识别含热源瞬态热传导问题的热扩散系数

针对含有热源的瞬态热传导反问题,引入一个变换将含热源热传导问题转换为无热源热传导问题,采用改进布谷鸟算法反演热扩散系数.正问题由边界元法求解.将热扩散系数作为优化变量,以计算温度和测量温度之间的接近程度为目标函数,通过改进布谷鸟算法极小化目标函数来优化估计热扩散系数.比较共轭梯度法、布谷鸟算法和改进布谷鸟算法的反演结果.与共轭梯度法相比,改进布谷鸟算法对迭代初值不敏感;与布谷鸟算法相比,改进布谷鸟算法收敛速度更快.算例讨论了测点数量、鸟巢数量、测量误差对计算结果的影响.增加测点数量,反演结果精度降低;增加鸟巢数量,迭代次数减少;随着测量误差的增大,结果精度降低.数值算例验证了改进布谷鸟算法反演热扩散系数的准确性和有效性.     

一种新的混合蚁群算法

设计一种新的混合蚁群算法,该算法以一种新的加权二进制蚁群算法为基础,将分布估计算法PB IL的概率分布模型用来指导蚂蚁路径的选择,同时对不同位置的蚂蚁采用加权系数来控制信息素散发量,根据信息素得到的转移概率、PB IL的模型概率及二者融合的概率来产生新的个体,保证了个体的多样性,从而提高了算法的快速性和全局最优解的搜索能力.通过测试函数优化表明该算法具有良好的收敛速度和稳定性,改善了蚁群算法容易陷入局部最优而早熟的缺陷.     

战时备件配送的MDVRPTW问题研究

战时备件配送的车辆调度是提高装备保障效率的关键因素.以装备效能损失最小化为车辆调度的目标,建立了问题的M DVRPTW模型,并应用蚁群算法对问题进行了求解.算法中,根据问题特征改进了状态转移规则,设计了串行和并行两种路线构造方法,并应用局部搜索模块对蚂蚁构造的路线进行改进.对算例的计算实验表明,串行路线构造方法在精度和速度两方面均优于并行路线构造方法.     

反演二维瞬态热传导问题随温度变化的导热系数

基于边界元法反演二维瞬态热传导问题随温度变化的导热系数.采用Kirchhoff变换将非线性的控制方程转变为线性方程.边界元法用于构建二维瞬态热传导问题的数值分析模型.将反演参数作为优化变量,测点温度计算值与测量值之间的残差平方和作为优化目标函数.引入复变量求导法求解目标函数的梯度矩阵,梯度正则化法用于优化目标函数获得反演结果.探讨时间步长、测点数量和随机偏差对反演结果的影响.减小步长、增加测点数量收敛速度加快.降低了随机偏差,计算结果更精确.算例证明了算法的有效性与稳定性.     

基于改进蚁群算法的带硬时间窗的接送机场服务路径优化研究

针对航空票务公司免费接送顾客去机场路径优化的问题,文章研究了更贴近实际的关于单时间窗约束下的接送机场服务,同时考虑了接送过程中的碳排放,构建出相应的优化模型,提出利用蚁群算法来解决该问题,并采用改进的蚁群算法加以求解.在初始选择路径上的改进,有效解决路径选择上容易陷入局部最优的缺点;根据当前节点到目标点和起点的距离,重新设计启发式函数,驱使车辆尽量沿着起点和目标点之间的最短路行进;依据实时路径长度,动态调整挥发系数,精炼搜索空间,提高收敛性能.最后通过参数校验和实例计算验证,得出了适用于此问题的蚁群算法的参数优化组合;以及顾客点位置在三种不同类型分布下时,使用改进后的蚁群算法都能更好的求出问题的最优解,表明改进后的蚁群算法是解决航空票务公司免费接送顾客去机场服务路径优化问题的一个更有效的求解算法.     

