没有合适的资源?快使用搜索试试~ 我知道了~
可在ScienceDirect上获得目录列表计算设计与工程杂志首页:www.elsevier.com/locate/jcde计算设计与工程学报5(2018)94RFID护照跟踪系统Abdultian Dukyila,Ahmed Mohammedb,Ahmed,Mohamed Darwishaa电子和计算机工程,布鲁内尔大学伦敦,Uxbridge UB8 3PH,英国b卡迪夫大学卡迪夫商学院,卡迪夫CF10 3EU,英国阿提奇莱因福奥文章历史记录:2017年3月8日收到2017年5月28日收到修订版,2017年2017年7月22日在线发布保留字:RFID跟踪系统多目标模型模糊优化求解方法A B S T R A C TRFID技术作为最前沿的技术之一,在产品的可追溯性方面的应用越来越受欢迎。实施这样的技术可以提高产品的可见性管理尽管如此,RFID通信性能可能受到RFID设备之间的干扰的影响。它还受到应考虑的投资中的附加成本的影响。因此,为支持RFID的系统寻求具有所需通信性能的成本效益设计已成为在当今市场上具有竞争力本研究提出了一个成本和性能有效的设计,通过开发一个多目标模型,考虑到经济,性能和社会标准的RFID启用护照跟踪系统。开发的模型是为了解决设计问题,(一)分配最佳数量的相关设施,应建立和(ii)获得三个目标之间的权衡:最大限度地减少实施和运营成本;最大限度地减少RFID阅读器的干扰;和最大限度地提高社会影响的创造就业机会的数量。为了更接近实际设计,考虑到不确定的参数,开发的多目标模型的模糊多目标模型(FRENT)。为解决模糊多目标优化问题,采用两种求解方法,并采用决策方法选择最终的折衷解。最后通过一个案例研究验证了模型的适用性和求解方法。©2017计算设计与工程学会Elsevier的出版服务这是一个开放在CC BY-NC-ND许可证(http://creativecommons.org/licenses/by-nc-nd/4.0/)下访问文章1. 介绍射频识别(RFID)是一种自动识别技术,通过无线电波识别给定无线电频率范围内的物体,无需人为干预或数据输入(Muller-Seitz、Dautzenberg、Creusen、&Stromereder,2009)。根据Mats,Peter,and Marlin(2008),chap. 1、RFID提供可与人、牲畜和物体相关的识别码,用于追踪目的。此外,RFID可以正确地呈现有关物体位置的实时信息一个典型的RFID系统由三个主要部分组成,包括RFID阅读器、RFID标签和数据处理子系统,信息存储在标签中这些信息可以使用RFID读取器从几米处读取,该读取器将其发送到子系统进行分析并以可用的格式呈现在工业领域,RFID在不同领域的应用迅速增长,例如物流和供应链管理由计算设计与工程学会负责进行同行评审。*通讯作者。电子邮件地址:amm. gmail.com(A. Mohammed)。( Mohammed , Wang , Li , 2016; Nath , Reynolds , Want ,2006)和对象跟踪(Nemmaluri,Corner,Shenoy,2008)。然而,这种实现面临着来自不同角度的几个障碍,例如经济挑战和RFID读取器之间可能发生的冲突也就是说,实施一个新的可追溯性系统与额外的投资成本有关,这被视为许多决策者的障碍,特别是小型制造商和不发达国家。Karippacheril,Diaz Rios,and Srivastava(2011),chap.12人认为,降低新跟踪技术的成本,如拥有更便宜的RFID标签,将导致更好的供应链。此外,降低成本和提供有效的性能有望鼓励(i)决策者为跟踪系统的开发和实施做出贡献,以及(ii)像中国这样的国家实施跟踪系统,旨在提高其在全球工业中的竞争力(Xiao-hui,Da-fang,&Dong-sheng,2007)。这导致人们越来越关注为RFID跟踪系统寻求具有成本效益的设计。这种系统的设计和优化需要考虑经济和性能标准,以获得具有合理性能的成本效益设计。此外,在当今https://doi.org/10.1016/j.jcde.2017.06.0022288-4300/©2017计算设计与工程学会Elsevier的出版服务这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。A. Dukyil等人/计算设计与工程学报5(2018)9495不确定性。