基于模拟退火-自适应布谷鸟算法的城市公交调度优化研究

为改善城市常规公交运营效率,提出基于模拟退火-自适应布谷鸟算法的公交调度优化模型。通过结合线路实际客流数据反映的客流特征,建立考虑公交公司和乘客双方利益的公交调度优化模型;改进布谷鸟算法固定步长并加入模拟退火算法退火操作,设计模拟退火-自适应布谷鸟算法,改善寻优过程中跳出局部最优解而全局寻优的能力;以福州125路公交线路为例,将该线路客流特征数据应用于模型和求解算法中。结果表明,基于不同利益方权重下通过模型算法计算出的结果均优于现有调度方案,验证了模型及算法的有效性及实用性。     

蛋白质结构预测二维连续模型研究

利用模拟退火算法解NP完全问题的有效性，对新近提出的蛋白质结构预测问题的二维连续模型作了另解，并基于平面表达的清晰与美观将原模型作了相应的修改．最后，比较了模拟退火算法与原拟物算法的优劣，指出了另解具有的几个优点：去掉了物理背景，只作为一个纯数学问题来求解，有利于在计算机上实现；模拟退火算法收敛速度更快且精度更高。     

带有改编能力限制的编组计划优化模型及算法

本文用一个非线性０－１规模模型，来描述带有改编能力限制的技术直达列车编组计划问题。能力约束增加了该问题的计算难度。这是一个ＮＰＣ问题。因此，获得一个全局最优解是困难的。本文用模拟退火算法解该问题。该算法可以以很高的概率获得全局最优解。文末列出了两个数值例子，并分别同了考虑和不考虑改编能车约束两种情况下的计算结果。     

信号控制模型中利益分配问题的研究

设计了一个平衡约束条件下信号控制与平衡网络设计组合问题的多目标规划模型，然后使用效用函数法将有双目标的上层优化问题转化为一个单目标优化问题．在这种情况下，该模型变成一个标准的双层规划模型。并利用全局优化方法模拟退火算法和惩罚函数法相结合求解．     

����GSAA��ͣ��λָ���Ż�������о�

停机位的合理指派是机场地面作业中的一项核心任务,对减少枢纽机场航班中转时间起着重要作用,但是停机位指派问题是NP难问题,模型和算法都比较复杂。建立了以旅客满意度为优化目标的数学模型,并设计了一种贪婪模拟退火算法（GSAA）,以求解枢纽机场的停机位指派问题。该算法首先根据贪婪算法FCFS准则使“丢失”的航班数最少得到模拟退火算法的初始解,然后运用经典模拟退火算法求解出最优指派结果。数值仿真证明了模型和算法的有效性。     

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.     

模拟退火算法在军事运输路径优化中的应用及求解

提出运用模拟退火算法求解军事运输路径优化问题的技术思路,并根据部队运输实际问题,建立优化模型,利用MATLAB程序求出了优化路径。运算过程表明,在对计算参数进行了试验性的估计选择后,模拟退火算法的收敛性和有效性得到更大的提高,可以应用于军交运输的实践。     

非线性约束条件下的广义投影梯度法

对非线性约束条件下的优化问题提出了三个广义投影梯度方法，算法Ａ能够求解非线性不等式约束优化问题，在此基础上，又提出了能够求解非线性等式和不等式约束优化问题的算法Ｂ．进一步，通过简化算法Ａ，又给出了能够专门求解一般线性约束优化问题的算法Ｃ．并且在较弱的假设下，证明了三个方法的全局收敛性。     

零担货物序贯装箱优化问题的遗传模拟退火算法

从缩小搜索区域，增强算法的收敛性以及缩短计算时间的角度出发，提出将模拟退火思想引入遗传算法，应用遗传模拟退火算法（GSAA）求解零担货物在集装箱中的序贯装箱优化问题，阐明了该算法的具体实现过程，包括问题编码，适应函数值计算，遗传操作，领域选择以及降温方法等内容，并通过实际数值计算表明该算法优于传统的计算方法。     

基于两阶段启发式算法的公路网布局研究

为形成科学、合理的公路网布局方案,为公路网布局实践提供理论支撑,以节点重要度为基础,在一定的约束条件下,以满足节点间的运输需求为目的,以路网总旅行时间最小为目标构建混合整数规划模型.在此基础上,以路段重要度和运输需求为启发式条件,设计基于随机游走算法和模拟退火算法的两阶段启发式算法,对MATLAB生成的随机算例进行求解.计算结果表明,在算法迭代初期,节点重要度较大的节点优先被连通,伴随迭代次数的增加和一定的随机扰动,节点在实现全部连通的基础上以路网总旅行时间最小为目标进行优化,最终获得目标函数值最优的公路网布局方案.算例求解过程符合公路网规划实践规律,表明了该模型和算法的有效性,同时表明模拟退火算法对随机游走算法求得的初始解具有一定的优化效果.可以看出,两阶段启发式算法能在较短时间内求解NP-hard问题并获得相对满意的解,可为求解大规模网络优化问题提供一定的方法借鉴.     

Multiobjective particle swarm optimization without the personal best

The personal best is an interesting topic, but little work has focused on whether it is still efficient for multiobjective particle swarm optimization. In dealing with single objective optimization problems, a single global best exists, so the personal best provides optimal diversity to prevent premature convergence. But in multi- objective optimization problems, the diversity provided by the personal best is less optimal, whereas the global archive contains a series of global bests, thus provides optimal diversity. If the algorithm excluding the personal best provides sufficient randomness, the personal best becomes worthless. Therefore we propose no personal best strategy that no longer uses the personal best when the global archive exceeds the population size. Experimental results validate the efficiency of our strategy.     

