一类工序连续的生产排序

本文讨论一类工序连续的生产排序，由于约束条件的特殊；通常启发式垢优先规则较难应用，故用一种“探索排序路线”的方法来处理问题。     

经过改进的求解TSP问题的蚁群算法

介绍了一种求解TSP问题的算法—改进的蚁群算法,算法通过模拟蚁群搜索食物的过程,可用于求解TSP问题,算法的主要特点是:正反馈、分布式计算、与某种启发式算法相结合.通过对传统蚁群算法的改进可以得到较好的结果.计算机仿真结果表明了该算法的有效性.     

用嵌套插队算法解决TSP问题

本提出了一种求解TSP问题的近似算法—嵌套插队算法。这种算法结合了启发式算法和随机化算法以及局部寻优的思想。实验结果表明对于较小规模的。TSP问题，直接用插队算法(QJA)就能以很大的概率获得已知最优解。对于规模较大的问题实例。嵌套插队算法(NQJA)能获得质量高于名的启发式算法的解。另外，用嵌套插队算法找到的China144的最短路径优于目前已知的最短路径。嵌套插队算法是专门针对TSP问题而提出的，但其思想也可以给求解其他NP难解的组合优化问题以启发。     

双钻头打孔机作业的优化模型

对于双钻头打孔机的孔群加工问题分为两部分解决.首先建立刀具转换次数最少的优化模型.将钻头A和钻头B每阶段使用某一刀具的状态设为0-1变量建立模型,用LINGO程序求解.另外根据10种孔型所需刀具及加工次序,将整个双钻头打孔作业任务分成3个阶段,在每一阶段,以打孔个数较多的钻头刀具作为基准刀具,使用贪心算法遍历打孔;另一个刀具以两钻头距离大于3cm为约束,确定可行点集合,在可行点集合中制定最优打孔路线,进而可求打孔作业总时间,作业总成本.     

装箱问题的算法及最新进展

装箱问题在经济社会发展中扮演着重要的角色,该问题研究的是寻找较好的布局方式,尽可能实现利益的最大化.装箱问题具有NP-难性质,其理论和应用研究存在一定的挑战,但因其有广泛的应用背景而受到研究者高度的关注.本文主要总结近几十年来装箱问题的研究成果,特别针对一维、二维和三维单目标装箱问题和算法,以及多目标装箱问题的算法进行概括和总结,并提出装箱问题算法上有待进一步的研究工作.     

乘用车物流运输计划问题的建模研究

首先针对不同类型、数量乘用车的物流运输问题,构建整数线性规划模型,并对模型进行逐层优化求解,通过MATLAB编写通用程序实现计算;在此基础之上,为解决不同目的地的运输要求,采用启发式逐层优化算法进行求解;最后考虑多因素的实际问题,建立分层划分模型,提出构造型分层划分启发式算法求解.计算表明,所建模型计算结果良好,实现了对乘用车物流运输计划问题的优化.     

一种改进的蚁群算法及其在TSP中的应用

蚁群算法是一种求解复杂组合优化问题的新的拟生态算法,也是一种基于种群的启发式仿生进化算法,属于随机搜索算法的一种,并用于较好地解决TSP问题.然而此算法也有它自己的缺陷,如易于陷入局部优化、搜索时间长等.通过对基本蚁群算法的介绍及相关因素的分析,提出了一种改进的蚁群算法,用于解决TSPLAB问题的10个问题,并与参考文献中的F-W、NCSOM、ASOM算法进行比较,计算机仿真结果表明了改进算法的有效性.如利用改进的蚁群算法解决lin105问题,其最优解为14382.995933(已知最优解为14379),相对误差是0.0209%,计算出的最小值几乎接近于已知最优解.     

考虑生产计划的多周期切割问题优化研究

切割生产广泛存在于工业企业,是原材料加工的重要环节。已有文献主要关注单周期切割问题,但是切割计划也是生产计划的一部分,切割计划和生产计划应该协调优化,达到全局最优。本文研究考虑生产计划的多周期切割问题,目标是最小化运营成本,包括准备成本、切割成本、库存成本以及母材消耗成本。首先建立混合整数规划模型;提出动态规划启发式算法;最后对算例在多种情境下测试,分析成本因子变化对最优结果的影响。算法结果与CPLEX最优结果比较,平均误差为1.85%,表明算法是有效的。     

蚂蚁算法和小生境遗传算法的融合

蚂蚁算法是一种新型的模拟进化算法,也是一种随机型智能搜索算法.较为系统的总结了算法的基本理论,分析了其基本算法解决TSP问题的模型,针对蚂蚁算法易出现停滞的缺点,把小生境遗传算法和蚂蚁算法融合,仿真比较实验结果表明优于基本蚂蚁算法.     

