基于粒子群算法的大型网络计划资源优化

现有求解网络计划资源优化的方法中,解析法不能解决大型复杂网络优化问题,启发式方法过多依赖具体问题、求解效率低,遗传算法生成新一代优化解种群依据的三个算子的实现参数选择,大部分依靠经验并严重影响解的品质,粒子群算法存在大型网络计划资源优化计算量过大和缺少大型网络计划资源优化算例问题.借助设计网络计划时间参数的计算机算法、建立评价函数、设计进化方程等基础工作,选择与工作开始时间相关的变量作为粒子空间位置,用蒙特卡洛方法和限制条件优化初始粒子群,设置可行解范围,用二维动态数组解决大型网络计划资源优化运行image超限问题,通过粒子群算法进化,寻求大型网络计划资源优化解,算例表明基于粒子群算法的大型网络计划资源优化效果明显,粒子群算法参数分析表明:粒子群算法的参数会影响网络计划资源优化结果,而且初始粒子群限制条件和优化目标设置的影响程度较大.     

基于粒子群算法的大型网络计划费用优化

大型网络计划费用优化对科学有效地进行工程项目进度管理具有重要意义,但大型网络计划费用优化随工作个数增加而约束方程和计算量骤增,成为数学和计算机科学领域至今未解决的难题.借助建立评价函数、设计进化方程、设计网络计划时间参数的计算机算法等基础工作,选择工作持续时间作为粒子空间坐标并设置可行解范围,用蒙特卡洛方法和限制条件优化初始粒子群,用二维动态数组解决大型网络计划粒子群算法优化运行image超限问题,成功求解有61个工作的大型网络计划费用优化算例.因此,经过特定设计的粒子群算法是微机和有限的计算时间条件下求解大型网络计划费用优化问题的一个有效方法.     

基于多目标粒子群算法的电梯备件采购配置

电梯备件采购配置问题是典型.的多目标、多约束、非线性规划问题.针对该问题,根据维修BOM配置出所需采购的备件清单,并得到备件的损坏率及消耗率.最后,提出了一种多目标粒子群算法,并运用算法对某一待采购备件的配置问题进行了优化求解.实例的结果表明,对该类问题,算法能快速准确地得到最优的解.     

一种多种群综合学习粒子群优化算法

针对综合学习算法(Comprehensive learning particle swarm optimization,CLPSO)在解决全局优化问题时精度不高且收敛速度慢的问题,提出一种多种群综合学习算法(MS_CLPSO).该算法将传统粒子群算法的社会部分引入CLPSO算法,有效提高了算法的收敛速度和局部开采能力;同时,为扩大粒子的空间搜索范围,算法引入多种群策略,提高了算法全局勘探能力;并针对可能陷入局部极值的粒子,采用全局学习策略更新学习样本,增加了种群中粒子多样性.实验结果表明,在处理单峰和多峰标准测试函数中,MSCLPSO算法有效提高了CLPSO算法的精度和收敛速度.     

约束粒子群算法求解自融资投资组合模型研究

在马克维茨投资组合的均值-方差模型框架下,给出限制投资数量的自融资投资组合优化模型.在金融市场上有广泛应用,为了有效地求解此类问题的最优解,采用一种基于广义学习策略的约束粒子群算法(CPSO).CPSO算法具有广义的学习策略,极大地提升了种群的多样性,进而提升种群跳出局部最优解的能力.在基准函数测试中,结果显示CPSO算法有较好的运行结果.在自融资投资组合优化模型上,优化结果表明CPSO算法是可行的,有效的,并有较好的优化结果.     

基于粒子群算法的非线性二层规划问题的求解算法

粒子群算法（Particle Swarm Optimization，PSO）是一种新兴的优化技术，其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现，可调参数少，已得到了广泛研究和应用。本文根据该算法能够有效的求出非凸数学规划全局最优解的特点，对非线性二层规划的上下层问题求解，并根据二层规划的特点，给出了求解非线性二层规划问题全局最优解的有效算法。数值计算结果表明该算法有效。     

