一种改进的禁忌搜索算法及其在选址问题中的应用

本文研究了选址问题中无容量限制的p-中值问题,在Rolland等人提出的有效禁忌搜索算法基础上,提出了一种以目标函数变化量作为评价函数的改进禁忌搜索算法,并进行了理论分析,然后将其与有效禁忌搜索算法作了性能比较.通过比较三个公共测试数据集的计算结果,验证了本文提出的禁忌搜索算法的可行性和有效性.     

考虑道路可靠性的突发事件资源配送路线优化模型与算法

针对突发事件后道路网络的不确定性,定义了物资配送路线的风险度量值,然后建立考虑道路风险性的物资配送的优化模型以给出最优的路线安排方案,设计了基于禁忌搜索的模型求解算法,以某城市地震灾难后应急资源配送案例进行模型仿真.模型与算法的研究对于突发事件不确定道路网络下应急资源的配送决策具有很好的指导意义和实际意义.     

基于前摄性调度的电动汽车路径问题研究

针对车辆调度过程中资源不均衡的问题,利用需求的不确定性,将配送周期划分为初始配送阶段和补货阶段,建立多阶段电动汽车的两级车辆路径优化模型.根据需求的动态程度对配送区域进行划分,结合前摄性调度和反应性调度策略,提出了一种混合禁忌搜索算法(HTSA)来求解该模型.在真实的案例和多个基准评估算例上的实验结果表明:模型和算法的性能优于传统的启发式算法,具有一定的实用价值.     

基于GIS和禁忌搜索集成技术的农产品物流配送路径优化

分析农产品物流配送模式,对带时间窗的车辆路径问题进行描述,建立有时限的配送路径优化模型,应用GIS与禁忌搜索算法集成技术求解该模型,开发农产品物流配送路径优化系统,并以晋安区农产品物流配送基础数据为范例,进行系统的初步应用研究.     

药品物流多中心选址优化研究

为降低药品物流配送成本、提高药品配送效率。本文针对国家带量集中采购药品配送问题,构建了药品物流多中心选址-路径优化双目标模型。并结合模糊C-均值聚类算法(FCMA)、模拟退火算法和禁忌搜索算法各自优点,设计出了FCM-TS-SA混合算法,最后通过真实案例进行了验证、对比和分析。     

考虑释放时间的单机JIT调度问题

本文主要研究二级供应链中的生产-库存-直接配送协同调度问题,其中存在一个制造商和多个零售商, 制造商根据订单进行生产, 然后将产品配送给零售商。该类问题可以抽象为考虑释放时间的单机JIT调度问题。借助于禁忌搜索算法, 本文提出了求解问题的CTA-TS算法, 并通过大量的实验数据与已有算法进行比较,说明了本文提出算法的有效性。     

带时间窗的三维装载物流配送优化方法研究

针对城市物流配送优化研究在客户服务时间窗和货物装载方式合理结合方面存在的不足,考虑物流配送车厢货物装载方式与客户访问序列相关的特征对车厢空间进行合理的区域划分。首先,构建了包含配送中心的固定成本、配送车辆的运输成本、维修成本、租赁成本和违反时间窗惩罚成本的物流运营成本最小化和配送车辆空间利用率最大化的双目标优化模型;然后,提出一种结合遗传算法(GA)全局搜索能力和禁忌搜索算法(TS)局部搜索能力的GA-TS混合算法求解模型;最后,结合重庆市某配送中心的三维装载物流配送实例数据进行了优化计算,实验结果给出了带时间窗的三维装载物流配送路径优化方案,并进行了不同车厢空间分区模式下平均装载率、物流运营成本和车辆使用数的比较分析。研究表明,当客户需求货物种类数与车辆的空间区域划分数相等且按货物类型进行区域划分时,物流运营成本最小,配送车辆使用数最少和车辆平均装载率最高。     