CIMS下基于成组单元的无能力约束的生产批量计划的新方法

CIMS中基于成组单元的生产批量计划问题是确定属于M个族的N种不同的项目在给定的计划范围T内的每一个时间段上的批量,使得在T内项目总的调整费用（族调整费用和项目调整费用之和）和库存保管费用以及生产费用之和最小（GTLS）本文基于GTLS问题的性质,从一个新的角度即从调整变量出发,运用遗传算法（GA）随机搜索进行求解．对GTLS构造了两阶段启发式算法（Heuristic）,通过仿真实验,测试6个问题表明,GTLS／GA比GTLS／Heuristic平均改善5％以内．     

TSP的量子蚂蚁算法求解

在分析量子算法的基本概念的基础上,提出了一种新的算法——量子蚂蚁算法。量子蚂蚁算法结合了量子计算中量子旋转门的量子信息和蚂蚁寻优的特点,为解决实际问题提供的一种新的优化方法。本文将量子蚂蚁算法应用于TSP问题的研究,通过选取国际通用的TSP实例库中多个实例进行测试,表明了新算法具有很好的精确度和鲁棒性,即使对于大规模问题,也能以很小的种群和不长的时间求得相对误差较小的满意解。     

有资源约束的Q／res／Cmax问题的改进型算法

本文讨论有资源约束的Q／res／Cmax问题的启发式算法，利用“首先空闲”准则的一个性质，给出了种重新分配的改进型算法．     

2014年E题综述

针对学生做E题的方法给出总结,并对学生出现的问题给出点评,同时对竞赛中研究生较少或没有考虑过的最优解证明问题和启发式方法给出论述.     

一个关于非对称距离的旅行商问题的迭代算法

本对非对称距离的旅行商问题，给出了一个迭代算法，并分析了此迭代算法的复杂度为M^nO(N^4)，其中，N是问题中旅行商所要经过的城镇数，M是两城镇间的最大距离。最后用实例对此算法进行了验算和说明。     

一种改进的混合型蚁群算法在TSP问题中的应用

介绍了一种求解TSP问题的算法改进的混合型蚁群算法,该算法在近邻法构造初始解的基础上,使用2-opt局部搜索法对当前解进行改进,在更新全局信息素时采用基于排序的蚂蚁系统对排在前2名的蚂蚁更新全局信息素,且为全局信息素设置最大值和最小值,并使用Matlab仿真求解了kroa200等13个经典tsp问题,得到的结果和最优解的误差很小,并和两种最新改进的蚁群算法以及两种自组织算法进行比较,比较结果充分证明了该改进算法的有效性.     

求解TSP问题的改进离散蝴蝶优化算法

针对离散蝴蝶优化算法求解TSP问题时精度低和收敛速度慢等问题,提出一种改进离散蝴蝶优化算法.为了提升搜索效率,利用贪婪机制初始化种群,同时结合2-opt算子、改进的2-opt算子和模拟退火等策略来提高寻优能力.通过标准TSPLIB数据库中几十个实例仿真实验,并与一些经典、新型的智能算法比较,结果表明提出的算法在寻优能力和鲁棒性方面表现优越.     

团队成员选择的模型及算法

本针对组织中组建团队或重组现有团队时的成员选择问题，提出了反映团队成员之间、成员和团队之间关系的群体效用模型，并根据此模型进行团队成员的选择，从而把团队成员选择问题转化为一个组合优化问题。证明了基于群体效用模型进行团队成员选择的问题是NP-hard问题，并且提出了基于ORASP技术和禁忌算法的启发式算法，最后给出了算例。     

模糊蚁群算法及其在TSP中的应用

在传统蚁群算法的基础上加入了使用模糊规则表更新信息素的策略,提出了一种新的算法——模糊蚁群算法.算法结合了模糊控制中输入输出的模糊化处理和蚁群寻优的特点,为实际问题提供了新的解决手段.文中将模糊蚁群算法应用于TSP问题,通过对中国31个省会城市等实例数据进行的测试,验证表明了新算法具有良好的有效性和鲁棒性.     

旅行推销员问题的算法综述

本文综述了旅行推销员问题 (TSP)近几十年来的算法研究进展 ,给出了一些主要算法的求解思想及其时间复杂度     

改进遗传算法求解TSP问题

提出了一种改进遗传算法求解 TSP.该方法在迭代初期引入不适应度函数作为评价标准 ,结合启发式交叉和边重组交叉算子设计了一种新的交叉算子 ,并对变异后个体进行免疫操作 .此外对操作后群体进行整理 ,删除群体中相同个体 ,得到规模为 N1的中间群体 ,对较优的 N -N 1个个体进行启发式变异 ,并将变异后个体补充进中间群体 ,生成规模为 N的新群体 ,这样保证群体中没有相同个体 ,从而保证群体多样性 .数值结果表明这种改进遗传算法是有效的 .