【摘要】：汽車(chē)檢測(cè)是為確定汽車(chē)技術(shù)狀況或工作能力所進(jìn)行的必要的車(chē)輛狀況檢查,及時(shí)進(jìn)行車(chē)輛檢測(cè)能夠確保車(chē)輛具有良好的安全性、可靠性、環(huán)保性。隨著人們安全意識(shí)提高及汽車(chē)保有量迅速增加,汽車(chē)檢測(cè)的需求日益增大,很多城市面臨新建檢測(cè)站以滿(mǎn)足新增的檢測(cè)需求的問(wèn)題。在檢測(cè)站建設(shè)過(guò)程中,選址是檢測(cè)站規(guī)劃建設(shè)首要環(huán)節(jié),而選址的第一步是對(duì)用戶(hù)的需求進(jìn)行分析。當(dāng)前對(duì)用戶(hù)需求分析的方法中,主要是用確定性方法對(duì)用戶(hù)檢測(cè)需求進(jìn)行預(yù)測(cè)。然而,實(shí)際的汽車(chē)檢測(cè)站選址過(guò)程中用戶(hù)檢測(cè)需求與用戶(hù)數(shù)量、車(chē)輛使用年限及駕駛習(xí)慣等因素有關(guān),具有一定的不確定性,這種不確定性在選址時(shí)是不能忽略的。因此,有必要對(duì)不確定情境下汽車(chē)檢測(cè)站選址問(wèn)題研究。不確定情境包括隨機(jī)情境、模糊情境、模糊隨機(jī)情境及隨機(jī)模糊情境。隨機(jī)情境是指有些區(qū)域存在車(chē)輛檢測(cè)需求歷史數(shù)據(jù),可通過(guò)這些數(shù)據(jù)來(lái)擬合車(chē)輛用戶(hù)檢測(cè)需求的概率分布,即檢測(cè)需求車(chē)輛數(shù)量為隨機(jī)變量。針對(duì)隨機(jī)情境下的汽車(chē)檢測(cè)站選址問(wèn)題,考慮汽車(chē)檢測(cè)用戶(hù)行駛時(shí)間和成本,分別構(gòu)建了單目標(biāo)選址模型和多目標(biāo)選址模型。單目標(biāo)選址模型以汽車(chē)檢測(cè)用戶(hù)行駛總成本最低為目標(biāo),以投資者的收益和檢測(cè)站位置的地理范圍為約束。多目標(biāo)選址模型以汽車(chē)檢測(cè)用戶(hù)行駛總成本最低和行駛時(shí)間最短為目標(biāo),以?xún)蓚�(gè)目標(biāo)的期望值和置信水平,以及檢測(cè)站位置的地理范圍為約束。設(shè)計(jì)了隨機(jī)模擬與“教與學(xué)”優(yōu)化算法相結(jié)合的模型求解方法,利用隨機(jī)模擬方法和教與學(xué)算法求解隨機(jī)變量的函數(shù)與檢測(cè)站位置,并通過(guò)案例對(duì)模型和算法進(jìn)行驗(yàn)證。模糊情境是指沒(méi)有車(chē)輛用戶(hù)檢測(cè)需求的數(shù)據(jù)或者數(shù)據(jù)不足,無(wú)法通過(guò)概率分布進(jìn)行用戶(hù)信息的估計(jì),需要通過(guò)模糊方法如征詢(xún)專(zhuān)家建議等來(lái)確定用戶(hù)的需求信息,即檢測(cè)需求車(chē)輛數(shù)量為模糊變量。針對(duì)檢測(cè)車(chē)輛數(shù)量為模糊的這種數(shù)據(jù)特征,構(gòu)建了單目標(biāo)選址模型和多目標(biāo)選址模型。