活動丨列車運行時刻表，車輛路徑問題，電力系統優化等實際問題
原標題：活動丨列車運行時刻表，車輛路徑問題，電力系統優化等實際問題
首發於微信公眾號『運籌OR帷幄』
文章作者：康焯飛責任編輯：康焯飛
2018年8月31日 約束滿足問題 -----列車運行時刻表優化
（出自微信群： 【3】Global O.R./OM/IE Community）
mathematical optimization-Ks-y：有研究約束滿足問題的么？比如教室規劃分配啥的？
jy-悉尼-DS-交通研究：我正在學這個。我要解決的是時刻表問題。在群里問了，沒什麼太好的解決方案，這是個np問題。你有什麼好的建議嗎？哪些什麼模型好些。限制條件很多。有沒有paper講交通時刻表的。
mathematical optimization-Ks-y： 一般目標函數為0唄。
jy-悉尼-DS-交通研究：主要應對2個問題1，現有時刻表優化。2，當有新情況時如火車延遲了，如何立刻產生新的時刻表。
mathematical optimization-Ks-y： 實際數據？
jy-悉尼-DS-交通研究：對，澳洲交通廳。
mathematical optimization-Ks-y：這應該和飛機時刻表差不多吧。
jy-悉尼-DS-交通研究：理論應該是相同的，飛機時刻表有什麼好的演算法。
mathematical optimization-Ks-y：我個人感覺第一步還是嘗試建模吧，多種嘗試，都看看什麼效果好。
jy-悉尼-DS-交通研究：具體參數應該如何選擇。
mathematical optimization-Ks-y：變數？看你有啥數據。
jy-悉尼-DS-交通研究：很多數據，如火車運行數據，火車維護數據，鐵軌維護數據，信號系統，司機數據系統..有數百個系統吧。我們共三萬人，核心任務就是準時的最大化的運輸乘客
mathematical optimization-Ks-y：這些都可以是約束吧，司機排班應該根據火車吧。這個問題挺有意思的。
jy-悉尼-DS-交通研究：互相影響，有火車可能沒有司機，為了安全，司機吃藥後必須休假。很多都是當天知道司機休假。有些藥品服用後，汽車都不可以開。國內應該也是。
李-西南交大-運輸系統優化： 你可以和我們學校的一些老師對接，他們專門研究列車運行圖的，還有高鐵晚點延誤恢復魯棒性抗毀性這些。
可以搜一下，主要是彭其淵團隊，倪少權團隊。畢竟鐵路院校，這個運營調整是老本行。50多的老師了，估計不會進群， 不過可以搜一下，他們團隊人很多，彭其淵教授團隊目前主要在整高鐵延誤恢復這塊，倪少權教授團隊一直在研究運行圖，國內的運行圖系統都是他們做的各大路局沿用至今。
第一個文超老師就是彭教授團隊的，如果你需要了解晚點延誤恢復的話。
jy-悉尼-DS-交通研究：謝謝，文超老師做的東西很有意思。
李-西南交大-運輸系統優化：不客氣，他們團隊老師做的很多，還有占曙光老師，也是做這塊的，好像曾經發過part b。
jy-悉尼-DS-交通研究：請問倪少權教授團隊有誰？你具體做什麼優化的？
李-西南交大-運輸系統優化：倪少權教授團隊主要是做純運行圖的，包括呂紅霞教授等，主要是系統，編製，調整，計算機編製運行圖等等，我對這塊不怎麼了解，我主要是做運輸組織優化的，車流組織，開行方案等。
http://homepage.swjtu.edu.cn/Home/List.aspx?type=user&yuanxiID=7這個是我們交通運輸與物流學院教師個人主頁的官網可以具體上去了解一下，鐵路運行圖這塊，我們學校和北交都做的挺好的，國內搞鐵路運輸這塊的院校比較少。
2018年8月29日 車輛路徑問題（Vehicle Routing Problem,VRP）
（出自微信群： 【3】Global O.R./OM/IE Community）
Xu-Yahool-組合優化：車輛路徑問題（Vehicle Routing Problem,VRP）考慮的是有多個vehicle. 考慮只有一個vehicle但是可以回到depot之後再出來的版本有沒有什麼名字? 的確這個聽起來和有無限個vehicle差不多, 但是有多個depot的時候, 兩個版本概念就不太一樣了.