动态不确定性-药品物流多中心选址优化研究

本文以国家药品带量集中采购为背景。为提高药品配送安全和时效，降低药品配送成本。基于大数据思想，根据备选药品物流中心所在地近20年遭受自然灾害的数据，构建备选药品物流中心未来遭受自然灾害的预测模型，在综合考虑药品配送安全性、配送成本、环保成本、时间满意度和实时路况下，构建动态不确定性-药品物流多中心选址-路径优化模型。根据所研究问题的特点，为提高算法的效能，本文充分利用模糊C均值聚类算法(FCM),粒子群算法(PSO)和禁忌搜索算法(TS)等各自优点，设计了PSO-FCM-TS混合算法。最后，根据国家药品集中带量采购招标结果数据，对模型和算法进行了验证、对比和分析，研究结论为药品物流企业决策提供了科学依据。     

混合启发式算法求解多配送人员车辆路径问题

为解决带时间窗和多配送人员的车辆路径问题,本文采用混合启发式算法对其进行求解。该算法主要由整数规划重组、局部搜索算法和模拟退火算法三部分组成。在算法中,整数规划重组有效提高了解的质量,局部搜索算法和模拟退火算法保证了算法搜索的深入性和广泛性。通过与CPLEX和禁忌搜索算法进行对比,证实了混合启发式算法实用价值更高,求解效果更好。     

考虑缺货的闭环供应链选址-库存-路径集成优化

再制造是企业实现环境友好、提升经济效益的重要策略之一;再制造的发展推动了新商业模式的出现,即产品服务系统;高效的再制造物流网络对于成功实施再制造十分重要。本文研究了基于产品服务系统下的再制造物流网络集成优化问题,即闭环供应链的选址-库存-路径的集成优化决策问题,且在库存策略中允许库存出现缺货的情况;论文基于产品服务系统模式构建了混合非线性规划模型来最小化生产、选址、配送、库存以及缺货成本,并采用了改进的禁忌搜索算法进行求解。通过与传统禁忌搜索算法的计算结果进行对比,表明本文中的算法能在可接受的时间内得到较优解。通过算例的敏感性分析得出,企业所服务的顾客如果接受再制造产品,提高回收率可以节约成本;在回收率一定时,客户在缺货情形下的制造和再制造批量比不允许缺货时要大,企业总成本比不允许缺货时要小。     

基于乌鸦喝水的元启发式优化算法

启发式优化算法已成为求解复杂优化问题的一种有效方法,可用于解决传统的优化方法难以求解的问题.受乌鸦喝水寓言故事启发,提出一种新型元启发式优化算法—乌鸦喝水算法,首先建立了乌鸦喝水算法数学模型;其次,给出实现该算法的详细步骤;最后,将该算法用于基准函数优化,并将该算法与乌鸦搜索算法、粒子群优化算法、多元宇宙优化算法、花授粉算法、布谷鸟算法等群智能算法进行了比较.仿真实验结果表明,乌鸦喝水算法优于其他算法.     

卫星数传接收规划模型与算法研究

作为对地观测卫星任务执行的两个重要阶段之一,数传接收的规划任务是一个具有多时间窗口、多优化目标和多资源约束的NP-Hard优化问题。中继星的引入为数据全天候近实时传输提供可能,同时也为数传规划提出新的问题。本文主要完成两项工作:第一,建立风险控制的卫星数传接收规划模型;第二,阐述基于遗传禁忌的模型求解方法,进一步采用分布式并行求解策略,改善了求解算法的收敛速度和鲁棒性。最后,通过STK提供基础仿真数据,验证了本文规划模型和求解算法的有效性。     

单向航道船舶进港次序与泊位分配协同优化

为提高单向航道离散泊位港口的服务水平,研究船舶进港次序和泊位分配的协同优化。考虑船舶进出港及泊位作业的实际约束,以计划期内所有船舶的锚地、泊位等待成本、滞期成本和偏离成本之和最小为目标,构建了一个混合整数规划模型,结合问题特征设计了引入禁忌搜索算法的和声搜索算法进行求解。算例结果给出了计划期内每艘船舶的进港次序和靠泊泊位,并通过与单独优化方案的对比和不同规模算例求解效果的分析,验证了模型和算法的有效性;分析进出港时段变动对船舶作业成本的影响,确定不同船舶抵港规模下的最佳进出港时段长度,为单向航道港口时长设置提供借鉴。     

A reassessment of the Snyman–Fatti dynamic search trajectory method for unconstrained global optimization