尽管如此,在某些情况下,例如遇到波动的市场条件或大型投资的资本限制,可能有必要考虑对网络设计进行更改的可能性(Davis,1993; Fattahi,Mahootchi,&Govindan,2015)。因此,近年来,不确定性的问题已经被考虑到有关网络设计问题。许多研究使用模糊规划方法来解决网络输入数据的随机性(Mohammed,Wang,Alyahya,Binnette,2017; Tseng,Jiang,Kwon,2015;Tseng,Konada,Kwon,2015)。RFID使能系统的优化是与多个变量和不精确参数相关联的典型多目标问题具体地说,多目标优化是指同时优化多个可能相互冲突的决策目标多目标优化方法已用于解决各种设计问题(Cavaliere,Perrone,Silvello,2016; Qu,Liu,Duan,Yang,2016)。在本文中,一个多目标优化模型(MOOM),用于解决一个建议的RFID护照跟踪网络的设计问题。该模型旨在最大限度地降低实施和运营成本,最大限度地减少RFID阅读器干扰,并通过创造的就业机会来最大限度地提高社会影响。此外,为了应对关键输入参数的不确定性(即,成本和需求),该模型是在一个模糊多目标模型。本文的其余部分如下:第2节是专门的文献综述第3节介绍了模型开发,包括问题描述,符号和模型制定,这是其次是一个优化策略被彻底presented在第4节。第5节介绍了所开发模型的实施和最后,在第6节中得出结论。2. 文献综述关于RFID系统的设计和优化的历史研究相对较少。因为,以前的大多数研究都集中在与性能要求相关的标准上,例如标签覆盖率和阅读器干扰。Chen,Zhu,Hu和Ku(2011)提出了一种用于在RFID网络中分配读者位置的优化模型,其中多群粒子群方法用于优化模型。Oztekin等人(2010年)提出了一项研究,旨在优化医疗服务 部 门 中 用 于 跟 踪 医 疗 资 产 的 RFID 网 络 的 设 计 。 Kardasa 、Celika、Yildiza和Levib(2012年)通过开发多目标人工蜂群算法研究了支持RFID的网络规划问题,该算法寻求在最佳标签覆盖率、读 取 器 干 扰 和 负 载 平 衡 之 间 进 行 权 衡 Mysore , Nenavat ,Unnithan,Mulukutla和Rao(2009)提出了一种算法,用于在区域为不规则形状时分配有效覆盖所需的最小数量的读取器。Ma,Hu,Zhu和Chen(2014)提出了一种多目标人工群体算法来解决RFID网络规划问题,而Lu和Yu(2014)制定了一个k覆盖多维优化模型来评估RFID网络的网络性能通过植物生长模拟算法与其他算法的比较,证明了该模型的适用性Mohammed和Wang(2017 a,b)提出了一个基于RFID的肉类供应链的多目标规划模型,旨在分配应建立的农场和屠宰场的最佳数量对这一领域的文献回顾表明,以前没有一项研究提出了一个具有成本效益的设计RFID启用对象跟踪系统,考虑:(一)战略设计决定的数量有关的设施,应建立;(二)总投资成本所需的实施-读取RFID;(iii)输入数据的不确定性,对网络的策略设计有重大影响;及 ( i v ) 作 为 目 标 的 社 会 影 响 。本研究对文献的贡献如下:它提出了一个FRESH的发展,以获得一个有效的成本和性能设计的建议RFID使能的通行证端口跟踪系统。这包括应建立的相关设施的最佳数量的分配;在优化RFID使能系统的有效成本和性能设计的三个关键因素之间存在权衡,包括最小化实施和操作成本、最小化RFID读取器干扰和最大化社会影响;为了更接近实际设计,所开发的多目标模型还考虑了成本、需求等输入参数的不确定性。它提出了一种优化方法,可用于优化类似的模糊多目标模型;采用两种不同的求解方法来求解模糊多目标优化问题,并对它们的求解性能进行了质量比较。这有助于获得最佳的RFID系统设计,也反映了决策者在不同偏好下的不同前景一个真实的案例研究是用来调查所开发的模型和建议的解决方法的适用性。据我们所知,这是第一个研究工作,应用模糊多目标优化方法在RFID使能系统,考虑到所有三个重点目标(经济,性能和社会)在一起。3. 模型开发3.1. 问题描述在这项工作中,提出了一个模糊多目标模型的护照跟踪系统组成的一组三个阶段,称为办公室1,办公室2和办公室3。 图 1描述了有关三级护照跟踪网络的结构。1号办公室接收客户的新护照申请或护照延期申请。