一、一个有效两阶段最优控制问题的算法（论文文献综述）
张松灿[1]（2021）在《基于蚁群算法的移动机器人路径规划研究》文中进行了进一步梳理移动机器人的自主导航能力对其广泛应用具有决定作用,而良好的路径规划技术是自主导航的基础。机器人的工作环境复杂多变,不仅存在静态障碍,还存在一些运行状态未知的动态障碍,在规划任务开始前无法获取全部环境信息。传统的路径规划算法在面对复杂环境时存在效率低、稳定性及适应能力差等不足,难以满足实际需求。蚁群算法具有正反馈机制、分布式计算及鲁棒性强等优势,候选解构建过程与路径规划过程相似,无需先验知识即可找到最短觅食路径,与路径规划目标相似,因此,蚁群算法成为最常用路径规划方法之一。针对蚁群算法在静态环境路径规划中存在收敛速度慢、协同不足、适应性弱等不足,在优化过程中还存在种群多样性与收敛速度的矛盾,从算法结构、参数优化及规划路径特征等方面提出针对性的改进策略,增强算法的优化性能,加快算法收敛度,提高算法适应能力。针对现有局部路径规划方法侧重于避障,无法保证路径的最优等问题,提出将全局规划信息和局部规划相结合的动态路径规划方法。主要研究内容如下:（1）自适应改进蚁群算法的路径规划。为解决基本蚁群算法在路径规划时存在收敛速度慢、易陷入局部极值等不足,提出基于种群信息熵的自适应改进蚁群算法。利用种群信息熵度量算法优化过程的多样性特征;依据种群信息熵自动调整算法参数的自适应策略;在全局信息素更新规则中,增加了迭代最优解的信息素项,并根据种群信息熵自动调整迭代最优解的信息素更新强度;提出信息素扩散模型以增强蚂蚁间的协作能力;非均匀信息素初始化策略能减少算法运行前期的盲目性搜索,加速算法收敛。仿真实验表明所提算法收敛速度快,适应性好,优化性能强。（2）单种群自适应异构蚁群算法的路径规划。针对多种群蚁群算法结构复杂、优化速度慢及适应性不足等问题,提出一种结构简单的单种群自适应个体异构蚁群算法。为提高初始蚁群的质量,首次迭代时仅以启发信息来构建候选解;非首次迭代时每只蚂蚁使用各自的控制参数构建候选解,增强种群的多样性;信息交换与参数突变操作不仅能发挥最优蚂蚁的引导作用,而且有助于算法在更大的参数空间探索更优的算法参数;基于种群信息熵的自适应信息交换周期策略,提高了算法的适应能力。仿真结果验证了算法的适应性、有效性及优越性。（3）融合改进蚁群算法和几何优化的路径规划方法。提出改进蚁群算法和几何局部优化相混合的路径规划方法。改进蚁群算法主要包括信息素初始化策略,带惩罚机制的动态权重信息素更新策略。根据蚁群算法规划路径的几何特征与运动约束条件,设计了局部优化方法,对每次迭代得到的最优路径进行几何优化。同时将优化后的路径作为新路径也进行信息素更新与扩散,显着提升了规划效率。实验结果表明所提出的算法具收敛速度快、优化能力强与适应能力好等优点。（4）动态环境的路径规划方法。针对动态环境路径规划的需求与特点,提出两阶段动态路径规划方法。第一阶段依据全局环境信息,利用改进蚁群算法规划出全局最优路径,并作为第二阶段的参考路径。第二阶段为路径跟踪与局部再规划阶段。当机器人沿着所最优路径行走时,实时更新其视野内的局部地图,进行碰撞预测与避碰,协调控制策略完成路径跟踪与避障。仿真实验表明算法能有效避开环境中的动态障碍,获取无碰最优或次优路径,规划性能与规划效率优于蚁群算法再规划方法。最后对全文进行总结,对未来的一些研究内容进行了展望。
洪鑫[2]（2021）在《高速铁路列车运行调整一体化优化方法》文中研究表明近年来,我国高速铁路快速发展,营业里程持续增长,列车运行速度不断提高。但是,高速铁路列车运行过程中所面对干扰的不确定性、突发性、复杂性较为突出;列车运行组织工作较为复杂,列车晚点传播较快、影响范围较广;同时,客流量和追求高品质运输服务水平的旅客需求日益增长。这些都给高速铁路列车运行调整工作带来了更大的挑战。当干扰发生时,需要考虑当下列车运行状态和资源运用情况,及时进行列车运行调整,以免干扰对列车运行的不利影响大范围传播,避免对旅客出行和高速铁路运营造成较大损失。列车运行调整包括列车运行图调整、列车停站计划调整和动车组交路计划调整等,这些调整计划之间相互作用和影响,但既有研究对于列车运行调整关联计划进行整体优化的较为少见。因此,本论文围绕高速铁路列车运行调整一体化优化问题进行研究,主要内容包括:（1）高速铁路列车运行调整问题基本要素分析和基本模型构建。从列车运行干扰、列车运行调整计划与基本计划编制方面的区别、基本调整措施以及主要调整目标几方面,对高速铁路列车运行调整问题基本要素进行深入分析。对列车运行调整相关主体进行模型构建,包括路网拓扑模型、运行干扰模型、资源能力约束模型以及列车运行图调整基本模型。分析列车运行调整一体化优化关键因素,对列车运行图与列车停站计划关联性,以及列车运行图与动车组交路计划关联性进行分析,为后续研究奠定理论基础。（2）列车运行图与列车停站计划调整一体化优化问题研究。考虑列车因动车组故障停运的情况,受干扰旅客的需求直接驱动列车停站计划的调整,通过改变列车到发时刻、运行顺序、车站到发线运用以及增加列车停站的调整措施,最小化列车加权终到晚点,同时,最大化运送原计划乘停运列车出行的旅客。在列车运行图调整基本模型的基础上,对上述调整措施进行建模。同时考虑固定设备资源和列车载客资源再分配,以及车站到发线运用与列车停站的关联性、列车到发时刻与停站的关联性,对资源能力约束和关联约束进行建模,构建混合整数线性规划模型,基于标准化的线性加权求和方法,求解帕累托最优解。基于京沪高速铁路进行算例分析,结果表明该方法可以有效解决列车运行图与列车停站计划调整一体化优化问题,同时求解得到列车运行图调整计划和列车停站调整计划,且在最大化满足旅客到达其终点站需求的条件下,有效减少列车晚点。并且与分步优化相比,一体化优化可得到质量更高的解。（3）考虑干扰持续时间不确定的列车运行图与列车停站计划调整一体化优化问题研究。在高速铁路实际运营过程中,系统具有一定的不确定性,干扰发生时,很难完全掌握准确的干扰信息,因此,干扰持续时间具有一定的随机性。考虑列车因动车组故障停运的情况,干扰持续时间服从一定的概率分布,通过改变列车到发时刻、运行顺序以及增加列车停站的调整措施,设置具有鲁棒性的列车停站约束,构建混合整数线性随机规划模型,求解在不同干扰持续时间下的期望最优解。提出单阶段最优化求解方法、两阶段求解方法,以及随机优化求解方法,基于京沪高速铁路进行算例分析。结果表明该方法可以有效解决干扰持续时间不确定的问题,确保列车停站和剩余载客能力分配在不同干扰持续时间下均保持一致。（4）列车运行图与动车组交路计划调整一体化优化问题研究。针对区间因基础设施故障封锁的情况,考虑动车组运用受其载客能力、速度等级、配属和检修规程的约束,通过改变列车到发时刻、运行顺序和停运列车,以及改变动车组交路的调整措施,优化列车运行调整计划。基于列车运行图调整基本模型,对上述动车组运用影响因素和调整措施进行建模。同时考虑固定设备资源和移动设备资源再分配,以及接续列车的终到始发时间窗和动车组接续时分关联性、列车开行或停运与动车组分配关联性,对资源能力约束和计划间关联约束进行建模,以最小化列车运行图调整和动车组运用调整费用为目标,构建混合整数线性规划模型。设计两阶段求解方法,基于京沪高速铁路进行算例分析。结果表明该方法可以有效解决列车运行图与动车组交路计划一体化优化问题,同时求解得到列车运行图调整计划和动车组交路调整计划,实现最小化列车晚点的同时,最大化动车组运用效率。并且与分步优化相比,一体化优化可得到质量更高的解。（5）列车运行图与列车停站计划、动车组交路计划调整一体化优化问题研究。考虑列车因动车组故障停运的情况,通过改变列车到发时刻、运行顺序、停站和停运列车,以及改变动车组交路的调整措施,最大化列车运行调整收益。基于列车运行图调整基本模型,对上述调整措施进行建模。同时考虑固定设备资源、移动设备资源、列车载客资源的再分配,以及列车运行图、列车停站计划、动车组交路计划之间的关联性,对资源能力约束和计划间关联约束进行建模,构建混合整数线性规划模型。通过对关联计划分步优化和一体化优化进行组合,设计列车运行调整问题求解方法,基于京沪高速铁路进行算例分析。结果表明该方法可以有效解决列车运行图与列车停站计划、动车组交路计划调整一体化优化问题,同时求解得到列车运行图调整计划、列车停站调整计划和动车组交路调整计划,在最大化满足旅客到达其终点站需求的同时,最小化与列车运行图和动车组交路基本计划之间的偏差。并且与分步优化相比,一体化优化可得到质量更高的解。图38幅,表33个,参考文献134篇。