單目標(biāo)選址模型以汽車(chē)檢測(cè)用戶(hù)行駛總成本最低為目標(biāo),以投資者的收益和檢測(cè)站位置的地理范圍為約束。多目標(biāo)選址模型以汽車(chē)檢測(cè)用戶(hù)行駛總成本最低和行駛時(shí)間最短為目標(biāo),以?xún)蓚�(gè)目標(biāo)的期望值和置信水平,以及檢測(cè)站位置的地理范圍為約束。設(shè)計(jì)了模糊模擬與人工蜂群算法相結(jié)合的模型求解方法,利用模糊模擬方法和人工蜂群算法求解模糊變量的函數(shù)與檢測(cè)站位置,并通過(guò)案例對(duì)模型和算法進(jìn)行驗(yàn)證。模糊隨機(jī)情境及隨機(jī)模糊情境是指隨機(jī)和模糊特征并存的情況。典型情境是用戶(hù)需求量為隨機(jī)變量,而通過(guò)對(duì)以往數(shù)據(jù)進(jìn)行分析,不同專(zhuān)家可能會(huì)給出不同的特征參數(shù)值的隨機(jī)分布。這種情境下將其描述為隨機(jī)或模糊變量均是不準(zhǔn)確的。同理,在模糊情況下,其中的某個(gè)參數(shù)有可能符合某一個(gè)概率分布,模糊中又包含了隨機(jī)性。為此,針對(duì)隨機(jī)和模糊模型的不足,創(chuàng)新性地提出了隨機(jī)和模糊兩種不確定性并存情況下的汽車(chē)檢測(cè)站選址問(wèn)題,將模糊隨機(jī)理論和隨機(jī)模糊理論共同引入到該問(wèn)題中。在模糊隨機(jī)情境下考慮檢測(cè)車(chē)輛數(shù)量作為模糊隨機(jī)變量,以汽車(chē)檢測(cè)用戶(hù)行駛總成本最低為目標(biāo),以用戶(hù)成本和投資者收益的期望值及置信水平為約束,同時(shí)考慮了檢測(cè)站位置的地理范圍為約束構(gòu)建了模型。在隨機(jī)模糊情境下以檢測(cè)車(chē)輛數(shù)量為隨機(jī)模糊變量,以汽車(chē)檢測(cè)用戶(hù)行駛總成本最低為目標(biāo),以用戶(hù)成本和投資者收益的置信水平及檢測(cè)站位置的地理范圍為約束構(gòu)建了模型。設(shè)計(jì)了不確定模擬與智能算法相結(jié)合的模型求解方法,利用不確定模擬方法和智能算法求解不確定變量的函數(shù)與檢測(cè)站位置,并通過(guò)案例對(duì)模型和算法進(jìn)行驗(yàn)證。用不確定性理論對(duì)用戶(hù)需求進(jìn)行分析與用戶(hù)需求增長(zhǎng)規(guī)律更相符,能夠豐富檢測(cè)站選址理論,為政府或者投資者提供決策支持。主要?jiǎng)?chuàng)新點(diǎn)包括:(1)構(gòu)建了考慮區(qū)域約束的隨機(jī)多目標(biāo)選址模型,并設(shè)計(jì)了“教與學(xué)”優(yōu)化算法對(duì)模型進(jìn)行求解。(2)利用小樣本檢測(cè)用戶(hù)需求數(shù)據(jù),建立了汽車(chē)檢測(cè)站選址的模糊規(guī)劃模型,并設(shè)計(jì)了人工蜂群算法對(duì)模型進(jìn)行求解。(3)提出了模糊與隨機(jī)并存情況下的汽車(chē)檢測(cè)站選址模型,并設(shè)計(jì)了粒子群算法對(duì)隨機(jī)模糊情境下選址模型進(jìn)行求解。 【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：U472.9

