基于免疫优化的单目标多模态期望值规划

为了求解未知随机变量分布下单目标多模态期望值规划,通过引入检测候选解是否为局部最优解的随机函数,将该期望值规划问题转化为多目标期望值规划问题,并进一步探寻问题的转化关系,获得在一定条件下有效解是最优解的结论;根据样本平均近似化思想,将多目标规划转化为非恒定样本采样的近似化模型,并基于克隆选择和免疫记忆的机理,通过设计递归非支配分层、样本自适应采样和自适应繁殖与变异方案,引导进化种群往优质个体所在区域转移,提出了求解该近似化模型的免疫优化算法.仿真结果表明:与参与比较的多目标优化算法相比,该算法搜索多个最优解方面有明显优势,搜索效果稳定,噪声抑制能力强;求解低、高维标准测试问题获得最优解的数量分别平均提高了20%和70%.      

An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

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。     

域约束优化问题的普适免疫进化算法

在免疫进化算法的基础上，针对域约束优化问题，提出了一种普适算法．通过区间变换，该算法在保证所产生的个体分量均能满足相应的区间约束的同时，消除了参数设置的随意性，不仅提高了计算效率，而且增强了算法的统一性，克服了其它进化算法采用罚函数处理域约束问题的不足．多峰函数优化和遗传算法欺骗问题的测试结果表明：与采用罚函数处理域约束问题的免疫进化算法相比，普适算法不仅易于编程，而且能以更快的速度稳健地收敛到全局最优解．     

高速列车停站优化问题的两阶段求解算法

为了提高高速列车停站优化问题的求解效率,以高速列车停站设置原则为基础,分析了影响列车停站的主要因素,从方便旅客出行及减少旅客出行广义费用两方面考虑,建立了列车停站方案综合优化模型.结合列车停站优化问题的特点,提出了包含初步优化和综合优化的两阶段优化算法,初步优化阶段采用基于先验知识的局部优化方法,可以快速有效的获得问题的较优解,综合优化阶段利用具有较强爬山能力的禁忌搜索算法进行全局优化.最后对某高速铁路高峰小时开行列车的停站优化问题进行求解.结果表明,两阶段优化算法比一般禁忌搜索算法效率提高约30%.     

基于人工免疫算法的公交车辆调度优化问题研究

公交车辆调度是公交运营组织中的关键环节.通过对大连市公交IC卡数据管理中心公交IC卡数据信息进行的采集和分析,构建了基于公交线路时段客流数据的公交车辆优化调度模型,并进一步提出了采用基于信息熵的人工免疫算法对模型进行求解的基本流程和方法.实验的结果表明,该方法能够快速地搜索得到全天不同时段的最优发车间隔,并可以在短时间内根据公交客流量的变化对公交车辆发车时刻表做出有效的调整.     

Application of particle swarm algorithm in the optimal allocation of regional water resources based on immune evolutionary algorithm

The optimal allocation model of regional water resources is built with the purpose of maximizing the comprehensive economic,social and environmental benefits of regional water consumption.In order to solve the problems that easily appear during the model solution of regional water resource optimal allocation with multiple water sources,multiple users and multiple objectives like＂curse of dimensionality＂or sinking into local optimum,this paper proposes a particle swarm optimization（PSO）algorithm based on immune evolutionary algorithm（IEA）.This algorithm introduces immunology principle into particle swarm algorithm.Its immune memorizing and self-adjusting mechanism is utilized to keep the particles in the fitness level at a certain concentration and guarantee the diversity of population.Also,the global search characteristics of IEA and the local search capacity of particle swarm algorithm have been fully utilized to overcome the dependence of PSO on initial swarm and the deficiency of vulnerability to local optimum.After applying this model to the allocation of water resources in Zhoukou,we obtain the scheme for optimization allocation of water resources in the planning level years,i.e.2015and 2025 under the guarantee rate of 50%.The calculation results indicate that the application of this algorithm to solve the issue of optimal allocation of regional water resources is reliable and reasonable.Thus it ofers a new idea for solving the issue of optimal allocation of water resources.     

