一个基于现实路网的物流配送优化方法

介绍了基于现实的路网结构,利用Floyd算法,把复杂的路网简化为一个数学上的完全图,将物流配送的线路规划,转换为TSP旅行商问题的方法,再用蚁群算法求解TSP,得到满意解,以此作为配送车辆的行车线路,最后给出了一个模拟算例.     

时间多项式进化算法在旅行商问题中的研究

提出了一种模拟生物遗传的进化算法，并将该算法应用于旅行商问题得到了较好的结果，根据达尔文进化论的优化过程，结合自然选择原则提出了启发式算法，该算法的时间复杂性与快速排序策略相当。在文中利用该算法求解中国旅行商问题得到目前的最佳结果。     

基于多旅行商问题的应急设施服务区划分模型

基于多旅行商问题,增设集散中心需求及应急服务设施资源容量约束条件,以最小化遍历区域内全部集散中心的综合旅行时间成本为优化目标,构建一种应急设施服务区划分模型,确定各应急设施的服务区范围.设计一种复合算法求解模型,首先基于P-中值选址模型的优化理念,形成初始方案;继而加入禁忌搜索算法,结合LKH求解器对模型进行迭代优化求得最优解.基于宁波市北仑区实际拓扑网络进行案例分析,验证了模型和求解方法的有效性.     

基于多旅行商问题的应急设施服务区划分模型

基于多旅行商问题，增设集散中心需求及应急服务设施资源容量约束条件，以最小化遍历区域内全部集散中心的综合旅行时间成本为优化目标，构建一种应急设施服务区划分模型，确定各应急设施的服务区范围.设计一种复合算法求解模型，首先基于P-中值选址模型的优化理念，形成初始方案；继而加入禁忌搜索算法，结合LKH求解器对模型进行迭代优化求得最优解.基于宁波市北仑区实际拓扑网络进行案例分析，验证了模型和求解方法的有效性.     

遗传算法求解旅行商问题

本文提出一种新的遗传算法，用以求解著名的组合优化难题－旅行商问题。引用原始的文献数据，对城市数为10、30、50的试例均求得公布的最优解，对城市数为75的试例，每次结果均好于公布的最优解。用此算法求解中国旅行商问题，以20％的概率得到已知最优解1540km。或次最优解15409km，而所得最差与最好结果的相对距离为0．69％（即所得最长路径为15510km)。在COMPAQ／DX／25MH微机上每得到一个优化解平均历时150s左右。本算法与传统求解TSP问题的方法相比，具有简单、强壮、高效、高速的特点，它原则上对任何规模的对称欧几里德平面TSP具有通用性。     

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.     

一种改进投影算法求解排放约束下多用户交通分配均衡模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑捧放因素.通过将变分不等式同题转换成等价的最优化问题.引入改进投影算法求解该模型.在所给出的数值算例中考虑两类对排放不同偏好的用户,采用均衡算法求解二次规划子问题,所得的弧及路径最优解收敛.且均满足Wardrop平衡条件.     

求解TSP问题的Flexsim仿真方法研究

TSP问题是一类典型的组合优化问题,一般智能优化算法存在求解难度大、陷入局部解的问题。针对这些问题,提出了用Flexsim仿真软件求解此问题的方法,以旅行路线总距离最短为优化目标,建立了Flexsim仿真模型,并进行仿真运算,确定了最优旅行方案。通过对仿真结果进行分析,证明了此方法的有效性,较好地解决了旅行路径规划问题。     

基于启发性规则及关键路径调整的柔性作业调度优化算法

为克服传统进化算法求解较大型柔性作业调度问题计算时间长和结果不稳定的缺点,提出了一种启发性规则求解方法.该方法用一个启发性规则产生初始调度解,再利用一些启发式规则对初始调度过程中的关键工件及关键工序进行搜索,并对关键路径进行优化调整得到较优解,通过比较得到柔性调度问题的优化调度解.用本文方法对典型柔性调度问题进行求解,并与其他算法的求解结果进行比较,对于15×10问题,采用本文方法的计算结果与混合基因算法相同,计算时间为3.2 s,减少了42%;对于23×10及25×10的较大型问题,表明启发性规则的引入能提高求解效率,与传统进化算法相比,更适合求解较复杂的柔性作业调度问题.     

