广义Gauss模型及其模拟退火算法

研究了求解优化问题全局解的随机神经网络方法，将Gauss模型拓展为广义Gauss模型，使之能求解一般优化问题的全局解。进而引入全局性较好的模拟退火算法的思想，提出了广义Gauss模型的模拟退火算法。通过算例比较了几种计算智能算法的全局性。广义Gauss模型的模拟退火运行全局性最好，但它付出了时间的代价；广义Gauss模型兼顾了计算效率和全局性；广义Hopfield网络的全局性最不理想。     

基于成本的Flowshop调度优化模型及算法研究

提出了一种基于成本的Flowshop调度问题的数学模型.该模型考虑影响调度决策的各种成本,如生产切换费用、机器空闲造成的损失、工件提前或拖期完工造成的损失等.在此基础上提出了一种基于人工免疫算法和模拟退火的混合智能算法,该算法利用人工免疫算法的全局搜索能力以及模拟退火的局部搜索能力来搜索全局最优解.仿真实验表明了模型的...     

信号控制模型中利益分配问题的研究

设计了一个平衡约束条件下信号控制与平衡网络设计组合问题的多目标规划模型，然后使用效用函数法将有双目标的上层优化问题转化为一个单目标优化问题．在这种情况下，该模型变成一个标准的双层规划模型。并利用全局优化方法模拟退火算法和惩罚函数法相结合求解．     

考虑弹流润滑的圆柱滚子轴承多目标智能优化设计

基于弹性流体动力润滑理论,以额定动载荷最大和膜厚比最大为目标函数,通过对圆柱滚子轴承多目标优化数学模型的研究,应用退火罚函数方法将其转化为无约束单目标优化问题.采用遗传算法求解含连续及离散变量的优化设计问题,同时针对遗传算法的局限性,采用了实数编码,调整了适应函数,设计了基于确定性准则的杂交算子和变异算子,借鉴了优解保留策略,结合模拟退火算法,形成了遗传模拟退火算法,该算法发挥了模拟退火与遗传算法各自的特点.算例表明了该优化方法的有效性.     

量子进化和模拟退火的混合优化算法

将量子算法和模拟退火算法相结合,提出一种量子进化和模拟退火的混合优化算法。本算法同时利用了量子算法的并行搜索能力和模拟退火算法的串行搜索能力,和量子算法相比有更快的收敛速度和更好的全局寻优能力。仿真实验也表明本算法有更好的搜索性能。     

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.      

物料配送和废旧产品回收的VRPSDP问题的并行模拟退火算法

为了求解面向制造领域物料配送和废旧产品回收的同时送取货的车辆路径优化问题（VRPSDP）,提出一种主从式并行模拟退火算法代替传统的串行模拟退火算法．算法首先使用剩余承载力和径向附加费（RCRS）算法求得初始解,然后在并行模拟退火算法框架下使用4种邻域搜索方法对初始解进行优化．最后,选取国际上通用的Montane和Galvao测试数据集（18个顾客数为100～400的测试问题）对算法性能进行测试,与文献中其他5种算法的比较显示,提出的并行模拟退火算法总体性能较优．     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

单车场集送一体化车辆路径问题及其混合算法研究

针对物流配送中的单车场集送一体化车辆调度问题提出了基于禁忌规则的模拟退火算法.采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束.算法在状态生成函数中利用3种邻域扩大抽样范围;根据问题的特点,在模拟退火算法抽样过程中加入了禁忌规则.介绍了算法的原理,应用算法求解了多个有代表意义的问题实例.对算例结果进行分析表明,该算法可以有效地求得有里程和时间窗约束的单车场集送一体化车辆调度问题的优化解.     

基于模拟退火算法的经济批量和运送问题

研究简单的供应链模型生产批量和运输调度问题,主要目标是找到经济批量调度合理排序,使单位时间的平均库存费用、建立费用、运输费用最小。建立该问题的多目标非线性混合整数规划模型和最佳枚举方法来解决这个问题。由于在大中型的问题中很难获得最优解,所以运用模拟退火算法,它结合邻域搜索技术,以一定的概率选择邻域中最好的状态,从理论上来说是一个全局最优算法。     

用禁忌搜索技术解决无等待流水调度问题

描述了一种以解决总完工时间最小为目标的无等待流水调度问题的算法.利用启发式方法产生初始解,然后使用禁忌搜索技术改进当前解.对禁忌搜索的邻域结构和搜索策略进行研究.用实际算例进行仿真试验,算法在合理的时间内达到最优值,验证了算法的可行性和有效性.     