兰泽康[3]（2021）在《考虑运输资源周转的铁路集装箱运输动态服务网络设计优化研究》文中提出近年来,铁路货运作为绿色高效的运输方式得到迅速发展,首先是国家从2018年推动“公转铁”运输结构调整计划,国铁集团也相应制定了货运增量的行动方案。其次,铁路路网规模的扩大和高速铁路客运的发展,极大地释放了铁路货运的运能。在可预见的未来,铁路货运组织将更加精细化,以确保货物运到期限和提升客户服务水平。本文基于一种新型的集装箱运输组织模式,运用运筹学规划方法,展开对考虑运输资源（集装箱、列车车底）周转的动态服务网络设计（DSNDRM）优化的研究。运输资源周转约束分为两种,一种是要求资源在站点的数量达到平衡,另一种是要求车底运行轨迹形成回路。周转约束有效保证了编制的计划在不同阶段有足够的运输资源来完成。研究方法是将集装箱货流运输组织和运输资源一体化融入到时空网络中,建立数学规划模型,设计求解算法。最终输出的结果是一定规划时期内车底所经过的各个站点以及相应的到发时段,货流的挂线方案,形成货流从始发到终到全过程的完整货流运输组织方案,保证货物的运到期限,为铁路部门制定运营计划提供理论依据。论文的主要工作包括:1.研究了跨境铁路运输网络的动态服务网络设计问题,目标是保障货物运到期限的同时最小化运营成本。首先,基于给定的轴辐式网络结构,建立周期性离散时空网络描述车底运行和货流运输过程,并通过枚举方法得到每支货流所有可能的运输时空路径。继而考虑车底、集装箱平衡和货流挂线方案数量限制等约束,构建了混合整数规划模型,实现货流、箱流、列流的综合优化。最后,选取包含8个站点、7个区段的中欧班列运输网络作为算例,并设计5个不同规模大小的算例,采用商业软件GUROBI求解模型。所有算例均能在1h内获得满意解,验证了模型的有效性。2.研究了考虑车底平衡的动态服务网络设计问题,针对问题求解的复杂性,提出采用两阶段算法求解,将原问题分解为动态服务网络设计（DSND）问题和车底资源分配（TRAP）问题。DSND不考虑车底资源平衡,生成给定服务的开行时段,TRAP问题则在DSND问题的基础上,对车底资源进行分配。假设货流只能被单一车底资源服务,以货流可能的运输组合方案为节点,拓展物理网络为运营网络,便于将货流变量融入到车底资源变量中,强化模型的下界从而提高求解效率。分别建立基于弧段和基于路径的DSND模型,前者采用商业软件GUROBI求解,而为后者设计分支定价算法（BAP）。针对TRAP,为满足车底资源平衡约束,首先通过求解经典的“运输问题”引入空驶服务,继而分别建立不考虑和考虑调整DSND生成计划的TRAP模型。以国内铁路货运运输网络为基础路网并设计算例。对比分析了两阶段算法和一体化模型的求解结果,验证了所提出的两阶段算法可以更高效地求解DSNDRM问题。3.在前面研究的基础上进一步考虑了车底的回路约束。同样采用两阶段算法将DSNDRM问题分解为DSND问题和TRAP问题。不考虑货流只能通过单一车底运输。从而DSND的决策内容变为需要建立哪些运行弧,而非由多个运行弧所组成的服务。由于基于弧段的TRAP模型难以求解,通过引入回路变量替代车底回路约束,构建基于回路的TRAP模型,并设计Benders分解和列生成算法相结合的算法求解模型。为了提高列生成算法求解效率,采用原始-对偶列生成算法（PDCGM）的加速策略。基于国内铁路网络设计算例对模型和算法进行验证。结果表明,相比于GUROBI,所提出的算法可以更有效求解大规模的TRAP问题,而PDCGM则可以提升列生成算法的求解效率。4.以中欧班列运输网络作为案例,采用第5章中两阶段算法求解,对比分析3种不同车底运行规则,分别为不考虑车底平衡,考虑车底平衡和考虑车底回路。相比于不考虑车底平衡,考虑车底平衡和车底回路保证了站点车底数量的平衡,保证了下一阶段有足够的资源完成计划。同时还对比了不考虑和考虑PDCGM加速策略的算法求解效率,验证了算法的有效性。
龙思慧[4]（2021）在《高速铁路列车运行调整与控制一体化优化模型与算法》文中研究表明高速铁路运输作为我国综合交通运输体系的骨干,近年来蓬勃发展。与此同时,旅客对高速铁路的出行需求及服务品质的要求也不断提高。在高速铁路日常运营中,源于系统内外部的因素频繁扰动列车运营,将列车运行调整和控制进行一体化优化,是保证高速铁路在扰动下高效高质恢复正常运营的有效途径。列车运行调整与控制一体化优化存在诸多模型构建与求解的难点,如宏观运行调整决策与微观运行控制决策融合难、多决策一体化优化建模难、扰动场景对列车运行的影响分析与建模难等;模型的非线性、强耦合、多约束、多目标等特点给求解方法及算法的求解质量和时效性带来了较大挑战。目前,对于两者一体化优化建模方法的研究尚处于起步阶段,既有方法考虑的一体化耦合要素有限,适用场景较少,在复杂扰动场景下可扩展性不强,不利于同时保证运行调整计划和速度曲线的精细度与可执行性。因此,以保证运行调整与控制的优化解的精细化、可执行性、高质量、时效性为目标,本文围绕高速铁路列车运行调整与控制一体化优化建模及求解方法、复杂场景扩展方法、大规模问题求解方法进行研究。高速铁路列车运行调整与控制一体化优化的研究对保证扰动下高速铁路高效高质运营,提高旅客服务质量,适应高铁智能化发展具有重要的理论及现实意义。本文围绕高速铁路列车运行调整与控制一体化优化模型与算法,主要进行了以下四项工作:（1）研究了高速铁路列车运行调整与控制一体化优化问题的理论模型。分析了高速铁路列车运行调整和控制问题,对传统的列车运行调整与控制优化方法进行了探讨,分析了理论研究中分步及循环迭代优化方法的步骤及其优缺点。分析了一体化优化建模的关键要素及其内在关联作用机理,定义了一体化优化方法的概念内涵。在分析一体化优化建模重点及难点的基础上,建立了一体化优化的理论模型,对模型的复杂性进行分析,为后文研究奠定理论基础。（2）研究了精细化要求下列车运行调整与控制一体化优化建模及求解方法。考虑列车特性及线路条件进行列车牵引计算以提高目标速度曲线的精细度,基于微观路网模型描述高速铁路网,以提高行车资源利用的精细化程度。以最小化总偏离时间为目标,分别基于离散空间法和离散时间法对列车运行过程进行离散,建立了两个列车到发时刻调整与速度调整一体化优化的混合整数非线性规划模型。设计非线性约束重构法,分别将两个模型重构为混合整数线性规划模型。提出的模型能够准确描述高速列车牵引计算过程,提升了一体化优化解的精细度。与此同时,基于离散空间法的一体化优化模型在求解效率和求解规模上均有其优势,相较基于离散时间法的一体化优化模型可扩展性及应用性更佳。（3）研究了考虑到发线调整的列车运行调整与控制一体化双目标优化建模及求解方法。构建了列车运行调整与控制问题的评价体系,在基于离散空间法建立的一体化优化约束的基础上,对到发顺序调整、到发线运用调整与到发时刻调整、速度调整的耦合约束进行了建模。以最小化列车总延误时间和总牵引能耗为目标,建立考虑多种调整措施的列车运行调整与控制一体化双目标优化的混合整数线性规划模型。分别基于epsilon-约束法和线性加权法设计了求解双目标优化问题的帕累托前沿的算法;设计了一个两阶段算法以提升一体化优化模型的求解效率。构建的一体化双目标优化模型可以保证优化解的总延误时间和总能耗处于较低水平。与此同时,在保证解的可执行性的前提下,考虑多种调整措施进行一体化优化,也有助于提升优化解的质量。（4）研究了复杂场景下列车运行调整与控制一体化优化建模方法及大规模问题求解方法。分析了复杂场景对列车运行调整及控制的影响,基于考虑多种调整措施的一体化优化方法的约束,建立了复杂场景（主要包括区间封锁和临时限速）下一体化优化模型的线性化约束,构建了复杂场景下的一体化优化混合整数线性规划模型。为保证大规模问题的求解效率和求解质量,设计了基于知识规则的可行域缩减方法以缩减无效状态的搜索计算和额外存储;设计了基于拉格朗日乘子的启发式算法求解问题可行解,以提升分枝定界法寻优的效率。设计了两个循环迭代优化方法,通过案例将其分别与一体化优化方法进行对比,结果表明,在保证解的可执行性前提下,一体化优化方法的解质量更高。论文包含图51幅,表12个,参考文献199篇。
黄纪凯[5]（2021）在《全渠道模式前置仓选址与配送路径优化》文中提出电子商务是我国第三产业的重要组成部分,其快速发展对新冠肺炎疫情期间国内经济的发展发挥了巨大促进作用。消费需求的不断升级与市场竞争的加剧推动电商前置仓从仓储型转化到全渠道模式。全渠道模式前置仓的高速发展重塑了电商末端配送网络。因此,研究全渠道模式前置仓选址与配送路径优化问题具有现实意义。不仅可以大力推动全渠道模式前置仓业务由高速向高质量转型,亦可有效满足消费者不断升级的需求以及日益加剧的市场竞争环境,进而促进电商零售企业向高质量发展的转变。本文综合采用系统动力学、多目标规划、分布式鲁棒优化、整数规划方法,基于调研和相关文献研究,通过定性与定量相结合的方式,从商业运营的角度出发研究前置仓运营模式的特征,从全渠道模式前置仓配送网络设计的角度出发研究前置仓选址和配送路径规划,从全渠道模式前置仓配送网络优化的角度出发研究选址-路径集成优化。（1）基于系统动学的前置仓运营模式仿真分析。首先,本文界定了全渠道模式前置仓的运营模式、特性及问题。其次,从全渠道模式和仓储模式前置仓运营模式视角出发,构建系统动力学模型,结合实证企业的案例数据,使用VENSIM软件对前置仓的运营模式进行仿真分析。结果表明,全渠道模式前置仓在消费者、订单量、营业收入、服务能力方面均优于仓储模式前置仓,而在总成本方面高于仓储模式前置仓。因此,降低全渠道模式前置仓总成本成为优化全渠道模式前置仓选址与配送路径规划的首要目标。（2）全渠道模式前置仓选址与能力设计联合优化。基于消费画像对确定性需求的刻画,本文不仅考虑配送服务,还结合全渠道模式的特点引入到店购方式,综合考虑前置仓容量限制、总成本、到店购时间、配送时间等要素,利用多目标优化方法构建了分别以总成本最小和服务时间最小的双目标规划模型。通过分析模型结构特点,设计基于精英策略的多目标模拟退火算法。应用MATLAB软件,使用实证企业脱敏的案例数据验证了模型的正确性和算法的有效性。结果表明,增加前置仓选址数量和模型考虑配送和到店购的方式会提高帕累托最优解的数量,增加选址方案组合。帕累托最优解数量受前置仓配送能力降低影响明显且选址方案组合提高较少。（3）全渠道模式前置仓车辆路径分布式鲁棒优化。基于需求参数及其分布的双重不确定性,综合全渠道模式前置仓的特点:配送、到店购或自提的方式、到店购客户的成本、配送成本、车辆固定成本,构建最坏情形下期望总成本和条件风险值（CVa R）最小的分布式鲁棒优化模型。由于模型属于半正定规划问题,所以构造盒子非精确集,推导等价可求解形式。利用实证企业案例数据,应用CPLEX软件对等价模型进行求解,通过与随机规划模型对比分析验证模型的有效性。结果表明,分布式鲁棒方法比随机规划方法具有更好的稳定性,并且可提供更多种鲁棒的配送服务策略。（4）全渠道模式前置仓选址-路径集成优化。在全渠道模式的背景下,前置仓不仅提供配送服务,还引入到店购的全渠道模式特点,综合考虑前置仓建设成本、车辆使用的固定成本、区域仓至前置仓的干线运输成本、前置仓至客户的配送成本等要素,利用整数规划的方法,构建总成本最小的全渠道模式前置仓选址-路径优化模型。应用JAVA语言实现了改进后的遗传算法设计,结合实证企业的案例数据对模型进行了求解和验证。结果表明,设置适当的最大配送距离和优化配送车辆的性能有助于企业总成本的控制。图51幅,表35个,参考文献178篇。
