考虑货物冲突关系的二维装箱问题研究

货物冲突及其处理方式直接影响货箱消耗量和货物装载成效, 通过构建冲突矩阵和“冲突货物不能放置同一货箱内”处理方式, 同时考虑负载安全因素, 建立了考虑货物冲突关系的二维装箱优化模型. 设计了改进的模拟退火算法, 其运用贪心算法对货物冲突预处理, 确保初始装箱序列为可行解; 提出了兼顾当前温度和适应度影响的动态随机扰动率 方程, 增强了邻域解的搜索能力, 改善了算法整体性能. 算例分析表明模型和算法有效. 120种货物冲突稀疏度[0.1,0.9]情景下, 货箱面积利用率均值为[0.342,0.732], 降低了装载单元使用数量, 提高了资源利用率. 不同样本量情景下, 改进算法的求解质量和运行效率表现良好.     

自适应memetic算法求解集合覆盖问题

集合覆盖问题是一个经典的NP困难的组合优化问题,有着广泛的应用背景.首先,采用动态罚函数法将集合覆盖问题等价转化为无约束的0-1规划问题.然后,基于集合覆盖问题的结构特征,设计了初始种群构造方法、局部搜索方法、交叉算子、动态变异算子和路径重连策略,提出了一个高效求解该0-1规划问题的自适应memetic算法.该算法有效平衡了集中搜索和多样化搜索.通过45个标准例子测试该算法,并将其结果与现有遗传算法进行了比较,表明该算法能够在可接受的时间内找到高质量的解,能够有效求解大规模集合覆盖问题.     

基于Storm的城市智能交通规划方法

为了缓解城市交通拥堵,提高城市道路利用率,增强路径规划的实时性,提出基于Storm的城市智能交通规划方法。该方法在Storm框架的基础上,设计了城市实时动态路径规划模型(UR-MODE),将用户选择的静态目标和实时路况的动态目标相结合,实现城市交通路径的智能规划;针对城市交通数据实时性较强的特点,利用用户偏好值动态选择最优粒子,并结合自适应惯性权重策略和小规模扰动策略,提出改进的自适应粒子群优化(adaptive partner-particle swarm optimization,APPSO)算法,保证模型的高效求解;结合开源实时处理系统Storm,实现了海量实时交通数据处理。仿真实验结果表明,相较于现有路径规划算法,本文方法收敛速度更快、稳定性更强,能减少17%的车辆平均行驶时间,道路资源利用率平均提高58%,大大缓解了城市交通拥堵问题。     

Hopfield网络解旅行商问题的动态消元算法

对Hopfield网络解旅行商问题的算法做了改进工作:为了消除无效解,给出了普适的初始状态,调整了差分迭代方程的参数,改变了稳定状态的判断.为了得到最优解,提出动态消元算法,要求消元后第r次的运算结果优于或等于第r-1次的运算结果.计算机模拟表明此算法对初始条件具有稳健性,从任何初始状态开始都能得到最优解.     

基于动态分级和邻域反向学习的改进粒子群算法

针对粒子群算法容易陷入局部最优解的问题,提出了一种基于动态分级和邻域反向学习的改进粒子群算法.该算法通过构建动态分级机制,将种群中的粒子动态地划分成3个等级,对不同等级内的粒子采取不同的扰动行为,使得粒子在增强种群多样性的同时保持向全局最优方向进化;采用粒子智能更新方式,提高了粒子的搜索能力;引入动态邻域反向学习点建立全局搜索策略,促使种群快速寻优.最后,利用多种典型测试函数对该算法进行仿真实验,结果表明,与其他几种优化算法相比,本算法具有较好的收敛性和稳定性.     

一种求解厌恶型p-中位问题的混合进化算法

厌恶型p-中位问题是一个NP-困难问题.提出了一种求解厌恶型p-中位问题的混合进化算法.首先,通过贪心随机自适应搜索方法和随机构造方法产生初始种群.然后,利用搜索过程中收集到的全局信息和局部信息构造新解,期间注意提高搜索的多样性,避免早熟.最后,针对厌恶型p-中位问题的特点,构造基于约束交换邻域的局部搜索算法,提高了算法的局部搜索能力.通过求解72个标准测试例子以检验算法的性能,发现该算法在较短时间内得到了高质量解,优于现有算法.     

基于动态因子和共享适应度的改进粒子群算法

为提高粒子群算法的收敛速度和优化性能,避免陷入局部最优,提出了一种基于动态学习因子和共享适应度函数的改进粒子群算法.在惯性权重w随着迭代次数非线性减少而动态调整学习因子的基础上,引入共享适应度函数.当算法未达到终止条件而收敛时,利用粒子和最优解间距离挑选一批粒子重新初始化形成新群体,并用共享适应度函数对新群体进行评价,新旧2个群体分别追随自己的局部最优解直至迭代结束.对4个典型多峰复杂函数的测试结果表明,该改进算法不仅加快了寻得最优解的速度,而且提高了粒子群算法全局收敛的性能.     

