2017年南京工业大学运筹学复试实战预测五套卷
● 摘要
一、简答题
1． 什么是可行流?
【答案】满足下列条件的网络流f 称为可行流 （l ）容量限制条件:对每一弧（v i ，v j ）对于起点Vs ，记对于终点V t ，记
（2）平衡条件 对于中间点，流出量=流入量，即对每个
式中，V （f ）称为这个可行流f 的流量，即发点的净输出量（或收点的净输入量）。
2． 说明本书所述货运车辆优化调度算法的原理和求解步骤，并绘出求解过程框图。请简要回答以下问题。
（1）若有两种车型的车可用，书中提出的模型应怎样修改? 在书中所提算法的启发下，试拟定出一套求解的迭代步骤。
（2）你认为应如何将书中提出的模型和算法推广到多目标的情形。
【答案】①货运车辆优化调度算法的原理:最小费用最大流原理。求解步骤为:a. 仅考虑重载点，运用表上作业法求出最优解作为原问题的可行解; b. 进行解的扩展和解的收缩，直至得到可接受的可行解; c. 以该可接受的可行解为依据确定初始行车线路; d. 根据具体约束条件进行调整，直至得到最优行车路线。求解过程框图如图所示。
图
（2）修改后的迭代算法即神经网络（neural networks）算法。
①建立结合矩阵:将车辆经过的点包括源点看成神经网络的结点，即神经元，令神经元数目为Ni 神经元 和j 神经元的结合权值为
，j 神经元的输出为r j 。
②将车辆调度的各种约束条件转化为约束能量函数为E 约。
③神经网络计算:令时刻t 神经元i 的输出为r i （t ），且r i （t ）只能取0或1，令神经元i 的阈值为Q i ，则输出能量
为
，其中
，因此总的能量函数
为
，则该网络相对处于稳定状态。由于
如
果
，且E 有界，系统必
趋向一个比较好的稳定状态，再把此稳定状态时r i （t ） 形成换位阵中元素为l 的结点连接起来，形成所求的最满意车辆调度线路。
④根据所形成的最满意线路来选择车辆调度方案。
（3）推广到多目标情形:车辆优化的目标函数可以有很多个，如总运费最小，司机总的驾驶时间最短，车 辆满载行驶的时间最长等; 而约束条件，如路径的最大输入输出流、车载量、发车和收车约束等。也可以加入惩 罚算子将约束条件转化为惩罚函数，利用多目标方法进行求解。
二、计算题
3． 试找出非线性规划问题
的极大点，然后写出其K-T 条件，这个极大点满足K-T 条件吗? 试加以说明。
【答案】原非线性规划问题可改写成：
（l ）找极大点
将第一、二个约束条件相加得
:0≤xl ≤1。 因为目标函数为
T
T
故点x*二（l ，2）不是正则点。
即x l ≤1。又由第三个约束条件知，0≤x l ，所以
，所以应取x l =l，将x l =1代入第一二个约束条件得x 2=2，
，它们线性相关，，则K-T 条件为:
所以极大点为x*=（l ，2），由于点x*起约束作用的梯度为
设KT 点为x*，在四个约束条件中，分别引入广义拉格朗日乘子
T
把极大点x*=（l ，2）代入K-T 条件，可
求得。所
以当
时，极大点x*=（l ，2）T 满足K-T 条件。
4． 求如图所示的网络最小费用最大流，每条弧旁的数字为
。
相关内容
相关标签