全局较优解引导的人工蜂群算法

人工蜂群算法(ABC)是一种模拟蜜蜂群体寻找优良蜜源的群体智能优化算法.针对人工蜂群算法收敛速度较慢、探索能力较强而开发能力偏弱等问题,提出一种改进的蜂群算法.算法利用更多的较优蜜源位置的信息来引导采蜜蜂和跟随蜂的搜索行为.为了提高算法的全局收敛速度,通过基于混沌策略的方式生成初始化种群,并且在每一代侦察蜂阶段后对全部新蜜源进行反向再搜索.另外,每次蜜蜂邻域搜索之后,采用比较新旧蜜源的花蜜值(而非适应度值)的方法来更新蜜源位置.通过对14个标准测试函数进行仿真实验,结果表明所提出的算法能有效加快收敛速度,提高开发能力和解的精度.     

蜂群算法求解支持模糊QoS约束的电子采购模型

基于Web的电子物流采购是电子商务的热点.通过将模糊量化的QoS约束加入到Web电子物流采购模型,构造一种带有QoS约束的Web电子物流采购模型,并设计一种改进的人工蜂群算法进行求解.模型基于现有Web采购系统的采购模式,融合了非功能性Web服务评价理论,着重将带QoS约束的电子物流采购选择过程与人工蜂群算法求解过程相结合,从而能快速准确地获得使整体利益最大的解.经仿真计算,验证了模型的有效性.     

预制构件流水车间订单接受与调度的集成优化

针对预制构件生产管理过程中订单工期紧和生产能力不足的问题,在充分考虑中断和不可中断工序,串行和并行工序等复杂工况特点的基础上,以最大化净利润为目标,建立了一种订单接受与调度集成优化模型。鉴于问题的NP难性和模型的高度非线性,通过集成问题性质、构造启发式、邻域搜索和破坏-构造机制,提出了一种混合加速迭代贪婪搜索框架。其中,在调度构造阶段,为提高算法求解质量和搜索效率,设计了两种融合订单插入操作性质的加速构造策略。计算结果显示,与混合遗传禁忌搜索算法,遗传算法以及禁忌搜索算法相比,本文所提算法具有更好的求解质量和搜索效率。同时验证了所提出的加速构造策略能够有效减少算法运行时间。该研究有望显著提高预制生产企业净利润和客户满意度。     

一种求解物流设施二次分配问题的混合分布估计算法

为了求解物流设施二次分配问题,提出了一种混合分布估计算法(HEDA)。首先,根据QAP的距离和物流量矩阵信息,提出了一种基于假设物流中心启发式规则的种群初始化方法,用于提高初始种群的质量和算法的搜索效率;其次,针对HEDA的概率模型,提出了一种概率矩阵初始构型生成机制和扰动操作,用于提高算法的全局探索能力;最后,在分析QAP的结构性质的基础上,设计了一种基于快速评价的局部搜索策略,用于提高算法的局部开发能力。仿真计算实验和算法比较验证了HEDA的优化性能。     

精英学习人工蜂群算法的PID控制器参数优化

为有效求解PID控制器参数优化问题,本文提出一种精英学习人工蜂群算法.针对人工蜂群算法开发能力较弱的问题,设计一种精英学习策略,通过环形拓扑结构和遗传算法的交叉、变异、选择操作产生精英个体.进而,利用精英个体和全局最优个体构造具有精英引导和全局引导的搜索方程,平衡算法的探索能力和开发能力.通过对22个标准测试问题和PID控制器参数优化问题实验可知,精英学习人工蜂群算法具有较好的寻有能力.     

城市配送车辆路径优化集束式算法的客户点归并策略

VRP问题的研究起步较早,求解方法也非常丰富,然而,面对客户规模庞大,交通网络复杂的多约束车辆优化调度问题,现有算法显得无能为力.为有效解决需求点规模庞大的城市配送车辆优化调度问题,提出一种新的两阶段启发式算法——集束式算法,采用"集中后分派,分派后扩展"的思想,对末梢客户和同路段客户进行客户点合并,从全局上降低搜索范围,并提出相关客户点归并算法.     

多重因素约束下的网格搜索对策问题研究

首次基于搜索成本及搜索资源等限制因素,构造局中人面向多重约束条件的可行策略集合,建立相应的搜索空间;在给定搜索点权值的基础上,考虑搜索成本与搜索成功概率等因素,构造相应的支付函数,建立多重因素约束下的网格搜索对策模型.为简化模型求解,将对策论问题转化为约束最优化问题,求解约束问题获得最优值,转化为模型的对策值,并给出双方最优混合策略.最后,给出军事想定实例,说明上述模型的实用性及方法的有效性.     