它还负责检查所需文件是否正确,然后将其发送到办公室2。2号办公室负责签发新护照,并检查相关信息是否正确(如果需要更新护照)。之后,它将它们发送到办公室3填写并交付给客户。建议实施RFID,以提高信息准确性方面的系统性能,出于安全目的进行护照跟踪,并简化客户的签发和更新流程因此,这种系统需要考虑额外的投资所开发的Festival用于获得与应建立的阶段的数量有关的具有成本效益的此外,其目的是在上述目标之间进行权衡。模糊多目标模型的目标是:尽量减少实施和操作拟议的无线射频识别护照定位追踪系统所需的费用;尽量减少无线射频识别阅读器之间可能发生的干扰;最大限度地发挥通过创造就业机会数量衡量的社会影响。该模型还旨在确定关于应建立的办公室1、2和3数量的战略设计决策。●●●●●●●●●96A. Dukyil等人/计算设计与工程学报5(2018)9422IJKK3.2. 符号Fig. 1.护照追踪网络的结构。Ri办事处1的每名工人的工作率(件)i Rj办事处2的每名工人的工作率(件)j使用了以下集合、参数和决策变量在模型的制定过程中:集I组指定职位1i2I J组指定职位2j2JK套指定办公室3KK C客户集cC参数g从办公室1i运送到办公室2j的每件物品的RFID标签费用(英镑)r每个办公室所需的RFID阅读器成本(GBP)1ir每个办公室所需的RFID阅读器成本(GBP)2jr每个办公室所需的RFID阅读器成本(GBP)3kS RFID管理所需的固定成本(GBP)系统t第1办事处每名劳动力的培训成本(英镑)it第2办事处每名劳动力的培训费用(英镑)jt3k办公室每名劳动力的培训成本(英镑)l1号办公室每小时的劳动力成本(英镑)i我l第2办公室每小时人工成本(英镑)jJl办公室每小时的劳动力成本(GBP)3kKl运输文件IJ从办公室1i到办公室2j运输护照所需的人工费用(英镑)JK从办公室2j到办公室3k3k办公室每名劳动力的工作率(项目)将文件从办公室1i运送到办公室2j所需的每名劳动力的工作费率(项目)RJK将护照从办公室2J运送到办公室3K所Hi办公室劳工的最低工作时数(h)1iHj办公室劳工的最低工作时数(h)2j香港办事处劳工所需的最低工作时数(h)人力从办公室1i运送文件到办公室2j所HJK从办公室2j到办公室3k运送护照的劳工所需的最低工作时数(h)Ci办 公 室1 i C j的最大处理能力(物品)办 公 室的最大处理量(件)2 j C k 办公室3的最大处理能力(件)kDj办公室2的需求(单位)jDK办公室3k的需求(单位)Dc客户需求(单位)caci办公室1i开设acj如果办公室2j开设,ACK如果开设CCCCCCCCCCCCC我J我我JA. Dukyil等人/计算设计与工程学报5(2018)9497LJX..ni;j和kni;j和kXXXXXX@d-@PnRiPiyiAAmj2RSjnj2TSmjJlj2RSMJ@d-@Pnk-PK y kAA2j2Jk2Ki2Ij2Jj2J k 2Ki2IX xX我C2C决策变量X X0 0mli-Miqjkq从办公室2j发送到办公室3k从办公室3k交给客户c的单位数量RSini2TSmi0 0li2RSlMJJkcX X@d -@PnX JPyAAxk办公室所需劳动力人数3kXIJX X0þRSknk2TSmk0mlk-mkl11Klk2RSMKxjk将护照从办公室2j转移到办公室3k所需的劳工人数其中TSmi;j或k是读取器的询问区域中的三组标签是的 。1:如果办公室1 i打开m分别在1号、2号和3号办公室。RSi、j或k是三组读取器,0:否则yj1:如果办公室2j已打开0:否则yk1:如果office3k打开0:否则3.3. 建立多目标优化模型模型开发基于以下假设:对共享网络资源没有限制,任何局1可以为任何局2服务,任何局2可以为任何局3服务;● 输入参数的个数被认为是不确定的它们分别在办公室1、2和3的询问区域中具有标签n。d是优选功率电平;Pmi;j和k是标签n在读取器的询问区域中接收的实际功率电平m在办公室1 i、办公室2 j和办公室3 k中; Pli;j和k是标签n在办公室1 i、办公室2 j和办公室3 k中的读取器l的询问区域中接收的功率(Ma等人,2014年)的报告。应当指出的是,读者的数量等于需要建立的办公室的数量。lished。此外,标签的数量等于从办公室1运输到办公室2的物品的数量,其中每个文档都附有标签。这一目标的目的是考虑到所有读者,排除最好的,作为干扰源3.3.3. 