带有最小风险准则的两阶段模糊运输模型

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (35): 63-66.

带有最小风险准则的两阶段模糊运输模型

袁国强1，2，肖倩1，刘强3

1.河北金融学院基础部，河北保定 071051
2.河北省科技金融重点实验室，河北保定 071051
3.中国地质大学长城学院现代教育技术中心，河北保定 071000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-11 发布日期:2011-12-11

Two-stage fuzzy transportation model with minimum risk criteria

YUAN Guoqiang1，2，XIAO Qian1，LIU Qiang3

1.Fundamental Department，Hebei Finance University，Baoding，Hebei 071051，China
2.Science and Technology Financial Key Laboratory of Hebei Province，Baoding，Hebei 071051，China
3.Modern Education Technology Center，China University of Geosciences Great Wall College，Baoding，Hebei 071000，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-11 Published:2011-12-11

摘要/Abstract

摘要： 基于可信性理论和两阶段模糊优化方法，提出一类新的带有最小风险准则的两阶段模糊运输模型。由于提出的模糊运输问题包含带有无限支撑的模糊变量参数，因此它是一个无限维的优化问题。为了求解这个模糊优化问题，这里将讨论两阶段模糊运输问题的逼近方法并且将逼近方法嵌套到遗传算法中产生一个基于遗传算法的混合智能算法求解提出的带有最小风险准则的两阶段模糊运输问题。给出一个数值例子来表明所设计模型和算法的实用性。

关键词: 运输问题, 两阶段模糊优化, 逼近方法, 最小风险准则, 遗传算法

Abstract: Based on credibility theory and two-stage fuzzy optimization method，this paper presents a new class of two-stage fuzzy transportation model with minimum risk criteria.Since the proposed transportation peoblem includes fuzzy variable parameters with infinite supports in this paper，it is infinite-dimensional optimization problem.In order to solve this fuzzy programming problem，the approximation approach of two-stage fuzzy transportation problem is discussed and embeded into a genetic algorithm to produce hybrid algorithm for solving the proposed two-stage fuzzy transportation problem with minimum risk criteria.A numerical example is given to show the practicality of the designed model and algorithm.

Key words: transportation problem, two-stage fuzzy optimization, approximation approach, minimum risk criteria, genetic algorithm

袁国强1，2，肖倩1，刘强3. 带有最小风险准则的两阶段模糊运输模型[J]. 计算机工程与应用, 2011, 47(35): 63-66.

YUAN Guoqiang1，2，XIAO Qian1，LIU Qiang3. Two-stage fuzzy transportation model with minimum risk criteria[J]. Computer Engineering and Applications, 2011, 47(35): 63-66.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.