求解TSP问题的一种启发式遗传算法

TSP问题是著名的NPC问题，在组合优化中有许多应用。讨论如何应用启发式遗传算法求解此问题，并设计一种启发式交叉算子和换位变异算子，主要特点是给出算子在程序中的实现技巧，提高搜索的速度。经实例分析，算法性能较好，能较快得到问题的满意解。     

遗传算法求解旅行商问题

本文提出一种新的遗传算法，用以求解著名的组合优化难题－旅行商问题。引用原始的文献数据，对城市数为10、30、50的试例均求得公布的最优解，对城市数为75的试例，每次结果均好于公布的最优解。用此算法求解中国旅行商问题，以20％的概率得到已知最优解1540km。或次最优解15409km，而所得最差与最好结果的相对距离为0．69％（即所得最长路径为15510km)。在COMPAQ／DX／25MH微机上每得到一个优化解平均历时150s左右。本算法与传统求解TSP问题的方法相比，具有简单、强壮、高效、高速的特点，它原则上对任何规模的对称欧几里德平面TSP具有通用性。     

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。     

具有学习效果的两机流水车间调度启发式算法研究

以最小化时间表长为目标函数,对具有学习效果的两机流水车间调度问题进行研究.由于工序加工时间引入了学习效果,传统的Johnson法则和NEH启发式算法不再适用.针对该问题的NP-hard特性,提出了JNEH和MNEH两种求解问题的多项式启发式算法.计算机数据实验证明了新的启发式算法求解问题的可行性和有效性;表明了JNEH启发式算法和MNEH启发式算法对小规模问题求解的精度更高、稳定性更好;同时证明MNEH启发式算法对求解大规模问题具有比传统算法更好的寻优性能和鲁棒性.     

基于MTSP的机车周转图编制模型与算法

为了提高机车的工作效率，探讨了机车周转图编制模型与算法．对于给定的列车运行图，综合考虑机车使用台数最少和图形均衡性，提出了一种编制机车周转图的新算法．将机车周转图编制问题转化为多旅行商问题（MTSP）并建立数学模型，从而求得问题的最优解．最后，用列车运行图实际数据进行了验证，证明了该算法的有效性．     

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。     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

求解连续平衡网络设计问题近似解的启发式算法

采用双层模型描述连续平衡网络设计问题，设计了求解问题近似解的启发式求解算法，并给出了一个简单的算例。本算法使用不需求导数的简单的求解方法，通过和以前的几种求解算法相比较，计算结果准确，但相应的计算量增加。     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

编组站静态配流的约束传播和启发式回溯算法

为了提高阶段计划的编制效率,针对编组站静态配流字典序多目标累积调度模型,设计了迭代、约束传播和启发式回溯的混合算法.该算法根据多目标的字典序将模型分为3层:第1层为配流成功的出发列车优先级总和最大化,第2层为出发列车车流来源总数最少化,第3层为车辆平均停留时间最短化.每层先通过约束传播算法化简模型、缩小解空间,再通过启发式回溯算法和约束传播技术联合快速求解.上一层的最优解作为下一层的初始解,并动态增加避免上一层目标退化的约束,迭代求解每层的最优解.通过某编组站实际数据验证表明,本算法耗时小于20 s,满足现场对阶段计划编制的实时性要求,且求得的配流方案优于其他算法.      

神经网络方法在解多路旅行商问题中的应用

本文提出把ＭＴＳＰ转化成标准ＴＳＰ的方法，讨论了用神经网络的原理和方法解决它，计算机模拟结果表明该方法十分有效。     

旅行商问题推广及其混合智能算法

旅行商问题(TSP)是典型的NP-hard问题,是组合优化研究领域中的热点问题之一.全体旅行商问题(CTSP)是TSP的变形推广,它是比TSP更复杂的一个问题,而且有着广泛的应用.遗传算法(GA)具有随机全局搜索能力,但对于系统反馈信息利用能力差,且收敛慢,求解效率低.蚁群系统(ACS)算法具有并行全局搜索能力,且在很...     

