一种基于云计算环境的动态车辆路径问题解决策略

针对动态环境下车辆路径问题,以最小化车辆数和配送里程、最大化载货率为目标,建立动态车辆路径问题的数学模型,提出了云自适应遗传算法。针对车辆路径问题的特点,提出车辆分配链和配送货物顺序链的双链量子编码方法;针对遗传算法交叉和变异操作可能导致早熟收敛和后期多样性丢失的问题,利用云计算方法设计了云交叉算子和云变异算子,并进行操作,还提出改进的云自适应遗传算法。仿真调度算例验证了与其他算法相比较,所提算法能降低早熟概率和提高迭代搜索效率。     

改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足,引入了一种新的调节交叉概率和变异概率的方法,并提出了一种新的交叉方式,该算法很好地增强了自适应遗传算法的全局搜索能力,提高了收敛速度.通过比较几个优化实例,验证了本文算法的有效性.     

求解软硬时间窗共存配送路径问题的改进遗传算法

探讨用于求解软硬时间窗共存情况下的车辆路径问题的改进遗传算法。对基本遗传算法的交叉、变异操作的交叉概率和变异概率进行改进,使之更加具有自适应性,能根据种群染色体的优劣程度自动进行调整。通过算例证明改进的算法比原算法在计算软硬时间窗共存配送路径问题上更具有效性。     

改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足，引入了一种新的调节交叉概率和变异概率的方法，并提出了一种新的交叉方式，该算法很好地增强了自适应遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

双重不确定下应急物资多式联运可靠路径优化

为按时、可靠地将应急物资运达目的地，综合考虑需求和运输环境的双重不确定性、节点疫情感染风险、成本约束、班期限制和转运能力限制等，构建以可靠度最大为目标的应急物资多式联运可靠路径优化模型。同时针对所求问题的NP-难特点，设计蒙特卡洛自适应遗传算法和模拟退火遗传算法进行求解，并引入优劣解距离法对算例的运行结果进行分析。研究结果表明：蒙特卡洛自适应遗传算法较模拟退火遗传算法在求解质量和求解时间方面更优，在交叉概率为0.80，变异概率为0.08，种群大小为50的最佳参数组合下，得到的优化路径最大可靠度为85%，且求解出来的最优路线均未经过存在疫情感染风险的节点，求解结果较好。参数分析表明：在交叉概率相同的条件下，两种算法的平均运行时间均随着变异概率的降低而减少，随着变异概率的增加而增加；多式联运路径优化的决策会受水铁班期的影响。     

改进DNA遗传算法求解车间调度问题

针对DNA遗传算法高计算量、收敛速度慢的缺点,该算法采用基因转移进行交叉,动态的变异概率进行变异.对动态变异概率公式的系数作调整来提高变异后DNA序列的合法性,对变异的父本进行设计来保持种群的多样性并产生新的基因信息,对进化过程中可能出现种群中最好的染色体没有改变的情况做了应变调整.对DNA遗传算法的步骤作了详细设计,并将改进后的算法应用到车间调度问题中.实验表明,该方法能有效地提高收敛速度和减少编码给算法带来的高计算量.     

基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异.同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式.最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效.     

基于改进遗传算法的车辆路径问题

为了研究物流中心的服务效率和车辆的合理调度方案,以汽车载重量作为影响车辆路线安 排的主要因素,以经典的车载容量约束条件下的车辆路径问题为原型建立数学模型,通过求解该 数学模型的最优解来获得车辆最优路径。由初始状态随机生成的可行解作为初始的车辆路径方 案,通过改进的遗传算法不断地调整染色体的交叉和变异概率进行优化,最终得到物流中心车辆 安排的合理方案。通过多次求解算例,都能够得到满意的车辆路径方案,不仅验证了该数学模型 的有效性和实践性,而且也验证了改进后遗传算法的收敛性和鲁棒性,同时得到了改进遗传算法 交叉和变异概率的调整范围。该模型和算法不仅可以提高物流中心的服务效率,而且可以为物流 中心的车辆调度方案提供支持和帮助。     

ƽ��װ���е�ģ���˻����Ŵ��㷨�о�

由于车辆运输式半挂车运输危险性高、效率低,提出使用铁道平车对车辆进行运输.铁路输送中的多型号平车装载问题旨在满足运输和安全的要求下,提高铁路平车利用率,节省铁路运输资源.针对平车优先的平车装载问题,建立数学模型,将改进的自适应遗传算法、模拟退火算法思想、优先适应降序算法结合,提出了一种自适应混合遗传算法;给出了算法的编码,遗传算子的设计、适应度函数的定义、交叉概率和变异概率的自适应改变算法.进行仿真实验,得出适应度变化曲线和装备装载顺序.与混合遗传算法解决该问题的最优结果对比,模拟退火混合遗传算法的运算过程快,且优化程度高.     

