交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。     

解决有配放限制的多集装箱配载系统优化的多蚁群协同算法

在分析具有装载重量、体积等约束条件及配放限制的集装箱配载模型的基础上,分析了求解其的蚁群算法与求解TSP的蚁群算法在结点性质、原点（中心结点）的作用、蚂蚁路径构造规则、可移动结点集合、可行解的形成过程等方面的区别. 针对问题特点,充分考虑货物配放限制,装载工具的载重、容积两个方面同时优化的问题,基于待装货物比容动态逼近装载工具剩余空间比容的思想,综合运用ACA-INI、ACA-CONTAINER和ACA-VOTUME三个不同蚁群协同考虑问题的两个目标--需用集装箱数目优化和装载工具重量、容积利用率优化,对问题的求解策略进行了研究. 进一步地,结合8类40件不同品种货物的集装箱配载问题对模型算法的实用性和有效性进行了验证.     

1100TEU中日航线集装箱船的货物配载

以1100TEU中日航线集装箱船为例,介绍了货物配载各阶段的操作细节,包括前期准备、预配草图的制定、货物的箱位分配、配载中的注意事项、配载计划的审核以及回航舱位的预留等。     

FLOW-SHOP网络交链系统的无阻塞最优协调控制

用极大代数模块网络法，建立FLOW－SHOP网络交链系统的数据结构模型，在这个模型上，提出了寻找交链系统特征值的周期同步算法和寻找特征向量的递归协调算法。结果证明，FLOW－SHOP网络交链系统的无阻塞最优协调控制是一类线性状态反馈且最优协调控制系统的优控参数可以直接列写，最后的例子指出，最优协调算法是一个有效的算法。     

车间配送路径优化的研究

路径优化问题是车间配送系统中重要的环节之一,最短路径的选择决定着配送效率.但随着问题规模的扩大,很难精确求解.实验表明采用蚁群算法来解决路径搜索问题,能有效地发现最优解.     

基于BP神经网络的集装箱船舶配载问题研究

针对集装箱船舶对配载的快速性、高效性需求,根据BP神经网络对历史数据的分析,结合集装箱船舶的特性深入研究集装箱智能配载方案.基于集装箱船配载图和各卸货港信息等历史数据,通过BP神经网络对历史数据进行训练优化,挖掘其中规律,从而快速生成对各类集装箱合适的配载位置,优化装船作业,提高集装箱船舶配载效率,达到节约成本的效果.最后采用实船数据进行测试,仿真结果与实际配载结果差异率不大,说明该研究方向对于集装箱配载方案优化是有效的.     

基于个体最优位置的自适应变异扰动粒子群算法

针对粒子群算法在寻优时容易陷入局部最优的不足,提出了一种基于个体最优位置的自适应变异扰动粒子群算法AMDPSO (adaptive mutation disturbance particle swarm optimization).该算法以粒子群算法为基础,加入扰动,当满足自适应条件时,粒子以个体最优位置为依据进行变异操作.将该算法运用于6个测试函数,并与惯性权重粒子群算法、收缩因子粒子群算法以及差分进化算法进行了比较,结果表明:AMDPSO能在寻优过程中让粒子跳出局部最优,保持种群多样性,具有更好的收敛速度和优化性能.      

最小二乘递推算法和Kalman滤波算法

就一般加权、最优加权和指数加权三种情形分别介绍了最小二乘递推（RLS）算法和Kalman滤波算法，且首次将状态向量的概念扩展到了状态矩阵的概念，这将使我们在某些应用中能采用比以前规模小得多的模型而丝毫不会因此带来任何误差，最后，我们还指出了RLS算法和Kalman滤波算法所存在的一些问题。     

混合遗传算法在结构优化设计中的应用

基于邻域搜索的自适应遗传算法和标准遗传算法的一种离散变量结构优化设计的混合遗传算法,既能发挥邻域自适应算法省时、高效、成熟收敛的特点,又能发挥遗传算法全局最优的特点.优化设计结果表明:改进后的混合遗传算法的收敛性得到了很好的改善,使个体既能沿着当前种群优势方向前进,又能跳出局部最优,寻求全局最优.     