施云辉[6]（2021）在《考虑可再生能源不确定性的电力系统多阶段鲁棒调度方法》文中指出传统的调度方式基于确定性优化,缺乏对可再生能源出力不确定性的认识,面对高比例可再生能源的接入,电力调度部门必须采用保守的发电计划,从而降低了常规机组发电效率,也影响了对可再生能源的有效接纳。本文在可再生能源出力不确定性准确建模的基础上,提出了电力系统多阶段鲁棒优化调度方法,在模型中扩充储能、综合能源等灵活性资源的优化空间,所得到的调度计划在满足极端场景运行的同时更为经济合理,对于加强运行人员对调度计划受不确定性影响的认识,充分发挥电力系统自身及其他能源系统的灵活性具有重要意义。主要研究内容及研究成果包括:（1）提出一种数据驱动的可再生能源出力预测误差不确定集构造方法。通过非参数数据聚类的方式,将多可再生能源电站的出力预测误差聚为多个组件,每个组件可以用一高斯分布刻画。聚类结果用于生成相应的可再生能源出力预测误差不确定集,相比于经典鲁棒优化中的多面体不确定集,可以更准确反映可再生能源出力预测误差的多模态分布特性。基于该数据驱动不确定集建立数据驱动鲁棒优化调度模型,并提出了基于约束与列生成的求解算法,使得制定机组启停计划更为合理,降低所得到的调度计划保守性。（2）针对考虑可再生能源出力不确定性的含储能电网日内经济调度问题,提出一种基于多阶段鲁棒优化的日内调度方法。该方法扩展了传统前瞻经济调度的时间窗口,通过引入最坏情况值函数,衡量决策产生的未来所有时段的成本的最坏情况,从而可以在全天范围内统筹储能资源缓解弃风和切负荷。提出了快速鲁棒对偶动态规划算法以高效求解该模型。与现有的多阶段鲁棒优化求解算法相比,所提算法显着降低了问题的规模,同时保持了算法的可靠收敛。针对储能系统的充放电非线性特性,提出了适用于多阶段问题的预估-矫正的状态转移方程,该近似方法所得最优调度策略和风电极端场景都接近真实情况。（3）在传统旋转备用概念的基础上,拓展出了适用于火电机组、储能和负荷聚合商的经济运行域概念,并基于此提出了一种日前-日内两阶段鲁棒调度方法。证明了经济运行域的最优解覆盖定理,即可再生能源出力随机性引起的调度计划变化恰好不会超出经济运行域。将储能的最坏情况值函数添加到该模型第二阶段问题的目标函数中,可以使得储能的控制策略更具有预见性。设计了基于嵌套Benders分解的算法以求解上述模型。相比于确定性调度,在高比例风电和预测误差较大的场景下,基于经济运行域的日前-日内两阶段鲁棒调度方法明显提升了风电消纳率,具有显着的经济性优势。（4）针对区域供热系统参与电力系统调节以提升可再生能源消纳的场景,提出分散协同的电-热联合系统多阶段鲁棒调度模型。该模型在发挥多种供能系统灵活性的同时保护了不同能源运营商的隐私。针对该模型多阶段、多主体的复杂结构,通过最坏情况时间值函数和空间值函数进行时空分解,使得各子系统每一阶段的决策都能计及对其余时段、其余子系统的影响。提出分散协同鲁棒对偶动态规划算法以求解该模型,算法对于中等规模系统可在较短时间内收敛,相比于集中式算法所需的信息交换更少,并具备一定的抗通信干扰能力。相比传统调度方法,可充分发挥储能、电热转换设备、建筑物热惯性这些灵活性资源应对风电出力波动的作用。（5）开发电网经济运行域软件和综合能源优化调度软件,完成部分理论成果的落地应用。电网经济运行域软件面向省级电网的调度场景,应用经济运行域和多阶段鲁棒优化理论,实现了可再生能源不确定性分析、电网经济运行域计算和调度计划生成三大功能,为调度人员展示可再生能源预测误差、系统和机组的有功运行边界、机组最优出力计划等信息,软件已在江苏、宁夏两个省级电网试点应用。综合能源优化调度软件以工业用户为主的区域综合能源调度场景,应用综合能源鲁棒优化调度方法,实现了冷热电一体化建模、综合能源优化调度、需求侧响应等功能,可以为综合能源系统的运行人员展示系统当前的运行状态、未来的最优供能方案以及需求侧资源的利用情况,从而提高综合能效,降低用能成本,增强可再生能源的消纳能力,软件已在杭州某工业园区得到应用。
夏超群[7]（2021）在《基于局部和全局特征表示的红外小目标检测算法研究》文中指出红外搜索与跟踪（Infrared Search and Tracking,IRST）系统因其具有隐蔽性、抗干扰性、全天时工作等特点,在领空监察、海上监控、空防预警以及反导等相关领域实现了相当广泛的应用。作为IRST系统的关键性技术之一,红外小目标检测旨在研究远距离红外成像时目标的快速检测技术,其结果将直接影响IRST系统的性能,因此红外小目标检测技术的研究具有重要意义。红外小目标检测面临着目标尺寸小、纹理信息稀缺、图像背景复杂和信噪比（Signal-toNoise Ratio,SNR）较低等难点。凭借优异的目标增强和背景抑制能力,基于特征表示的红外小目标检测算法受到了越来越多的关注。然而,如何描述小目标的内在特性并构造有效的特征表示,以及设计具有杂波鲁棒性的检测算法,是基于特征表示的检测算法的重点和难点。针对以上问题,本文重点围绕基于局部-全局特征表示的红外小目标检测算法展开研究。本文的主要研究工作概括如下:（1）针对传统的基于局部亮度差异假设的特征表示难以多维度增强小目标问题,提出了一种基于多尺度局部亮度差异度量和局部能量因子的小目标检测算法。通过引入局部区域能量的概念,局部能量因子度量了目标区域的结构与其邻近区域结构的非相似性,并与局部亮度差异度量在多尺度上进行融合,能够有效地增强目标信号的强度。实验结果表明,与现有的仅考虑局部亮度特性的算法相比,该算法有更强的目标增强能力,能获得更高的检测精度。（2）针对现有的基于局部特征表示的算法会误检与小目标具有类似局部特性的强杂波信号问题,提出了一种基于改进随机游走的两阶段式小目标检测算法。第一阶段基于局部特征表示从全图中筛选出目标种子点,第二阶段基于改进的随机游走模型搜索局部结构具有全局特异性的种子点作为检测结果。实验结果表明,与基于局部特征表示的算法相比,该算法能够剔除更多误检点,降低虚警率。（3）针对两阶段式算法在第一阶段漏检形成算法瓶颈问题,提出了一种基于带局部特征约束的图拉普拉斯的端到端式小目标检测算法。该算法为输入的红外图像建立图拉普拉斯模型,模型输出能够表达小目标的全局特异性特征,同时引入两个局部特征表示的算子作为模型优化函数的约束项,使得模型兼具局部-全局的特征表示能力。实验结果表明,与现有算法相比,该算法能获得更高的检测精度。（4）针对多目标检测场景下弱信号目标容易被漏检问题,提出了一种基于分布式最大熵随机游走的多小目标检测算法。该算法论证了最大熵随机游走模型用于描述小目标全局特性的适用性及其对强信号目标的偏好性缺陷,并针对这一缺陷,构建了分布式最大熵随机游走模型。为了赋予分布式最大熵随机游走模型对小目标局部特性的表示能力,修正了模型的权重矩阵,同时基于该权重矩阵构造置信系数图,与模型输出的稳态分布图进行融合,从而进一步增强模型对小目标局部和全局特性的表示能力。实验结果表明,与现有算法相比,该算法在目标增强、背景抑制和多目标检测精度上均有较大提升。
解梦琰[8]（2021）在《基于对冲理论的水电风电联合调度》文中研究表明我国水资源短缺问题十分突出,是制约经济社会可持续发展的主要瓶颈。人多水少、水资源分布不均是我国基本的国情和水情。一年之中水资源量的60%-80%集中在汛期,致使洪涝灾害频发,水资源可利用率也大大降低。此外,风电受资源特性和自然条件的限制,波动性、随机性、间歇性,规模化风电消纳问题比较突出。为有效提高水库汛期水资源利用率,促进风电并网消纳,本文提出了一种基于对冲理论的水电风电联合调度模型。首先,论文研究了联合调度中水电站蓄水效益、防洪风险以及水电风电联合出力效益（风电波动性或弃风量）等多个目标之间的冲突关系,结果表明水电风电联合调度问题是一个典型的多目标分析问题,可引入对冲理论进行分析,将联合调度划分为包含决策阶段和余留阶段的两阶段调度问题。其次,分析考虑来水预报不确定性防洪风险目标和蓄水兴利效益的计算方法,考虑风电的不确定性,将风电出力区间作为输入数据,构建了基于对冲理论的水电风电多目标优化调度模型。模型一以防洪风险最小、蓄水效益最优以及风电水电联合出力波动性最小为目标;模型二以防洪风险最小、蓄水效益最优以及风电水电联合出力中弃风量最小为目标。最后,利用NSGA2算法对具体算例进行求解,分别对所建立的两个模型进行验证。结果表明,模型一和模型二分别将各时段防洪风险控制在1.63×10-3和2.01×10-4以下（50年一遇防洪标准的防洪风险为0.006）,蓄水位分别从583.00m提高至583.70m和583.43m。同时,模型一联合出力峰谷差从125.00MW降低到35.66MW,峰谷差大大减小,有效改善了风电的波动性;模型二联合出力中弃风量312.7MW降低至154.1MW,提高了风电消纳能力。验证了模型的有效性,可为水电风电联合调度方案提供决策。
