作业车间调度问题的改进遗传算法

研究了作业车间调度问题，并提出了一种新的求解方法，将邻域搜索与遗传算法相结合，提高遗传算法的局部搜索能力，加速进化过程，详细论述了该方法的优越性．     

利用分治法求解空中飞行管理问题

分治法是一种常用的问题求解方法,可以简化问题规模，降低计算复杂度。飞行管理问题实质上属于搜索问题，利用常规方法解决时间耗费大，而利用分治法可以得到很好的解决。     

模糊交货期下置换Flow Shop调度的禁忌搜索算法

实际生产过程中由于各种客观因素的影响，交货期往往具有不确定性．对模糊交货期下置换Flow Shop调度问题以及禁忌搜索算法的邻域、禁忌表和搜索策略进行研究，提出一种求解该问题的禁忌搜索算法．仿真结果表明，此算法不仅可以解决模糊交货期下的最小满意度最大化问题，而且具有较高的效率。     

���ڡ�������������̾�·�㷨

最短径路是网络优化中的一个经典问题，Dijkstra算法被公认为是一种十分有效的最短径路的搜索求解算法．本在研究网络一般结构特点的基础上，发现传统Dijkstra算法在每次迭代过程中都需要搜索所有节点的这一缺陷，通过向搜索节点中引入“度”的信息，提出了基于“度搜索”的改进算法，并根据网络的特点，给出了有向网络和无向网络两种情况下存在“度”差异的算法设计方法；算法的整体结构与Dijkstra保持了一致性，没有算法结构的突变，因而通过修改原有Dijkstra程序和重新设计“度搜索”程序都十分容易实现．该算法提高了最短径路的搜索效率，特别是对稀疏网络，算法效率更为明显，其复杂度小于O(｜V｜^2)．     

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.     

一种基于SFEC算法的车间调度问题

针对车间调度的问题，提出一种改进的演化算法．在算法中，首先引入个体之间距离和邻域的定义，从而根据距离来确定个体的相似性，并且根据个体的相似性对种群进行分级，以此得到新解产生的邻域．另外，为了提高算法的收敛速度，文中对较好的个体加入加速因子——列队竞争算子．最后，通过数值仿真检验，验证了本文算法的有效性和优越性。     

车间作业调度中基于领域搜索的混合遗传算法

车间作业调度问题是一个NP完全问题，很难用一般的方法解决．遗传算法(GA)作为全局搜索算法广泛应用于各种寻优操作中，并己成为求解车间作业调度问题(JSP)的主要方法，本文针对遗传算法应用的局限性，把领域搜索的思想应用到变异操作中，提出了一种应用于车间调度中基于领域搜索的混合遗传算法，该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和稳定性。     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

作业车间调度问题的改进遗传算法

研究了作业车间调度问题,并提出了一种新的求解方法,将邻域搜索与遗传算法相结合,提高遗传算法的局部搜索能力,加速进化过程,详细论述了该方法的优越性.     

复杂网络中节点重要度评估

为提高复杂网络中重要节点评估的效率和有效性,提出了一种基于节点接近度和节点在其邻域中的关键度评估复杂网络中节点重要度的方法．该方法综合了节点的全局和局部重要性,即在复杂网络中,节点的接近度越大,该节点越居于网络的中心,在网络中就越重要;节点在其邻域中的关键度越大,该节点对其邻域越重要．根据该方法设计了复杂网络中节点重要度评估算法,该算法的复杂度为0（n^3）．实例分析证明了该方法的有效性．     

混合超启发式法求解大规模VRP的优化研究

车辆路径是一类NP(non-deteministic polynomial)完全问题,研究解决车辆路径问题的高质量启发式算法有着重要理论价值和现实意义.提出一种将最近邻搜索法和禁忌搜索法优势相结合的混合超启发式算法,用来解决带容量约束的车辆路径问题.先利用最近邻搜索法构建初步路线,再利用禁忌搜索法对内部线路和互跨线路进...     

