导读:本文包含了多时间窗论文开题报告文献综述及选题提纲参考文献，主要关键词:小波包,多尺度分析,行波相关,故障测距
多时间窗论文文献综述
赵肖雪,辛正祥,宋吉江,陈平[1]（2019）在《基于小波包多尺度分析的多时间窗行波相关法》一文中研究指出为解决行波相关法中时间窗宽度不固定影响故障测距可靠性的问题,提出了一种基于小波包多尺度分析的多时间窗行波相关法。首先,利用最大相关系数选取最优小波基,使得小波包滤波效果达到最佳;其次,以最优小波基为基底将故障信号进行小波包的多尺度分解和重构,由于小波包自身的变换特性,重构后的正反向行波初始波头的宽度随着尺度的增大逐渐变宽,将初始行波波头宽度作为行波相关法的时间窗宽度,此时行波相关法成为一个多时间窗的相关算法;最后,将经包络线处理的单极性正反向行波进行相关算法故障测距。多次仿真分析表明,所提方法消除了时间窗不固定对测距结果的影响,且在不同的故障距离和过渡电阻下均适用。(本文来源于《水电能源科学》期刊2019年09期）
朱杰,张培斯,张询影,余微微[2]（2019）在《基于改进蚁群算法的多时间窗车辆路径问题》一文中研究指出物流运输成本在物流总成本中占有很大比重,合理安排车辆路线,满足用户需求对企业有重要意义。车辆路径问题是运筹优化领域的热点研究问题,多时间窗车辆路径问题是对车辆路径问题的扩展。文中以总成本最小为目标,建立了多时间窗车辆路径问题的一般数学模型,针对蚁群算法在求解时容易陷入局部最优解和收敛速度慢的问题,改进转移概率公式,采用邻域搜索策略提高解的质量,借鉴模拟退火算法的思想对信息素进行更新,提高算法的寻优能力,加快收敛速度。实验结果表明,改进后的蚁群算法可以有效求得最优解,降低物流运输成本。相比其他算法,改进后的蚁群算法求解精确度高,收敛速度快,在求解多时间窗车辆路径问题上有着较好的性能。(本文来源于《计算机技术与发展》期刊2019年01期）
冯德健[3]（2018）在《多行程多时间窗需求可拆分的应急疏散车辆调度》一文中研究指出大规模突发灾害事件发生时,需要将大量受灾人员疏散至安全地点,若待疏散人数超过该区域内所有应急疏散车辆的总载客能力,即应急车辆紧缺,则所有待疏散人员不能一次性被运送完毕,此时需要通过对车辆进行分批次、多阶段的调度,来使其快速高效地完成运载所有受灾人员的任务。应急车辆的调度问题可视为拓展形式的车辆路径问题(Vehicle Routing Problem,VRP)。传统VRP要求各需求点需求量不大于单车容量、所有车辆只能行动一次、各需求点只能被单车单次访问。本文结合应急疏散实际,将应急车辆调度问题转化为多行程多时间窗需求可拆分的车辆路径问题(Vehicle Routing Problem with Multiple trips and Multiple Time Windows and Split Delivery,VRPMTMTWSD),即在应急疏散过程中,允许各车辆多次行动,允许各需求点的需求被拆分并由多车多次配送,同时保证伤势程度不同的受灾人员在其所须的时间窗内被疏散。基于此,本文以最小化应急疏散总完成时间、最小化灾民到达避难所的平均时间、最小化延误损失为目标,构建了多目标的VRPMTMTWSD数学模型。本文通过引入虚拟站点的方式,简化了延误损失计算过程,并基于此分析了数学模型最优解的特征。设计了改进的遗传算法对模型求解,在基因编码中,以灾民作为编码的基本单位并利用虚拟站点编号来代表灾民。结合该基因编码形式,利用最优解的特征提出了解的格式调整方法以提高算法的求解性能。此外,本文针对启发式算法的不足,设计了对最终解的再优化方法。最后,本文结合算例验证了模型的合理性和算法的可行性。结果表明:本文算法能够有效对多目标数学模型进行求解,且具有良好的稳定性,能够为应急车辆的多批次调度问题提供一定的决策指导和参考。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