量子进化和模拟退火的混合优化算法

将量子算法和模拟退火算法相结合,提出一种量子进化和模拟退火的混合优化算法。本算法同时利用了量子算法的并行搜索能力和模拟退火算法的串行搜索能力,和量子算法相比有更快的收敛速度和更好的全局寻优能力。仿真实验也表明本算法有更好的搜索性能。     

A Novel Evolutionary Feedforward Neural Network with Artificial Immunology

A hybrid algorithm to design the multi-layer feedforward neural network was proposed. Evolutionary programming is used to design the network that makes the training process tending to global optima. Artificial im-munology combined with simulated annealing algorithm is used to specify the initial weight vectors, therefore im-proves the probabiligy of training algorithm to converge to global optima. The applications of the neural network in the modulation-style recognition of analog modulated rader signals demonstrate the good performance of the network.     

A Hybrid Heuristics for Irregular Flight Recovery

Adverse weather conditions, congestion at airports, and mechanical failures often disrupt regular flight schedules. The irregular flight recovery problem aims to recover these schedules through reassignments of flights and cancellations. In this article, we develop the classic resource assignment model for the irregular flight recovery problem, and a new hybrid heuristic procedure based on greedy random adaptive search procedure (GRASP) and simulated annealing algorithm is presented to solve this problem. As compared with the original GRASP method, the proposed algorithm demonstrates quite a high global optimization capability. Computational experiments on large-scale problems show that the proposed procedure is able to generate feasible revised flight schedules of good quality in less than five seconds.     

钢结构桥梁中特厚钢板焊接应力动态数值模拟分析

钢结构中特厚钢板焊接应力的理论分析一直为人们所关注。基于有限元软件ANSYS,采用高斯热源模型加热,利用生死单元,动态模拟分析80 mm特厚钢板对接焊过程中,对多层、多道焊的温度场进行加热模拟,实现焊缝的动态生成,跟踪应力场的变化情况。分析结果与重庆观音岩长江大桥构件焊接试验结果基本一致,为特厚钢板构件的设计和制作提供有实用价值的参考依据。     

应急车辆动态路径选择的两阶段优化模型

为研究突发事件情境下交通路网动态变化时的应急车辆路径选择问题，提出应急车辆动态路径选择的两阶段调度优化模型。通过结合路网动态状况和应急救援特征，建立基于最大路径可靠度和最短行程时间的两阶段优化模型；通过混沌搜索改进布谷鸟算法初始种群，并加入蛙跳算法改进局部搜索操作，设计混合布谷鸟算法，改善全局寻优能力；以某市某区部分区域路网为例，将该区域路网实时交通数据应用于模型和求解算法中。实验表明，利用两阶段优化模型和算法编码方案能成功获得出发点到救援点的动态可靠路径，相同行驶路径情况下模型与算法求解的最短行程时间与实地驾车获得的最短行程时间最大误差不超过8%，说明优化模型可行。3 种不同算法求解K最短路径的结果发现，混合布谷鸟算法得到的最短行程时间比粒子群算法和 经典布谷鸟算法得到的结果都要小，且计算时间最短，表明混合布谷鸟算法求解的结果最优，性能最好。     

广义Kelvin蠕变损伤模型及其参数的智能辨识

为了更好地描述岩石的流变变形特征,提出了考虑岩石蠕变过程中材料劣化效应的黏弹塑性模型,并导出了该模型的有限差分格式.基于FLAC3D软件的接口平台,采用C++语言实现了模型的二次开发.在此基础上,采用粒子群算法、模拟退火算法与FLAC3D相结合的智能方法,用已有试验数据进行了参数反演.结果表明:该模型能反映岩石的黏弹塑性以及损伤特性,能模拟低应力下岩石的两阶段蠕变和高应力下岩石的三阶段蠕变变形效应;只要反演算法参数取值适当,算法在40代左右就可以收敛到全局最优解.      

基于微粒群本质特征的混沌微粒群优化算法

在总结对微粒群优化(PSO)算法本质的主要研究成果的基础上,提出了基于微粒群本质特征的混沌微粒群优化(CPSO)算法.该算法用混沌搜索方法代替随机数产生器在较好的区域搜索最优解.为了提高粒子群的多样性,用由粒子邻域内若干个个体最优位置依其适应值加权平均得到的中心位置代替标准PSO算法的全局历史最优位置.然后,根据粒子个体最优位置与上述中心位置间的距离自适应地调整混沌搜索区域半径.用几个经典测试函数的仿真结果及与其它几种PSO算法的比较结果验证了新算法的有效性.     

基于模拟退火算法的物流配送路径优化问题分析

模拟退火算法是解决NP完全组合优化问题的有效近似算法,将该算法应用于路径优化问题中,利用该算法对类似货郎担问题的路径问题进行求解。针对城市道路行走不同的目标条件（路径最短、时问最短）进行优化,选择最佳行走路径,并用该算法优化得到的计算结果,结果表明该算法在解类似货郎担交通路径方面问题时具有较高的精确性。因而,该算法在解决城市道路交通问题方面具有一定的实用价值。     

一种用于火灾识别的高斯函数动态神经网络分类方法

在火灾识别过程中,模式类的统计特性通常是未知的或者无法估计的,这类决策问题最好直接通过训练,生成所需的判别函数来处理.文中构建了高斯动态神经网络G-DNN结构,给出了G-DNN的理论分析和具体的算法步骤.对于网络学习的收敛速度非常重要网络参数σ,μ,ω,τ初值设定问题,充分利用参数与输入特征值、输出值和中间值分别相关的思想,引入参数预定义的方法,实验证明这种方法可以使网络学习较快收敛.