The aim of this paper is to present a thorough reassessment of the Snyman–Fatti (SF) Multi-start Global Minimization Algorithm with Dynamic Search Trajectories, first published twenty years ago. The reassessment is done with reference to a slightly modified version of the original method, the essentials of which are summarized here. Results of the performance of the current code on an extensive set of standard test problems commonly in use today, are presented. This allows for a fair assessment to be made of the performance of the SF algorithm relative to that of the popular Differential Evolution (DE) method, for which test results on the same standard set of test problems used here for the SF algorithm, are also given. The tests show that the SF algorithm, that requires relatively few parameter settings, is a reliably robust and competitive method compared to the DE method. The results also indicate that the SF trajectory algorithm is particularly promising to solve minimum potential energy problems to determine the structure of atomic and molecular clusters.     

Single-machine scheduling with learning effect and resource-dependent processing times in the serial-batching production

In this paper, we study a single machine scheduling problem by simultaneously considering the processing method of serial-batching, learning effect, resource-dependent processing times, and setup operations. We consider minimizing the makespan as the objective of the studied problem under the constraint that the total resource consumption does not exceed a given limit. For the special case where the resource allocation is given, we first propose the structural properties for job batching policies and batching sequencing, and an optimal batching policy is derived based on these properties. Then, we develop a novel hybrid GSA–TS algorithm which combines the Gravitational Search Algorithm (GSA) and the Tabu Search (TS) algorithm to solve the general case. Computational experiments with different scales show the effectiveness and efficiency of the proposed algorithm.     

Testing the ℜ- strategy for a Reverse Convex Problem

This paper is devoted to solving a reverse-convex problem. The approach presented here is based on Global Optimality Conditions. We propose a general conception of a Global Search Algorithm and develop each part of it. The results of numerical experiments with the dimension up to 400 are also given. This revised version was published online in July 2006 with corrections to the Cover Date.     

Comparison of metaheuristic algorithms for Examination Timetabling Problem

SA, TS, GA and ACS are four of the main algorithms for solving challenging problems of intelligent systems. In this paper we consider Examination Timetabling Problem that is a common problem for all universities and institutions of higher education. There are many methods to solve this problem, In this paper we use Simulated Annealing, Tabu Search, Genetic Algorithm and Ant Colony System in their basic frameworks for solving this problem and compare results of them with each other.     

基于引力搜索和粒子群混合优化算法的证券投资组合问题研究

本文研究考虑交易成本的投资组合模型,分别以风险价值(VAR)和夏普比率(SR)作为投资组合的风险评价指标和效益评价指标。为有效求解此模型,本文在引力搜索和粒子群算法的基础上提出了一种混合优化算法(IN-GSA-PSO),将粒子群算法的群体最佳位置和个体最佳位置与引力搜索算法的加速度算子有机结合,使混合优化算法充分发挥单一算法的开采能力和探索能力。通过对算法相关参数的合理设置,算法能够达到全局搜索和局部搜索的平衡,快速收敛到模型的最优解。本文选取上证50股2014年下半年126个交易日的数据,运用Matlab软件进行仿真实验,实验结果显示,考虑交易成本的投资组合模型可使投资者得到更高的收益率。研究同时表明,基于PSO和GSA的混合算法在求解投资组合模型时比单一算法具有更好的性能,能够得到满意的优化结果。     

急件订单干扰下虚拟单元重调度

虚拟单元生产中,针对急件订单干扰情况,研究了考虑序位相似性,即尽量保持初始工序的加工次序的虚拟单元重调度问题。为了应对急件订单干扰,设置了各工件工序可用机器集合和相应的加工时间集合,构建了以序位相似性最大和急件订单完工时间、系统总流程时间最短为目标的多目标非线性整数规划模型。针对模型自身特征,采用了遗传—蚁群算法相结合的优化算法求解模型。最后,以船舶实际生产为例,验证了模型的可行和优越性,以及算法的有效性。     

用遗传算法求解分组旅行推销员问题

在遗传算法能够有效解决TSP问题的基础上，根据遗传算法——通过搜索大规模，多样化的种群，在种群间交换个体所携带的遗传信息，保留种群中个体的优越遗传信息——的思想，设计了求解分组TSP问题的遗传算法。算法中染色体表示、评价函数的构造、杂交变异算子的设计经过实例计算的检验被证明较为可靠；算法运算速度快，容易获得有效解。