多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

感知乘客心理的出租车动态合乘优化方法

为研究考虑乘客感知的动态合乘问题，本文提出一种改进的算法框架。基于可行出行对概念，构建乘客满意度最大、出行时间最少的多目标线性规划问题，将合乘问题转化为车辆和乘客间的线性分配问题，并采用基于精英策略的人工蜂群算法(Elitism based Multi-Objective Artificial Bee Colony，EMOABC)求解。根据海口市出租车订单数据建立算例，实验结果表明，该算法框架能够实时提供优质动态合乘方案。相比单纯优化出行效率，考虑乘客心理的合乘策略，相对提高12%的乘客满意度，服务率等方面也有较好表现。     

基于蚁群算法的多QoS约束的多播路由优化算法

蚁群算法是一种新型的随机优化算法,能有效地解决QoS受限的多播路由问题.文中基于蚂蚁具有找到蚁巢与食物之间的最短路径的工作原理,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的.     

��æ�������ཱུ������Ķ�Ŀ���Ż�

航班的合理降落排序是减少航班延误,提高服务质量的重要手段之一.空管人员在进行决策时,其评价标准往往不是单一的和同向的.本文将跑道上的飞机降落排序建模成单机多目标调度问题,重点讨论了此类问题的帕累托优化求解.建立的整数规划模型能够在航班降落过程中,对航班加权延误数量和所有延误航班的最长晚点时间两目标值进行协调并根据现场实际情况灵活地进行取舍.利用共享信息素机制的多目标蚁群算法对模型进行求解.最后的算例结果显示,与传统的启发式方法相比较,本文的方法不仅能够求得更好的结果,还能为空管人员提供一个相对直观的调度策略选择方案.     

基于多目标优化的物流服务组合研究

为了发展铁路货运组织改革提出的门到门的全程物流服务,达到更及时有效地响应货运客户日益多样化、个性化的物流需求的目的. 针对物流服务的特点,构建物流Web服务组合模型,采用Web服务组合技术将物流服务提供商提供的物流服务进行实时、动态的组合,并将组合问题转化为求解多目标优化问题,提出了改进的NSGA-Ⅱ （non-dominated sorting in genetic algorithm-Ⅱ）算法. 首先考虑了物流业务流程中物流服务的逻辑关系以及由于物流服务提供商联盟而产生的物流服务联合关系,设计了隐含逻辑关系和联合关系的染色体编码方式和遗传因子;其次,将实际铁路物流服务中客户的QoS （quality of service）属性需求作为组合服务的目标函数的惩罚函数,有效避免组合服务重计划问题,促使染色体向满足约束的方向进化;最后对算法进行实验仿真,结果表明算法解决物流服务组合问题的有效性与可行性,某次实际铁路物流服务选择的具体服务与组合服务的QoS属性都符合客户要求,组合服务从三个目标角度来看都是非劣的,而在物流任务与候选服务增加的情况下,算法运行时间满足实际需要. 并且较于NSGA-Ⅱ算法,考虑了物流服务提供商的联盟需求,得到满足客户物流服务需求的Pareto解在Pareto解集中所占比例达到100%,即得到了质量更优的物流服务组合方案.      

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题 （vehicle routing problem,VRP） 是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题 （stochastic time-dependent vehicle routing problem,STDVRP） 的多目标鲁棒优化模型. 设计了一种非支配排序蚁群算法 （non-dominated sorting ant colony optimisation,NSACO）,求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法 （non-dominated sorting genetic algorithm II,NSGA-II）. 研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGA-II算法小17.49%.      

Ant colony optimization for feature selection in software product lines

Software product lines （SPLs） are important software engineering techniques for creating a collection of similar software systems. Software products can be derived from SPLs quickly. The process of software product derivation can be modeled as feature selection optimization with resource constraints, which is a non- deterministic polynomial-time hard （NP-hard） problem. In this paper, we present an approach that using ant colony optimization to get an approximation solution of the problem in polynomial time. We evaluate our approach by comparing it to two important approximation techniques. One is filtered Cartesian flattening and modified heuristic （FCF＋M-HEU） algorithm, the other is genetic algorithm for optimized feature selection （GAFES）. The experimental results show that our approach performs 6% worse than FCF＋M-HEU with reducing much running time. Meanwhile, it performs 10% better than GAFES with taking more time.     

基于免疫优化的单目标多模态期望值规划

为了求解未知随机变量分布下单目标多模态期望值规划,通过引入检测候选解是否为局部最优解的随机函数,将该期望值规划问题转化为多目标期望值规划问题,并进一步探寻问题的转化关系,获得在一定条件下有效解是最优解的结论;根据样本平均近似化思想,将多目标规划转化为非恒定样本采样的近似化模型,并基于克隆选择和免疫记忆的机理,通过设计递归非支配分层、样本自适应采样和自适应繁殖与变异方案,引导进化种群往优质个体所在区域转移,提出了求解该近似化模型的免疫优化算法.仿真结果表明:与参与比较的多目标优化算法相比,该算法搜索多个最优解方面有明显优势,搜索效果稳定,噪声抑制能力强;求解低、高维标准测试问题获得最优解的数量分别平均提高了20%和70%.      