马铭阳[9]（2021）在《改进人工蜂群算法及其在柔性作业车间调度的应用研究》文中研究指明柔性作业车间是接纳上层物料、订单任务和生产状态反馈的聚集点,研究柔性作业车间的调度优化对实现智能制造具有重要意义。人工蜂群算法结构简单,鲁棒性强,适用于求解车间调度类NP难的优化问题。基于上述背景,本文对改进人工蜂群算法及其在柔性作业车间调度中的应用展开研究,主要内容如下:首先,建立以最大完成时间为目标的柔性作业车间单目标调度优化模型,提出一种变步长人工蜂群算法。采用基于概率选择交叉个体的方法,平衡算法开发与探索能力;引入搜索阈值提出变步长搜索策略,使大步长与小步长有机结合,提高算法的全局搜索能力;增加侦查蜂数量保持种群的多样性。通过Kacem数据集上的标准算例验证改进策略的有效性,与已有算法对比结果表明,所提算法具有更强的寻优能力和收敛性。其次,以最大完成时间、瓶颈机器负荷和机器总负荷为优化目标,将单目标柔性作业车间调度扩展为多目标问题。受保留解策略对算法搜索方向产生影响的启发,设计两种不同的种群更新策略,提出两阶段混合人工蜂群算法。第一阶段采用独立更新策略,保持解的分散性;第二阶段采用贪婪策略保留新种群,加快算法收敛。提出一种全局搜索能力强的改进逆序变异方法,采用多重变异策略提高种群的多样性。利用Brandimarte数据集的10个算例验证所提算法的有效性,与已有算法相比,所提算法具有更好的种群多样性和收敛性,适用于不同规模的柔性作业车间问题。最后,在传统的生产调度目标基础上,将碳排放这一生态指标纳入调度系统;同时考虑实际生产车间的复杂环境以及生产过程中随时可能出现动态事件,将稳定性也纳入优化目标,构建动态调度模型,提出一种改进的多目标人工蜂群算法。针对碳排放目标加入一种启发式变异方法,结合多重变异策略提高种群多样性。通过仿真实验验证本文算法的快速响应能力,降低动态事件对车间生产的影响,保证车间生产稳定高效运行。
李琳佩[10]（2021）在《基于无人机的高能效通信策略研究》文中研究表明随着材料学、控制学以及通信等无人机相关学科的发展,无人机（Unmanned Aerial Vehicle,UAV）技术逐渐成熟,已被广泛应用于航拍、物流配送、农业环保、通信以及应急救援等应用场景,为人类日常生活带来诸多便利。特别是随着第五代移动通信技术（5th Generation Mobile Networks,5G）的商用,入网用户数目激增、业务流量暴涨以及多样化新型网络应用产生,传统的地面网络通信设施由于其部署时间周期长、建设运维成本高、受地理环境影响大、灵活性差等问题,难以保障地面终端设备的通信需求。而无人机由于其移动灵活、易部署以及成本低等优势,通过挂载通信服务设备,飞向指定地区提供按需、灵活、可靠的通信服务,有效弥补了现有网络设施的不足,使得基于无人机的通信已成为近几年来学术界与工业界研究的热点。然而,由于无人机有限的尺寸与负载,以及电池工艺技术的瓶颈,导致无人机电池容量以及续航时间有限,而有限的续航时间严重影响了基于无人机的通信网络服务质量。因此,如何在无人机续航时间有限的情况下,设计基于无人机的高能效通信策略,实现基于无人机的高能效动态网络部署、高能效网络连接建立与高能效网络服务提供,满足地面终端用户的网络服务需求,提升基于无人机的通信网络传输效率、接入效率与计算效率,已经成为亟待解决的关键问题。针对以上问题,本文从基于无人机的通信网络位置部署、网络连接建立以及网络业务提供三个方面针对网络传输效率、接入效率与计算效率来展开详细的高能效策略研究。首先,综合考虑地面用户通信需求,进行无人机动态位置部署,降低无人机能耗,保障网络传输效率;其次,面向海量地面终端与多样化的服务需求,通过差异化预退避接入方案,降低设备接入能耗,提升网络接入效率;最后,聚焦计算卸载服务功耗,优化无人机轨迹与计算卸载配比,增强计算效率。围绕以上三个方面,本文的主要研究内容与创新点如下:1.基于无人机的高能效网络动态部署策略研究为了提供基于无人机的高能效通信网络服务,首先需要确定如何将无人机部署在合适位置为地面用户提供按需的通信服务,保障传输效率。不同于现有研究中针对无人机可覆盖用户数以及面积的研究,本文提出了面向地面用户能效的网络部署,并首次针对多无人机网络动态变化场景,如某无人机由于故障或电量耗尽离开,提出基于无人机的高能效网络动态部署策略。首先,通过考虑地面用户传输与功耗需求,建立面向用户能效的多无人机部署模型,并提出基于连续凸逼近（Successive Convex Approximation,SCA）的迭代算法求解无人机最优部署位置、地面用户的发射功率以及与无人机通信情况;其次,创造性地引入由于无人机数目变动引起的网络变化场景,在保障地面用户通信质量的前提下,通过规划无人机轨迹以及地面用户与无人机通信情况,最小化无人机能耗,并提出基于SCA的迭代算法对该最小化问题进行求解;最后,通过与现有方案的对比仿真,验证了所提的网络动态部署策略可以有效的提升地面用户能效,并且在多无人机网络动态变化时,与现有方案相比能够在保障地面用户通信质量的情况下有效降低无人机能耗,有效延长了基于无人机的通信服务提供时间,提升传输效率,实现基于无人机的高能效网络动态部署。2.基于无人机的高能效网络连接建立策略研究完成网络部署后,需要在地面用户与无人机之间建立高效的网络连接。面向海量的地面终端入网请求与多样化的网络接入需求,本文首次提出独立预退避窗口划分设计,以满足差异化业务需求用户的网络接入需求,并在此基础上提出了面向差异化需求的高能效网络连接建立策略,保障网络接入效率。首先,根据地面用户业务的差异化服务质量（Quality of Service,QoS）需求进行优先级划分,并创造性地进行独立的预退避窗口划分,保证在互不重叠的预退避窗口内执行预退避与网络连接建立流程;其次,对网络连接建立过程建模与分析,实现面向不同优先级用户的预退避窗口动态自适应调整,有效分散了地面用户的接入时间,避免了用户同时接入造成的接入拥塞与碰撞问题;最后,通过与传统预退避方案的对比仿真,验证了所提的面向差异化需求的高能效网络连接建立策略的有效性,相比之下能够有效缓解接入拥塞与过载问题,减少重复传输次数,降低地面用户与无人机能耗,延长了无人机可以提供通信服务的时间。同时,保障地面用户的差异化网络需求,提升接入成功率,实现地面终端用户与空中无人机之间的高能效网络连接建立。3.基于无人机的高能效整体计算卸载策略研究完成与地面用户之间的网络连接建立后,基于无人机的通信网络可以为地面用户提供额外的计算卸载服务,缓解地面用户的计算压力。不同于现有研究中只聚焦于地面用户能耗或无人机能耗的独立优化,本文综合考虑地面用户与无人机的能量限制,提出了面向基于无人机的计算卸载系统能耗的高能效整体计算卸载策略,缓解地面用户计算压力的同时,保障基于无人机的整体计算卸载系统的高能效运行,提升计算效率。首先,在整体卸载模式下,建立无人机能耗与地面用户能耗模型,考虑无人机自身的能量预算、数据卸载次序以及无人机速度限制,优化无人机轨迹以及数据卸载比特数分配来最小化基于无人机的计算卸载系统能耗;其次,提出了基于拉格朗日对偶法的两阶段交替算法,将系统能耗最小化问题转换为易求解的两个子问题;最后,通过与其他算法的对比仿真,验证了所提的基于无人机的高能效整体计算卸载策略能够有效的降低系统能耗,提升系统运行的时间,在保障地面通信与计算业务需求的同时,提升计算效率,实现高能效的整体计算卸载服务提供。4.基于无人机的高能效部分计算卸载策略研究针对计算任务部分卸载模式的下无人机自身的计算压力以及能耗限制问题,不同于已有研究中只聚焦于无人机自身能耗或无人机可以提供的计算卸载量进行研究,本文引入无人机计算能效的概念,提出了面向无人机计算能效的部分计算卸载策略,有效提升了计算效率。首先,在部分卸载模式下,考虑无人机的飞行、通信与计算能耗,引入无人机计算卸载能效的概念,在无人机能量限制、位置限制以及数据卸载顺序限制的情况下,优化无人机轨迹、地面用户卸载数据比特数以及计算业务量分配,保障计算效率,提升无人机计算卸载能效;其次,提出基于SCA的迭代算法求解无人机能效最大化问题,通过求解两个子问题简化原非凸问题的求解过程;最后,通过与其他策略的对比仿真验证了所提的基于无人机的高能效部分计算卸载策略能够有效提升无人机能效,满足地面终端计算业务需求的同时保证了计算卸载效率,实现基于无人机的高能效部分计算卸载。
二、一个有效两阶段最优控制问题的算法（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、一个有效两阶段最优控制问题的算法（论文提纲范文）
（1）基于蚁群算法的移动机器人路径规划研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 移动机器人路径规划研究现状 |
