克隆选择算法在一类有竞争的物流配送中心选址问题中的应用

根据有竞争的物流配送中心选址问题的特点,以新增物流配送中心获取最大的市场占有量为目标函数,建立了有竞争的物流配送中心选址问题的数学模型。由于建立的数学模型是一个高维、非线性、非凸性,并具有多个局部极值点的复杂函数优化问题,传统确定性优化算法很难求解得到问题的最优解或满意解。为此,提出将一种新型的启发式进化算法——克隆选择算法用于求解建立的数学模型,并详细描述了应用克隆选择算法求解数学模型的方法和步骤。仿真试验表明,克隆选择算法求解有竞争的物流配送中心选址问题是可行而有效的,并且具有收敛速度快、全局搜索能力强和稳定性好的优点。     

基于佳点集协同进化粒子群的信号配时优化

针对基本粒子群优化算法在迭代过程中容易陷入局部极值的问题,引入佳点集理论和协同进化算法,提出了一种改进的粒子群优化算法即基于佳点集方法的协同进化粒子群优化算法;以排队长度、延误时间及通行能力建立优化约束模型,对过饱和状态下的交叉口使用仿真软件VISSIM对改进的优化算法进行试验,对现状与优化后的结果进行对比分析。结果显示,运用基于佳点集方法的协同进化粒子群优化算法能有效优化信号配时,降低排队长度与延误时间,提高通行能力,解决多目标约束优化问题。     

基于进化计算的多车场洒水车路径优化问题求解

在利用进化计算对多车场带有容量限制的弧路径规划问题 (multiple depot capacitated arc routing problem, MDCARP)进行研究的基础上,对其数学模型进行改进,以适应现实生活中洒水车路径优化问题的需要.针对此问题,将传统遗传算法的种群结构进行改进,采用有效的种群初始化策略并设计出新颖且高效的进化算子,通过进化计算对数据的求解,得到了满意的结果,从而证明了该算法能解决一定规模的MDCARP问题.     

基于微分进化算法的经济圈公路网双层优化模型

在界定经济圈内涵的基础上,利用微分进化算法对经济圈公路网优化问题进行了研究。在探讨经济圈公路网优化目标、优化原则和优化意义的基础上,以经济圈交通效率、运营成本、能源消耗、环境保护和出行时间等为优化目标函数,建立了经济圈公路网优化的双层模型,并采用微分进化算法求解。经济圈公路网双层优化模型是利用生成的初始路径点集,经过提炼处理来提高经济圈公路网交通效率,并得到最佳优化路网,相对于传统的优化模型更能结合经济圈交通系统与经济特性,结论更加符合经济圈实际情况。研究结果表明：优化模型不仅能够满足经济圈交通需求,而且能够满足经济圈交通系统的环境保护目标、促进经济圈交通系统可持续发展。     

基于混合粒子群优化算法的桥梁有限元模型修正

针对传统模型修正方法求解复杂、精度较差等问题,提出基于混合粒子群优化算法的模型修正策略。由于粒子群算法存在早熟收敛问题,采取自适应动态惯性权重策略改进粒子群算法,并引入差分进化算法进行混合优化。在模型修正时,对模型进行相关性分析并选取待修正参数,引入混合粒子群算法修正模型的参数,得到能够真实反映桥梁结构静、动力特性的有限元模型,为结构安全评估及健康监测提供科学依据。采用该方法对某简支梁模型进行修正,修正后的模型精度较高,验证了该算法的有效性。     

多目标低碳车辆路径优化模型及求解算法

为有效降低物流配送过程产生的能耗和碳排放,控制配送成本,以传统带时间窗车辆路径问题为基础,研究低碳条件下的车辆路径问题.通过三角概率分布在合理速度区间内对车辆速度进行估算,综合考虑车辆行驶速度、载重量及运行里程构建碳排放计算模型,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径优化模型.将新兴多因子优化算法中协同进化和信息交互的思想应用于NSGA-II算法,提出增强型NSGA-II算法.算例结果表明,多目标优化模型可以更好地兼顾不同物流配送参与者的利益,更符合实际决策过程,所提出的ENSGA-II算法在经济成本上平均节省超过3%,在车辆周转时间上平均改进达到5.02%,表现出较好的求解性能.      

基于多阶段多模型微粒群算法的非线性方程组解法

多阶段多模型的微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力。将非线性方程或非线性方程组的求解问题转化为函数优化问题,应用多阶段多模型的微粒群优化算法求解非线性方程组的解。计算中不需要使用目标函数的导数信息和初始点的信息,数值实验结果表明了该算法的有效性和可行性。     

基于约束终止状态的行星混合动力系统全局优化算法

针对全局优化算法计算量大和优化目标中罚函数不确定性的问题,提出一种分层优化架构,利用瞬时最优控制策略实现底层控制的优化,而利用全局优化策略实现顶层控制的优化。同时,在全局优化策略中采用基于受约束终止状态的边界求解方法,有效避免了为实现电量平衡而进行的大量调试工作,提升了计算效率。仿真结果表明,该优化算法提升了系统综合效率,实现了整车油耗的进一步降低。     

Optimization of HEV Control Strategy with a Hybrid Genetic Algorithm

结合遗传算法的群体进化和模拟退火算法可避免迂回搜索的特点,在多目标遗传优化方法的基础上,引入混合优化算法,对HEV能量管理控制参数进行了优化.结果表明,所提出的混合优化算法在解决HEV控制策略多目标优化问题中,避免了传统遗传优化早熟收敛和无方向性等缺点,提高了收敛速度和计算效率.     

模拟退火算法在桥梁结构可靠度分析中的应用

针对目前现有可靠度计算方法存在的缺点,基于可靠度指标的几何涵义,运用模拟退火算法原理,建立可靠指标的优化模型,提出一种计算桥梁结构可靠度指标的全局优化算法。该方法利用模拟退火思想与原理,能有效克服传统算法容易陷入局部最优解而无法自拔的弊端,而且对于复杂性和非线性的功能函数,避免了繁琐的求偏导数工作,是一种求解复杂桥梁结构可靠度问题的有效方法,并通过实例来证明了该方法的有效性。