基于library-free映射的电路面积快速优化算法

针对library-free映射过程中常用的动态规划算法在求解大电路时覆盖时间过长的问题,提出了一种将动态规划与遗传算法相结合的混合优化算法,用于平衡求解速度和求解质量,并利用“与/或/非”图和逻辑努力实现基于MOS晶体管的电路的面积估算.MCNC电路的测试结果显示,相较于动态规划,混合算法求得的最优解在面积平均增加不到1%的情况下,求解时间可节省35%以上.     

Hopf field网络解TSP的改进算法

本文提出用神经网络解旅行商问题(TSP>的改进算法。简化了Hopfield神经网络的能量函数并讨论了Euler法取大步长时的迭代性质.计算机模拟表明主要有两大优点:一是迅速收敛到一个解，二是易获得有效路径.     

基于学习的动态多目标方法求解约束优化问题

提出一种用多目标技术求解约束优化问题的算法.该算法有3个特征:1)将约束优化问题转化为等价的动态约束多目标优化问题,然后用动态约束多目标演化算法求解动态约束多目标优化问题;2)演化初始阶段,拓宽约束边界以使整个种群可行;演化过程中,约束边界微弱的收缩以确保动态约束多目标演化算法中种群的大多数个体仍是可行的,这使动态约束多目标演化算法如同多目标演化算法求解无约束问题一样有效;3)采用基于学习的机制自适应调整演化算法的参数,以提高算法效率.实验结果表明,与4个当前较为先进的约束处理算法相比,本文算法效果更优.     

一种交互式的Ad Hoc网络QoS路由算法

针对分簇结构的Ad Hoc网络以及一些特定业务对于多个目标同时性能的要求，本文选取带宽作为约束条件，把时延和丢失率作为QoS优化目标，建立了QoS路由选择的多目标整数优化模型，并给出了求解模型的交互式算法。该算法能够根据决策者的偏好以及网络的实际情况压缩目标空间，快速地找到满意路由。实例计算结果表明了算法的可行性。     

一种基于优先级的加权公平队列调度算法

根据在无线传感器网络上传输实时业务的要求,深入研究了加权公平队列调度算法.在分析其无法保证实时业务的QoS的原因后,提出一种基于优先级的加权公平队列调度算法P-WFQ.这种算法利用滑动窗口将WFQ和基于优先级的机制结合起来,通过有效的优先级划分策略,在带宽受限的情况下,保证高优先级数据的QoS要求.仿真结果表明:P-WFQ在实时业务的时延性能上比WFQ有明显的改善,而且能够将实时业务的最大时延控制在允许范围之内.     

生物地理学优化算法中基于Zoutendijk可行方向法的变异算子设计

根据约束优化问题的全局收敛性要求,基于传统优化与智能优化,设计了一种基于Zoutendijk可行方向法的新型变异算子,并将其应用于生物地理学优化算法,构建了一种用混合优化算法求解优化问题的方法.通过算子设计策略的理论验证、智能算法的收敛性分析及6个不同类型算例的仿真试验,证明此自适应求解优化问题机制具有实效性.     

自适应迎风格式求解奇异摄动两点边值问题的高精度算法(一)

基于误差校正方法给出了用等分布原理求解一类奇异摄动两点边值问题的自适应数值新算法,用理论方法和数值试验证明了该算法的可行性和高效性.     

改进的粒子群优化算法在随机需求车辆路径问题中的应用

设计了一种求解随机需求车辆路径问题的改进的粒子群优化（PSO）算法．在算法后期将变异算子引入PSO算法，克服了基本PSO算法易陷入局部最优的缺点．数值模拟结果表明改进的PSO算法提高了全局搜索能力，求解效果优于基本PSO算法和遗传算法．     

制造资源驱动的产业集群订单分配研究

针对集群制造资源利用不均衡现象,在对集群内供应商进行综合评价的基础上,提出了以生产负荷率均衡和制造资源综合性能最优为决策准则的订单分配方法,在考虑供应商制造资源利用状况的同时兼顾了所选用制造资源的性能;建立了订单分配多目标规划模型,并利用基于模糊逻辑的遗传算法对模型进行求解;最后通过实例验证了算法的有效性.结果表明:提出的模型和算法能够获得满意的解.     

基于虚拟坐标的移动自组织网络组播路由

为提高移动自组织网络QoS特性,减小组播的时延,利用群论中的直积方法构建了一个类超立方体拓扑结构,它具有对称性强,直径小的特点,给移动自组织网络结点分配虚拟坐标,使其嵌入到该类超立方体中,并在此基础上提出了一种确定性的组播路由算法.理论分析与实验结果表明,所设计的组播路由算法在端到端时延,网络带宽消耗以及组播数据分发的成功率方面更能适应移动自组织网络的需求,并为大规模的移动自组织网络组播通讯在带宽,时延和负载均衡等优化策略方面提供了解决方案.