| 1.2.1 全局路径规划研究 |
| 1.2.2 局部路径规划研究 |
| 1.3 蚁群算法的现状 |
| 1.3.1 蚁群算法的研究现状 |
| 1.3.2 蚁群算法的发展 |
| 1.4 蚁群算法在路径规划应用现状 |
| 1.4.1 单蚁群算法的应用 |
| 1.4.2 多蚁群算法的应用 |
| 1.4.3 融合蚁群算法的应用 |
| 1.5 本文研究内容及组织结构 |
| 1.5.1 主要研究内容 |
| 1.5.2 组织结构 |
| 第2章 移动机器人路径规划方法 |
| 2.1 引言 |
| 2.2 路径规划问题描述 |
| 2.3 路径规划算法的评价 |
| 2.4 静态环境下路径规划的实现与问题 |
| 2.5 动态环境下路径规划的实现与问题 |
| 2.6 本章小结 |
| 第3章 静态环境下移动机器人路径规划算法研究 |
| 3.1 引言 |
| 3.2 蚁群算法存在的不足及原因 |
| 3.3 自适应改进蚁群系统 |
| 3.3.1 二维栅格环境的建立 |
| 3.3.2 蚁群系统 |
| 3.3.3 自适应改进蚁群系统算法设计 |
| 3.3.4 仿真实验结果与分析 |
| 3.4 基于单种群的异构自适应蚁群算法 |
| 3.4.1 相关研究工作 |
| 3.4.2 最大最小蚂蚁系统 |
| 3.4.3 自适应异构蚁群算法设计 |
| 3.4.4 单种群异构自适应蚁群算法的移动机器人路径规划 |
| 3.4.5 AHACO算法复杂度分析 |
| 3.4.6 AHACO算法收敛性分析 |
| 3.4.7 仿真实验与分析 |
| 3.5 本章小结 |
| 第4章 融合改进蚁群算法与几何优化的路径规划方法 |
| 4.1 引言 |
| 4.2 改进蚁群算法设计 |
| 4.2.1 信息素初始化方法 |
| 4.2.2 信息素更新规则 |
| 4.3 基于路径几何特征的局部优化算法 |
| 4.3.1 蚁群算法规划路径的几何特征 |
| 4.3.2 基于路径几何特征的局部优化算法 |
| 4.4 融合改进蚁群算法与几何优化的路径规划方法 |
| 4.5 仿真实验与分析 |
| 4.6 本章小结 |
| 第5章 动态环境下移动机器人路径规划研究 |
| 5.1 引言 |
| 5.2 人工势场法 |
| 5.2.1 经典人工势场法 |
| 5.2.2 改进人工势场法 |
| 5.3 子目标点的选择 |
| 5.4 动态窗口动态障碍物避碰策略设计 |
| 5.5 两阶段动态路径规划方法 |
| 5.6 仿真实验及分析 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（2）高速铁路列车运行调整一体化优化方法（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 问题提出 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 列车运行图调整研究现状 |
| 1.2.2 列车运行调整一体化研究现状 |
| 1.2.3 研究现状总结 |
| 1.3 研究内容与技术路线 |
| 2 高速铁路列车运行调整问题基本要素分析与基本模型构建 |
| 2.1 高速铁路列车运行调整问题基本要素分析 |
| 2.1.1 列车运行干扰分析 |
| 2.1.2 列车运行调整计划与基本计划编制方面区别分析 |
| 2.1.3 列车运行调整基本措施分析 |
| 2.1.4 列车运行调整主要目标分析 |
| 2.2 高速铁路列车运行调整基本模型构建 |
| 2.2.1 路网拓扑结构模型 |
| 2.2.2 列车运行干扰模型 |
| 2.2.3 资源能力约束模型 |
| 2.2.4 列车运行图调整基本模型 |
| 2.2.5 非线性约束线性化 |
| 2.3 高速铁路列车运行调整一体化关键因素分析 |
| 2.3.1 列车运行图与列车停站计划调整关联性分析 |
| 2.3.2 列车运行图与动车组交路计划调整关联性分析 |
| 2.4 本章小结 |
| 3 列车运行图与列车停站计划调整一体化优化方法 |
| 3.1 问题描述 |
| 3.1.1 问题概述 |
| 3.1.2 分步优化与一体化优化分析 |
| 3.2 列车运行图与列车停站计划调整一体化优化模型 |
| 3.2.1 参数与变量 |
| 3.2.2 目标函数 |
| 3.2.3 约束条件 |
| 3.3 求解方法 |
| 3.3.1 标准化处理 |
| 3.3.2 帕累托最优 |
| 3.3.3 求解步骤 |
| 3.4 算例分析 |
| 3.4.1 算例描述 |
| 3.4.2 算例参数设置 |
| 3.4.3 算例结果分析 |
| 3.5 本章小结 |
| 4 干扰持续时间不确定的列车运行图与停站计划调整一体化优化方法 |
| 4.1 问题描述 |
| 4.2 不确定条件下列车运行图与列车停站计划调整一体化优化模型 |
| 4.2.1 参数与变量 |
| 4.2.2 目标函数 |
| 4.2.3 约束条件 |
| 4.3 求解方法 |
| 4.3.1 单阶段最优化求解方法(O) |
| 4.3.2 两阶段求解方法(T) |
| 4.3.3 随机优化求解方法(S) |
| 4.4 算例分析 |
| 4.4.1 算例描述及参数设置 |
| 4.4.2 算例结果分析 |
| 4.5 本章小结 |
| 5 列车运行图与动车组交路计划调整一体化优化方法 |
| 5.1 动车组交路计划调整影响因素和基本原则 |
| 5.1.1 动车组交路计划调整影响因素 |
| 5.1.2 动车组交路计划调整基本原则 |
| 5.2 问题描述 |
| 5.2.1 问题概述 |
| 5.2.2 分步优化与一体化优化分析 |
| 5.3 列车运行图与动车组交路计划调整一体化优化模型 |
| 5.3.1 参数与变量 |
| 5.3.2 目标函数 |
| 5.3.3 约束条件 |
| 5.4 求解方法 |
| 5.4.1 两阶段求解方法 |
| 5.4.2 求解步骤 |
| 5.5 算例分析 |
| 5.5.1 算例描述及参数设置 |
| 5.5.2 算例结果分析 |
| 5.6 本章小节 |
| 6 列车运行图与停站计划、动车组交路计划调整一体化优化方法 |
| 6.1 问题描述 |
| 6.1.1 问题概述 |
| 6.1.2 分步优化与一体化优化分析 |
| 6.2 列车运行图与停站计划、动车组交路计划调整一体化优化模型 |
| 6.2.1 参数与变量 |
| 6.2.2 目标函数 |
| 6.2.3 约束条件 |
| 6.3 求解方法 |
| 6.3.1 求解方法介绍 |
| 6.3.2 求解步骤 |
| 6.4 算例分析 |
| 6.4.1 算例描述及参数设置 |
| 6.4.2 算例结果分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 主要研究工作 |
| 7.2 研究创新点 |
| 7.3 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 |
（3）考虑运输资源周转的铁路集装箱运输动态服务网络设计优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究文献综述 |
| 1.3.1 多商品网络流的研究 |
| 1.3.2 车辆路径问题的研究 |
| 1.3.3 频率服务网络设计的研究 |
| 1.3.4 动态服务网络设计的研究 |
| 1.3.5 列车运行图优化的研究 |
| 1.3.6 研究现状总结 |
| 1.4 论文主要研究内容和结构安排 |
| 1.4.1 拟解决的关键问题 |
| 1.4.2 主要研究内容 |
| 1.4.3 论文结构安排 |
| 2 铁路集装箱运输组织及其优化基础理论 |
| 2.1 铁路集装箱运输的集疏运过程 |
| 2.2 新型铁路集装箱运输组织过程 |
| 2.3 铁路集装箱运输中的资源管理 |
| 2.4 铁路集装箱运输优化基础理论 |
| 2.4.1 多商品网络流问题 |
| 2.4.2 服务网络设计问题 |
| 2.5 本章小结 |
| 3 考虑车底和集装箱平衡的动态服务网络设计研究 |
| 3.1 问题描述 |
| 3.1.1 周期性离散时空网络构建 |
| 3.1.2 货流运输的时空网络描述 |
| 3.1.3 车底运行的时空网络描述 |
| 3.1.4 研究目标 |
| 3.2 考虑车底和集装箱平衡的动态服务网络设计模型建立 |
| 3.2.1 符号定义 |
| 3.2.2 模型建立 |
| 3.3 算例分析 |
| 3.3.1 基础数据和参数设置 |
| 3.3.2 求解结果 |
| 3.4 本章小结 |
| 4 考虑车底平衡的动态服务网络设计及其两阶段算法 |
| 4.1 问题描述 |
| 4.2 问题分解 |
| 4.3 DSND模型 |
| 4.3.1 基于弧段的DSND模型 |
| 4.3.2 基于路径的DSND模型 |
| 4.4 TRAP模型构建 |
| 4.4.1 备选空驶服务的引入 |
| 4.4.2 TRAP模型-不考虑偏移 |
| 4.4.3 TRAP模型-考虑偏移 |
| 4.5 求解算法 |
| 4.5.1 列生成算法 |
| 4.5.2 分支策略 |
| 4.5.3 算法流程 |