云计算环境下人工蜂群作业调度算法设计

针对云计算环境下作业调度优化问题,提出了一种基于人工蜂群的调度算法.分析人工蜂群算法的求解组合优化问题过程,建立了收益度函数和蜜源位置更新公式,最后论述了利用该算法求解的具体步骤.并通过实验分析了该算法的性能.     

带时间窗的多配送中心协同配送问题研究

研究了多个配送中心协同配送下的车辆路径问题,建立运力和时间窗约束下的运输成本和时间惩罚成本之和最小化模型.考虑多配送中心路径优化问题的复杂性,提出了基于预分割和再调整的两阶段优化策略,采用罚数分配法分割需求点集合,将问题分解成多个单配送中心路径问题,启发式构建初始解,设计禁忌搜索算法求解.在调整阶段,将各集合中未分配的需求点重新分割,变邻域禁忌搜索再次优化路径.最后给出算例分析,验证了模型的合理性和改进算法的有效性.     

部分联合运输策略下的物流车辆路径优化问题研究

论文分析了物流车辆路径优化问题的特点,提出了企业自营物流和第三方物流协同运输的部分联合运输策略。根据客户需求节点的特点进行了节点分类,建立了以车辆调用成本、车辆运输成本、第三方物流运输成本之和最小为目标的整数线性规划模型。根据部分联合运输策略下各类客户需求点运输方式特点,构造了一种新的变维数矩阵编码结构,并对传统算法中概率选择操作方式进行修改,提出了一种新的智能优化算法并与枚举法和遗传算法的运算结果进行了算法性能对比分析。结果显示,本文提出的逆选择操作蚁群算法具有较快的运算速度和较高的稳定性,是求解此类问题的一种有效算法。     

基于非单调线搜索的对角二阶拟牛顿法

在二阶拟牛顿方程的基础上,结合Zhang H.C.提出的非单调线搜索构造了一种求解大规模无约束优化问题的对角二阶拟牛顿算法.算法在每次迭代中利用对角矩阵逼近Hessian矩阵的逆,使计算搜索方向的存储量和工作量明显减少,为大型无约束优化问题的求解提供了新的思路.在通常的假设条件下,证明了算法的全局收敛性和超线性收敛性.数值实验表明算法是有效可行的.     

嵌入差分进化算子的混合蜂群算法及其在VRPSDP的应用

针对人工蜂群算法进化速度慢、容易陷入搜索停滞的问题,通过嵌入差分进化算子,提出了一种混合蜂群算法(Hybrid Artificial Bee Colony algorithm, HABC).基本思想是:在迭代中嵌入差分进化算子,充分利用差分算法全局收敛性和鲁棒性强的特点,寻求全局最优蜜源;此外,在标准蜂群算方法基础上进行两点改进:在采蜜蜂阶段搜索策略中加入最优位置引导,提高搜索的效率;对超边界的个体重新进行变异,以增强种群的多样性.将混合算法应用于带同时送取货的车辆路径问题(VRPSDP),计算结果表明了混合算法的有效性.     

粒子群遗传混合算法求解考虑传输时间的FJSP

在某些生产制造场景中,工件在不同机器间的传输时间对车间调度的总拖期具有重要影响,本文基于此扩展了总拖期最小的柔性作业车间调度模型。针对问题模型的复杂性,采用粒子群优化算法和遗传算法的混合算法进行求解。在初始化过程以一定概率优选加工时间和传输时间短的机器并排除调度频繁的机器,使种群在保持多样性的前提下尽量选择优化结果好的个体;采用线性调整的方式动态改变交叉概率和变异概率的值,使种群在遗传算法的不同阶段具有不同的搜索强度;采用粒子群优化算法进行局部搜索,弥补了遗传算法局部搜索能力的不足。最后采用本文方法和其他方法求解柔性作业车间调度问题实例,并对比不同水平层次传输时间下的总拖期,验证了本文方法的有效性。     

基于新的Hessian近似矩阵的稀疏重构算法

一般来说,基于二次近似模型的优化算法具有良好的数值表现.然而,当基于二次近似模型的优化算法求解大规模优化问题时,若使用稠密矩阵近似目标函数在迭代点的Hessian矩阵,需要花费大量的计算成本和存储成本,因此设计Hessian矩阵合适的标量近似矩阵特别重要.对于正则化模型,利用最近三次迭代的信息,设计粗糙的标量矩阵,使用拟牛顿公式进行更新,结合近似最优梯度法的思想和梯度法的延迟策略,构造Hessian矩阵新的含有更多二阶信息的标量近似矩阵.结合非单调线搜索,提出基于新的Hessian近似矩阵的稀疏重构算法,并进行收敛性分析.实验结果表明,与经典稀疏重构算法算法相比,基于新的Hessian近似矩阵的稀疏重构算法在重构效果相似的情况下能较大地减少迭代次数和较快地重构信号.     