基于蚁群算法的多跑道航班协同调度建模

针对终端区航班拥堵问题,模型通过读取进离场航班的航班号、机型和所属航空公司等实时信息,以提高航空公司效益性和航空公司之间竞争公平性为目标,建立了多跑道航班协同调度（CDM GDP）的多目标动态优化模型,采用蚁群算法对模型进行仿真.经过仿真验证表明,模型优化算法与先到先服务（FCFS）状态下航班排序相比,延误损失降低70.10%;延误损失偏差和降低38.64%.     

基于粒子群和蚁群算法的边界层微分方程求解

沿竖壁自然对流边界层微分方程组速度和温度均耦合,在打靶法中应用Newton求根的方法解对应的相似性微分方程组时对初值选择要求较高,在根值附近收敛变慢.将微分方程边值问题转化为初值问题求解的打靶过程可看作优化设计问题,用优化设计算法求解.将基于生物群信息传递规则和觅食规则提出的粒子群算法和蚁群算法应用到打靶法的求解过程中,并与其它优化算法计算结果进行了比较.结果表明,粒子群算法和蚁群算法用于沿变壁温竖壁自然对流层流边界层微分方程求解是可行的,计算过程稳定,对初值选择不敏感.     

改进蚁群算法在系统可靠度最优冗余分配的应用

针对蚁群算法在解决NP困难时所存在的极易陷入局部最优值和搜索时间过长的问题,在蚁群算法基础上重新设计状态转移规则和信息素更新规则。实验研究表明:改进后的算法可以有效解决最优冗余分配问题,同时可以在相对短的时间内找到问题的最优解。     

蚁群算法在西餐连锁店配送路径中应用

西餐连锁店的路径优化是各连锁店食品配送路线的优化,要求满足各连锁店时间窗的约束,可抽象为带时间窗的车辆路径问题（VRPTW）.文中采用启发式算法对VRPTW求解.为正确衡量信息素和期望值浓度在进化的不同阶段对算法的贡献,引入了一种自适应转移策略来提高算法的求解效率,并通过综合考虑全局和局部信息的更新策略——蚁权策略进行信息素更新,加快算法的收敛速度.最后,通过11个经典VRPTW对该算法的性能进行了检验.并以大连市西餐连锁店为研究对象,运用本文所提出的蚁群算法求解大连市西餐连锁店的配送路线.     

Route Selection for Railway Passengers: A Multi-objective Model and Optimization Algorithm

With an increased operating speed in Chinese railways in recent years, the number of passengers traveling by trains has been significantly increasing. The research issue is regarding how passengers select their routes when there are no direct trains. Previous studies have dealt with the route selection problem as a multi-objective optimization. The study began by setting up a transportation network which encompasses the departure and terminal stations along with important intermediate stations. Then, six key factors are analyzed and formulated using a multi-objective model, consisting of the train-running time, railway fare, transfer frequencies, distances between transfer stations, transfer interval time, and travel comfort. Furthermore, a two-phase algorithm is employed to solve the model. A rapid searching algorithm for feasible routes based on the train timetable is established, then the weight vector is assigned by introducing the information entropy to obtain satisfied routes. In the end, the two-phase algorithm is tested respectively for railway passengers from Lanzhou to Beijing (with direct trains) and from Lanzhou to Changchun (without direct trains), and the results show that the proposed model and solution algorithm are efficient for obtaining satisfactory routes.     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

������Լ����������-��ʽ�����������

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.     

无容量约束单分配轴-辐式物流网络设计

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

���ڶ�Ŀ���Ż��ĵ�·����վ��ѡַ�о�

为了研究道路客运站场规划的站场选址优化,提出了一种基于多目标优化的道路客运站场选址方法。首先,将道路客运站场规划区域的道路网简化为有向赋权图,使选址优化问题转化为0-1规划问题;然后,以道路客运站场的建设投资、网络总运输成本以及乘客的总出行距离为优化目标,同时把道路客运的实际条件转化为优化目标的约束条件;最后,利用基于目标值排序组合选择的多目标遗传算法求解模型的Pareto最优解集合,并通过客运站场选址优化算例阐述了模型的求解过程。     

Multi-objective optimal approach for injection molding based on surrogate model and particle swarm optimization algorithm

An integrated optimization strategy based on Kriging model and multi-objective particle swarm optimization(PSO) algorithm was constructed.As a new surrogate model technology,Kriging model has better fitting precision for nonlinear problem.The Kriging model was adopted to replace computer aided engineering(CAE) simulation as fitness function of multi-objective PSO algorithm,and the computation cost can be reduced greatly.By introducing multi-objective handling mechanism of crowding distance and mutation oper...