A Hybrid TCNN Optimization Approach for the Capacity Vehicle Routing Problem

Introduction The vehicle routing problem(VRP)is one ofthe well-known NP-hard optimization problems[1]occurring in many transport logistics and distribu-tion systems of considerable economic significance.The capacity vehicle routing problem(CVRP)likeVRP with the additional constraint that every vehi-cle must have a capacity,so it is also an NP-hardoptimization problems.It involves minimizing costvehicle schedules for a fleet of vehicles originatingand terminating from a central depot.The …     

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

一种基于盲运算的1比特压缩感知重建算法

为了解决1比特压缩感知中符号匹配追踪算法(matching sign pursuit)在稀疏度未知的情况下不能自适应重构信号的问题,提出了向前/向后迭代符号匹配追踪算法(forward-backward matching sign pursuit, FBMSP).该算法以逐步逼近理论为核心,通过逐步扩大支撑集来扩大搜索范围,把相邻两次迭代的差值作为终止条件,在MSP算法模型下进行盲运算,以实现信号的重构.数值试验表明:在控制迭代系数=8,=1的情况下,FBMSP算法比传统的符号匹配追踪算法重构精度提高了3 dB,运算时间减少了40%.      

城市垃圾清运中的周期多车场车辆路径问题

城市垃圾清运问题可以使用周期多车场车辆路径问题来很好地描述。将这种典型的复杂组合优化问题分为两个阶段依次求解：首先求解整数规划,解决清运周期问题;然后采用一种混合遗传算法解决多车场车辆路径问题,从而可以降低求解难度。     

基于北斗的节能型智能公交电子站牌的开发及应用

解决“市民出行难”问题一直是政府部门关注的民生问题,实现公交信息化是解决“出行难”问题的重要环节和出路.本文提出了一种基于北斗导航系统的节能型智能公交电子站牌系统结构设计方案,有利于市民选择公交作为出行方式.同时,能提升公交公司的服务水平和质量。     

贝塞尔大地主题反解的改进算法

为了解决目前贝塞尔大地主题反解算法不统一与存在适用条件限制的问题,根据球面三角形正、余弦定理和拉格朗日级数理论,用计算机代数系统推导并给出一种改进的大地主题直接反解的微分改正方法.该算法消除了逐次趋近计算,适用传统反解算法中的奇异情况,解决了求解三角方程中方位角的多值对应问题.试验结果表明,当大地线长度小于20 000 km时,算法精度高达0.000 1 s,具有通用性,特别适用于电算化,对远洋大地线航法计算具有一定的应用价值.     

基于MapBasic的战时运输最优路径问题研究

战时运输最优路径问题是一个多目标多约束随机动态路网寻优问题。在分析战时运输最优路径问题特性前提下,着重研究战时运输路阻函数模型,求出时间阻抗、风险阻抗和费用阻抗,标定阻抗参数μ1,μ2和μ3,及确定函数模型的MapBasic表达,在给出最优路径模型基础上,利用改进的Dijkstra算法求解。实例验证表明研究成果满足实用要求。     

Solving service selection problem based on a novel multi-objective artificial bees colony algorithm

Service computing is a new paradigm and has been widely used in many fields. The multi-objective service selection is a basic problem in service computing and it is non-deterministic polynomial (NP)-hard. This paper proposes a novel multi-objective artificial bees colony (n-MOABC) algorithm to solve service selection problem. A composite service instance is a food source in the algorithm. The fitness of a food source is related to the quality of service (QoS) attributes of a composite service instance. The search strategy of the bees are based on dominance. If a food source has not been updated in successive maximum trial (Max Trial) times, it will be abandoned. In experiment phase, a parallel approach is used based on map-reduce framework for n-MOABC algorithm. The performance of the algorithm has been tested on a variety of data sets. The computational results demonstrate the effectiveness of our approach in comparison to a novel bi-ant colony optimization (NBACO) algorithm and co-evolution algorithm.     

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…