蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

一种基于邻域空间的混合粒子群优化算法

针对标准粒子群优化算法在信息共享机制的不足,提出基于邻域空间的混合粒子群优化算法。该算法修改了粒子速度更新方程,提出了一种将模式搜索算法嵌入粒子群优化算法新方法。通过4个典型的测试函数的实验研究,表明了所提出的算法充分发挥了模式搜索算法强大的局部搜索能力和基于邻域空间的粒子群优化算法的全局寻优能力,很好地平衡了算法的全局“探索”与局部“开发”。新算法具有优化精度高、鲁棒性强的特点,特别适合对高维多峰函数进行优化。     

基于混合蚁群算法的车辆路径问题研究

为了求解车辆路径问题,设计了一种结合节约算法和邻域搜索算法的混合蚁群算法,该算法改善了标准蚁群算法搜索时间长、容易陷入局部最优解的问题。首次引入节约算法以提高初始解的质量,使得蚁群算法在较优的路径中进行搜索,从而更有效地收敛到最优解;运用最大最小蚂蚁系统控制路径的信息素,避免算法陷入局部最优解;采用邻域搜索算法优化某阶段最优解的子路径。应用该混合蚁群算法对VRPLIB数据库实例进行了运算,取得了较为满意的结果。     

基于导向搜索算法的电力系统无功优化

采用导向搜索算法(OSA),以实现电力系统的无功优化.该算法将搜索个体模拟为人的搜索行为,搜索对象(目标函数最优解)模拟为可向搜索个体传送导向信息的智能体,以使搜索个体和搜索对象间可相互通讯.为验证该算法的有效性,以IEEE 57和IEEE 118节点测试系统为例进行了仿真,并与全面学习粒子群优化算法(CLPSO)和自适应遗传算法(AGA)的结果进行了比较.结果表明:导向搜索算法能得到高质量的全局最优解,IEEE 57和IEEE 118系统优化后的网损可分别减小13.871%和13.223%.     

��̬���������Ż�������������׶��㷨

研究了动态车辆配送优化调度问题的高效求解算法。在分析配送车辆调度中造成车辆动态性的原因的基础上,提出了一种考虑车辆故障和车辆多次巡回配送的动态车辆配送优化调度问题。在对该问题进行描述的基础上,制定了求解该问题的两阶段策略：第一阶段制定整体优化计划;第二阶段进行实时局部优化调度。设计和实现了求解该问题的两阶段算法：第一阶段采用禁忌搜索算法制定优化的配送计划;第二阶段采用局部搜索算法实时进行优化调度。既充分利用了禁忌搜索算法全局搜索能力强的优势,又充分利用局部搜索算法收敛速度快的优势。最后,通过实验计算验证了算法的良好的性能。     

一种改进型粒子群算法求解资源优化配置问题

针对粒子群算法在求解优化问题时难以兼顾收敛精度与收敛速度这一问题,提出对目标的惯性权重进行修正和引入随着惯性权重变化的惯性学习因子的方法,该算法充分利用了上一代速度与位置、自我认知和群体间信息共享3部分内容,来影响算法的优化结果,提高了算法的全局和局部的搜索能力.最后将改进的粒子群算法应用于工程项目中的资源优化配置问题中,证明了该算法的有效性.     

混沌鲸鱼优化算法及其在有限元模型修正中的应用

为提高基本鲸鱼优化算法的搜索速度和寻优性能,提出了一种基于混沌映射的鲸鱼优化算法.该算法分别采用5种混沌映射扰动的惯性权重以协调算法的全局和局部搜索能力,通过测试函数对比得出,5种混沌映射均能提高算法的寻优性能,尤其是Gauss映射;最后,将加入Gauss映射的鲸鱼优化算法用于有限元模型修正问题中.仿真结果表明,改进后的鲸鱼算法能进一步提高模型修正精度.     

敷设聚脲的吸声模型改进粒子群算法优化

为了提高敷薄吸声层的水下小目标的隐身性能,以敷设聚脲的多层结构为基本吸声模型,推导了模型的反射系数计算公式.针对材料优化的应用需求,将粒子群算法的局部算法和全局算法相结合,改进粒子群算法的优化策略,得到了动态混合粒子群算法,提高了收敛能力和搜索精度.利用该算法对多层吸声模型的材料参数进行寻优,结果表明:当吸声材料杨氏模量近似为频率的分段线性函数时,其吸声性能最优.在此基础上,建立了提高模型吸声性能的理论方法,并进行了实例验证,结果表明,该方法可使模型吸声性能在140～500 kHz范围内达到-10dB以上.     

航空公司不正常航班机组恢复模型和算法研究

不正常航班机组恢复问题的建模和快速有效求解对民航资源优化利用、降低民航企业运营成本和提高旅客服务水平至关重要.采用约束规划建模,在ILOG Solver优化组件提供的框架基础上,设计了不正常航班机组恢复问题的禁忌搜索算法.该算法与直接使用CPLEX优化组件相比,提高了邻域搜索效率,能够满足大规模机组恢复问题的时间要求,给出算例验证了算法的实时性和有效性.     