【圖文】：

第 2 章 檢測(cè)站選址問(wèn)題建模思路 檢測(cè)站選址建模影響要素分析.1 選址問(wèn)題描述汽車(chē)檢測(cè)站選址模型中，主要考慮兩種位置分布：（1）用戶(hù)分布情況，這是進(jìn)行汽車(chē)檢測(cè)站選址最重要的基礎(chǔ)信息，，基于行選址模型的構(gòu)建。作為選址網(wǎng)絡(luò)的核心成分，充分考慮用戶(hù)需求分布才適位置。用戶(hù)的檢測(cè)需求與用戶(hù)的數(shù)量、人們經(jīng)濟(jì)生活水平、車(chē)輛使用年方法等因素有關(guān)，呈現(xiàn)變化趨勢(shì)，具有一定的不確定性。因此，選址時(shí)要顧客需求的不確定性，使選址更加符合實(shí)際情況。（2）汽車(chē)檢測(cè)站，作為研究對(duì)象，應(yīng)通過(guò)已知信息，選擇出最佳位置。及檢測(cè)站位置示意圖，如圖 2-1 所示，虛線(xiàn)范圍代表區(qū)域約束位置，在虛是允許建立檢測(cè)站的位置。

圖 3-1 某市檢測(cè)區(qū)域的地理位置示意圖2 基本參數(shù)城市的中心坐標(biāo)為（41578784.96，4638592.97）。為了方便地優(yōu)化選址問(wèn)個(gè)城市的中心坐標(biāo)作為相對(duì)坐標(biāo)原點(diǎn)，這五個(gè)區(qū)域的坐標(biāo)轉(zhuǎn)換到下面的數(shù) 3-1所示。表 3-1 各區(qū)域的相對(duì)坐標(biāo)代號(hào) 區(qū)域名稱(chēng) l(m) u(m)1 新?lián)釁^(qū) -19553.93 -6822.912 東洲區(qū) 6818.23 -2988.683 開(kāi)發(fā)區(qū) -14319.44 -3175.234 順城區(qū) -3625.74 -2088.845 望花區(qū) -1109.74 285.12根據(jù)當(dāng)?shù)赝恋乩们闆r，檢測(cè)站建在距離城中心位置 1.8x107米以外，3.里的區(qū)域，通過(guò)對(duì)當(dāng)?shù)馗鱾�(gè)區(qū)域歷年的車(chē)輛用戶(hù)檢測(cè)數(shù)據(jù)進(jìn)行調(diào)研整理分

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葛宇;梁靜;;一種多目標(biāo)人工蜂群算法[J];計(jì)算機(jī)科學(xué);2015年09期

2 周婕;;再制造逆向物流網(wǎng)絡(luò)設(shè)計(jì)多周期多目標(biāo)靜態(tài)選址模型[J];現(xiàn)代商貿(mào)工業(yè);2014年05期

3 關(guān)菲;張強(qiáng);;模糊多目標(biāo)物流配送中心選址模型及其求解算法[J];中國(guó)管理科學(xué);2013年S1期

4 余鵬;雋志才;;兩層應(yīng)急搶修系統(tǒng)選址問(wèn)題的核搜索算法[J];計(jì)算機(jī)應(yīng)用研究;2013年11期

5 呂品;;考慮碳排放的物流網(wǎng)絡(luò)優(yōu)化模型研究[J];計(jì)算機(jī)應(yīng)用研究;2013年10期

6 楊啟福;;城市路內(nèi)停車(chē)設(shè)施選址優(yōu)化模型[J];長(zhǎng)沙大學(xué)學(xué)報(bào);2013年02期

7 拓守恒;雍龍泉;鄧方安;;“教與學(xué)”優(yōu)化算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2013年07期

8 陳鑫;汪傳旭;;模糊隨機(jī)需求下應(yīng)急救援中心選址優(yōu)化模型[J];運(yùn)籌與管理;2012年05期

9 田廣東;劉玉梅;徐觀;戴江月;任洪光;;隨機(jī)環(huán)境下汽車(chē)檢測(cè)站網(wǎng)點(diǎn)布局優(yōu)化[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年S2期

10 方青;潘曉東;吳中;;基于遺傳算法的城市停車(chē)換乘設(shè)施選址模型研究[J];中國(guó)科技論文在線(xiàn);2010年10期

本文編號(hào)：2712054