对一类overlay层组播路由问题的模型的改进

根据overlay层虚拟网图的特点，本给出了一类overlay层组播路由问题的数学模型的改进，及相应的一种启发式算法，即MMD算法，并分析了该算法的性质，证明了它是一个多项式时间算法。     

一种基于遗传禁忌昆合策略的时延约束组播路由算法

提出了一种基于遗传算法和禁忌搜索法相结合混合策略的时延约束最小代价组播路由算法(GATSA).该算法利用Djjkstra第k最短路径算法找出源节点到每一个目的节点满足最大时延限制的路径,通过遗传禁忌混合策略的选择、交叉与变异等操作,求出满足条件的组播树.仿真实验结果表明本算法性能和算法性能稳定,其代价性能接近目前性能最好的BSMA算法,并具有快速,低时延的特.     

约束多目标选址问题及其算法

文章考察了一类带有区域约束的多目标选址问题，给出了用模拟退火法进行求解的策略，并在微机上予以实现，经试算得到了满意的效果。     

调度问题中两类分离约束传播算法的比较及一种改进算法

约束传播算法是求解约束满足问题的一种重要方法。调度问题是一种特殊的约束满足问题。本介绍了调度问题中的Edge-Finding和Energy-Reasoning两种分离约束传播算法，并对它们进行了比较，中最后给出了一种结合Energy-Reasoning的Edge-Finding改进算法。     

完全分层多目标规划的基线算法

本文采用基线算法求解完全分层多目标规划问题。给出了简单完全分层多目标规划基线算法的求解步骤，并对其进行了修正，从而得到完全分层多目标规划的宽容基线算法。并给出了两个计算实例。     

直觉模糊多属性决策的TOPSIS法

属性值和权重都是直觉模糊集的多属性决策问题不同于一般的多属性决策问题，不能运用现有的决策方法求解。本文给出了直觉模糊正、负理想方案的定义及其与每个方案的欧氏距离，进而建立了每个方案与直觉模糊正理想方案的相对贴近度计算方法，从此产生所有方案的优序排序，即拓展了TOPSIS法。数值实例说明了该方法的有效性和实用性，可为解决直觉模糊多属性决策提供新途径。     

多车场有时间窗的多车型车辆调度及其禁忌算法研究

本文针对物流配送中的多车场车辆调度问题提出了两种多车场的处理方法，介绍了多车场车辆调度问题中容量、时间窗、多车型等多种约束的处理方法，并且根据具体约束情况设计了禁忌算法，对多车场有时间窗的多车型车辆调度问题加以实现，给出了一个具有代表性的算例试验结果和结果分析，通过试验表明了此方法对优化有时间窗的多车型车辆调度问题的有效性．     

基于PSO-MAs算法的产品组合问题研究

针对多约束的产品组合问题,提出一种基于PSO的Memetic算法。该算法首先运用约束理论识别并剔除非瓶颈约束,然后基于伪效用比率设计了一个局部搜索算法,并将其加入到PSO算法的种群进化中,以增强PSO算法的局部学习能力。通过对算法在小规模和大规模算例中测试,表明该算法在小规模问题中优于许多已有算法,同时能在相对较短地时间内更有效地求解较大规模产品组合问题。因此本文提出的基于PSO的Memetic算法可以用来有效地求解实际中的产品组合问题。     

基于模糊贴近度的多目标分类算法

本针对多目标分类中线性聚合模式存在的问题，提出了一种基于贴近度分析的多目标分类新算法。在非对称贴近度分析的基础上，通过确定决策对象评价的参考等级，并依据它们与评价等级集合中各评价等级的贴近程度，来进行多目标聚合与分类。本的算例说明了该算法的可行性。     

自适应蚁群算法及其在多约束多目标柔性Job-Shop调度中的应用

实际生产系统的车间作业调度一般是多约束多目标柔性Job-Shop调度,比经典的Job-Shop调度更复杂,存在多约束、多目标、动态柔性、建模复杂等特性.建立了多约束多目标柔性Job-Shop调度模型,提出了一种自适应蚁群算法,采用自适应机制和遗传原理防止算法过早停滞和加快收敛速度.西安航空发动机(集团)有限公司制造单元调度实例表明,提出的自适应蚁群算法是求解多约束多目标柔性Job-Shop调度的有效方法.     