基于改进粒子群算法的复杂现实约束投资组合研究

基于可能性理论,假设各资产的未来收益率均为梯形模糊数,本文构建了带有V-型交易费用、投资比例上下限和基数约束限制的均值-方差-Yager熵模型。本文采用了带有宽容量的逐步宽容法使构建的三目标模型转化为单目标模型,通过调整宽容量的大小来控制收益和风险的大小,从而使得投资者根据自己的偏好选择适合自己的投资决策。此外,本文通过非线性惯性权重来刻画搜索速度,通过对个体最优适应度值较差的部分粒子进行初始化处理,提出了改进的粒子群算法,从而降低了陷入局部最优的可能性;同时通过0-1矩阵和放缩因子处理了基数约束和上下限约束,使得模型的求解更加有效。最后,通过实例说明了算法的可行性和有效性,给出了投资模型的有效前沿,分析了收益/风险宽容量不变时,风险/收益宽容量变化的作用,从而给投资者提供了更多的决策方案。     

基于粒子群算法的航班舱位控制研究

首先介绍了收益管理提出的背景思想,在对航班收益管理基本概念作简要阐述的情况下,给出了期望边际座位收入理论.提出了在北京到上海的单航程航段下,航空公司会提供出发时间不同但航程相同的连续两个航班.旅客在没能购买到期望的航班舱位时,会以一定的概率选择购买下一航班的机票或者取消订票,改乘其他交通运输工具.旅客对于某一航班的座位需求主要由固有需求和上一航班需求的转移两部分构成.基于这样的角度建立了两航班机票预售模型,不考虑动态订座,no-show和超售等情况,并利用算法对模型进行了求解和分析.最后得出结论当航班票价等级数量较少时,为高票价等级安排较多数量座位可提高航班收入.而当航班票价等级数量比较多时,为低票价等级多安排一些座位可为航班提高收入.     

能力受限的批量问题的数学模型与算法新进展

古典库存问题和能力无限的单层批量问题的研究已经有几十年的历史了，但由于实际生产中产品结构往往比较复杂、生产能力总有限的，因此能力受限的批量问题（尤其是多层批量问题）成为了近年来运筹学、管理科学和工业工程等领域的研究热点之一。本文在综合大量国内外有关文献的基础上，对一般批量问题的数学模型作了比较系统，全面的介绍，重点讨论能力受限的单层批量问题和多层批量问题的一些新算法，并指出一些值得深入研究和努力实     

基于粒子群算法的水稻用水的优化配置

本文旨在实现水稻用水资源的优化配置.早稻、一季稻和晚稻等不同类型水稻的用水,以及同一类型的水稻在不同的生长阶段,均存在着用水优化配置的问题.粒子群优化算法比较容易操作,在计算方面具有效率和精度高的优点,可以应用于水稻用水的优化配置模型的求解.以衡阳县高炉村的水稻用水优化配置为具体算例,验证了算法的可行性.     

基于近邻刺激的改进粒子群优化算法

针对粒子群算法在优化复杂问题时收敛速度慢和易早熟的缺点,提出了基于近邻刺激的改进粒子群优化算法(NSPSO),通过增加一维刺激机制,加强了种群中粒子相互间的信息交流,改善了粒子的学习能力和算法的搜索能力.同时,粒子在速度更新时自适应采用两种更新机制,防止了陷入局部最优,也增强了粒子的搜索效率.在8个测试函数上的实验表明,与一些改进的粒子群算法相比较,在6个函数上的收敛精度和收敛速度都优于其他改进算法,且t检验结果证明了NSPSO算法具有明显的优势,并通过混合动力汽车能源控制策略的优化问题,进一步验证了NSPSO的有效性.     

改进的二进制粒子群算法求解车辆路径问题

设计了一种改进的二进制粒子群优化算法来求解车辆路径问题,算法基于粒子群算法的寻优模式充分考虑粒子之间的导向作用,改进二进制粒子群算法的位取值方式,减小了在进化过程中停滞于局部最优解的概率,并通过构造辅助函数处理优化问题的约束条件,基于分层次实现多个目标的思路来寻优,提高了算法的搜索效率和计算速度.实验测试结果验证了该算法对求解车辆路径问题的适用性和有效性.     

基于CUDA的边界变异量子粒子群优化算法

针对量子粒子群优化算法面对复杂优化问题时,临近最优解的搜索阶段存在收敛速度慢、在边界附近全局搜索性差的问题,提出了基于CUDA的边界变异量子粒子群优化算法.GPU(图形处理器)以多颗密集的计算核心模拟粒子的搜索过程,利用并发的优势提升粒子搜索速度;边界变异则通过以随机概率将边界粒子扩散到更大的搜索域,增加种群的多样性,提升粒子群的全局搜索性.对若干优化算法的仿真实验表明,所提出方法具有较好的全局收敛性,且同等目标精度下,取得了较高的有效加速比.     