目标函数3(F3)社会影响最大化=办公室1i创造的职业机会+办公室2j创造的职业机会+办公室3k创造的职业机会。因此,最大F3公式如下:参数,包括成本和需求;● 每个办公室都配备了RFID阅读器;● 每个文件都附有RFID标签;最大F3¼aci yiacj yjackyki2I j 2j k 2Kð3Þ满足客户的所有需求; 1、2、3号办公室有一定的容量水平从客户c到办公室1i被忽视了;办公室2j和办公室3k知道提交给办公室1i的文档的数量,并且相应地确定它们的需求。三个目标(即最大限度地减少执行和应该注意的是,ac的价值,即创建的职业的数量,应该由决策者为每个潜在的基于RFID的系统进行量化。在研究中,三个办事处的ac值是根据现有的护照签发中心量化的3.4. 约束在优化过程中需要考虑并包含约束条件如下:操作成本、RFID阅读器干扰的最小化和社会影响的最大化)被公式化如下。qiji2I6Ci yi8j2J2403.3.1. 目标函数1(F1)启用RFID的护照位置跟踪系统的实施和操作成本的最小化=每个物品的RFID标签成本+办公室1 i、办公室2 j和办公室3 k所需的RFID读取器成本+办公室1 i、办公室2 j和办公室3 k处的劳动力成本+将文件从办公室1 i运输到办公室2 j和从办公室2 j运输到办公室3 k所需的劳动力成本+办公室1 i、办公室2 j和办公室3 k处的劳动力的培训成本。因此,最小F1公式如下:最小F¼XXC gqXCryXCryXCryCsXClxHqjk 6C j yj8k2k500j2Jq kc6C k y k8c2C6k2Kqij PD j8j2J7i2ID jPqjk8j2J8k2KPDc8j2J2009年1i2IJj2JIJ IJi我i2IKjJj2jIJkKk2K我i2IJK我我 我k2KXQ6DkK10XXClxjH jXClxjH k XXClxjHj kXCtxikc k8 2ðÞXCtxjPDk8k2K1 1kJ Kj2J k 2Kj2JXqij6xiRi8 j 2J1 2J3.3.2. 目标函数2(F2)RFID读取器干扰的最小化公式如下(Ma等人, 2014年):i2Iqjk 6x j R j8k2k13j2JX●●●●●qij从办公室1i向办公室2j最小F2¼xi办公室1所需劳动力人数i xj办公室2所需劳动力人数jJ将文件从办公室1i转移到办公室2j所需的工人人数L98A. Dukyil等人/计算设计与工程学报5(2018)94XXXXXXXXX8 2英寸ÞIJ22222þ第1 -2页P我我4我k2Krpesrmosropt211X6x k R k8c2c 14k2Kqij 6x ij R i8j2J1500i2I最大限度地减少阅读器干扰和最大限度地提高RFID护照跟踪系统的社会影响的公式载于等式10。(2)和(3)不改变,因为它们不包括任何不确定的参数。q jk6x jk R j8k2k16j2Jij;Þ;JK;8;ij;k、j、一、jk;kc;最小FX X0RSini2TSmi0下午liPlli2RSy11QQ QX X X X X均p0i j k172¼@d-@nRi--一种我iAAyi;yj;yk2 f0; 1 g;8i;j;k;18X X00mjljLJ等式(4)从办公室1到办公室2,从办公室2到办公室3,þmj2RSjnj2TSmj@d-@Pnj--一种lj2RSPmjyjAA容量等式 (7)等式X X00mlk-mkl11KMK(12)办公室2,办公室3,办公室1和办公室2之间以及办公室1和办公室2之间2、办公室3等式(17)和(18)将决策变量限制为þRSknk2TSmk@d-@Pnk-lk2RS PK ykAA20二进制和非负的。最大F3¼XaciyiXacjyjXackyk213.5. 模拟不确定性i2Ij2jk2K为了更接近现实,多目标模型需要处理一些参数的不确定性,如成本和需求。这使得当模型包含一些不确定参数时,解空间是灵活的 。 因 此 , 使 用 Jiménez 方 法 将 该 模 型 转 换 为 等 效 的 脆 模 型(Jiménez,Arenas,Bilbao,Rodriguez,2007)。相应地,等效脆度模型可以用公式表示如下。最大限度地降低实施和运营成本根据Eqs. (4)然而,Eqs. (7)-(11)被改进以应对不确定的需求,如等式(11)所示。