基于群体一致性的犹豫模糊多属性决策方法

犹豫模糊集允许一个元素属于一个集合的隶属度可以是多个不同的值,是表达决策者之间偏好不一致性的有力工具。针对决策者评价偏差不宜过大的问题,提出了一种基于群体一致性的犹豫模糊多属性决策方法。首先, 我们定义了犹豫模糊元的犹豫度函数,进而定义了犹豫模糊元的一致性指数;在此基础上,构建了基于群体一致性指数最大化的权重优化模型,通过求解优化模型可以得到属性的权重向量。然后,运用灰色关联分析法实现对方案的排序和择优。最后,通过实例分析说明了该方法的可行性和有效性。     

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。     

基于交通流的多模糊时间窗车辆路径优化

研究了基于交通流的多模糊时间窗车辆路径问题,考虑了实际中不断变化的交通流以及客户具有多个模糊时间窗的情况,以最小化配送总成本和最大化客户满意度为目标,构建基于交通流的多模糊时间窗车辆路径模型。根据伊藤算法的基本原理,设计了求解该模型的改进伊藤算法,结合仿真算例进行了模拟计算,并与蚁群算法的计算结果进行了对比分析,结果表明,利用改进伊藤算法求解基于交通流的多模糊时间窗车辆路径问题,迭代次数小,效率更高,能够在较短的时间内收敛到全局最优解,可以有效的求解多模糊时间窗车辆路径问题。     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

基于直觉模糊集的多准则模糊决策问题

提出了一种基于直觉模糊集处理模糊决策问题的新方法.该方法用直觉模糊集描述方案关于准则集的满足程度与不满足程度.而且该方法允许决策者给出准则对于模糊集“重要”的隶属度与非隶属度,即准则的权重也由直觉模糊集表示.这种方法为决策者做出最优决策提供了一种方便有效的方法.     

多时间窗车辆路径问题的智能水滴算法

研究了多时间窗车辆路径问题,考虑了车容量、多个硬时间窗限制等约束条件,以动用车辆的固定成本和车辆运行成本之和最小为目标,建立了整数线性规划模型。根据智能水滴算法的基本原理,设计了求解多时间窗车辆路径问题的快速算法,利用具体实例进行了模拟计算,并与遗传算法的计算结果进行了对比分析,结果显示,利用智能水滴算法求解多时间窗车辆路径问题,能够以很高的概率得到全局最优解,是求解多时间窗车辆路径问题的有效算法。     

基于前景理论的三角犹豫模糊多属性决策方法

针对属性权重信息完全未知,属性值为三角犹豫模糊元的多属性决策问题,提出一种基于前景理论和模糊结构元的决策分析方法。首先,基于模糊结构元理论,定义三角犹豫模糊元的结构元形式和海明距离公式,并通过求解属性间距离离差最大化的优化模型确定权重。其次,依据前景理论,分别以正负理想点作为决策参照点,构建收益矩阵和损失矩阵。在此基础上,应用TOPSIS方法计算各备选方案的相对贴近度,并依据相对贴近度的大小实现备选方案排序。最后,通过算例验证方法是有效和可行的。     

基于模糊二元运算的模糊群的若干性质

给出一种新的模糊二元运算,利用这种运算导出集合G中元素间的一种运算(仍称之为模糊二元运算),然后给出新模糊群的定义.讨论了这种基于模糊二元运算的模糊群的一系列的概念以及性质.     

基于模糊数直觉模糊PG算子的多属性决策方法

针对决策信息为三角模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出了一种基于三角模糊数直觉模糊PG(TFNIFPG)算子的决策方法.首先,基于TFNIFN的运算法则和PG(Power Geometric)算子,定义了TFNIFPG算子.然后,研究了该算子的一些性质,建立基于TFNIFPG算子的MAGDM模型,结合排序方法进行决策.最后通过某项目投资算例验证了该算子的有效性与可行性.