车辆数目未知的带时间窗口的车辆路径混合遗传算法

研究带时间窗口的车辆路径问题(VRPTW),主要考虑车辆容量约束、时间窗口约束、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.用基于邻域搜索的混合遗传算法求解该问题,该算法既具有遗传算法的全局搜索能力,又具有邻域搜索算法的局部搜索能力.在求解过程中,设计新的前置交叉算子进行遗传操作,然后进行互换和逆转等邻域操作.应用MATLAB语言编程进行模拟计算,结果表明该混合遗传算法明显增强了群体演化的质量,提高了算法收敛速度,较好地解决了早熟收敛问题.     

������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.     

求解柔性Job-shop调度问题的混合粒子群算法

针对柔性Job-shop调度问题,提出了一种混合粒子群算法,该算法对设备分配和工序调度采用不同的编码方法和更新方式,提出了基于设备的初始化算法和基于工件序列的初始化算法来提高PSO初始种群的质量,同时提出了4种不同的邻域结构,分别实现了基于此四种邻域结构的模拟退火搜索算法,将它与粒子群算法进行有效混合来提高粒子群算法的局部搜索能力,实验表明HPSO的有效性.     

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.     

求解具有恶化工件单机调度问题的改进遗传算法

为克服现有算法求解工件数较多的单机调度问题计算量大的缺点,分析了加工时间为阶梯函数的工件排序规则,以极小化最大完工时间为目标,提出了基于局部搜索的改进遗传算法,对基于工序编码方式的染色体设计了线性顺序交叉算子和融合工件排序性质的局部变异算子,并引入局部搜索策略,提高了算法局部搜索能力和收敛速度.算例测试结果表明:工件数为40件时,与模拟退火算法相比,本文算法求得的最大完工时间平均减少了56.6%,显著缩短了制造周期,并有效地避免了局部最优解,收敛速度显著提高.     

技术站广义动态配流问题的局部邻域搜索算法

为了实现技术站阶段计划的计算机编制,研究了静态配流和列车解编方案调整的协同优化.在综合考虑优先排空和优先发送较近编组去向车流的编组要求、欠轴列车停运要求,以及到发列车时间和车流接续关系的基础上,以静态配流为主线,通过调整欠轴列车编组顺序以及与其相关到达列车的解体顺序构造邻域,设计了局部邻域搜索算法.该算法的主要思路是:每次搜索只考虑最早出发的欠轴列车;构造其邻域时保证不产生新的欠轴列车;通过邻域搜索后,该列欠轴列车如不能满轴就停运.算例表明,与既有方法相比,该算法能求出编组列车数、编组车辆数和中时的更好解.     

基于互信息和类电磁机制优化算法的医学图像配准研究*

采用互信息来描述图像配准的效果,应用类电磁机制优化算法搜索配准所对应的空间变换参数,并借鉴POWELL优化算法,在局部搜索过程中采用了黄金分割点一维搜索方法进行搜索,实验结果表明提出的算法可以很好的脱离局部最优解,同时可以达到较好的配准精度,并具有较好的时效性。     

基于遗传禁忌算法的公交线路发车间隔优化

针对城市公共交通营运调度因发车间隔未得到优化而出现的乘客等车时间过长、公交车辆满载率不均形成的资源浪费现象,从乘客和企业的双向角度考虑,建立了以乘客等车时间和公交企业营运成本最小为优化目标的公交线路发车间隔优化模型。基于遗传算法的全局搜索能力和禁忌算法的局部搜索能力,设计了遗传禁忌算法求解方法。以南宁市67路公交线路为例,进行了实例验证。分析结果表明了该模型和算法均可行。     

自适应高斯遍历和声搜索物联网射频识别均衡优化

针对物联网射频识别过程中存在的数据量过大、传统算法计算复杂度较高和识别准确率较低的问题,提出了自适应高斯遍历和声搜索(Gauss traversal and harmony search algorithm, GTHS)物联网射频识别优化算法.首先,基于和声搜索算法进行网络优化设计,针对标准HS在优化精度和计算复杂度等方面存在的问题,利用高斯函数的遍历特性对算法即兴创作过程引入控制参数,提高前后期搜索的针对性,并给出参数选取的理论分析;其次,对物联网射频识别优化模型进行研究,提出改进的自适应优化目标,实现性能指标的均衡优化;最后,将该算法与RPSOAS、CDE以及C-MC算法进行了实验对比分析,结果表明,所提GTHS算法在区域大小为1000 m1000 m、标签数量为100000的大型物联网RFID (radio frequency identification network)实验对象中,收敛精度为7.2156,收敛精度提高29.6%以上.      

ACO算法及其收敛策略研究进展

蚁群优化算法是一种新型的进化优化算法,其特点是通过仿生自适应个体的局部最优性共同确定问题的整体最优解,该算法具有自学习功能和解的强搜索能力.通过研究蚁群算法的基本原理和实践应用,分析了蚁群优化算法的求解理论思想,并综合分析了算法的收敛性问题,为蚁群算法的发展提供较好的研究参考.     

改进的遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题,利用遗传算法适应值的分布和二进制编码的特点,通过缩小、移动搜索空间的方法,求得非线性方程组的高精度的解．同时,数值模拟表明改进后的算法的提高了遗传算法在演化后期的局部寻优能力。