改进的自适应分组个体重构免疫算法

针对免疫算法收敛速度慢,有可能陷入局部寻优情况,提出了一种改进的自适应分组个体重构免疫算法.在个体重构的实现上采用了分组进行,同时对重构算法进行了合理的改进,既保证了收敛速度,同时也保证了全局寻优的过程.仿真实验也表明了这一改进算法在收敛速度和寻优能力方面较原算法有较大的改善.     

基于改进鱼群算法的应急车辆最优路径选择

当突发事件发生后,要求将救援物资在最短的时间内运输到受灾点,而在整个应急救援过程中,应急车辆路径的选择对救援工作起到至关重要的作用,建立应急车辆最优路径选择模型对最优路径选择具有重要作用。介绍基本人工鱼群算法的主要算子并提出一种改进的人工鱼群算法,最后通过算例验证该算法在应急车辆路径选择时具有较好的效果和应用价值。     

Immune clonal selection optimization method with combining mutation strategies

In artificial immune optimization algorithm, the mutation of immune cells has been considered as the key operator that determines the algorithm performance. Traditional immune optimization algorithms have used a single mutation operator, typically a Gaussian. Using a variety of mutation operators that can be combined during evolution to generate different probability density function could hold the potential for producing better solutions with less computational effort. In view of this, a linear combination mutation operator of Gaussian and Cauchy mutation is presented in this paper, and a novel clonal selection optimization method based on clonal selection principle is proposed also. The simulation results show the combining mutation strategy can obtain the same performance as the best of pure strategies or even better in some cases.     

公交司机排班问题的混合元启发算法研究

针对我国公交企业中司机在1 个工作日内驾驶同一辆车的“人车绑定”管理模式, 提出混合元启发算法求解司机排班问题.首先建立以车辆数为目标的车辆调度模型,获得仅 满足司机休息时间的非可行解;接着迭代地使用局部搜索算子、破坏重建扰动等方法对解进 行调整,使其满足司机工作时间和吃饭时间等约束,并尽可能地降低排班成本;在迭代搜索 过程中记录发现的可行排班链集合,迭代结束后构建集合覆盖问题(SCP)模型对其进行改 进,以获得最佳的司机排班方案.在13 条公交线路案例上进行测试,实验结果验证了本文算 法的有效性.     

基于模拟退火-自适应布谷鸟算法的城市公交调度优化研究

为改善城市常规公交运营效率,提出基于模拟退火-自适应布谷鸟算法的公交调度优化模型.通过结合线路实际客流数据反映的客流特征,建立考虑公交公司和乘客双方利益的公交调度优化模型;改进布谷鸟算法固定步长并加入模拟退火算法退火操作,设计模拟退火-自适应布谷鸟算法,改善寻优过程中跳出局部最优解而全局寻优的能力;以福州125路公交线...     

U型不完全多目标拆卸线平衡问题建模与优化

针对U型布局所具有的生产柔性强、效率高等优点,结合仅需考虑需求零部件和危害性零部件的实际拆卸过程,提出U型不完全拆卸线平衡问题(U-shaped partial disassembly line balance problem,UPDLBP),以最小化工作站数量、空闲时间均衡指标、拆卸深度和拆卸成本为优化目标建立数学模...     

连续交通网络设计的全局双层多项式优化模型

提出了一种面向典型连续交通网络设计问题的全局双层多项式优化模型,其函数均为多项式,且下层问题为凸问题;上层问题旨在优化网络性能,下层问题用来刻画确定性用户均衡(DUE)交通流模式;利用Fritz John条件和乘子代替下层规划,将提出的双层多项式优化模型转换为等价单层优化问题,并利用矩半定规划(MSDP)方法得到其全局最优解;利用矩矩阵的秩作为保证全局最优性的充分条件,并估计全局最优解的个数;给出了最优道路收费问题的数值算例,用提出的双层多项式优化模型描述了算例中的最优道路收费问题,并通过Wardrop用户均衡约束调整现有路段上的交通流量,使总通行费收益最大化。研究结果表明:该简单算例的最大收益为13.5元,同时可以得到该算例的矩矩阵的秩为1,从而证明了该结果的全局最优性,提出的方法克服了均衡约束数学规划(MPEC)法和值函数法等现有求解双层优化问题的经典算法由于连续交通网络设计固有的非凸性,只能找到局部最优的问题;提出的全局双层多项式优化模型与算法为典型连续交通网络设计提供了更好的探索工具。      

