一种求解Job-Shop调度问题的快速禁忌搜索算法

介绍了一种解决Job-Shop调度最短完工时间的有效的快速禁忌搜索算法,该算法首先利用插入算法构造尽可能好的初始解,然后使用禁忌搜索算法改进当前解,用基准实例进行仿真,实验结果表明该算法是可行的和有效的.     

多机并行模糊调度带回溯追踪结构的禁忌搜索算法

对多机并行模糊调度问题以及禁忌搜索算法的邻域、禁忌表和搜索策略进行研究,提出一种求解该问题的带回溯追踪结构的禁忌搜索算法,该算法带有回访跟踪功能,对未访问的历史解的邻域继续搜索.仿真结果证明了算法的有效、可行.     

多机并行模糊调度带回溯追踪结构的禁忌搜索算法

对多机并行模糊调度问题以及禁忌搜索算法的邻域、禁忌表和搜索策略进行研究,提出一种求解该问题的带回溯追踪结构的禁忌搜索算法,该算法带有回访跟踪功能,对未访问的历史解的邻域继续搜索.仿真结果证明了算法的有效、可行.     

求解Job-Shop车间作业调度的混合算法

提出了一种解决车间作业调度最短完成时间的有效的混合算法.基于考虑到遗传算法的早熟收敛问题和禁忌搜索算法的自适应优点,该算法结合了遗传算法和禁忌搜索算法对Joh-Shop车间作业调度问题的解进行编码,通过实例表明该算法是可行和有效的.     

求解Job-Shop车间作业调度的混合算法

提出了一种解决车间作业调度最短完成时间的有效的混合算法．基于考虑到遗传算法的早熟收敛问题和禁忌搜索算法的自适应优点，该算法结合了遗传算法和禁忌搜索算法对Job—Shop车间作业调度问题的解进行编码，通过实例表明该算法是可行和有效的．     

系统工程理论与方法基于混合遗传算法的车辆路径问题

在详细分析遗传算法的局限性的基础上,构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法. 这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间,可以有效地避免遗传算法易出现"早熟"收敛的问题. 然后,分别用混合遗传算法和遗传算法对同一实例进行求解,并对求解结果进行对比分析. 结果表明该混合遗传算法的求解结果比遗传算法收敛速度快,更加接近最优解.     

���ڻ���Ŵ��㷨�ij���·������

在详细分析遗传算法的局限性的基础上，构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法。这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间，可以有效地避免遗传算法易出现“早熟”收敛的问题。然后，分别用混合遗传算法和遗传算法对同一实例进行求解，并对求解结果进行对比分析。结果表明该混合遗传算法的求解结果比遗传算法收敛速度快，更加接近最优解。     

市内集送货问题的混合禁忌搜索算法

针对单程多次装卸的市内集送货问题的数学模型,结合Clarke-Wright节约算法和2-opt邻域搜索算法设计混合禁忌搜索算法,给出算法初始可行解的生成策略,设计相应的候选集构造方法,并阐述了基于均衡原理的特赦准则和动态的禁忌长度选取策略.通过计算实例,说明了混合禁忌搜索算法求解市内集送货问题的有效性.     

求解最短路问题的改进禁忌搜索算法

最短路问题(Short-Path Problem)以其广泛的应用场景一直是热点问题,目前已有Dijkstra等基本算法可以求得问题的最优解,但当网络节点较多时,表现出耗时较长、求解困难等问题。禁忌搜索算法是基于邻域搜索的智能优化算法,适合解决大型组合优化问题。在给出基于顶点优先权最短路径问题的基础上,建立数学优化模型,并设计禁忌搜索算法的步骤和算法关键技术,最后以顶点数为30的网络验证该算法的有效性。结果表明:该算法能求得本算例的最优解且计算时间比Dijkstra短。     

第Ⅰ类双边装配线平衡问题的改进蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第Ⅰ类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷入局部最优解.用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比.结果表明:改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解;应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21.01 s,比普通蚁群算法减少了9.14 s,计算效率提高了30.3%.      

