一种基于蚁群算法的服务组合方法

Web服务是一种新型的信息集成架构,将多个Web服务组合成一个能完成复杂任务的组合技术是Web服务中关键技术之一．文中提出了一种基于蚁群算法的服务组合方法,对于服务序列可生成全局最优联盟,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好．     

基于路网二次分层模型的出行路径诱导优化方法

为了提高出行诱导路径搜索的效率和优度,提出了一种基于道路功能以及交通状态划分的路网二次分层模型,模型从道路的功能角度进行路网的初分层,从道路交通状态角度,通过设定的交通状态阂值进行路网的次分层,建立的路网二次分层模型从宏观方面反映路网的结构,从微观方面反映路网运行的交通参数;利用路网二次分层模型所划分的各层路网之间的协同,借助限制区域的A‘算法进行最优路径的“三段巡径”过程。实例表明该算法实用、高效,有助于搜索得到最优出行路径。     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

多目标优化的新方法——幂加权和法及数值仿真

提出了一种新的评价函数,将多目标优化问题转化为单目标优化问题,并证明了由这种方法所得到的最优解是多目标优化问题的有效解.用混合罚函数法将约束问题变为无约束问题,将改进的模拟退火算法与单纯形法结合起来构造一种效率较高的全局优化算法,该算法具有模拟退火算法在全局搜索上的优点和单纯形法在局部搜索上的优点.用计算机语言编制了通用程序,给出了单目标优化和多目标优化的例子,数值仿真结果表明这种方法是可靠的.     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化（PSO）算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点．针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识．该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识．利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明：改进的PSO算法用于岩石蠕变模型的参数辨识是有效的．     

用禁忌搜索技术解决无等待流水调度问题

描述了一种以解决总完工时间最小为目标的无等待流水调度问题的算法.利用启发式方法产生初始解,然后使用禁忌搜索技术改进当前解.对禁忌搜索的邻域结构和搜索策略进行研究.用实际算例进行仿真试验,算法在合理的时间内达到最优值,验证了算法的可行性和有效性.     

一种基于遗传算法的最优阈值图像分割算法

为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.     

基于在线LS-SVM的α阶逆控制

提出基于最小二乘支持向量机在线算法的α阶逆控制方法．引入系统控制误差不敏感函数,在控制误差大于不敏感函数时,利用增量一剪枝学习算法,对已建立的离线逆控制器实施在线学习,以增强控制系统的鲁棒性．仿真结果表明：在系统没有受到噪声干扰时,在线逆控制器可以很好地使被控对象跟踪参考输入信号;在系统受到噪声干扰时,在线逆控制器比离线逆控制器具有更强的鲁棒性．     

多Agent系统协作求解的粒子模型方法

讨论了多Agent系统分布协作求解和粒子协作之间的关系,提出了一种多Agent系统协作求解粒子模型方法,将任务资源规划协作求解过程转化为多粒子共同寻优的过程.引入了协作程度变化参数,建立了需求强度计算公式和效益目标函数,并构造了适合求解的粒子群算法.通过算法的寻优计算,得到了任务资源规划协作求解的最优解.仿真实验结果表明,对于复杂的任务资源规划问题,该方法能描述和处理Agent本身自组织现象和社会交互行为的随机性和并发性,并具有良好的收敛性和有效性.     

铁路网络列车运行调整的优化模型 及其分支定价算法

研究了铁路网络中列车可变更运行线路下的列车运行调整问题,目标是使得所有 列车偏离终到时间之和最小化.首先引入流平衡约束建立基于列车到发时刻的网络流模型,采 用商业软件GUROBI求解.同时构建了基于列车时空路径的整数规划模型,并给出了分支定 价算法,采用伪费用分支和最佳优先搜索策略加快算法的收敛.最后设计算例进行验证,通过 与GUROBI对比说明本文算法是有效的.当列车数为20 列时,求解时间减少91.6%,得到的最 终可行解距离最优解的间隔为9.72%.验证了本文分支策略较最为分数分支策略更优,列车运 行调整可变更线路相比于只能按原始线路行驶平均可降低目标函数值37.4%.     

二次半定规划的原始对偶预估校正内点算法

将半定规划（Semidefinite Programming,SDP）的内点算法推广到二次半定规划（QuadraticSemidefinite Programming,QSDP）,重点讨论了AHO搜索方向的产生方法.首先利用Wolfe对偶理论推导得到了求解二次半定规划的非线性方程组,利用牛顿法求解该方程组,得到了求解QSDP的内点算法的AHO搜索方向,证明了该搜索方向的存在唯一性,最后给出了求解二次半定规划的预估校正内点算法的具体步骤,并对基于不同搜索方向的内点算法进行了数值实验,结果表明基于NT方向的内点算法最为稳健.     