(25)q ij6C i y i8j2J22i2Iqjk 6 C j yj8k 2 k23j2Jqkc 6 C k yk8c 2 c24k2K在不确定的情况下,费用计算如下:XqPkDj1<$Dj2<$。1-kDj3Dj4i2I8j2J25XX.Cgpes2CgmosCgopt!i2Ij2JkD j1<$D j2 .kD j3D j4XJk2KX.Crpes22Crmos23Cropt!2XQ PkDc1Dc2。1-kDc3Dc48j2J27一.!kD k1D k2。K2kDk3Dk4XCrpes12Crmos13Croptqkc622þ第1 -2页28k2k28jjy4JSC2CXkD. D.kDDj2j.!qjkPk1þ1-k3k48k2k29码Xk2KCk2 Ck4ykCij2JXMi最小F1¼ij ij ij ij4qij22qjk8j2J26þy我KC2222222JþA. Dukyil等人/计算设计与工程学报5(2018)94992XX.!中文(简体)我我我kkkj2Jqjk6xjRj8k2k31þIJIJ4IJy;y;y2 f 0; 1 g;8i;j;k;36i2Iþj2J k 2KJKJK4JKþj2JJ4JXJ4. 优化方法þqij6xiRijJ30我我X.Clpes22Clmos22Clopt!XX.Clpes22Clmos22Clopt!Xqkc6xkRk8c2C3 2þj2Jj jxj Hj4k2Kq ij6x ijR i8j 2 J33Xþi2I我我4我xiHixijHijj2JxjkHjkJJ100A. Dukyil等人/计算设计与工程学报5(2018)94我JK模型中的约束应使用置信度值来满足,该置信度值表示为k,通常由下式确定:伊莫斯洛普特公司kkkk2K4xki2Ij2JA. Dukyil等人/计算设计与工程学报5(2018)94101qjk6x jkR j8k 2 k34XX.Clpes22Clmos22Clopt!qij;qjk;qkc;xi;xj;xk;xij;xijP0;8i;j;k;35XX.Clpes22Clmos22Clopt!102A. Dukyil等人/计算设计与工程学报5(2018)94根据JiménezA. Dukyil等人/计算设计与工程学报5(2018)94103X.Ctpes2CtmosCtopt!决策者。此外,mos,pes和opt是三个承诺,104A. Dukyil等人/计算设计与工程学报5(2018)94þi2IA. Dukyil等人/计算设计与工程学报5(2018)941054xi最可能、最悲观和最不乐观的人106A. Dukyil等人/计算设计与工程学报5(2018)94乐观值)(Jiménez等人, 2007年)。A. Dukyil等人/计算设计与工程学报5(2018)94107X.Ctpes2CtmosCtopt!X.Ctpes2CtmosCtopt!108A. Dukyil等人/计算设计与工程学报5(2018)94þk2KA. Dukyil等人/计算设计与工程学报5(2018)941094xk 19为了解决开发的模糊三目标优化问题,lem,解决方法如下:110A. Dukyil等人/计算设计与工程学报5(2018)94>:88XXXMiXF1x-L1U1-L 1XXXXX我我我JJJKKF3x-L3U3-L 3i2Ij2JIJj2J k 2KJK我JKIJ我JK我i2I我j2JJk2KKJK@d-@PnRiPi yiAAωωlj2RS@d-@Pnk-PK y kAA4133我JJ11KK11j2Jk2K(1) 找到每个的上限和下限(U,L)解目标函数这可以通过以下方式实现:8>1,如果F1xPU1如果L16F1x6U1ð43Þ目标函数1的上限解如下获得:GRRRS>:0ifF1x6L1>1,如果F2xPU2最大F1U 1¼i2Ij2JCijqiji2ICiyij2jCJYJk2KCkykCi0如果F2=x=6L 21如果FxPUXClxHi2Ij2Jk2K>3 3l300F300x1000如果L36F3x6U3ð45ÞXXClxijHij>:0,如果F3x6L3其中Eqs.(43)XCtxi目标函数2的上限解如下获得:目标函数,分别。进一步说明这些问题--在图中描绘了bership函数。 二、(3) 使用建议的求解方法(第4.1节)优化从第3.5(4) 选择最佳的帕累托最优解使用开发的X X00miliLi决策算法(第4.2节)。最大F2U 2¼RSini2TSmi@d-@PnR-li2RSPmiyiAA4.1. 