一种基于邻接极小搜索的布局模式生成方法

针对全局最优化求解布局问题,通过对目标函数的局部极小出发的两级搜索,获得多个邻接极小,实现布局模式的自动生成;从而获得基于不同布局模式的可行解集以及基于此解集的相对最优解,并通过矩形空间中的圆布局问题给出实例演示。     

多目标最优化的遗传算法

针对多目标,最优化问题的特点,本文设计了一种遗传算法,可用于求解多目标最优化问题的部分非劣解。经有关函数数值计算表明该算法是有效的。     

公路网络路线布局优化的双层规划模型及算法研究

首先分析了省、市级公路网布局的特点和要求,然后通过将连续变量离散化、引入双层规划模型,建立了适合省、市级公路网络的路线布局双层规划模型。最后研究了模型的求解算法,将模拟退火算法应用于公路网络路线布局优化问题中,应用V isual Basic 6.0语言开发了相应的算法程序。     

一类非光滑条件下的最优化算法

研究了E Sach算法的局限性，基于非光滑分析梯度推广了非光没条件下最优化问题E Sach算法，给出了收敛速率并证明了有关结论。     

二维平行放位装车问题的布局约束启发式算法

在分析二给平行入位货物装车问题的基础上，对货物装车问题设定了布局约束，构造了布局约束启发式算法。实验结果表明，此算法可以有效求得问题的优化或近似优化解，是求解此类问题的一个较好的方案。     

非线性方程组求解的新方法

提出了一种求解非线性方程组的方法.将非线性方程组的求解问题转化为最优化问题,对经典BFGS变尺度法进行改进:采用高精度通用数值算法求解函数梯度,采用新的数值解析法进行一维探索,进而有效地提高了BFGS变尺度法的效率和程序通用性;对遗传算法进行了改进.将改进的BFGS变尺度法与改进的遗传算法进行混合杂交,得到一种全局优化算法,数值测试表明该算法是可靠的.     

航空器地面运行优化研究

本文研究了机场地面航空器交通网络流的最优分配问题。在进离场总流量给定的情况下,建立了使航空器地面运行总延误最小的机场地面交通网络流模型,提出了一种近似求解该非线性最优化问题的迭代新算法。仿真结果表明,本文提出的网络流模型和优化算法是可行的,具有实用价值。     

基于免疫克隆算法的综合交通枢纽布局优化研究

为了描述综合交通枢纽的布局优化问题,在保证重点枢纽建设的前提下,综合考虑综合交通枢纽布局的影响因素,以城市需求点总需求权距离最小为目标,考虑了在枢纽覆盖距离内,需求点和枢纽候选点对应关系为约束建立了综合交通枢纽布局优化的数学模型.给出了针对该问题的自适应免疫克隆算法的具体求解设计和步骤,并结合算例证明了算法的有效性.     

综合效益下的城市轨道交通车站间距优化

合理的轨道交通车站间距对轨道交通效益的发挥至关重要。通过建立集经济效益、社会效益、交通效益于一体的轨道交通综合效益模型,进而结合最优化思想,建立轨道交通车站间距计算的最优化模型。以宝鸡市轨道交通为例,采用所提出的模型对其车站间距进行了优化。研究表明,模拟褪火算法能够较快收敛,适用求解车站间距优化问题;建议宝鸡市轨道交通车站间距为0.9 km,以能使综合效益得到最优。     

带平衡约束三维装箱问题的双层混合遗传算法

针对带重心平衡约束的三维装箱问题,基于框架式布局思想,设计双层混合遗传算法进行求解.根据装载物的特性定义核心货物元素及进行核心堆的构造,再结合极点、锚距等概念提出适合货物平衡装载的布局过程;在典型布局形成初始框架基础上,通过双层混合遗传算法的内、外层搜索分工与协作,获得货物最优装载方案.基于标准算例的实验及对比分析,证明所提出方法在提高装载率及实现重心平衡方面取得了较好效果.     

基于遗传算法的车间设备布局设计

车间设备布局问题具有非线性、NP难等特性,无法运用传统方法求得最优解.运用遗传算法突出的寻优能力,在单行布局的基础上,采用自动换行技术对车间设备进行多行设备布局,优化车间设备布局效果,运用PMX交叉操作和邻域搜索技术的变异操作提高遗传算法的全局和局部搜索能力.通过实例验证了此方法的可行性和有效性.     

基于遗传算法的车间设备布局设计

车间设备布局问题具有非线性、NP难等特性,无法运用传统方法求得最优解.运用遗传算法突出的寻优能力,在单行布局的基础上,采用自动换行技术对车间设备进行多行设备布局,优化车间设备布局效果,运用PMX交叉操作和邻域搜索技术的变异操作提高遗传算法的全局和局部搜索能力.通过实例验证了此方法的可行性和有效性.     