| 4.6 算例分析 |
| 4.6.1 DSND模型的求解结果 |
| 4.6.2 TRAP模型的求解结果 |
| 4.6.3 两阶段算法与一体化模型的比较 |
| 4.7 本章小结 |
| 5 考虑车底回路的动态服务网络设计及其两阶段算法 |
| 5.1 问题描述 |
| 5.2 考虑车底回路的动态服务网络设计模型建立 |
| 5.2.1 符号定义 |
| 5.2.2 模型建立 |
| 5.3 两阶段求解算法 |
| 5.3.1 第一阶段:DSND模型 |
| 5.3.2 第二阶段:TRAP模型 |
| 5.4 基于Benders分解的算法 |
| 5.4.1 基于回路的模型构建 |
| 5.4.2 Benders-and-Price算法 |
| 5.4.3 Benders-and-Price算法流程 |
| 5.5 算例分析 |
| 5.5.1 基础数据和参数设置 |
| 5.5.2 DSND模型的求解结果 |
| 5.5.3 TRAP模型的求解结果 |
| 5.5.4 两阶段与一体化模型求解结果比较 |
| 5.6 本章小结 |
| 6 案例分析 |
| 6.1 案例概况 |
| 6.2 优化方案及分析 |
| 6.2.1 不考虑车底平衡情况下的优化方案及分析 |
| 6.2.2 考虑车底平衡情况下的优化方案及分析 |
| 6.2.3 考虑车底回路情况下的优化方案及分析 |
| 6.2.4 3种不同车底约束的优化方案对比分析 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 第6章案例货流数据和部分求解结果 |
| 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 |
（4）高速铁路列车运行调整与控制一体化优化模型与算法（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 列车运行调整问题 |
| 1.2.2 列车运行控制问题 |
| 1.2.3 列车运行调整与控制相结合的问题 |
| 1.2.4 研究现状小结 |
| 1.3 论文结构及主要研究内容 |
| 2 高速铁路列车运行调整与控制一体化优化理论模型 |
| 2.1 高速铁路列车运行调整与控制问题分析 |
| 2.1.1 高速铁路列车运营扰动分析 |
| 2.1.2 高速铁路列车运行调整问题 |
| 2.1.3 高速铁路列车运行控制问题 |
| 2.2 传统的列车运行调整与控制优化方法 |
| 2.2.1 调度指挥与运行控制“两层式”控制体系 |
| 2.2.2 理论研究中的列车运行调整和控制分步优化方法 |
| 2.3 列车运行调整与控制一体化优化问题分析 |
| 2.3.1 高速铁路列车运行调整与控制“一体化”控制体系 |
| 2.3.2 列车运行调整与控制一体化优化方法 |
| 2.3.3 列车运行调整与控制关联性分析 |
| 2.4 列车运行调整与控制一体化优化理论模型 |
| 2.4.1 列车运行调整与控制一体化优化建模的重难点分析 |
| 2.4.2 列车运行调整与控制一体化优化问题理论模型 |
| 2.4.3 一体化优化模型复杂性分析 |
| 2.5 本章小结 |
| 3 列车运行调整与控制一体化优化基本模型 |
| 3.1 一体化优化基本模型建模思路 |
| 3.1.1 一体化优化路网模型 |
| 3.1.2 一体化优化的列车动力学模型 |
| 3.1.3 基于离散空间法的一体化优化建模思路 |
| 3.1.4 基于离散时间法的一体化优化建模思路 |
| 3.2 基于离散空间法的一体化优化基本模型构建 |
| 3.2.1 问题描述 |
| 3.2.2 符号定义 |
| 3.2.3 基于离散空间法的一体化优化基本模型 |
| 3.2.4 模型分析 |
| 3.2.5 基于离散空间法的一体化优化非线性规划模型重构法 |
| 3.3 基于离散时间法的一体化优化基本模型构建 |
| 3.3.1 问题描述 |
| 3.3.2 符号定义 |
| 3.3.3 基于离散时间法的一体化优化基本模型 |
| 3.3.4 模型分析 |
| 3.3.5 基于离散时间法的一体化优化非线性规划模型重构法 |
| 3.4 算例分析 |
| 3.4.1 两种建模方法下一体化优化模型实验结果分析 |
| 3.4.2 参数灵敏度实验结果分析 |
| 3.5 本章小结 |
| 4 考虑到发线调整的列车运行调整与控制一体化优化模型 |
| 4.1 高速铁路列车运行调整与控制优化指标分析与建模 |
| 4.1.1 列车运行控制性能指标分析与建模 |
| 4.1.2 列车运行调整评价指标分析与建模 |
| 4.2 车站到发线调整与列车运行顺序调整的必要性分析 |
| 4.2.1 高速铁路列车运行顺序调整问题 |
| 4.2.2 考虑列车运行顺序调整的一体化优化方法 |
| 4.2.3 高速铁路车站到发线运用调整问题 |
| 4.2.4 到发线运用调整与到发时刻调整、运行顺序调整、运行速度调整 |
| 4.2.5 考虑多种调整措施的一体化优化方法 |
| 4.3 考虑多种调整措施的列车运行调整与控制一体化优化模型 |
| 4.3.1 问题描述 |
| 4.3.2 目标函数 |
| 4.3.3 一体化优化基本约束条件 |
| 4.3.4 考虑运行顺序调整和到发线调整的一体化优化问题建模 |
| 4.4 模型求解 |
| 4.4.1 双目标优化问题的帕累托前沿求解思路 |
| 4.4.2 基于epsilon-约束法求解帕累托前沿 |
| 4.4.3 基于线性加权法求解帕累托前沿 |
| 4.4.4 基于两阶段法的模型求解方法 |
| 4.5 算例验证 |
| 4.5.1 双目标一体化优化实验结果分析 |
| 4.5.2 考虑与不考虑多种调整措施的一体化优化实验结果分析 |
| 4.6 本章小结 |
| 5 复杂场景下列车运行调整与控制一体化优化模型与大规模问题求解方法 |
| 5.1 高速铁路复杂场景下运行调整与控制一体化优化问题分析 |
| 5.1.1 复杂场景下高速铁路列车运行调整流程 |
| 5.1.2 复杂场景下列车运行调整的问题分析 |
| 5.1.3 复杂场景下列车运行调整与控制一体化优化问题描述 |
| 5.2 复杂场景下列车运行调整与控制一体化优化模型构建 |
| 5.2.1 复杂场景下一体化优化模型目标函数 |
| 5.2.2 一体化优化核心约束条件 |
| 5.2.3 复杂场景下列车运行调整与控制一体化优化约束建模 |
| 5.3 复杂场景下列车运行调整与控制循环迭代优化方法 |
| 5.3.1 两个循环迭代优化方法的区别 |
| 5.3.2 列车运行调整-运行控制循环迭代优化方法M_IARC |
| 5.3.3 列车运行控制-运行调整循环迭代优化方法M_IACR |
| 5.4 一体化优化大规模问题求解方法 |
| 5.4.1 一体化优化问题可行域缩减方法 |
| 5.4.2 基于拉格朗日乘子启发式的一体化优化问题求解方法 |
| 5.5 基于中国哈大高速铁路线路的实验分析 |
| 5.5.1 实验数据集 |
| 5.5.2 大规模问题求解方法的性能分析 |
| 5.5.3 区间封锁与临时限速场景下一体化优化实验结果分析 |
| 5.5.4 临时限速对列车运行影响的实验结果分析 |
| 5.5.5 考虑与不考虑到发线运用调整的实验结果分析 |
| 5.5.6 一体化优化方法与循环迭代优化方法的实验结果分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 论文主要工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 存在不足及研究展望 |
| 参考文献 |
| 附录A 模型M_TRT的公式化描述 |
| 附录B 模型M_STC的公式化描述 |
| 附录C 模型M_MC的公式化及拉格朗日松弛法描述 |
| 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 |
（5）全渠道模式前置仓选址与配送路径优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 全渠道模式应用研究 |
| 1.2.2 仓储设施选址研究 |
| 1.2.3 仓配路径选择研究 |
| 1.2.4 仓配网络优化研究 |
| 1.2.5 文献述评 |
| 1.3 研究内容与结构 |
| 1.4 研究方法与技术路线 |
| 1.5 创新点 |
| 2 全渠道模式前置仓运营模式与问题分析 |
| 2.1 全渠道零售模式与前置仓的发展 |
| 2.1.1 全渠道零售模式的产生和发展 |
| 2.1.2 前置仓的产生和发展 |
| 2.2 前置仓特性与问题分析 |
| 2.2.1 前置仓运营模式特性 |
| 2.2.2 前置仓存在的问题 |
| 2.3 全渠道模式前置仓仓配系统分析 |
| 2.3.1 全渠道模式前置仓仓配系统的网络特性 |
| 2.3.2 全渠道模式前置仓仓配系统问题分析 |
| 2.4 本章小结 |
| 3 基于系统动力学的前置仓运营系统仿真分析 |
| 3.1 问题背景 |
| 3.2 系统动力学在前置仓仿真中的适用性分析 |
| 3.2.1 系统动力学适用于动态系统问题 |
| 3.2.2 系统动力学适用于结构性问题 |