求解方法X X00mjljLJ4.1.1. e约束þmj2RSjnj 2TSmj@d-@Pnj--一种lj2RSPmjyjAA在e-约束方法中,通过保留最重要的目标,将模糊多目标模型转化为单目标模型X X00mlk-mkl11KMK函数作为目标函数,并考虑其他函数þRSknk2TSmk@d-@Pnk-lk2RS PK y kAA38作为基于电子的约束(Ehrgott,2005)。 因此,解公式(F)由下式给出目标函数3的上限解如下获得:最大F3U3XaciyiXacjyjXackyk39最小F¼最小F146受制于:F26e1147minmaxi2Ij2jk2K[1/2 F2] 6e161/2 F2]48目标函数1的下限解如下:F3Pe249如下所示:[½F3]min [6e26½F3]Maxð50Þ最小值F1L1LXXCgqijXCryiXCryjXCrykCsi2Ij2Ji2Ij2jk2K和等式(22)在这项工作中,最小化的实施和歌剧-XClxiHi将成本作为目标函数(Eq.(46)和最小-避免读者干扰和最大化社会影响是XXClxijHij转移到约束(等式(47)和(49)。帕累托解i2IIJj2JJKj2J k 2K我i2I可以通过改变e值来获得(等式2)。(48)和(50))。它应该注意的是,选择任何目标作为目标-XCtxj目标函数2的下限解如下获得:4.1.2. LP度量在LP度量方法中,每个目标函数需要单独求解以获得其理想值(Fω1;Fω2和Fω3)。Subse-X X0 0mlili2RS随后,该模型作为单目标模型求解,以下公式(Mohammed Wang,2017 a,b):0 0lm11jJNJMJJ最小F¼WF1-Fω1ωwF2-Fω2ωwF3-Fω351ωXX@d-@Pmj-XPlj yAAF1F2F3根据Eqs.(22)X X0þRSknk2TSmk0mlk-mkl11Klk2RSMK目标函数3的下限解如下获得:揭示帕累托解决方案后的下一步是阻止-找到最终的折衷解决方案。最终的帕累托最优解可以根据决策者的偏好来确定,最小FUXacyXacyXacyi2Ij2jk2Kð42Þ使用决策算法。到目前为止,已经利用各种方法来确定多目标问题中的最佳最终在这项研究中,决策(2)求出每个目标的相应满意度m(xi),如下所示:方法用于选择最终权衡(FT)解决方案。用于选择最佳方法的这种方法的思想是基于Xl1平方英尺1平方英尺x1平方英尺l200F2×200LF2x-L2U2-L 2如果L26F2x6U2ð44ÞKi2Ij2Jk2K主动功能或约束不受限制。最小F2升 2升RSini2TSmi-123mj2RSjnj2TSmj4.2. 的决策方法LA. Dukyil等人/计算设计与工程学报5(2018)94111X¼RIJJK~K开始输入模型参数制定MOOM图二. 目标的隶属函数(a)F1和F2,(b)F3.选择最接近理想解的解方法对于这种技术:(i)确定三个标准函数的平均均值;(ii)对三个平均均值求和,以及(iii)选择具有最低BC值的方法选择技术公式如下:35. 应用与评价为便于量化所建立的数学模型和所提出的优化方法的适用性,进行了实例研究表1显示了与调查的案例研究有关的数据,这些数据是从卫生部收集的。KSA内部表1中报告的需求是FTFii¼1Fωið52Þ从客户处收到的一年期内更新/或签发护照的要求。使用案例研究数据,建议的最佳-图图3显示了开发和优化FRESH的流程图。应用第4节中描述的方法学来获得第3.5节中描述的Festival的溶液。在这项研究中,使用LINGO11软件在个人笔记本电脑上对模型进行编码和求解,该笔记本电脑具有Corei5 2.6GHz和4GB RAM。5.1. 结果本节介绍了使用针对预先定义的问题提出的优化方法模型的求解过程可以表示如下。(1) 应用等式(37)(42)通过它们的独立优化来确定每个目标函 数 的 上 限 值 和 下 限 值 为 ( {UFi;LFi} ) = ( {1419900 ,498101},{0.501,0.128},{58,194})。(2) 应用等式(43)(xi)对于每个目标函数。