交通信号控制与平衡网络设计组合模型中利益分配问题的研究

由于在交叉口进行信号控制使得系统的总延误增加，所以信号控制的优化目标是使系统的总延误最小，同时要使得增加的延误在用户之间尽可能均衡分配。为解决这一问题，设计了一个平衡约束条件下信号控制与平衡网络设计组合问题的多目标规划模型，然后使用效用函数法将有双目标的上层优化问题转化为一个单目标优化问题。此时，该模型变成一个标准的双层规划模型。并利用全局优化方法模拟退火算法和惩罚函数法相结合求解。     

含约束条件多峰函数优化问题的混合遗传算法

针对目前求解含约束条件多峰函数全局优化问题存在的困难,结合传统优化算法和常规遗传算法,提出一种寻求含约束条件多峰函数全局最优解的混合遗传算法.算例分析结果表明:该算法保留了传统优化算法的局部寻优能力和常规遗传算法的全局寻优能力,是寻求含约束条件多峰函数优化问题的一种有效算法.     

基于组合算法的易腐货物多式联运路径优化

为解决易腐货物多式联运路径优化问题,考虑时间窗约束,建立一种总成本最低的易腐货物多式联运路径优化模型.因遗传算法全局搜索能力强,禁忌搜索算法依赖初始解与领域结构的特点,设计了遗传-禁忌搜索组合算法,来求解最佳运输方式下的低成本最优路径.为验证多式联运的优势,特举实例将多式联运与单一运输方式进行对比;实例可知,组合算法有...     

含约束条件多峰函数优化问题的混合遗传算法

针对目前求解含约束条件多峰函数全局优化问题存在的困难,结合传统优化算法和常规遗传算法,提出一种寻求含约束条件多峰函数全局最优解的混合遗传算法.算例分析结果表明:该算法保留了传统优化算法的局部寻优能力和常规遗传算法的全局寻优能力,是寻求含约束条件多峰函数优化问题的一种有效算法.     

遗传算法在运输问题中的应用

提出一种求解单目标问题的新算法。算法充分利用遗传算法内在的并行性,避免了用单纯形法求解该问题出现的并行性差,求解整数问题的矛盾。算法中设计的杂交及变异算子对使用遗传算法求解矩阵约束的优化问题有普遍的指导意义。     

一种新的JSSP免疫算法

免疫算法是借鉴生物免疫系统原理建立起来的一种新的并行优化算法,用于求解具有多模态性质的函数优化问题具有较好的效果．由于JSSP（Job-Shop调度问题）是一个典型的具有多模态性质的复杂函数优化问题,本文将免疫算法应用于求解JKSP,该算法模拟B细胞的克隆选择过程,通过编码模式的高变异克隆选择完成最佳调度方案的全局搜索．仿真结果表明该算法优化速度快,全局搜索能力强,不易产生不可行解,搜索效率较高,具有较好的JKSP调度优化效果．     

集装箱码头岸桥调度优化模型及算法

为弥补集装箱码头岸桥调度问题的传统优化方法仅适用单船舶情况的不足,以总费用(所有岸桥使用费用和船舶停靠费用)最小为优化目标,考虑岸桥不可穿越性和安全距离约束条件,建立了了面向多艘船舶的集装箱码头岸桥统一调度和卸船任务分配问题的混合整数规划优化模型.使用任务网络图方法,搜索影响卸船任务最终完成时间的关键任务及其相应的限制任务路径,设计了基于限制任务路径进行邻域搜索的双层模拟退火算法求解模型.12个不同规模的算例结果表明:与分支定界法和遗传算法相比,本文算法节省时间6.32%~18.36%,近似最优解的质量更高,而且最优解目标值之间的差距仅为0.38%~2.20%;考虑岸桥之间的安全距离约束导致系统运营成本增加3.41%~11.21%.      

随机需求IRPTW的多目标优化

针对随机需求下带时间窗的存贮路径问题,建立了多目标库存和配送策略优化模型,用多目标遗传算法对模型求解．该算法采用精华保留策略和自适应调整策略等遗传算子逼近全局最优解,可以克服遗传算法局部搜索能力不足的缺陷,提高收敛速度和改善全局寻优性能．以某物流公司的产品配送系统为例,用多目标遗传算法获得了费用较低的方案．     

改进的免疫模拟退火算法求解混合流水车间调度问题

针对混合流水车间调度问题的特点,设计了一种双层编码和解码的方法,在一定程度上扩大了可行解的搜索范围,为了克服传统免疫算法在初期收敛速度慢的问题,在算法的早期应用特定的变异算子,以期提高收敛速度,为避免算法陷入局部最优解,在算法后期,利用模拟退火算法的随机扰动性,引导算法跳出局部最优解,同时还引入了免疫记忆,运用精英保留策略预防最优解的丢失,最终提出了一种改进的混合免疫算法.通过仿真结果表明了该算法在解决混合流水车间问题上的可行性和有效性.