A Hybrid Particle Swarm Optimization Algorithm for the Redundancy Allocation Problem

The Redundancy Allocation Problem generally involves the selection of components with multiple choices and redundancy levels that produce maximum system reliability given various system level constraints as cost and weight. In this paper we investigate the series–parallel redundant reliability problems, when a mixing of components was considered. In this type of problem both the number of redundancy components and the corresponding component reliability in each subsystem are to be decided simultaneously so as to maximise the reliability of system. A hybrid algorithm is based on particle swarm optimization and local search algorithm. In addition, we propose an adaptive penalty function which encourages our algorithm to explore within the feasible region and near feasible region, and discourage search beyond that threshold. The effectiveness of our proposed hybrid PSO algorithm is proved on numerous variations of three different problems and compared to Tabu Search and Multiple Weighted Objectives solutions.     

基于粒子群算法的汽车租赁短期车辆配置问题研究

合理的车辆配置与调度是租车公司运营管理考虑的主要问题之一,也是提高租车公司的租车率和收益的有效途径。针对目前我国租车公司普遍缺乏历史数据、预定提前期短、租期短、门店间距离短等主要运营特点,本文将租车公司运营中频繁而复杂的短期车辆配置问题作为研究对象,提出单日的车辆配置方法,构建随机期望模型,并采用合理的方法分解模型,选择粒子群算法对子模型进行求解,并用数值算例验证了该方法的可行性与效果。该方法能够帮助租车公司管理者做出正确的决策,在提升顾客满意度的同时,提高租车率和租车公司的收益。     

求解旅行商问题的基于类Kruskal的混合粒子群算法

本文针对求解旅行商问题的标准粒子群算法所存在的早熟和低效的问题,提出一种基于Greedy Heuristic的初始解与粒子群相结合的混合粒子群算法(SKHPSO)。该算法通过本文给出的类Kruskal算法作为Greedy Heuristic的具体实现手段,产生一个较优的初始可行解,作为粒子群中的一员,然后再用改进的混合粒子群算法进行启发式搜索。SKHPSO的局部搜索借鉴了Lin-Kernighan邻域搜索,而全局搜索结合了遗传算法中的交叉及置换操作。应用该算法对TSPLIB中的典型算例进行了算法测试分析,结果表明:SKHPSO可明显提高求解的质量和效率。     

基于样块和粒子群算法的图像修复

图像修复是近年来图像视觉研究当中的一个热点.Criminisi算法是一种比较常用的方法.为了消除原算法当中置信度和数据项相互影响的问题,并且考虑到平滑项对图像的锐化作用,对优先权的计算重新进行了调整.而将粒子群算法运用到最佳匹配块的搜索过程当中,避免了全局搜索带来的大工作量和不准确性,提高了算法的修复效率和准确性.经过仿真实验证明,改进后的算法不仅在PSNR值上有所提高,修复效果也更符合人们的视觉需求.     

A Particle Swarm Optimization Algorithm with Path Relinking for the Location Routing Problem

This paper introduces a new hybrid algorithmic nature inspired approach based on particle swarm optimization, for solving successfully one of the most popular logistics management problems, the location routing problem (LRP). The proposed algorithm for the solution of the location routing problem, the hybrid particle swarm optimization (HybPSO-LRP), combines a particle swarm optimization (PSO) algorithm, the multiple phase neighborhood search – greedy randomized adaptive search procedure (MPNS-GRASP) algorithm, the expanding neighborhood search (ENS) strategy and a path relinking (PR) strategy. The algorithm is tested on a set of benchmark instances. The results of the algorithm are very satisfactory for these instances and for six of them a new best solution has been found.      

基于改进萤火虫算法的开放式车辆路径问题

针对带软时间窗的多配送中心开放式车辆路径问题,提出了一种新改进的离散萤火虫算法,采用基于贪婪思想的随机邻域搜索策略来提高算法的局部和全局寻优能力;研究了一种步长自适应的方法,其根据当前迭代个体和进入下一次迭代的个体之间的距离自动调整步长,大大提高算法的精度和收敛速度.仿真实验表明了新改进算法的有效性及可行性.     

基于混沌粒子群算法的Tikhonov正则化参数选取

Tikhonov正则化方法是求解不适定问题最为有效的方法之一,而正则化参数的最优选取是其关键.本文将混沌粒子群优化算法与Tikhonov正则化方法相结合,基于Morozov偏差原理设计粒子群的适应度函数,利用混沌粒子群优化算法的优点,为正则化参数的选取提供了一条有效的途径.数值实验结果表明,本文方法能有效地处理不适定问题,是一种实用有效的方法.