基于改进蚁群算法的最短路径问题研究及应用

蚁群系统作为一种蚁群算法是解决最短路径问题的一种行之有效的方法.然而,它自身也存在着一些缺陷,主要针对基本蚁群算法易陷入局部最优这一缺陷对其进行改进,集中体现在初始信息素求解和信息素更新这两方面.为了进一步了解改进蚁群算法的优点,进行了实验仿真:将改进的蚁群算法应用子模拟医疗救护GIS中,利用GIS的网络分析功能对城市道路网络的最短路径选择算法进行了深入地探讨研究,并以山西省太原市的交通路线作为实例进行研究.计算机仿真结果表明,改进的蚁群算法在解决最短路径问题时较基本蚁群算法的性能好,它具有一定的理论参考价值和现实意义.     

一个分数阶生长-抑制系统的参数反问题

本文研究一个分数阶生长-抑制线性系统模型及其参数反问题.首先利用Laplace逆变换得到正问题解的唯一存在性.其次,考虑一个利用内点观测数据确定微分阶数与衰减率的反问题,应用极值原理在Laplace像空间中证明反演的唯一性.最后,基于正问题的有限差分解,应用同伦正则化算法进行数值反演.计算结果表明算法的收敛性及反问题的数值稳定性.     

基于改进蚁群算法的无人仓的多AGV避碰路径优化策略

对无人仓库中多AGV系统的避碰路径优化问题进行了研究,提出了一种基于弹性时间窗和改进蚁群算法的多AGV避碰路径优化策略.通过对传统蚁群算法改进启发式信息和信息素更新策略,来提高算法的执行速度和寻优能力,提出AGV任务优先级排序并改进冲突解决策略来解决多AGV之间的不同路径冲突.基于电商物流无人仓库的环境,利用MATLAB仿真软件对多AGV避碰路径规划进行建模分析.实验结果表明,基于弹性时间窗和改进蚁群算法的可以实现多AGV避碰路径规划,并能够短时间内找到避碰最优路径.     

生物斑图中Gray-Scott模型的数值求解及参数反演

生物斑图中反应扩散模型数值解及其参数反演的研究是非常有趣和重要的.主要以生物斑图中Gray-Scott模型为研究对象,对其正、反问题进行研究,提出了一种新的算法-DE-ME算法,并通过数值算例模拟验证了其在求解Gray-Scott模型参数反演问题中的可行性及有效性.结果表明此混合算法能快速有效地解决此类反应扩散模型参数反演问题.     

二维热传导方程源强识别反问题的数值求解

本文研究了一类含有时间变量热源的二维热传导方程.利用有限元方法给出了数值求解过程,并在已知热源位置的前提下,根据某点的温度观测值,利用插值方法,将源强识别问题转化为参数反演问题,通过微分进化方法结合最佳摄动量法对源强识别反问题进行了数值模拟,结果表明所提出的方法是可行有效的.     

基于时域精细积分算法的瞬态传热多宗量反演

基于有限元法和精细积分算法,提出了一种求解瞬态热传导多宗量反演问题的新方法．采用有限元法和精细积分算法分别对空间、时间变量进行离散,可以得到正演问题高精度的半解析数值模型,由此建立了多宗量反演的计算模式,并给出敏度分析的计算公式．对一维和二维的热物性参数、热源项、边界条件等进行了单宗量和多宗量的反演求解,初步考虑了初值和噪音等对反演结果的影响,数值算例验证了该方法的有效性．     

基于新风险度量方式的危险品车辆路径双目标优化模型

针对危险品车辆路径问题中车辆访问多个需求点的特性,在风险度量方式上考虑了运输过程中车辆载重量变化,建立了最小化总运输距离以及最小化总运输风险的双目标优化模型.采用改进的蚁群算法对模型进行求解并获得优化问题的非支配解,数值实验说明改进的风险度量方式更适合于危险化学品车辆路径问题,改进的蚁群算法能够有效率地对模型进行求解.     

基于信息素的改进蚁群算法及其在TSP中的应用

针对基本蚁群算法收敛速度慢、易陷于局部最优从而导致搜索停滞的缺陷,提出了一种改进蚁群算法模型.改进算法引入信息素调节系数,避免算法初期各路径上信息素出现过大差异,导致算法"早熟".通过动态调整信息素挥发,在求解速度和寻找全局最优之间寻找平衡.对旅行商问题的仿真结果表明:改进算法的求解结果和求解效率都明显优于基本蚁群算法.     

