Optimal Genetic View Selection Algorithm for Data Warehouse

To efficiently solve the materialized view selection problem, an optimal genetic algorithm of how to select a set of views to be materialized is proposed so as to achieve both good query performance and low view maintenance cost under a storage space constraint. First, a pre-processing algorithm based on the maximum benefit per unit space is used to generate initial solutions. Then, the initial solutions are improved by the genetic algorithm having the mixture of optimal strategies. Furthermore, the generated infeasible solutions during the evolution process are repaired by loss function. The experimental results show that the proposed algorithm outperforms the heuristic algorithm and canonical genetic algorithm in finding optimal solutions.     

An Effective Hybrid Heuristic Algorithm for the Hub Location Problems of Small-Scale Uncapacitated Hub-and-Spoke Network

The key factors for designing a successful hub-and-spoke network are to determine the optimal number of hubs, to properly locate hubs, and to allocate the non-hubs to the hubs.This paper proposed a hybrid heuristic based on genetic algorithm (GA) to resolve the uncapacitated single allocation hub location problem with fixed cost (USAHLPFC), according to the upper bound of the ratio of the number of hubs to the number of nodes.Computational experiments were conducted using the Civil Aeronautics Board (CAB) data set.Results indicate that, applying the proposed heuristic, one can obtain the optimal solutions for all small-scaled problems very efficiently.A comparison between the proposed hybrid heuristic method and the GA presented by Topcuoglu et al.shows that the former outperforms the latter when the discount factor α is less.     

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

自动化集装箱码头双循环AGV与场桥的集成调度研究

针对自动化集装箱码头装卸过程中双循环自动导引车(Automated Guided Vehicle， AGV)和场桥的调度问题，提出基于启发式遗传算法的集成调度方法.根据自动化码头装卸过程中双循环AGV的作业特点，对集装箱在船舶与堆场之间的流动特征进行详细解析，建立相应的数学模型，并分别设计基于“最早可获得时间”和“最短路径”启发式规则的遗传算法进行求解.通过数值仿真，从平均值、最小值、标准方差和求解时间分析任务量、AGV数量等参数对算法性能的影响，结果表明，“最早可获得时间”启发式规则相比于“最短路径”启发式规则更适合双循环AGV与场桥的集成调度.     

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.     

考虑时空热度的共乘匹配问题建模及求解

在共乘匹配问题中，考虑时空热度对共乘车主收益的影响，构建了以共乘收益和共享路线百分比为优化目标的数学模型，提出了一种启发式多进程进化算法用于求解. 算法根据历史数据采用三次样条插值法和复合辛普森求积法得到预计订单的时空热度，从而预估车主共乘收益. 在进化算法中，根据差异度自适应选择不同的交叉策略，以达到搜索深度和广度的自动平衡. 实验结果表明，该算法与最优化算法(匈牙利算法)比较，在以相同效用矩阵作为输入条件时，本文方法可在较短时间内得到高质量的解，且在处理大规模实例上效果明显，能够高效求解共乘匹配问题.     

考虑时空热度的共乘匹配问题建模及求解

在共乘匹配问题中,考虑时空热度对共乘车主收益的影响,构建了以共乘收益和共享路线百分比为优化目标的数学模型,提出了一种启发式多进程进化算法用于求解. 算法根据历史数据采用三次样条插值法和复合辛普森求积法得到预计订单的时空热度,从而预估车主共乘收益. 在进化算法中,根据差异度自适应选择不同的交叉策略,以达到搜索深度和广度的自动平衡. 实验结果表明,该算法与最优化算法(匈牙利算法)比较,在以相同效用矩阵作为输入条件时,本文方法可在较短时间内得到高质量的解,且在处理大规模实例上效果明显,能够高效求解共乘匹配问题.     

定时条件下列车节能操纵研究综述

在简单介绍了定时条件下列车节能操纵问题的定义和研究意义的基础上,归纳出了近年来关于定时条件下列车节能操纵问题的三大类求解方法:能耗模型结合启发式算法寻优的方法、局部优化仿真计算结合全局寻优策略的方法,以及列车运行仿真结合启发式算法的方法,并且对其一一进行了简要的分析.文章在最后列出了前人总结的节能操纵策略并概括了该领域...     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

An Improved Genetic Algorithm for Allocation Optimization of Distribution Centers

This paper introduced an integrated allocation model for distribution centers (DCs). The facility cost,inventory cost, transportation cost and service quality were considered in the model. An improved genetic algorithm (IGA) was proposed to solve the problem. The improvement of IGA is based on the idea of adjusting crossover probability and mutation probability. The IGA is supplied by heuristic rules too. The simulation results show that the IGA is better than the standard GA(SGA) in search efficiency and equality.     