| 3.2.3 系统动力学适用于内容性问题 |
| 3.3 前置仓运营系统的系统动力学模型构建 |
| 3.3.1 系统边界与流程 |
| 3.3.2 因果关系图 |
| 3.3.3 系统动力学模型 |
| 3.3.4 模型检验 |
| 3.4 前置仓运营系统仿真 |
| 3.4.1 消费者数量分析 |
| 3.4.2 订单量分析 |
| 3.4.3 营业收入分析 |
| 3.4.4 总成本分析 |
| 3.4.5 服务能力分析 |
| 3.4.6 仿真结论 |
| 3.5 本章小结 |
| 4 全渠道模式前置仓选址与能力设计联合优化 |
| 4.1 问题背景 |
| 4.2 前置仓选址与能力设计联合优化模型构建 |
| 4.2.1 模型假设 |
| 4.2.2 参数定义与符号说明 |
| 4.2.3 双目标规划模型建立 |
| 4.3 多目标模拟退火算法设计 |
| 4.3.1 算法介绍 |
| 4.3.2 算法流程 |
| 4.3.3 中心确定与邻域构造 |
| 4.4 案例分析 |
| 4.4.1 案例背景 |
| 4.4.2 数据来源 |
| 4.4.3 计算结果与量化分析 |
| 4.4.4 灵敏度分析 |
| 4.4.5 结果讨论 |
| 4.5 本章小结 |
| 5 全渠道模式前置仓车辆路径分布式鲁棒优化 |
| 5.1 问题背景 |
| 5.2 前置仓车辆路径分布式鲁棒优化模型构建 |
| 5.2.1 模型假设 |
| 5.2.2 参数定义与符号说明 |
| 5.2.3 分布式鲁棒优化模型建立 |
| 5.3 模型分析与等价转化 |
| 5.3.1 非精确集构造 |
| 5.3.2 模型等价形式 |
| 5.3.3 模型复杂性分析 |
| 5.4 案例分析 |
| 5.4.1 数据来源与参数设置 |
| 5.4.2 计算结果与量化分析 |
| 5.4.3 模型对比分析 |
| 5.4.4 结果讨论 |
| 5.5 本章小结 |
| 6 全渠道模式前置仓选址-路径集成优化 |
| 6.1 问题背景 |
| 6.2 前置仓选址-路径集成优化模型构建 |
| 6.2.1 模型假设 |
| 6.2.2 参数定义与符号说明 |
| 6.2.3 整数规划模型建立 |
| 6.3 遗传算法设计 |
| 6.3.1 算法适用性分析 |
| 6.3.2 算法流程 |
| 6.4 案例分析 |
| 6.4.1 数据来源与参数设置 |
| 6.4.2 计算结果与量化分析 |
| 6.4.3 灵敏度分析 |
| 6.4.4 结果讨论 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 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 |
（6）考虑可再生能源不确定性的电力系统多阶段鲁棒调度方法（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统日前/日内调度 |
| 1.2.2 考虑不确定性的优化调度研究现状 |
| 1.2.3 综合能源系统优化调度研究现状 |
| 1.3 本文的创新点与研究内容 |
| 第2章 基于可再生能源出力预测误差聚类的数据驱动鲁棒优化 |
| 2.1 引言 |
| 2.2 数据驱动的可再生能源出力不确定集 |
| 2.2.1 风力发电不确定性 |
| 2.2.2 光伏发电不确定性 |
| 2.2.3 传统多面体不确定集 |
| 2.2.4 基于高斯混合模型的可再生能源预测误差聚类 |
| 2.2.5 构建数据驱动不确定集 |
| 2.3 数据驱动鲁棒优化求解算法 |
| 2.4 算例分析 |
| 2.4.1 数据驱动不确定集表征不确定性效果分析 |
| 2.4.2 数据驱动鲁棒机组组合问题应用效果分析 |
| 2.5 小结 |
| 第3章 基于多阶段鲁棒优化的含储能电网日内调度方法 |
| 3.1 引言 |
| 3.2 多阶段鲁棒优化及FRDDP |
| 3.2.1 多阶段鲁棒优化 |
| 3.2.2 高效分解方法 |
| 3.2.3 FRDDP算法 |
| 3.2.4 FRDDP的收敛性能改进 |
| 3.3 含风电及储能电网实时调度模型 |
| 3.3.1 风电出力不确定性建模 |
| 3.3.2 实时调度模型 |
| 3.3.3 MSRD的总体流程 |
| 3.3.4 储能系统近似建模的影响 |
| 3.4 算例分析 |
| 3.4.1 PJM-5 节点测试系统 |
| 3.4.2 大型测试系统 |
| 3.5 小结 |
| 第4章 基于电网经济运行域日前-日内两阶段鲁棒调度方法 |
| 4.1 引言 |
| 4.2 鲁棒机组组合的局限性 |
| 4.3 基于经济运行域的增广鲁棒机组组合 |
| 4.3.1 辅助区间变量 |
| 4.3.2 经济运行域 |
| 4.3.3 ERUC具体模型 |
| 4.4 增广鲁棒机组组合求解算法 |
| 4.5 算例分析 |
| 4.5.1 测试系统说明 |
| 4.5.2 算法收敛性验证 |
| 4.5.3 经济运行域有效性验证 |
| 4.6 小结 |
| 第5章 分散协同的电-热联合系统多阶段鲁棒调度 |
| 5.1 引言 |
| 5.2 电热联合系统建模 |
| 5.2.1 热力子系统模型 |
| 5.2.2 电力子系统模型 |
| 5.3 分散协同多阶段鲁棒调度模型 |
| 5.3.1 多阶段鲁棒调度模型 |
| 5.3.2 分散协同鲁棒对偶动态规划算法(D-RDDP) |
| 5.4 算例分析 |
| 5.4.1 算例设置 |
| 5.4.2 算法收敛性验证 |
| 5.4.3 模型有效性验证 |
| 5.4.4 算法可靠性验证 |
| 5.4.5 算法计算性能验证 |
| 5.5 小结 |
| 第6章 电网经济运行域软件与综合能源优化调度软件开发 |
| 6.1 引言 |
| 6.2 电网经济运行域软件 |
| 6.2.1 软件功能 |
| 6.2.2 软硬件架构 |
| 6.2.3 界面及效果展示 |
| 6.3 综合能源优化调度软件 |
| 6.3.1 软件功能 |
| 6.3.2 软硬件架构 |
| 6.3.3 界面及效果展示 |
| 6.4 小结 |
| 第7章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间主要研究成果 |
（7）基于局部和全局特征表示的红外小目标检测算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表 |
| 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 基于背景估计滤波的小目标检测算法研究现状 |
| 1.2.2 基于局部特征表示的小目标检测算法研究现状 |
| 1.2.3 基于成分分析的小目标检测算法研究现状 |
| 1.2.4 基于机器学习理论的小目标检测算法研究现状 |
| 1.3 本文的主要研究内容及章节安排 |
| 1.3.1 本文的主要研究内容 |
| 1.3.2 本文的章节安排 |
| 第2章 基于局部能量因子的红外小目标检测算法 |
| 2.1 引言 |
| 2.2 局部能量因子 |
| 2.2.1 LEF的数学表达 |
| 2.2.2 LEF度量局部结构非相似性的有效性分析 |
| 2.3 基于多尺度局部亮度差异度量和局部能量因子的小目标检测算法 |
| 2.3.1 LBDM-LEF |
| 2.3.2 基于LBDM-LEF的小目标检测算法 |
| 2.4 实验和结果分析 |
| 2.4.1 实验设计 |
| 2.4.2 参数分析 |
| 2.4.3 对比实验 |
| 2.5 本章小结 |
| 第3章 基于改进随机游走的两阶段式红外小目标检测算法 |
| 3.1 引言 |
| 3.2 随机游走模型 |
| 3.3 基于改进的随机游走的小目标检测算法 |
| 3.3.1 自适应种子选择方法 |
| 3.3.2 MRW |
| 3.3.3 基于MRW的小目标检测算法 |
| 3.4 实验和结果分析 |
| 3.4.1 参数分析 |
| 3.4.2 抗噪分析 |
| 3.4.3 对比实验 |
| 3.5 本章小结 |
| 第4章 基于带局部特征约束的图拉普拉斯的端到端红外小目标检测算法 |
| 4.1 引言 |
| 4.2 图拉普拉斯模型及其应用于全局稀有性特征表示的有效性 |
| 4.3 基于带局部对比一致性约束的图拉普拉斯的小目标检测算法 |
| 4.3.1 局部对比度量 |
| 4.3.2 对比一致性度量 |
| 4.3.3 GL-LCC |
| 4.3.4 基于GL-LCC的小目标检测算法 |
| 4.4 实验和结果分析 |
| 4.4.1 参数分析 |
| 4.4.2 对比实验 |
| 4.5 本章小结 |
| 第5章 基于分布式最大熵随机游走的端到端多小目标检测算法 |
| 5.1 引言 |
| 5.2 最大熵随机游走模型及应用于全局稀有性特征表示的有效性 |
| 5.3 分布式最大熵游走模型 |
| 5.4 基于分布式最大熵随机游走的多小目标检测算法 |
| 5.4.1 HMERW的权重矩阵 |
| 5.4.2 融合技巧 |
| 5.4.3 基于HMERW的多小目标检测算法 |
| 5.5 实验和结果分析 |
| 5.5.1 参数分析 |