关于图的反符号星控制数

引入了图的反符号星控制的概念,设G=（V,E）是一个没有孤立点的图,一个函数f：E→＋{1,-1}对一切点v∈V（G）所在的星中的边e有∑f（e）≤0成立,则称,为图G的一个反符号星控制函数．而γ’rss（G）=max{∑f（e）｜f为图G的反符号星控制函数,e∈E（G）}称为图G的反符号星控制数．我们主要给出了图的反符号星控制数的上界,并确定了完全图与完全二部图的反符号星控制数．     

偶图符号控制数的下界

设G=（V,E）是一个图,一个实值函数f：V→{-1,＋1}满足∑v∈N[u]f（v）≥1对一切u∈V（G）都成立,则称f为图G的一个符号控制函数。图G的符号控制数定义为γs（G）=min{∑v∈V（G）f（v）｜f为图G的符号控制函数}。研究了偶图的符号控制问题,主要给出了偶图符号控制数的两个下界。     

应用网络流模型解决航班衔接问题

针对单枢纽机场航线结构的特点，以所需飞机数最少为目标，提出了一种描述航班衔接问题的图论模型及优化算法。首先将航班衔接问题转化为航班节的衔接问题，并建立一个描述航班节衔接问题的二部图，将航班衔接问题转化为二部图的最大匹配问题，然后由二部图生成一个具有单源汇网络特征的辅助图，利用Ford-Fulkerson算法求该网络的最大流，进而得到二部图的最大匹配，从而得到了一个需用飞机数最少的航班节衔接方案，为利用计算机自动编制并优化航班衔接方案提供了一种可行方法。并且通过调整过站时间上限，可以得出不同的航班衔接方案，为制订生产计划提供了必要的灵活性。     

图的符号树控制数

引入了图的符号树控制的概念,给出一个连通图G的符号树控制数γr（G）的一个上界和一个下界,说明了这两个界限均是最好可能的,并确定几类特殊图的符号树控制数,这包括了圈、轮图、完全图和完全二部图．     

非定常风荷载下空间结构的动力优化

目前对风敏感结构的抗风优化设计集中于高层建筑,很少针对大跨空间结构.基于风致动力响应分析对广州国际会展中心的屋盖结构进行优化设计.首先介绍非定常风场中空间结构动力优化的方法,然后基于风洞试验获得非定常风荷载并进行风振响应计算,最后进行以钢管内径为设计变量、以强度和位移为约束条件的优化设计.研究结果表明,基于ANSYS一阶算法的抗风优化效率较高,使屋盖总体积降低了约30％,构件应力降低了26％,且振动响应更加平稳.因此,通过抗风优化设计不仅降低了工程造价,且使各构件的受力更加协调,提高了结构整体刚度.     

基于改进微分进化算法的节能减排发电调度研究

从节能、环保效益出发,建立了电力系统节能、减排发电调度多目标优化模型。主要采用小生境思想对pareto非劣排序的拥挤度机制进行改进,并采用动态调整机制控制算法参数对传统的进化机制进行改进。以一个6发电单元的系统为例进行仿真,结果表明:对比传统NSGA-II与NSDE算法,该改进非劣微分进化算法(INSDE)能够更好地引导并保证搜索过程向最优解逼近。     

测量控制网优化设计中建模与求解的一般方法

本文在目前国际公认的求解带约束非线性规划最为有效的方法之一－逐步二次规划（ＳＱＰ）法的基础上，结合目标规划原理，导出一套适用于求解一般的多目标优化模型的逐步线性目标规划（ＳＬＧＰ）法，基于ＳＱＰ法和ＳＬＧＰ法的先进性，又提出解决一般测量控制网优化设计问题的总体思路和方法，并给出了新的建模方法。     

基于遗传算法的地铁列车自动驾驶控制算法研究

轨道交通列车运行曲线的控制是轨道交通列车自动化的核心技术。通过提出改进的遗传算法来设计列车ATO（列车自动驾驶）控制算法，使用某城市地铁列车参数建模，编制实用的遗传算法生成列车时分控制曲线的程序，并进行计算机仿真，仿真的结果达到了：输出时间与给定的定时值完全一致；能耗比节时模式降低56%；停车点精度｜x｜=14cm，小于规定值（25cm）；最大速度小于规定值；具有较高的全局适应度。表明算法效果良好、性能优越。     

���ڻ���������ļ�ʻԱ��̬·���յ��㷨�о�

动态路径诱导旨在向驾驶员提供基于实时交通信息的最佳行驶路径来达到诱导出行的目的，以保证车辆在路网上运行的总费用最小，为驾驶员提供较合理的高效行驶路线。动态路径诱导必须实时保证全局准最优，本文将混沌神经网络应用于动态路径诱导，通过在HNN中引入混沌动态，利用其遍历性进行随机搜索，再由退火策略控制混沌动态逐渐消失并转入HNN进一步优化，从而可保证网络收敛到一个最优或近似最优的稳定平衡点。仿真分析表明：将混沌神经网络应用于动态路径诱导系统中求解最优路径，总能保证网络收敛到全局最优，同时可有效克服Hopfield神经网络易陷入局部最优解的缺点，具有更高的搜索效率，对于求解连续变量的非线性优化问题提供了一种有效方法，验证了混沌神经网络在动态路径诱导中的有效性。