云遗传算法

为了克服传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，借鉴遗传算法的思想，利用云模型云滴的随机性和稳定倾向性的特点，提出了一种新的遗传算法——云遗传算法（CGA）．该算法由正态云模型的Y条件云发生器实现交叉操作，由基本云发生器实现变异操作．最后，进行了函数优化实验，并与标准遗传算法（SGA）和自适应遗传算法（AGA）进行了比较，以证明其有效性．     

考虑三方利益的车货匹配优化

为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题，在既往研究考虑车货双方利益的基础上，引入了平台方需求. 首先，在分析车货匹配活动参与方需求的基础上，构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型；其次，在模型求解方面，改进了带精英保留策略的快速非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA Ⅱ），一方面在子代种群更新过程中引入精英选择系数，提升种群的多样性，另一方面结合自适应的思想，在算法迭代过程中调整交叉变异的概率；最后，利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%，与传统的NSGAⅡ相比，平均收敛速度提升了45%左右；在算法稳定性方面，所提出的算法受随机初始化影响较低，多次实验的相对标准偏差值小于1%.      

信号控制与交通分配协同模型的自适应IOA算法

现有求解信号控制与交通分配协同问题的IOA(Iterative Optimization and Assignment)算法，是通过对两个子问题分别求解并迭代至收敛，其收敛速度快，但解的质量仍有待改善. 对IOA 算法改进，提出自适应IOA(Adaptive Iterative Optimization and Assignment， AIOA)算法，提升解质量的同时保持计算速度快的优点. 首先，把迭代过程中路径流量的差分值作为自适应修正项加入信号控制模型的输入参数中，增大解的变异程度，既可加快收敛速度，又可突破IOA寻优范围的局限性；其次，根据目标函数的变化趋势自适应地转入采用黄金分割法的局部搜索，避免解的劣化. 仿真结果表明：AIOA算法将IOA算法与全局最优解的差距平均缩小50.8%，时间成本降低10％，仅为遗传算法的1％；AIOA算法能在短时间内求得满意解，且适用于大规模路网.     

信号控制与交通分配协同模型的自适应IOA 算法

现有求解信号控制与交通分配协同问题的IOA(Iterative Optimization and Assignment)算法，是通过对两个子问题分别求解并迭代至收敛，其收敛速度快，但解的质量仍有待改善. 对IOA 算法改进，提出自适应IOA(Adaptive Iterative Optimization and Assignment， AIOA)算法，提升解质量的同时保持计算速度快的优点. 首先，把迭代过程中路径流量的差分值作为自适应修正项加入信号控制模型的输入参数中，增大解的变异程度，既可加快收敛速度，又可突破IOA寻优范围的局限性；其次，根据目标函数的变化趋势自适应地转入采用黄金分割法的局部搜索，避免解的劣化. 仿真结果表明：AIOA算法将IOA算法与全局最优解的差距平均缩小50.8%，时间成本降低10％，仅为遗传算法的1％；AIOA算法能在短时间内求得满意解，且适用于大规模路网.     

受约束的过道布置问题建模及优化方法

为了研究过道布置问题中设施关系对布局的影响,首先,考虑定位约束与排序约束,构建过道布置问题混合整数规划模型,并提出一种求解该问题的自适应混合克隆选择算法,在克隆操作之前新增符合受约束过道布置问题特性的2-opt操作,随后对所产生种群中最优个体进行禁忌搜索操作,对其他个体进行变异操作并设置自适应变异概率;然后,对模型进行精确求解以验证模型的正确性且求解结果为算法提供了理论依据;最后,应用所提算法分别对受约束过道布置问题与基本过道布置问题的42 ~ 49规模实例进行测试,并将求解结果与克隆选择算法、遗传算法、分散搜索算法、花授粉算法以及烟花算法进行对比,结果表明:混合克隆选择算法可以达到当前先进算法的求解效果且在算例sko-42-04与算例sko49-03上表现更优.      

高速公路汽车追尾模型

应用自适应神经模糊推理系统,以两车车速差、跟随车的车速、行车间距为输入量,两车的追尾概率为输出量,建立了高速公路汽车追尾的ANFIS(自适应神经模糊推理系统)概率模型,计算出在不同车速差和行车间距时的高速公路汽车追尾概率.该概率模型为高速公路汽车追尾建模提供了一种新思路,对模型进行实时校正后用于追尾预测,对避免高速公路汽车追尾具有指导意义.     

THE PARALLEL RECURSIVE AP ADAPTIVE ALGORITHM BASED ON VOLTERRA SERIES

Aiming at the nonlinear system identification problem, a parallel recursive affine projection （AP） adaptive algorithm for the nonlinear system based on Volterra series is presented in this paper. The algorithm identifies in parallel the Volterra kernel of each order, recursively estimate the inverse of the autocorrelation matrix for the Volterra input of each order, and remarkably improve the convergence speed of the identification process compared with the NLMS and conventional AP adaptive algorithm based on Volterra ,series. Simulation results indicate that the proposed method in this paper is efficient.