α-鲁棒随机截流选址问题的模型和算法_图文

1、 中 国管 理 科 学 格 朗 日松 弛算法 的迭代 次数最 大为 。 如表 所示 ， 比较两种 启发 式算法计 算 ， 现拉 发 格 朗 日松 弛算 法交 改进 型贪婪算 法更容 易找 到可行 达 到最优 解 的次数 。 如表 所示 ， 比较两种 算法 的计算 结果 ， 格 朗 拉 日启 发式算 法得 到的值与 最优值 之间 的相对误 差 的 平均 值 为 ， 到 最 优 解 的 次 数 平 均 为 达 次 ， 均运行 时间 为 平 秒 ， 进 型 贪婪 算 法得 到 的 改 值 与最 优值 之间的相对 误 差 的平 均值 为 ， 达 到最 优 解 的 次 数 平 均 为 次 ， 均 运 行

2、 时 间 为 平 秒 。同时 ， 过 拉格 朗 日启 发 式 算 法 上 下界 相 通 解 ， 每组算 例 中 ， 在 基本 上拉 格 朗 日松弛算 法找 到的 次数 比贪婪算 法找 到的多 。最后 改进 型贪 婪算法 找 到 的可 行解为 ， 格 朗 日松 弛算 法找 到 可行 个 拉 解 的个 数为 比贪 婪算 法 多 了约 。在 相 同 ， 规模 ， 同 不 的算例 中 ， 越小 ， 找到可行 解 的可能性 就越少 。 对 误差可 知 ， 误差 平 均 值基 本 都 不 超过 ， 均 平 误 差 为 ， 大 误 差 不 超 过 ， 见 拉 格 最 可 给定 一 （ ， ， ， ） 口一

3、随 机产 ， ， 生 组算例 ， 每一 组产 生 个 能 够找 到 可行 解 的 朗 日启发 式算法所 得 的结 果 较 精 确 ， 是 运行 时间 但 相对 较长 。通过 与拉 格 朗 日算 法 比较 ， 进 型贪 婪 改 算法 取得 的结果也 较 满意 ， 然 其 精确 度 不 如拉 格 虽 朗 日算 法 高 ， 但其运行 时 间较少 。 算例 ， 把两种 算法计 算 得 到 的较 大 值作 为 模型 的最 优解 ， 计算每 组算例 计 算 得 到 的 目标值 与最 优 值 之 间 的相对误差 平均 值 （ ， 平 均 运行 时 间和 ） 们 一 们 表 改进 型贪 婪 算 法 （ 和 拉

4、 格 朗 日启 发 式 算 法 （ ） 到 可 行解 的个 数 ） 找 点 路 径 设 施 候 选 点 数 目 路 径 数目 设 施 壑曼 墼垦 数 目 数 目 饥 兰 肿邝 三 叭 肿 合 计 结 语 本文提 出 了 鲁 棒 随 机 截 流 选 址 模 型 （ 一 启发 式算 法 ， 这两 种算法结 果都 较好 ， 中拉格 朗 日 其 启发 式算 法所 得 的解 的精 确 度 更 高 ， 是 运 但 算 时间更 长 。 在 日后 的研究 中 ， 以进一 步改进 算法 ， 到更 可 找 有效 的启发式 算法 。本 文只研究 了在流 量不确 定情 况 下 的选址 问题 ， 现实 生 活 中 ，

5、址 问题 更 加 复 在 选 杂， 同时存在 很多不 确定 因素 ， 该 同时考虑 。本文 应 ）该 模型加 入 了 ， 一鲁 棒 约束 ， 目标 是 使 截 得 的流 量的期望 值最 大 ， 由于 基本 是 问题 ， 以 所 也 是 问 题 ， 文 提 本 出 了两种 启发式 算 法 ， 改进 型 贪婪 算 法 和拉 格 朗 日 第 期 胡丹丹等：一 鲁棒随机截流选址问题的模型 簋鳖 权重 ， 进行 研究 比较 。 的模 型把鲁棒 性要 求作 为约束 条件 ， 在选址 决策 中 ， 还可 以对期 望收 益与设施 所达 到 的鲁 棒性 给 出不 同 表 两种 启发 式 算 法 的 结 果 比

6、较 参 考文献 ： ： ， ， ： ， ， 。 ， ： ， ， ： ， ， ，： ， ： ， （ ） ， ， ， ， ， ， ， ： （ ） ， ， （ ） ： ， ， ， （ ） 一 ： ： ， ， 口 ， ， ： ： ， ， ： （ ） ， ， ， ， ， ， ： ， ， （ ）： ， 一 一 ， ， ： ， ， （ ） ， ： 中 国 管理 科 学 往 ， ， ， ： ， （ ） ， ， （ ） ： ， 杨 瑁 ， 敏 ， 新 一 类 带 服 务 半 径 的 服务 站 截 流 选 址 张 陈 一 ， ， （ ） ： 分 配 问题 系统 工 程 理 论 与 实 践 ， ： （ ） ， ， （ ） ： ， ， ， ， ， ， ， ， （ ）： ， ， ， ， ， （