葉-蘇寧物流演算法工程師：只要vehicle 是identical的不就一樣了。。。
Xu-Yahool-組合優化：多個depot 一個vehicle離開depot之後可以去任意depot取更多的東西 只是最終要回到自己最早的depot，而一般VRP的話 送完東西就要直接回原點depot。喔 而且我這裡想的是capacited VRP. 所以為啥送了貨要回來裝新東西.
luo-MIT950R PhD: 上網查一下inventory routing problem,Vrp 有好多種，分類方式也不唯一。查一下survey paper.Vrp應該有標準的問題庫,Vrp 也有dynamic vrp 和stochastic vrp.
Xu-Yahool-組合優化：嗯, 所以我的這個送牛奶問題似乎並不被任何我能找到的VRP來概括. 有k個牛奶站, 1個送牛奶的, n個房子. 送牛奶的只有兩隻手, 所以最多只能帶兩個牛奶. 每個牛奶站有無限牛奶可以拿. 每個房子需要一瓶牛奶. 送牛奶的起始於第一個牛奶站. 空手之後可以去任意牛奶站取牛奶. 送牛奶的人完成所有送牛奶任務之後需要回到最早的牛奶站. 求最短路徑滿足所有人的牛奶需求.
luo-MIT950R PhD:更象簡化的inventory routing problem
李-新加坡-mip優化：類似於Bike share的bike rebalancing problem，customer是demand點，depot是supply點.或者electrical vehicle配送+充電問題
古-同濟-運籌優化：對應的VRP問題應該是VRP with multiple trips
2018年9月12日 電力系統優化問題落地
（出自微信群： 【1】Global O.R./OM/IE Community）
楊洛-電科院-電力系統最優化：電力系統優化問題要落地還有相當長的路，光搞幾個模型，套幾個方法實際里行不通。
小千_韻達：不光是電力系統，其他領域也是一樣的 ，需要整個公司整體管理水平跟得上。技術落地 ，是需要管理配合的。還需要高效的信息系統。
胡楊洛-電科院-電力系統最優化：@小千_韻達?可能領域不同吧，我們這邊管理和系統層面其實是很配合的，領導也很支持，但很多花里胡哨的文章真沒法用，壓根不了解實際，即使是我們專業學了很多年的博士的方法也是這樣。並不是所有的領域都搞物流這種組合優化的，實際上傳統的連續優化問題在應用還是很廣的，作用也很大，這一點上傳統領域在產業界意識的還是比較深的。
小千_韻達：其實供應鏈是運籌學最好的應用場景，根據美國企業的經驗數據，可以大幅度降低成本提高效率。國內的大多數供應鏈就是個運輸，連物流都算不上。
王孟昌-達摩院-優化：運籌學有一個黃金應用窗口：充分競爭以後，技術革新之前。
Yin-SMU-Power System PhD:但是電力系統一幫子搞優化的課題組要活啊，今年ieee trans在規劃優化發的文章都四百多了。落地不落地人家utility還真不care，每年輪著學校來撒funding。電力系統用隨機規劃做不確定性分析在學術界都快15年了，實際應用根本沒人用，這不還在做著么，文章嘩嘩發，全是fellow title。
小千_韻達：神經網路搞了60年了。真正應用到實際產生價值也就是10年的事情……
C.Ying-CityU-SEEM:哪些優化領域是實際落地價值比較高的呢?