(3) 采用以下两种方法优化FRESH模型:(i)对于e-约束方法,如过程1所示,每个目标表1参数的值参数值参数值l~(15,18)Dc~(1400,1500)l~(15,18)Dj~(1500,1800)GCij~(0.15,0.18)Dk(1500,1800)JKCt~(0.15,0.18)Ri(43,210)r(800,950)Rj(110,174)RCj~(800,950)Rk(110,174)Ck~(800,950)Rij(110,174)t~(800,950)Rjk(110,174)t~(800,950)Hi(271,294)l~(3.5,4)Hj(271,294)l~(3.5,4)Hk(271,294)l~(3.5,4)Hij(271,294)l~(3.5,4)Hjk(271,294)l~(3.5,4)Ci(1500,1800)Cj(1700,2000)图三. Festival的流程图。aci(7,10)Ck(1700,2000)acj(7,10)ack(7,10)使用ε约束指定ε值使用LP度量确定客观权重帕累托集计算F1、F2和F3的隶属函数最优网络设计找到每个目标的最大和最小解决策方法转换为清晰的模型CCCCCCCCCC我我J我我我J112A. Dukyil等人/计算设计与工程学报5(2018)94表2e值#e1e210.1415820.1747630.2229440.25811250.29113060.35516070.40017880.500194获得了最大值和最小值之间的范围被分割成十个部分,中间的e点被指定为等式中的e值(见表2)(47)和(49)。然后,通过执行Eq.(46)。目标函数与实现站点和运营成本被最小化,而读者干扰和社会影响被认为是限制。表3示出了八次e迭代的结果。对于(ii)LP度量方法:优化每个目标函数在问题约束下独立地进行,结果示于表4中。例如,独立地优化第二目标(F1),三个目标函数的解被确定为F1= 498,101,F2= 0.137,和F3= 63。如表4所示,三个目标的理想解用粗体表示,它们是:F1= 498,101;F2= 0.128;和F3= 194。然后,为这三个目标分配不同的权重组合(见表5表6示出了通过为三个目标确定八个不同权重而获得的计算结果这些解决方案与应该建立的办公室1、2和3的数量相关联。(4) 使用决策方法选择最佳帕累托解;所得解的计算得分值如表7所示。应该注意的是,这三种方法分别用八个k水平(0.1、0.2、0.3、0.4、0.5、0.6、0.7和0.8)来实现。通过将这八个水平设置为k,步长为0.1,并将其应用于模型,可以获得八个帕累托解。因此,该模型应经常解决每个k水平。如前所述,表3和表6分别示出了同时优化三个目标函数和应建立的办公室1、办公室2和办公室3的数量的结果例如,表6中的解决方案#2产生等于517,118 GBP的最小实现和操作成本、等于0.138的最小读取器干扰以及等于76的最大社会影响。通过指定w1= 0.9、w2= 0.05和w2= 0.05获得该溶液。如表6所示,该溶液表4与F1、F2和F3相关的解决方案,当独立优化它们时目标函数最小F1最小F2最大F3F14981010.13759F25200900.12863F313990530.499194表5与LP度量方法相关的权重的组合#w1w2w3110020.90.050.0530.80.10.140.70.150.1550.60.20.260.50.250.2570.40.30.380.30.350.35建议设立3个1号办公室、3个2号办公室和3个3号办公室值得注意的是,在这些结果中,可以实现三个目标之间的权衡(例如,最小化实施和运营成本,最小化读者干扰和最大化社会影响)还应当注意的是,如在表3和表6中可以看到的,增加满意度水平(k-水平)产生第一和第二目标函数的不期望值的增加,而相反,它给出第三目标函数的期望值这意味着决策者将不得不花费更多的钱来应对不确定性。然而,决策者可以根据自己的偏好改变三个目标函数(w)、e值和满意度(k-level)的重要性,以获得另一个折衷解决方案。为了比较通过使用两个不同的-图4示出了使用两种求解方法同时对应于三个目标的优化的帕累托前沿。这两种方法表现良好,在提出替代帕累托解决方案。然而,通过使用e-约束方法获得的结果更接近于理想值的三个目标相比,从使用LP-度量方法。如图 4、目标(即实施和操作成本、读者干扰和社会影响)是相互冲突的,因为不可能同时获得每个目标的理想值换句话说,帕累托解决方案不可能在不降低其他目标性能的情况下改善一个目标值得一提的是,所有帕累托最优解都是可行的。尽管如此,在获得帕累托解决方案后,利益相关者应该选择一个解决方案来设计他们的系统。如图4所示,最小实施和运营成本的值以及最小读者干扰和最大社会影响的值对于两者来说没有太大差异。