吕婷[4]（2018）在《轴辐式网络下多时间窗车辆运输调度研究》一文中研究指出甩挂运输具有效率高、成本低、环境污染小等优势,已经成为我国道路货运行业的重要战略发展取向。牵引车与半挂车时间效率的二律背反关系决定了在我国拖挂比较低的现状下,改善半挂车时间效率尤为重要。因此,本文以快运和快递行业省内干线运输为立足点,对厢式单体货车和甩挂运输的调度方案进行研究,契合我国物流业转型升级的发展方向,理论上具有较强的前瞻性,实践上具有可观的经济价值。首先,本文对传统车辆调度和甩挂运输调度的发展现状及甩挂运输组织模式进行了系统梳理,在此基础上,从我国省内干线运输网络结构出发,结合本文研究问题的特征属性,阐述选用基于启发式车辆调度规则的节约算法的合理性。然后,以当下常见的厢式单体货车为研究对象,考虑车辆容量限制和节点多重时效性约束,建立轴辐式网络下厢式单体货车的调度模型并求解。接着,在既定研究背景不变的情况下改变载运工具,基于网络特征提出“多线一点、轮流拖带”的甩挂运输组织模式,建立牵引车和半挂车协同调度的甩挂运输调度模型并求解。最后,通过中国邮政广东邮区的运营数据进行算例分析,验证模型和算法的有效性,进一步明确影响轴辐式网络下厢式单体货车和甩挂运输调度效果的关键因素,对比分析厢式单体货车和甩挂运输的调度结果,突出甩挂运输的优越性,为道路货运企业开展甩挂运输提供理论依据和决策参考。本文的创新点突出表现在考虑半挂车的有效利用率对甩挂运输整体效率的影响,实现对牵引车和半挂车的协同调度。同时,基于省内干线货物运输的实际情况,选择易于形成规模效应的轴辐式网络,这种结构下的车辆调度表现出节点不具有排他性、装卸混合、多时间窗等特性,与以往全连通网络结构下车辆调度问题的特性大不相同。本文立足于我国公路运输的发展现状,实现载运工具从传统的厢式货车到甩挂运输的改变,紧密结合物流业深化改革的发展方向,有很强的实用价值和广阔的发展前景。(本文来源于《华南理工大学》期刊2018-04-20）
李寒梅[5]（2016）在《多时间窗需求可拆分集送货车辆路径问题研究》一文中研究指出多时间窗需求可拆分集送货车辆路径问题,指在供需节点呈现多对多对应关系的运输网络中,为满足所有节点的集货与送货双重需求,车辆从车场出发,以先卸后装的方式,在各种物品的不同指定时间内为各节点提供配送服务,通过优化车辆的运输路线,确定路径上的供需匹配关系,实现最小化运输成本的目标。本文从需求可拆分车辆路径问题与集送货车辆路径问题的特点出发,总结这两类问题相关国内外文献研究的同时指出他们在实践应用中的不足之处。然后在此基础上结合企业实践提出同时具有多品种运输物品、多时间窗约束、多车场、需求可拆分、同时集送货等特点的车辆路径问题,即多时间窗需求可拆分集送货车辆路径问题。在构建该问题模型的过程中,本文从供应链的整体性出发,在考虑仓库库存、车容量等传统约束的前提下,将运输问题与企业生产过程结合起来,增加每种运输物品的到达时间窗约束。在问题求解过程中,针对仓库库存有限供应的情况,从车辆运输效率最大化的角度设计两阶段求解算法。案例分析结果表明:除了能有效降低运输成本,带时间窗相比不带时间窗的情况对于生产企业具有更广泛的适用性,既可以确保原料的生产保供,还能提高车辆整体利用率,减少车辆使用数目。此外,还可以为企业实现集成化物流管控模式提供支撑。(本文来源于《华中科技大学》期刊2016-04-01）
李珍萍,赵菲,刘洪伟[6]（2015）在《多时间窗车辆路径问题的智能水滴算法》一文中研究指出研究了多时间窗车辆路径问题,考虑了车容量、多个硬时间窗限制等约束条件,以动用车辆的固定成本和车辆运行成本之和最小为目标,建立了整数线性规划模型。根据智能水滴算法的基本原理,设计了求解多时间窗车辆路径问题的快速算法,利用具体实例进行了模拟计算,并与遗传算法的计算结果进行了对比分析,结果显示,利用智能水滴算法求解多时间窗车辆路径问题,能够以很高的概率得到全局最优解,是求解多时间窗车辆路径问题的有效算法。(本文来源于《运筹与管理》期刊2015年06期）
闫华,高黎,刘国勇,王红旗[7]（2015）在《基于多时间窗的油料保障模型》一文中研究指出针对军用油料(POL)调拨运输优化问题,通过引入保障时间窗,考虑了油料保障过程中复杂的时间窗约束和运力约束,提出了基于多时间窗的油料调拨运输的约束满足问题(CSP)模型及其求解算法。首先,对油料保障点、油料需求点、保障时间窗、油料保障需求及油料保障任务等要素进行了形式化描述;在此基础上,建立了油料保障CSP模型,并采用理想点法,将模型中的多目标转化为单目标规划问题;设计了基于粒子群优化(PSO)算法的模型求解方法和步骤,并通过算例介绍了模型的具体运用。算例中,将利用所提模型求解得到的优化方案与最大化油料保障量为单一目标的模型优化方案进行比较,两种方案下的运力安排已达最大,但对各油料需求保障时间的安排,所提模型求解方案中每个油料需求的开始保障时间都不晚于单目标模型求解方案中的保障时间。通过对不同优化方案的比较,表明所提模型和算法能够有效解决多目标油料保障优化问题。(本文来源于《计算机应用》期刊2015年07期）