小千_韻達：倉儲，供應鏈優化，vrp。
Yin-SMU-Power System PhD:ML，NN這些東西，在電力系統的應用也不行。電力系統的數據太複雜了，目前的演算法都沒辦法很好的tackle。比如用戶側的負載數據要想精準捕捉hourly demand特徵目前來看是痴人說夢，只能進行近似處理。目前電力系統裡面做數據應用比較好的也就PMU data和風電預測了。但是即使這樣，人家拿到的project funding就是多啊，因為現在公司和政府都往這湊熱鬧，資金足足的，所以還是有一大堆研究者前仆後繼。落不落地真不重要，重要的是資金的流向，現實點就是這樣。
2018年8月30日 貝葉斯優化中參數維數
（出自微信群： 【3】Global O.R./OM/IE Community）
Limeng-NUS-優化演算法：請問有了解貝葉斯優化的學者嗎？Bayesian optimization which also operates in spaces with very high dimensions (e.g., fitting machine learning models (convolutional neural network included) consisting of thousands of hyper-parameters or beyond). 想了解一下這句話的真實性。查了幾篇文章，最多處理到100維，而且是在additive model的假設下，處理的也都是synthetic data。 這是申請項目的reviewer 給的意見，感覺跟我查閱的情況有些出入，所以來請教各位，謝謝。
劉-碩-CUP-優化演算法：前兩天剛調研了一些貝葉斯優化的文獻，剛剛入門的小白我記得一些文獻里說不適合特別多的參數的情況，」consisting of thousands of hyper-parameters or beyond」
這種情況目前貌似效果還不太好，也許最近這方面會有什麼新idea做出來了。。？
懶貓：高緯都是神經網路吧，傳統方法實踐效果聽說都不好。
Limeng-NUS-優化演算法：是的，看到這個comment我也是比較疑惑。謝謝幫助。
2018年8月29日 CPLEX VS. Meta-Heuristic
（出自微信群： 【2】Global O.R./OM/IE Community）
能源系統工程-rj：請教各位專家一個問題，我是做綜合能源系統優化的，MILP模型，變數數5千左右。在處理多目標優化問題時，採用epsilon-constraints+cplex的方法。現在論文審稿專家要我再用MOPSO/NSGA2算一次，並作對比。特此問問大家，我這種調用求解器的方法和直接用meta-heuristic的方法到底有沒有優劣之分？謝謝！
楊-最優潮流-電科院：能源互聯網嗎？
能源系統工程-rj：有沒有啥建議或參考文獻啊。另外想問下求解器裡面的heuristic求初始可行解，此處的「heuristic」和PSO/GA這種「heuristic」有啥區別啊？感謝感謝。
楊-西南交大-運籌優化：求解器適合解小規模問題，meta heuristic適合大規模。
能源系統工程-rj：那該如何界定規模大小呢？
楊-西南交大-運籌優化：Heuristic 構造初始可行解一般是基於問題的規則的，是problem-oriented的，看具體問題，而粒子群，遺傳等元啟發式演算法是問題獨立的。可以參考下這個知乎回答
遺傳演算法，模擬退火演算法，粒子群演算法，神經網路等智能演算法的作用？
https://www.zhihu.com/question/29762576/answer/212138630
王-智能計算-謝菲爾德：因為求解器裡面的方法你很難知道目標函數的範圍 也就是epslion的取值 ， emo演算法是求解多目標優化問題的主流 所以他讓你用nsga 或 moead 是很正常的。
能源系統工程-rj：謝謝兩位的建議！我也知道審稿人問得很好，所以求助大家看看有沒有人已經比較完整的總結過這個問題，由於我都是在gams上建模然後調求解器，所以不太懂元啟發和調求解器到底差別有多大。
楊-最優潮流-電科院：正常，做工程的人還是多直接調用求解器，至於這個演算法的細節其實是不清楚的
楊-東華大學-優化：應該是直接編程實現遺傳演算法，和求解器沒有關係。
能源系統工程-rj：元啟發的肯定是編代碼。本來我的研究重點在於建模，所以用gams比較方便。gams好像不能調元啟發的演算法，那現在不得不再用Matlab或python平台重新實現一遍，工作量有點大
楊-東華大學-優化： 那是肯定的。其實就是工作量大一點。
原文鏈接：https://mp.weixin.qq.com/s/-N2MELs2XjQTdovtEHPwrw
版權說明：本文由『運籌OR帷幄』編譯整理，不作為商業用途，如有內容侵權，我們將隨時刪除。
歡迎查看原文，獲取更多訊息！
TAG:運籌OR帷幄 |