2 考虑互联协同的分布式能源站综合模型 |
2.4 本章小结 |
第3章 分布式能源站选型与定容规划研究 |
3.1 分布式能源站配置-运行协同优化方法 |
3.1.1 目标函数 |
3.1.2 约束条件 |
3.2 分布式能源站配置-运行协同优化模型求解 |
3.2.1 基于Cplex的混合整数线性规划算法 |
3.2.2 分布式能源站配置-运行协同优化方法求解流程 |
3.3 算例仿真与分析 |
3.3.1 算例描述 |
3.3.2 算例分析 |
3.3.3 算例对比 |
3.4 本章小结 |
第4章 考虑多区域互联协同的分布式能源站配置规划研究 |
4.1 基于改进P-中位模型的分布式能源站选址方法 |
4.1.1 P-中位模型基本原理 |
4.1.2 基于改进P-中位模型的分布式能源站选址规划 |
4.1.3 Dijkstra最短路径求解算法 |
4.2 考虑多区域互联的配置-运行协同优化方法 |
4.2.1 目标函数 |
4.2.2 约束条件 |
4.3 规划模型求解 |
4.4 算例仿真与分析 |
4.4.1 算例描述 |
4.4.2 算例分析 |
4.5 本章小结 |
第5章 结论与展望 |
参考文献 |
发表论文和参与项目情况说明 |
致谢 |
四、广义p-中位模型的遗传算法(论文参考文献)
- [1]秸秆收储中心选址及收集路径优化研究[D]. 李锦. 河南农业大学, 2021
- [2]城镇化背景下多层次停车换乘设施选址优化方法研究[D]. 侯博文. 吉林大学, 2021
- [3]基于改进DPC算法的多级物流中心选址研究[D]. 郭文杰. 东北林业大学, 2021(08)
- [4]不确定环境下电动汽车路径选择和充电设施布局优化[D]. 凃强. 东南大学, 2020(02)
- [5]基于城市火灾风险的消防站分级覆盖选址模型——以济南市区为例[J]. 陈振南,吴立志,夏登友,张鹏. 中国安全生产科学技术, 2020(07)
- [6]工业园区应急设施选址研究[D]. 武兵. 西安电子科技大学, 2020(05)
- [7]考虑紧迫度的城市公交车辆应急救援设施动态选址研究[D]. 曾令太. 西南交通大学, 2020(07)
- [8]考虑需求响应的园区级综合能源系统站—网协同规划[D]. 柳思岐. 华北电力大学(北京), 2020(06)
- [9]考虑时间损失的城市应急医疗设施布局优化[D]. 靳益宁. 武汉理工大学, 2020(01)
- [10]考虑多区域互联协同的分布式能源站配置规划研究[D]. 孟政吉. 天津大学, 2019(01)