刘振元,黄亚健[8]（2014）在《资源多时间窗约束下的项目调度》一文中研究指出资源受多时间窗约束在项目管理实践中时常出现,却在资源受限项目调度的研究中很少涉及。根据资源的多时间窗特点,建立以成本最小化为目标、考虑资源多时间窗约束的项目调度优化问题的数学模型,提出基于优先规则的倒推右移调度方法,开发相应的优先规则。经算例测试,对比分析资源时间窗在不同的配置水平下对项目成本和工期的影响,并对活动网络复杂性和不同的优先规则下的结果进行比较。结果表明,基于优先规则的倒推右移调度方法可以有效地求解问题,项目目标在倒推右移操作后有明显改善,考虑任务资源时间窗匹配和最小后序活动静态成本的混合优先规则求解效果较好。(本文来源于《系统工程》期刊2014年10期）
赖志柱[9]（2013）在《和声搜索算法优化多时间窗多式联运运输方案》一文中研究指出针对多式联运运输路径上运输方式选择问题,考虑运输网络中多个节点存在服务时间窗的限制,建立了多个中间节点带软时间窗的多式联运运输方案优化模型,设计了一种基于字符编码方式的和声搜索算法,该算法采用新的和声生成方式及微调方式。仿真实例表明,所提算法与贪婪算法相比能获得具有更优运输总成本及不准点时间的运输方案。(本文来源于《计算机应用》期刊2013年09期）
马华伟,叶浩然,夏维[10]（2012）在《允许分割配送的多时间窗车辆调度问题的改进蚁群算法求解》一文中研究指出在实际运输过程中,用户会允许在几个不同的时间区间内分别满足其配送需求,这属于允许分割配送的多时间窗车辆调度问题,而现在的研究多集中于满载配送。本文在考虑分割配送和多时间窗要素的情况下,首先建立了允许分割配送的多时间窗车辆调度问题的数学模型,然后根据问题特点对蚁群算法进行了改进,最后通过算例证明了该算法的有效性,并讨论了该问题的适用范围。(本文来源于《中国管理科学》期刊2012年S1期）
多时间窗论文开题报告
（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：
物流运输成本在物流总成本中占有很大比重,合理安排车辆路线,满足用户需求对企业有重要意义。车辆路径问题是运筹优化领域的热点研究问题,多时间窗车辆路径问题是对车辆路径问题的扩展。文中以总成本最小为目标,建立了多时间窗车辆路径问题的一般数学模型,针对蚁群算法在求解时容易陷入局部最优解和收敛速度慢的问题,改进转移概率公式,采用邻域搜索策略提高解的质量,借鉴模拟退火算法的思想对信息素进行更新,提高算法的寻优能力,加快收敛速度。实验结果表明,改进后的蚁群算法可以有效求得最优解,降低物流运输成本。相比其他算法,改进后的蚁群算法求解精确度高,收敛速度快,在求解多时间窗车辆路径问题上有着较好的性能。
（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。
多时间窗论文参考文献
[1].赵肖雪,辛正祥,宋吉江,陈平.基于小波包多尺度分析的多时间窗行波相关法[J].水电能源科学.2019
[2].朱杰,张培斯,张询影,余微微.基于改进蚁群算法的多时间窗车辆路径问题[J].计算机技术与发展.2019
[3].冯德健.多行程多时间窗需求可拆分的应急疏散车辆调度[D].哈尔滨工业大学.2018
[4].吕婷.轴辐式网络下多时间窗车辆运输调度研究[D].华南理工大学.2018
[5].李寒梅.多时间窗需求可拆分集送货车辆路径问题研究[D].华中科技大学.2016
[6].李珍萍,赵菲,刘洪伟.多时间窗车辆路径问题的智能水滴算法[J].运筹与管理.2015
[7].闫华,高黎,刘国勇,王红旗.基于多时间窗的油料保障模型[J].计算机应用.2015
[8].刘振元,黄亚健.资源多时间窗约束下的项目调度[J].系统工程.2014
[9].赖志柱.和声搜索算法优化多时间窗多式联运运输方案[J].计算机应用.2013
[10].马华伟,叶浩然,夏维.允许分割配送的多时间窗车辆调度问题的改进蚁群算法求解[J].中国管理科学.2012