表3在不同k值的情况下,利用e约束得到了F1、F2和F3的相关结果#k能级m1(F1)m2(F2)m3(F3)最小F1最小F2最大F3开放办公室1办公室2开放办公室310.10.9550.9220.244505,9600.1345923320.20.7020.7110.295609,1410.1747633330.30.5830.4950.422715,1410.2019744340.40.4640.4100.519825,1410.25111644450.50.3540.3070.761926,1060.28813056560.60.2350.1630.6211,035,6690.34316667570.70.1200.1010.7921,145,8910.39918067780.80.0820.0140.9221,379,0500.472194687A. Dukyil等人/计算设计与工程学报5(2018)94113表6使用基于不同k值的LP度量方法的F1、F2和F3相关结果#k能级m1(F1)m2(F2)m3(F3)最小F1最小F2最大F3开放办公室1办公室2开放办公室310.10.9670.9220.244515,0000.1345823320.20.7310.7260.295517,1180.1387633330.30.5980.5260.422741,0000.2319545340.40.5150.4320.519842,2220.27711545550.50.3690.3290.761960,0160.30112967460.60.2610.1950.6211,050,1190.34316667570.70.2220.1230.7921,172,2290.37817968880.80.0850.0160.9881,390,0000.491194688表7评分值的帕累托解决方案,使用发达的决策方法。e约束法溶液12345678评分0.270.250.220.2LP度量法0.190.270.2729溶液12345678评分0.270.260.230.210.210.290.280.311600000140000012000001000000800000600000400000200000160000014000001200000100000080000060000040000020000050 80 110 140 170 200社会影响ε约束LP度量0.60.50.40.30.20.150 80 110 140 170 200社会影响ε约束LP度量见图4。 用这两种方法求出了三个目标函数的Pareto前沿。方法.这使得直接选择最终解决方案成为一个挑战。最后,采用决策方法给出了最优解.如表7所示,通过使用e-约束方法获得的解决方案#5是最佳解决方案,因为其得分最低(FT= 0.19)。该解决方案是通过赋值e1=0.291和e2=0.725。该解决方案需要926,106英镑作为最低实施和运营成本,最小读取器干扰等于0.288,最大社会影响等于130。它还需要设立5个1号办公室、6个2号办公室和5个3号办公室。0.10.20.30.40.5读者干扰ε约束LP度量执行和业务费用执行和业务费用(英镑)读者干扰
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 利用迪杰斯特拉算法的全国交通咨询系统设计与实现
- 全国交通咨询系统C++实现源码解析
- DFT与FFT应用:信号频谱分析实验
- MATLAB图论算法实现:最小费用最大流
- MATLAB常用命令完全指南
- 共创智慧灯杆数据运营公司——抢占5G市场
- 中山农情统计分析系统项目实施与管理策略
- XX省中小学智慧校园建设实施方案
- 中山农情统计分析系统项目实施方案
- MATLAB函数详解:从Text到Size的实用指南
- 考虑速度与加速度限制的工业机器人轨迹规划与实时补偿算法
- Matlab进行统计回归分析:从单因素到双因素方差分析
- 智慧灯杆数据运营公司策划书:抢占5G市场,打造智慧城市新载体
- Photoshop基础与色彩知识:信息时代的PS认证考试全攻略
- Photoshop技能测试:核心概念与操作
- Photoshop试题与答案详解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功