优化设计求解的遗传-神经网络新算法研究

提出并研究了一种优化设计求解的遗传神经网络新算法,该算法综合了遗传算法的全局性和神经网络的并行快速性等特点,可克服遗传算法最终进化至最优解较慢和神经网络易陷入局部解的缺陷,具有较好的全局性和收敛速度     

考虑追踪安全的地铁快慢车协同操纵节能优化

研究考虑追踪间隔要求和再生能利用的快慢车线路地铁列车协同操纵节能优化问题.首先,基于滚动优化思想将列车协同操纵全局优化问题分解为一系列的子问题,即每一列车进入下一区间前由中央控制器根据同一供电分区内其他列车的操纵方案和列车重量等实时运营信息,计算出站列车在下一区间的操纵方案.为延长牵引制动重叠时间、提高再生能利用,各列车尤其是快车允许途中二次牵引加速以配合其他列车进站制动.基于上述研究思路,本文以列车净能耗为目标构建了快慢车线路列车协同操纵节能优化模型,并设计了混合遗传算法进行求解.案例分析结果表明,与不考虑其他列车操纵的个体最优节能操纵方法相比,本文提出的协同操纵方法可节能3%以上,算法满足实时优化对计算效率的要求.     

带时间窗的车辆路径混合遗传算法

基于标准遗传算法, 将每一个染色体与分组信息相结合, 使染色体结构包含有更多信息, 辅以λ-交换局部搜索技术, 构造了一种新的混合遗传算法, 对带时间窗约束的车辆路径问题进行了求解, 并与标准遗传算法的求解结果进行了对比研究, 发现使用混合遗传算法, 总行驶里程为162km, 而使用标准遗传算法, 总行驶里程为182 km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解, 所需的行驶里程缩短, 有效降低运输企业的车辆运行成本。     

Dynamic Tabu Search Algorithm for Solving Departure Scheduling Problem

IntroductionWith the rapid development of air traffic, the in-creasing demand of air travel has made the airlinespurchase more aircrafts. Under these circumstances,large amounts of congestion are incurred at major air-ports. According to the related data[…     

基于遗传混合算法的二维耦合颤振方法

对于传统的二维二自由度耦合颤振分步分析解法,创新性地将颤振分析转变为关于求解系统振动频率的非线性方程组问题.基于数值分析理论,引入如拟牛顿法等超线性收敛的数值迭代解法,研究了该类方法在数值迭代时的局部收敛性、初始值依赖性等问题.为规避上述风险发生在颤振分析中,将具有全局搜索优势的遗传算法应用于二维二自由度耦合颤振分析,结合最优算法L-M算法进行局部收敛修正,提出了基于遗传混合算法的分析方法.算例分析结果表明:在各个检测风速节点处,两种方法下的系统振动圆频率和系统牵连阻尼比计算误差都低于0.1‰,结果几乎一致;所建立的新分析方法思路清晰,求得颤振临界风速与传统方法完全一致,说明新的计算流程可行且计算结果准确;与传统方法相比,基于遗传混合算法的颤振方法每步求解过程无需初值的自选取,具有无条件收敛的优点.      

考虑追踪安全的地铁快慢车协同操纵节能优化

研究考虑追踪间隔要求和再生能利用的快慢车线路地铁列车协同操纵节能优化问题.首先,基于滚动优化思想将列车协同操纵全局优化问题分解为一系列的子问题,即每一列车进入下一区间前由中央控制器根据同一供电分区内其他列车的操纵方案和列车重量等实时运营信息,计算出站列车在下一区间的操纵方案.为延长牵引制动重叠时间、提高再生能利用,各列车尤其是快车允许途中二次牵引加速以配合其他列车进站制动.基于上述研究思路,本文以列车净能耗为目标构建了快慢车线路列车协同操纵节能优化模型,并设计了混合遗传算法进行求解.案例分析结果表明,与不考虑其他列车操纵的个体最优节能操纵方法相比,本文提出的协同操纵方法可节能3%以上,算法满足实时优化对计算效率的要求.