���������ij������������ģ�����㷨�о�

在对多配送中心车辆调度问题进行直观描述的基础上，建立了该问题的数学模型。提出了采用距离最近分配法将多配送中心车辆调度问题分解为多个单配送中心车辆调度问题进行求解的策略．基于求解单配送中心车辆调度问题的禁忌搜索算法，设计了求解多配送中心车辆调度问题的算法，并进行了实验计算．计算结果表明，用本文设计的算法求解多配送中心车辆调度问题，不仅可以取得很好的计算结果，而且算法的计算效率较高，收敛速度较快，计算结果也较稳定．     

有限经济批量排产和运送问题的禁忌搜索算法

探讨使用禁忌搜索算法解决一个简单的供应链经济批量排产和运送问题。其中供应商通过一个灵活的生产流水线生产多个组件并进行装配。假定所有参数,如组件的需求率等具有确定性,找到本研究的目标就是求解最优的生产批量和排序,使供应链的平均投入和运输费用最小。     

����Эͬ���������򹫽�ʱ�̱�����ģ���о�

编制出能够最大限度地减少乘客在不同线路交叉点处换乘等待时间的公交时刻表是实现公交调度区域化的关键任务之一，而协同发车是实现这一目标的有效手段。本文将以乘客换乘时间最少为目标的区域公交时刻表的编制问题归结为一类特殊的带有协同系数且无容量约束的0-1背包问题，并定义了协同系数，建立了相应的数学模型，给出了基于嵌套式的禁忌搜索算法的模型解法。实验计算结果表明，用本文设计的算法求解这类特殊的0-1背包问题可以取得良好的结算结果，该算法是可行的，也是有效的。     

求解流水车间调度问题的一种启发式算法

针对以总完工时间最小为目标的流水调度问题,提出了一个启发式算法:采用经典的调度规则构造初始解,通过禁忌搜索提高解的质量.仿真结果表明了算法的可行性,具有较好的工程应用价值.     

求解流水车间调度问题的一种启发式算法

针对以总完工时间最小为目标的流水调度问题,提出了一个启发式算法:采用经典的调度规则构造初始解,通过禁忌搜索提高解的质量.仿真结果表明了算法的可行性,具有较好的工程应用价值.     

公交司机排班问题的混合元启发算法研究

针对我国公交企业中司机在1 个工作日内驾驶同一辆车的“人车绑定”管理模式, 提出混合元启发算法求解司机排班问题.首先建立以车辆数为目标的车辆调度模型,获得仅 满足司机休息时间的非可行解;接着迭代地使用局部搜索算子、破坏重建扰动等方法对解进 行调整,使其满足司机工作时间和吃饭时间等约束,并尽可能地降低排班成本;在迭代搜索 过程中记录发现的可行排班链集合,迭代结束后构建集合覆盖问题(SCP)模型对其进行改 进,以获得最佳的司机排班方案.在13 条公交线路案例上进行测试,实验结果验证了本文算 法的有效性.     

��ֱ�ﳵ��ȡ�ͷ����Ľ��������㷨�о�

放射形专用线非直达车流取送方案的选择是一个非常复杂的组合优化问题,当作业的专用线数为n时,取送方案数达到(n!)2,采用经典算法求解用时太长. 为了提高非直达车流取送方案的计算效率,将禁忌搜索算法同时用于送车方案和取车方案的求解过程. 对禁忌搜索算法的主要因素进行了设计,通过两组实例仿真,验证了禁忌搜索算法用于求解非直达车流取送方案的有效性. 仿真结果表明,专用线数越多,计算时间越长;在专用线数一定的条件下,最优方案的等值方案数越少,搜索范围就越大,计算用时也越长. 专用线不超过8条时,计算用时不超过3 s,计算效率满足了现场生产需要.     

既定列车作业计划下高铁站可用能力算法研究

高铁站可用能力计算对确定列车开行方案的可行性有重要意义.首先分析了高铁站可用能力的影响因素,然后构建了基于股道空闲时段的高铁站可用能力数学模型,提出了先验性优化策略与智能优化算法相结合的双阶段算法对模型求解.其中,第一阶段是综合运用最小股道空闲时段优先、最大平行进路优先、股道空闲时间段内出发时间最小的列车类型优先等策略规则求出模型可行初始解,第二阶段是在初始解基础上运用禁忌搜索算法寻找模型优化满意解,最后用实例对算法的有效性进行验证.     

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.