最小化网络总时延启发式遗传算法

路由选择算法是用于决定计算机网络每个结点输入的信息包应当从哪一个输出线路发送出去,以便使得某种指定的费用最小。提出了一种新的有效启发式遗传路由算法,以使网络总时延最小。该算法采用了启发式遗传路由方案,从而获得近似最优解。采用遗传算法的方法可以减少网络路由算法的运算规模,实现逐步求解。与其他已知类似算法相比较,该算法具有较小的时间复杂性。     

集装箱码头装船顺序和场桥行驶路径联合优化

为降低倒箱量、缩短场桥作业时间,在已知船舶配载图和堆场堆存状况的条件下,研究了出口箱装船顺序及场桥行驶路径联合优化问题.以作业时间衡量装船顺序产生的倒箱量及场桥行驶路径,建立作业时间最短为目标的整数规划模型,设计均衡倒箱量和场桥作业时间的启发式算法对模型进行求解,提出了问题下界的求解方法,同时,设计算例比较了启发式算法与下界的差异,为码头调度人员提供决策支持.     

基于双层规划的危险货物配送路径鲁棒优化

针对不确定环境下带时间窗的多配送中心危险货物配送路径优化问题, 提出一种含鲁棒控制参数的鲁棒优化方法; 综合考虑危险货物运输风险、运输费用和服务时间窗, 构建了危险货物配送路径多目标双层鲁棒优化模型, 上层模型追求运输风险和运输费用最小化, 下层模型采用用户均衡交通分配模型; 根据Bertsimas-Sim鲁棒优化理论, 对含有不确定参数的上层模型进行鲁棒对等转化; 联合增强型Pareto遗传算法和Frank-Wolfe算法构建了求解多目标双层鲁棒优化模型的混合算法, 采用3段式编码和解码方法、等位匹配交叉操作以及翻转变异等遗传操作方法求解上层模型, 采用Frank-Wolfe算法求解下层用户均衡模型; 以经典的Sioux-Falls交通网络为例, 对含有3个配送中心、7个需求点的危险货物配送路径优化问题进行案例分析, 以验证模型及其算法的合理性。研究结果表明: 当鲁棒控制参数分别为0、30和60时, 构建的混合算法能分别快速得到3、2和3组鲁棒最优解, 且所有解均为包含具体运输路段和发车时刻的配送方案, 而非配送顺序; 该混合算法与传统两阶段启发式算法相比, 运算时间能节省54.74%。可见, 该混合算法无论是在求解效率上, 还是在解的表达形式上均优于两阶段启发式算法, 能较好地完成不确定环境下危险货物配送路径多目标双层鲁棒优化任务。      

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

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。     

一致性车辆路径问题下基于模板路径的模拟退火法

根据一致性车辆路径问题的“服务一致性”特征,本文提出了基于模板路径的 模拟退火法（TSA）以更好地求解此问题.该算法求解分为2 个阶段：第1 阶段求解模板路 径,第2 阶段以所得模板路径为参考获得各天车辆具体配送路径方案,2 个阶段均采用模 拟退火法进行优化.借助小、中规模基准数据集,文章对TSA算法进行数值实验,并将实 验结果与ConRTR算法和TTS算法的结果作比较,利用TSA法求解一致性车辆路径问题 得到的配送路径方案和“服务一致性”指标均得到优化.实验结果表明,运用TSA算法规 划车辆配送路径方案,不仅能够降低运营成本,还能提高配送服务质量.     

一种多车型多货物配装问题的模型与算法

针对大型配货中心的配装问题,在货车容积和载重的约束条件下,建立了一种多车型多货物配装问题的数学模型.同时引入退火单亲遗传算法求解此模型,在遗传算法中引入启发式策略和模拟退火选择操作,克服了传统遗传算法搜索能力差,收敛速度慢的缺点.试验结果表明：算法在求解配装问题时是有效的.     

多时间因素柔性流水线上经济批量排产模型及求解

由于辅助时间在生产过程中必然存在,在分析各类辅助时间因素的基础上,将其归类独立于柔性流水线模型并与经济批量排产模型相结合,最终得到一个混合非线性规划模型。将启发式法与遗传算法相结合,构建一类混合遗传算法进行求解。最后,通过实例验证多时间因素的独立能明显改善目标值。     

��æ�������ཱུ������Ķ�Ŀ���Ż�

航班的合理降落排序是减少航班延误,提高服务质量的重要手段之一.空管人员在进行决策时,其评价标准往往不是单一的和同向的.本文将跑道上的飞机降落排序建模成单机多目标调度问题,重点讨论了此类问题的帕累托优化求解.建立的整数规划模型能够在航班降落过程中,对航班加权延误数量和所有延误航班的最长晚点时间两目标值进行协调并根据现场实际情况灵活地进行取舍.利用共享信息素机制的多目标蚁群算法对模型进行求解.最后的算例结果显示,与传统的启发式方法相比较,本文的方法不仅能够求得更好的结果,还能为空管人员提供一个相对直观的调度策略选择方案.     

�����Ŵ��㷨�Ĵ�ʱ��Լ���ij���·�������Ż�

基于遗传算法的车辆路径优化问题，虽然已经被提出过多种思想方法，但仍有较大的改进余地．而且具体的车辆路径优化问题，往往在时间和路程两方面都有限制和要求，而在这方面的研究相对较少．针对这种问题，在传统遗传计算基础上，加入了时间约束算法，对算法的实时实现作出保证；同时根据客户点的位置改进初始群，提高了变异率，减少低效计算，极大提高了寻优速度，为多计算点的遗传操作提供有力的支持．计算机仿真实现的结果和物流公司的实际运作都证明了算法的有效性．