免疫进化算法

研究现有进化算法的优越性与存在不足的基础上，受生物免疫原理的启发，提出了一种新的算法－－免疫进化算法。该新算法作为一种全局优化算法，以父代最优个体为基础来产生子代群体，并以最优个体的收敛来代替群体的收敛，在寻优过程中，该新算法还把确定性的和随机性的搜索有效地结合在一起，提高了收敛速度，通过马尔可夫链的分析，证明它是全局收敛的。测试表明，免疫进化算法不仅参数设置简单，而且可以提高收敛速度。     

多箱型内河集装箱船舶配载决策研究

内河集装箱运输具有其独特性,船舶配载时更强调船舶舱容利用率.考虑特殊箱型影响,以最小化堆栈占用数量为目标,构建内河集装箱船舶配载决策的整数规划模型.为实现快速寻优,设计包含构造部分和优化部分的启发式算法求解.算法中,构造部分基于启发式规则快速构造初始解,优化部分基于邻域搜索策略实现初始解优化.算例研究表明,模型可实现内河集装箱船舶配载决策问题的有效求解,但随着算例规模增加所需求解时间大幅增加.与模型精确求解相比,启发式算法在求解时间方面表现要远优于模型,可在0.25 s内实现所有算例的高效求解,为内河集装箱船舶实际配载决策提供一定参考.     

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.     

�����������ƵĶ༯װ������ϵͳ�Ż��Ķ���ȺЭͬ�㷨

在分析具有装载重量、体积等约束条件及配放限制的集装箱配载模型的基础上,分析了求解其的蚁群算法与求解TSP的蚁群算法在结点性质、原点（中心结点）的作用、蚂蚁路径构造规则、可移动结点集合、可行解的形成过程等方面的区别. 针对问题特点,充分考虑货物配放限制,装载工具的载重、容积两个方面同时优化的问题,基于待装货物比容动态逼近装载工具剩余空间比容的思想,综合运用ACA-INI、ACA-CONTAINER和ACA-VOTUME三个不同蚁群协同考虑问题的两个目标——需用集装箱数目优化和装载工具重量、容积利用率优化,对问题的求解策略进行了研究. 进一步地,结合8类40件不同品种货物的集装箱配载问题对模型算法的实用性和有效性进行了验证.     

基于配载计划的集装箱提箱顺序和倒箱策略优化

降低倒箱量是提高集装箱码头作业效率的重要方法.集装箱提箱顺序对码头倒箱作业有明显的影响.本文在满足船舶配载计划的前提下,针对传统的最矮栈和邻近栈 策略,提出优化栈倒箱策略,以倒箱量最小为目标分别建立3 种倒箱策略下的提箱顺序模型,并设计了遗传算法对该模型进行优化求解.最后对10 个算例进行t 检验,计算结果表 明,3 种倒箱策略间存在明显的差异,并且规模越大,差异越明显.再与下界对比分析,探 究造成3 种倒箱策略差异性的原因,并且验证了算法的有效性.数值实验结果表明,最矮栈策略优于邻近栈策略,优化栈策略优于最矮栈策略.     

公交线网优化的算法研究

为缩短居民乘车出行时间以及减少公交运营投入,在公交线网优化过程中通常采用具有全局最优的遗传算法。针对基本遗传算法自身的一些缺点,提出了一种改进的遗传算法。该算法在公共交通路线优选过程中运用减少搜索空间、加入最佳保留策略和修正策略的方法,对基本遗传算法中的选择、交叉、变异算子及中止条件进行改进。改进遗传算法能够在保证种群多样性的同时加快收敛速度,较好地避免了基本遗传算法前期容易早熟和后期进化缓慢等现象。实例仿真计算表明,该算法具有比基本遗传算法更高的效率,是优化公交线网的一个有效途径。     

船舶航迹复合预测控制模型

为了提高船舶航行控制质量,建立了船舶航迹复合预测控制模型,依据灰色预测模型处理船舶运动控制的不确定量,利用反传多层感知器自适应网络从船舶航行偏差的历史数据中得出控制偏差趋势,根据灰色预测和神经网络预测的误差大小,进行组合模型优选及组合权系数优化,确定航迹最优控制策略。仿真结果表明:当船舶旋回性指数、船舶追随性指数与滞后时间其中一个大于1时,任何参数的改变均会引起PID振荡,而船舶航迹复合预测控制模型能以较少的操舵动作迅速收敛,从而使船舶航迹与预定航线更加拟合,因此,其控制系统的鲁棒性、快速性和稳定性高。     

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．     

��·��װ������վ�ѳ�����Ż�ģ��

铁路集装箱中心站堆场作为集装箱列车装卸作业与集卡提交箱作业的缓冲区,堆存策略直接影响整个中心站的作业能力和效率,本文对铁路集装箱中心站堆场混堆优化问题进行了研究.根据中心站堆场混堆作业问题的描述,建立了两阶段优化模型,第一阶段平衡中心站堆场各箱区进口箱和出口箱的箱量,第二阶段为分配到箱区的集装箱指派较优箱位,使堆存所产生的压箱数最小,并设计了启发式算法对模型进行求解.最后利用某集装箱中心站的实际数据对模型和算法进行了验证,验证结果表明,该优化模型比中心站现有的堆存策略有较大改进.