Solving the euclidean steiner minimum tree using cellular stochastic diffusion search algorithm

The Euclidean Steiner minimum tree problem is a classical NP-hard combinatorial optimization problem. Because of the intrinsic characteristic of the hard computability, this problem cannot be solved accurately by efficient algorithms up to now. Due to the extensive applications in real world, it is quite important to find some heuristics for it. The stochastic diffusion search algorithm is a newly population-based algorithm whose operating mechanism is quite different from ordinary intelligent algorithms, so this algorithm has its own advantage in solving some optimization problems. This paper has carefully studied the stochastic diffusion search algorithm and designed a cellular automata stochastic diffusion search algorithm for the Euclidean Steiner minimum tree problem which has low time complexity. Practical results show that the proposed algorithm can find approving results in short time even for the large scale size, while exact algorithms need to cost several hours.     

发动机匹配优化算法的研究

依据优化标定方法,设计了基于发动机排放控制的优化方案,并建立了以发动机经济性为目标,排放性作为约束的优化数学模型．对适用于该数学模型的信赖域法、模式搜索算法、遗传算法等优化算法进行了论证．针对实际发动机排放优化问题对各种算法的优劣进行了比较,并在此基础上提出了组合算法的思想．优化结果表明,组合算法全局搜索性和优化结果良好,且计算时间、计算量等较单一优化算法时均有显著改善．     

基于遗传算法的公路纵断面优化

提出了一种基于遗传算法的纵断面优化方法，这种方法可以在一个可行域中自动搜索一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域，通过编码建立染色体与实际设计变量之间的一一对应关系，然后对可行域中的可能解用一个评价函数(适应度)进行度量，利用遗传算法在可行域中选择最优解。实践表明：该方法具有全局解空间搜索能力，从而实现了全局寻优的目的，对道路优化设计是有效的，可行的。     

��ͨ˫��滮����:ͳһ��ѧģ�ͼ����㷨

主要讨论基于用户平衡原则的交通网络优化问题。这些问题大致上可以分为二大类:一类是涉及到确定性用户平衡原则；另一类是考虑随机性用户平衡原则。众所周知，运筹学中的双层规划模型能够完美地刻画这些问题，但是所建立的双层优化模型往拄属于不可微优化问题的范畴，这就给设计有效的算法带来了很大困难.此文首先从模型和算法的角度总结了有关这类问题已有的研究成果，接着介绍有关这方面的最新的研究进展，即如何把用户基于平衡原则下的交通网络优化问题的双层规划模型统一地转换为一个连续可微的单层最优化问题，并设计统一的算法。作为统一的算法方面的研究，我们可以看到增广的拉格朗日方法可以用来解上述的第一类问题，而基于灵敏度的分析的序列二次规划方法完全有能力解上述的第二类问题。     

遗传—神经网络在交通流预测中的应用

提出一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点,综合为一种新的优化算法,并将改进的算法应用于交通流预测中。结果表明,改进方法的预测效果优于单一使用BP神经网络进行预测的效果。     

用混合元启发算法求解城市网络设计问题

为更有效求解城市道路交通网络设计问题,在启发式算法研究的基础上,使用3种改进思想,改进蚂蚁群算法,设计了4种求解城市道路交通网络设计的双层规划模型的混合启发式改进算法。运用于Sioux Falls网络进行模型的求解实验,并统计运行的平均计算时间,求得最优解的次数和函数解平均值。据此得出混合算法从时间、准确度上均较基本蚂蚁算法有了改善,具有很好的应用价值。     

边远海域救援船舶与直升机联合搜救优化

以救援船舶行驶路线、释放救援直升机时刻与救援直升机搜索方案为优化内容,以搜救时间最短和发现概率最大为目标,建立了海空联合搜救双目标优化模型,并结合地理信息系统和智能算法设计了模型求解算法; 利用地理信息系统模拟了复杂海洋环境中风、浪因素影响下的救援船舶和遇险船舶运行状态,采用自适应混沌搜索替代随机搜索,改进了传统粒子群算法; 以从南海永兴岛出发前往边远海域执行搜救任务为算例,验证了搜救优化模型。研究结果表明:利用地理信息系统与智能算法结合的海空联合搜救方法得到的搜救行动总时间为4.4~16.9 h,发现概率可达45.12%~99.76%;与传统的粒子群算法相比,改进后的粒子群算法在发现概率分别为85.00%、90.00%与95.00%的情况下,搜救总时间分别减少1.5、1.3与1.1 h,减少幅度分别为18.07%、14.28%与10.57%,改进后的算法在计算速度、计算稳定性与结果优化方面均效果良好; 海空联合搜救方案优化与传统的多目标路径优化问题有所不同,需要建立特定的海空联合搜救模型,结合新的技术手段开展研究; 未来建议发展不同船型、机型参与的海空联合搜救优化方法,以适应不断提高边远海域搜救行动效率的发展要求。      

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。