| 5.5.2 多小目标检测分析 |
| 5.5.3 对比实验 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要工作 |
| 6.2 创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 攻读博士学位期间的主要研究成果 |
| 致谢 |
（8）基于对冲理论的水电风电联合调度（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水电风电联合调度的研究现状 |
| 1.3 对冲理论在水电站调度中的应用 |
| 1.4 本文的主要内容 |
| 2 基于对冲理论的水电风电联合调度策略分析 |
| 2.1 对冲概念 |
| 2.2 对冲规则在水库调度中的应用 |
| 2.3 水电风电联合调度多目标对冲关系分析 |
| 2.4 基于对冲理论的水电风电联合调度动态决策过程 |
| 2.5 考虑预报信息不确定性的防洪风险及兴利效益计算 |
| 2.5.1 考虑预报信息不确定性的防洪风险计算 |
| 2.5.2 蓄水效益计算 |
| 2.6 本章小结 |
| 3 基于对冲理论的水电风电联合调度模型 |
| 3.1 基于对冲理论的水电风电联合调度模型建立 |
| 3.1.1 模型一:联合出力波动性最小 |
| 3.1.2 模型二:联合调度中弃风量最小 |
| 3.2 带精英策略的非支配排序遗传算法(NSGA2) |
| 3.3 基于对冲理论的水电风电联合调度模型求解 |
| 3.4 本章小结 |
| 4 算例分析 |
| 4.1 算例描述 |
| 4.2 部分指标与参数确定 |
| 4.3 基于对冲理论的水电风电联合调度——联合出力波动性最小 |
| 4.4 基于对冲理论的水电风电联合调度——弃风量最小 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（9）改进人工蜂群算法及其在柔性作业车间调度的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 柔性作业车间调度研究现状 |
| 1.3 人工蜂群算法研究现状 |
| 1.4 人工蜂群算法解决柔性作业车间调度问题的研究现状 |
| 1.5 本文工作内容 |
| 1.6 本文结构安排 |
| 第二章 相关理论基础 |
| 2.1 柔性作业车间调度问题 |
| 2.1.1 柔性作业车间调度描述 |
| 2.1.2 柔性作业车间的分类 |
| 2.1.3 柔性作业车间调度的研究方法 |
| 2.2 人工蜂群算法 |
| 2.2.1 人工蜂群算法基本思想 |
| 2.2.2 人工蜂群算法具体实现 |
| 2.3 本章小结 |
| 第三章 变步长人工蜂群算法求解单目标柔性作业车间调度问题 |
| 3.1 问题模型 |
| 3.2 变步长人工蜂群算法 |
| 3.2.1 算法总体流程 |
| 3.2.2 两段式实数编码 |
| 3.2.3 解码操作 |
| 3.2.4 种群初始化 |
| 3.2.5 雇佣蜂操作 |
| 3.2.6 观察蜂操作 |
| 3.2.7 侦察蜂操作 |
| 3.2.8 算法复杂度分析 |
| 3.3 实验分析 |
| 3.4 本章小结 |
| 第四章 两阶段混合人工蜂群算法求解多目标柔性作业车间调度问题 |
| 4.1 多目标优化概念 |
| 4.2 问题模型 |
| 4.3 两阶段混合人工蜂群算法 |
| 4.3.1 算法总体流程 |
| 4.3.2 种群初始化 |
| 4.3.3 交叉与变异操作 |
| 4.3.4 混合算法第一阶段 |
| 4.3.5 混合算法第二阶段 |
| 4.3.6 算法复杂度分析 |
| 4.4 实验分析 |
| 4.4.1 参数分析 |
| 4.4.2 算法比较与分析 |
| 4.5 本章小结 |
| 第五章 改进多目标人工蜂群算法求解柔性作业车间动态调度问题 |
| 5.1 问题模型 |
| 5.2 改进多目标人工蜂群算法 |
| 5.2.1 算法总体流程 |
| 5.2.2 动态调度流程 |
| 5.2.3 算法复杂度分析 |
| 5.3 动态事件处理 |
| 5.4 实验分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 附录 |
（10）基于无人机的高能效通信策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 无人机的发展与应用 |
| 1.1.2 基于无人机的通信的兴起 |
| 1.2 基于无人机的通信面临的挑战 |
| 1.3 研究现状 |
| 1.3.1 基于无人机的高能效网络部署现状研究 |
| 1.3.2 基于无人机的高能效网络连接建立现状研究 |
| 1.3.3 基于无人机的高能效计算卸载现状研究 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 创新点 |
| 1.5 论文组织结构 |
| 参考文献 |
| 第二章 基于无人机的通信中的模型与优化方法 |
| 2.1 空对地信道建模 |
| 2.2 无人机飞行能耗模型 |
| 2.2.1 固定翼无人机飞行能耗模型 |
| 2.2.2 旋翼无人机飞行能耗模型 |
| 2.3 凸优化技术在基于无人机通信中的应用 |
| 2.3.1 凸优化基本概念 |
| 2.3.2 优化问题求解算法 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 基于无人机的高能效网络动态部署策略研究 |
| 3.1 面向地面用户能效的无人机高能效部署策略 |
| 3.1.1 系统模型与问题建模 |
| 3.1.2 多无人机部署算法 |
| 3.2 面向无人机能耗的应急移动策略 |
| 3.2.1 系统模型与问题建模 |
| 3.2.2 多无人机应急移动算法 |
| 3.3 仿真验证与分析 |
| 3.3.1 仿真参数设定 |
| 3.3.2 仿真结果分析 |
| 3.4 本章小结 |
| 参考文献 |
| 第四章 基于无人机的高能效网络连接建立策略研究 |
| 4.1 系统模型 |
| 4.1.1 随机接入过程 |
| 4.1.2 终端优先级划分 |
| 4.2 基于预退避的差异化接入方案 |
| 4.2.1 基于预退避的群组寻呼方案 |
| 4.2.2 PBRAP方案分析 |
| 4.2.3 差异化自适应预退避模型 |
| 4.3 仿真验证与分析 |
| 4.3.1 仿真参数设定 |
| 4.3.2 仿真结果分析 |
| 4.4 本章小结 |
| 参考文献 |
| 第五章 基于无人机的高能效整体计算卸载策略研究 |
| 5.1 系统模型与问题建模 |
| 5.1.1 系统模型 |
| 5.1.2 基于无人机的高能效整体计算卸载问题建模 |
| 5.2 无人机路径规划与任务比特数分配 |
| 5.2.1 比特数分配求解 |
| 5.2.2 无人机路径规划求解 |
| 5.2.3 基于拉格朗日对偶法的两阶段交替算法 |
| 5.2.4 复杂度分析 |
| 5.3 仿真验证与分析 |
| 5.3.1 仿真参数设定 |
| 5.3.2 仿真结果分析 |
| 5.4 本章小结 |
| 参考文献 |
| 第六章 基于无人机的高能效部分计算卸载策略研究 |
| 6.1 系统模型与问题建模 |
| 6.1.1 系统模型 |
| 6.1.2 问题建模 |
| 6.2 数据比特分配与无人机路径规划 |
| 6.2.1 用户卸载比例与卸载比特数分配求解 |
| 6.2.2 无人机路径规划 |
| 6.2.3 基于SCA的迭代算法 |
| 6.3 仿真验证与分析 |
| 6.3.1 仿真参数设定 |
| 6.3.2 仿真结果分析 |
| 6.4 本章小结 |
| 参考文献 |
| 第七章 总结与展望 |
| 7.1 全文研究工作总结 |
| 7.2 未来工作展望 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
四、一个有效两阶段最优控制问题的算法（论文参考文献）
- [1]基于蚁群算法的移动机器人路径规划研究[D]. 张松灿. 河南科技大学, 2021(02)
- [2]高速铁路列车运行调整一体化优化方法[D]. 洪鑫. 北京交通大学, 2021
- [3]考虑运输资源周转的铁路集装箱运输动态服务网络设计优化研究[D]. 兰泽康. 北京交通大学, 2021(02)
- [4]高速铁路列车运行调整与控制一体化优化模型与算法[D]. 龙思慧. 北京交通大学, 2021
- [5]全渠道模式前置仓选址与配送路径优化[D]. 黄纪凯. 北京交通大学, 2021(02)
- [6]考虑可再生能源不确定性的电力系统多阶段鲁棒调度方法[D]. 施云辉. 浙江大学, 2021(09)
- [7]基于局部和全局特征表示的红外小目标检测算法研究[D]. 夏超群. 浙江大学, 2021(09)
- [8]基于对冲理论的水电风电联合调度[D]. 解梦琰. 西安理工大学, 2021(01)
- [9]改进人工蜂群算法及其在柔性作业车间调度的应用研究[D]. 马铭阳. 南京信息工程大学, 2021(01)
- [10]基于无人机的高能效通信策略研究[D]. 李琳佩. 北京邮电大学, 2021(01)