改进的布谷鸟算法求解考虑运输时间的分布式柔性流水车间调度问题

针对分布式制造环境下多车间调度问题特点,结合企业实际生产情况,考虑相邻工序间的运输时间,建立以最小化最大完工时间为优化目标的分布式柔性流水车间调度模型,提出一种改进布谷鸟算法用于求解该模型。算法改进包括设计了一种基于工序、车间和机器的三层编码方案;根据问题特点设计了混合种群初始化策略以提高种群质量;改进了布谷鸟搜索操作使其适用于求解该模型;设计了一种种群进化策略以提高算法收敛速度及解的质量。最后通过仿真实验,与多种算法对比,验证所提算法的有效性和优越性。     

基于两阶段求解策略的动态电动车辆路径优化研究

由于政府对新能源汽车的补贴政策和市区对燃油车限行政策的实时,越来越多的物流公司在城市配送中广泛采用电动汽车。然而,电动车续航里程受限,需要在途充电或者换电,同时客户需求的动态性以及充/换电设施的排队等现实因素也应该被考虑。为此,提出了分阶段策略求解动态电动车辆路径优化问题,并建立了两阶段的EVRP模型。其中第一阶段针对静态客户建立了静态EVRP模型,第二阶段在设计了换电站及动态客户插入策略的基础上,建立了动态EVRP模型以路径更新策略。最后,设计改进的CW-TS混合启发式算法来求解静态模型,设计贪婪算法求解动态模型。实验结果表明,模型与算法具有较好的适用性和有效性。     

带时效性约束的配送中心多源选址问题研究

应用启发式算法求解带时效性约束的多源选址问题.分析物流配送的时效性问题,建立带时效性约束的配送中心多源选址模型.构造两步启发式算法:1)借助传统迭代算法,求解物流服务分配矩阵,把多源选址问题转化为单源选址问题;2)基于M ATLAB函数,设计优化程序,计算带时效性约束的单源选址模型.并给出算例,验证模型和算法的可行性.研究表明两步启发式算法是求解带时效性约束的物流配送中心多源连续选址问题的有效算法.     

基于客户信用度的物流配送车辆路径问题研究

针对当前城市物流配送过程中普遍存在的客户中途取消订单、无故退换货等交易违约问题,引入客户信用度的测度方法。根据客户历史交易违约数据计算客户信用值,并转化求解客户信用度,构建了包含车辆配送成本、租赁成本以及违反时间窗惩罚成本的配送路径优化模型。设计了一种遗传(GA)-禁忌搜索(TS)混合算法进行模型求解,在算法过程中应用精英保留策略进行循环迭代寻优。结合重庆某外卖物流配送网络的实例数据,验证了模型和算法的有效性和可行性。实验结果给出了不同服务策略下的物流配送调度方案,并进行了基于客户信用度的客户配送服务序列调整比较和敏感度分析。研究表明客户信用等级的合理划分可以有效降低物流配送成本和提高客户服务水平。     

考虑不完美检测的两阶段点检与备件订购策略联合优化

针对设备维修与备件管理相互影响与制约的问题, 在基于延迟时间理论的基础上, 提出了两阶段点检与备件订购策略联合优化。点检是不完美的, 当点检识别设备的缺陷状态时, 进行预防更新; 设备故障时, 进行故障更新。结合设备更新时备件的状态, 采用更新报酬理论建立了以第一阶段点检时间、第二阶段点检周期和备件订购时间为决策变量, 以最小化单位时间期望成本为目标的模型。最后, 通过人工蜂群算法对模型求解, 并在数值分析中将两阶段点检策略与定期点检策略进行比较, 结果表明:两阶段点检策略始终优于定期点检策略, 验证了所建模型的有效性。     

现金押运路线问题——基于多类型的风险

以人民币现金押运为研究背景,考虑了一种基于多类型风险的现金押运路线问题,以在途风险成本、库存现金风险成本以及运输成本为优化目标,建立了混合整数线性规划模型,并提出了一种基于多样化策略和改进邻域搜索的混合遗传算法,其中遗传算法对押运路线进行选择,贪心算法用来求解各类风险指标。数值实验分别对问题特性和算法性能进行了分析。实验结果表明:1)混合遗传算法能求解更大规模的问题,得到较好的解,并很好地平衡了运行时间和求解质量;2)多类型风险影响了行驶路线;3)客户的期望需求影响了库存现金风险。