基于快速成像反演算法的地表温度反演可视化技术研究

当前主流的地表温度检测方式是通过遥感反演以及地面实地检测,其中遥感反演虽然检测范围面积较广,但是检测精度较低.利用WATERSHED快速成像反演算法与WATERSHED快速成像反演算法对无锡花海活动进行地表温度的数据分析以及可视化显示,利用算法的优点提高地表温度反演可视化效果.最后利用FAHP模型对快速成像反演算法在地表温度反演可视化实际效果进行评价.结果表明,快速成像反算法可以有效地提高地表温度的反演可视化效果.     

基于改进蚁群算法的侦察无人机航路规划与实现

文章针对侦察无人机航路规划这一问题,分析了影响航路规划的因素,构建了航路规划的模型.结合侦察无人机航路规划的特点与模型,论证了基于蚁群算法求解的理由与优点,并对蚁群算法的初始信息素强度与启发因子进行了改进.最后以岛屿进攻战役这一特定作战任务为例,利用MATLAB实现了侦察多目标时的航路规划问题.     

基于蚁群系统和2-opt方法求解同时送取货车辆路径VRPSPD问题

研究了一般意义下同时送取货的车辆路径VRPSPD问题,建立VRPSPD的整数规划模型.考虑到VRPSPD车辆不断变化的负载量,使得问题难以求解,设计了一种将蚁群系统(ACS)与2-opt方法相结合的启发式算法.通过在蚁群系统(ACS)中引入候选集合的策略,将启发因子设为目标函数值,同时利用2-opt算法的思想得到适用于VRPSPD的2-opt方法,使得设计的启发式算法对于求解VRPSPD是有效的.最后,实例运算的结果也证明了算法是一种较好的算法,能够得到满意的解.     

冷链低碳物流配送路径优化的细菌觅食—蚁群算法研究

冷链物流的绿色发展已成为国家十三五发展的热点,在分析冷链物流配送环节各种成本基础上,以车载容量和时间窗为约束,构建综合总成本最小化的冷链低碳物流配送路径优化模型.将细菌觅食算法中的复制操作和趋向操作引入基本蚁群算法中,改善了算法的收敛效率和全局搜索能力,提出了细菌觅食一蚁群算法用于求解冷链低碳物流配送路径优化模型.通过实例仿真表明,在求解冷链低碳物流配送路径优化模型方面,细菌觅食—蚁群算法能够以更高的效率寻找到更低的综合总成本,验证了改进算法的合理性和有效性.     

改进蚁群算法在智能交通中的应用

为了诱导车辆在出行时选择较高质量的路线,提出并建立了城市道路权值仿真模型.为求解该模型,从分析基本蚁群算法入手,通过在状态转移规则中加入扰动因子,改进全局更新规则,以及引入信息素更新算子改进了蚁群算法.然后利用道路权值模型对两种算法在路径寻优效果上做了比较和分析,实验结果表明改进后的蚁群算法能有效地避免停留在局部最优解,并提高计算效率,具有良好的寻优性和收敛性,能准确找出路网中满足综合要求的最优路径.     

基于客户满意度的车辆路径问题及蚁群算法求解北大核心

针对传统车辆路径问题片面强调行驶里程最短的弊端,引入客户满意度目标,提出了基于客户满意度的车辆路径问题数学模型,并通过线性加权将多目标模型转化为单目标.使用蚁群算法求解模型,并在蚂蚁状态转移中引入时间窗宽度因素,以优先考虑那些具有时间紧迫性的客户.对Solomon案例的实验仿真,结果表明了模型的合理性和算法的高效性.     

基于最大最小蚂蚁系统的物流配送中心选址算法的研究

提出了一种基于信息素自适应调节的最大最小蚂蚁系统的多物流配送中心选址算法,利用改进的蚁群算法的路径寻优机制结合蚂蚁聚集尸体的行为模式,根据物流配送总成本最低的原则将各配送点与候选配送中心进行聚类,合理选择配送中心。将已有物流配送模型进行拓展,加入经营管理成本。分别利用基本蚁群聚类算法和改进的蚁群聚类算法对配送中心选址进行仿真,实验结果表明在解决大规模配送中心选址问题时,改进的算法在解的质量和收敛速度方面明显优于基本蚁群聚类算法。