Hybrid Optimization Algorithm Based on Wolf Pack Search and Local Search for Solving Traveling Salesman Problem

Traveling salesman problem(TSP) is one of the typical NP-hard problems, and it has been used in many engineering applications. However, the previous swarm intelligence(SI) based algorithms for TSP cannot coordinate with the exploration and exploitation abilities and are easily trapped into local optimum. In order to deal with this situation, a new hybrid optimization algorithm based on wolf pack search and local search(WPS-LS)is proposed for TSP. The new method firstly simulates the predatory process of wolf pack from the broad field to a specific place so that it allows for a search through all possible solution spaces and prevents wolf individuals from getting trapped into local optimum. Then, local search operation is used in the algorithm to improve the speed of solving and the accuracy of solution. The test of benchmarks selected from TSPLIB shows that the results obtained by this algorithm are better and closer to the theoretical optimal values with better robustness than those obtained by other methods.     

公共自行车系统站间调度优化研究

国内多个城市开始推行公共自行车,但都存在借车难及还车难的问题,关键在于站点配车数不合理、站间调度不及时.运用运筹学中货郎担问题动态规划的解题思路,分两步求解站间调度路径:先收集自行车;再发放自行车,综合两步得到最优调度路径.通过建立简单数学模型并求解,证明货郎担问题解题思路可以用于解决公共自行车系统自行车调度优化.提供...     

用改进的人工鱼群算法求解TSP问题

针对人工鱼群算法在寻优过程中存在的不足,结合嗅觉在自然界鱼类捕食过程中的重要作用,在基本人工鱼群算法的基础上,提出了具有嗅觉特征的人工鱼群算法。最后,利用改进的人工鱼群算法成功解决了旅行商问题,并且通过比较基本人工鱼群算法与改进人工鱼群算法的实验结果,得出结论,改进后的人工鱼群算法在算法搜索时间、全局最优值精确度方面都有了显著的提高。     

求解旅行商问题的一种新方法

目前关于旅行商问题的启发式算法主要分为两类:环路构造算法和环路改进算法.通过对两类近似算法的深入研究,提出了一种新的方法――简化模型法来求解旅行商问题.该方法通过排序和选择操作得到原网络图的简化模型,对简化模型中的路径进行重构得到旅行商问题的解.通过测试TSPLIB中的实例,表明用简化模型法求解旅行商问题解的质量高、收敛快,时耗小,该算法是实用的.     

非线性规划中的SQP法

本文对非线性规划中的SQP法作了探讨。在求解QP子问题时引入了对偶变换和LCP法并采用了乘积法和重新求逆等技术。据此编制的非线性规划软件在收敛速度、可靠性和精度等方面均有较好的性能。     

武广客运专线动车组运用优化模型及求解思路

动车组运用是客运专线运营的重要内容,通过动车组的运用优化可以有效的提高动车组运用效率以及客运专线运营效率。在给定列车运行图条件下,动车组所属权、检修规程、运用方式和作业时间标准是影响其运用计划编制的重要内容。针对武广客运专线,在分析武广客运专线动车组的修程修制和运用方式的基础上,结合给定的列车开行方案,以完成列车运行图任务所需动车组数量最少和动车组运用率均衡为目标,建立了考虑日常检修和一级检修的武广客运专线动车组运用优化模型,并给出了该优化模型的求解思路。作者首先将该模型简化为单目标规划问题,然后将其转化为动车组运用的TSP网络模型,该模型可以用蚁群算法进行求解。     

遗传算法在货物配送问题中的应用

应用遗传算法(GA)来解决起终点固定的货物配送问题(可抽象为起终点固定的TSP问题,以下简写位ST-TSP).针对问题的特性设计了编码方式和适应度函数,并借鉴GA研究TSP问题的方法设计了选择、交叉和变异算子,试验结果数据显示该方法具有良好的搜索性能和录棒性.此外,论文还开发了基于Visual C++语言和MapX控件的实用物流货物配送软件平台.