用动态搜索算法求解时间依赖型旅行商问题

为解决基于时段的时间依赖型旅行商问题（time-dependent traveling salesman problem,TDTSP）,提出处理跨时段的方法,并建立了相应的数学模型．用动态搜索算法ds-k-opt（k=2,2．5,3）分别求解该问题．仿真算例表明,动态搜索算法中部分ds-2．5-opt解和绝大部分ds-3-opt解优于动态规划启发式算法。且能求解更大规模的TDTSP问题,动态搜索算法的解随k的增大而更优,但运算时间也更长。     

Hybrid Optimization Algorithm Based on Wolf Pack Search and Local Search for Solving Traveling Salesman Problem

Traveling salesman problem(TSP) is one of the typical NP-hard problems, and it has been used in many engineering applications. However, the previous swarm intelligence(SI) based algorithms for TSP cannot coordinate with the exploration and exploitation abilities and are easily trapped into local optimum. In order to deal with this situation, a new hybrid optimization algorithm based on wolf pack search and local search(WPS-LS)is proposed for TSP. The new method firstly simulates the predatory process of wolf pack from the broad field to a specific place so that it allows for a search through all possible solution spaces and prevents wolf individuals from getting trapped into local optimum. Then, local search operation is used in the algorithm to improve the speed of solving and the accuracy of solution. The test of benchmarks selected from TSPLIB shows that the results obtained by this algorithm are better and closer to the theoretical optimal values with better robustness than those obtained by other methods.     

遗传算法在货物配送问题中的应用

应用遗传算法(GA)来解决起终点固定的货物配送问题(可抽象为起终点固定的TSP问题,以下简写位ST-TSP).针对问题的特性设计了编码方式和适应度函数,并借鉴GA研究TSP问题的方法设计了选择、交叉和变异算子,试验结果数据显示该方法具有良好的搜索性能和录棒性.此外,论文还开发了基于Visual C++语言和MapX控件的实用物流货物配送软件平台.     

求解TSP和MTSP的混合遗传算法

许多应用涉及多推销员问题（MTSP），已有许多启发式算法求解TSP的最优或近似最优路线，但研究MTSP的算法并不多，结合启发式算法和遗传算法，设计了求解TSP和MTSP的混合遗传算法，数字实例说明了该算法的有效性。     

解TSP的有序遗传算法

根据生物进化原理，提出了一种求解ＴＳＰ的有序遗传算法。利用有序编码规则，通过有序交叉算子和有序变异算子的作用，保证该算法不仅能获得ＴＳＰ的有效解，而且能可靠地获得全局最优解。计算机模拟实验表明，该算法具有收敛速度快，易获得最优解等特点。     

发动机匹配优化算法的研究

依据优化标定方法,设计了基于发动机排放控制的优化方案,并建立了以发动机经济性为目标,排放性作为约束的优化数学模型．对适用于该数学模型的信赖域法、模式搜索算法、遗传算法等优化算法进行了论证．针对实际发动机排放优化问题对各种算法的优劣进行了比较,并在此基础上提出了组合算法的思想．优化结果表明,组合算法全局搜索性和优化结果良好,且计算时间、计算量等较单一优化算法时均有显著改善．     

一种新型的动态矩阵控制算法

对无约束动态矩阵控制（ＤＭＣ）算法进行了改进，提出了一种新的ＤＭＣ控制算法，即用遗传算法对ＤＭＣ的设计参数进行在线寻优，由优化结果来计算实际控制作用，与一般的定参数ＤＭＣ相比，其闭环性能更好，能有效地处理各种约束。仿真实例表明了该方法的有效。     

旅行商问题推广及其混合智能算法

旅行商问题(TSP)是典型的NP-hard问题,是组合优化研究领域中的热点问题之一.全体旅行商问题(CTSP)是TSP的变形推广,它是比TSP更复杂的一个问题,而且有着广泛的应用.遗传算法(GA)具有随机全局搜索能力,但对于系统反馈信息利用能力差,且收敛慢,求解效率低.蚁群系统(ACS)算法具有并行全局搜索能力,且在很...     

基于DNA双链特征的启动子预测方法

真核启动子预测是DNA序列分析的重要问题之一．本文提出一个基于内容的新算法,考虑DNA的双链特征,特征的出现频率用位置权矩阵表示,利用boosting算法进行训练和预测,得出的结果与其他算法相比,有很好的敏感性和特异性．     

The factors analysis and algorithm implementation of single-pattern matching

By studying the algorithms of single pattern matching, five factors that have effect on time complexity of the algorithm are analyzed. The five factors are: sorting the characters of pattern string in an increasing order of using frequency, utilizing already-matched pattern suffix information, utilizing already-matched pattern prefix information, utilizing the position factor which is absorbed from quick search algorithm, and utilizing the continue-skip idea which is originally proposed by this paper. Combining all the five factors, a new single pattern matching algorithm is implemented. It’s proven by the experiment that the efficiency of new algorithm is the best of all algorithms. Foundation item: the National Natural Science Foundation of China (Nos. 60502032 and 60672068)