零担货物序贯装箱优化问题的遗传模拟退火算法

从缩小搜索区域，增强算法的收敛性以及缩短计算时间的角度出发，提出将模拟退火思想引入遗传算法，应用遗传模拟退火算法（GSAA）求解零担货物在集装箱中的序贯装箱优化问题，阐明了该算法的具体实现过程，包括问题编码，适应函数值计算，遗传操作，领域选择以及降温方法等内容，并通过实际数值计算表明该算法优于传统的计算方法。     

进化算法及其改进

本文首先从多侧面介绍了国际上新兴的进化算法；接着对它作出了改进，包括提出引入“灾变”算子以解决ｐｒｅｍａｔｕｒｅ ｃｏｎｖｅｒｇｅｎｃｅ问题；最后，对仿真实例进行了分析。结果清楚地表明，和传统算法相比，该算法性能优越，潜力巨大。     

基于云模型的自学习进化算法

结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法．最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现存进化算法的低效问题．     

公路施工Petri网全过程仿真及关键算法研究

目前的仿真研究不能适应公路施工周期长、影响因素多的特点．提出全过程仿真的概念，给出了全过程仿真的Petri网定义，研究了模型输出与模型参数、模型结构之间的关系以及模型自适应算法的实现方法．分析了全过程仿真系统设计的基本原则，建立了基于Petri网的分层全过程仿真系统，该系统使模型能够自动匹配工程状态，有效地解决了模型的有效性问题．最后以工程实例表明使用全过程仿真系统可以很好地为公路施工提供决策支持．     

基于下降搜索的量子进化算法

为了提高全局寻优能力和收敛速度，基于量子进化算法和混合遗传算法，提出了一种新的进化算法．该算法将下降搜索理论应用到量子进化算法中，改进了量子进化算法仅靠量子门进行迭代的作用，从而加快了收敛速度，并降低了个体在进化时产生退化的可能性．典型函数的仿真实验结果表明，该算法具有好的全局性和收敛性．     

自适应线谱增强算法改进及其在轴频电场信号检测中的应用

在分析自适应线谱增强算法理论的基础上,对该算法进行了改进,即在增加相干累加算法的基础上,对几个输出误差进行加权处理,使得越接近当前时刻的误差其权值越大,从而使误差信息更接近于真实值．对实测数据和仿真数据的分析表明,在低信噪比情况下,文中算法能较好地检测到轴频电场信号的线谱,其性能要优于普通的自适应线谱增强算法．     

一种改进的遗传模拟退火算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，针对遗传算法GA和模拟退火算法SA的优缺点，提出了一种混合遗传模拟退火算法MGASA．并将该算法应用于求解多QoS约束的多播路由选择问题，经仿真实验验证，MGASA算法优于普通的GA和SA算法．     

一种混合蚂蚁算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，提出了一种混合蚂蚁算法，该算法利用遗传算法快速全局的搜索能力，生成初始解，并转化为网络的初始信息素分布．利用蚂蚁算法的正反馈特性，迅速收敛到问题的最优解．仿真取得了非常好的效果，表明该算法是合理有效的．     

基于模拟退火算法的汽车悬架最优控制研究

设计了一种基于模拟退火算法优化常规线性二次最优控制器权值矩阵的方法。利用该算法的随机搜索特点,以主动悬架性能指标为目标函数对权值矩阵进行优化设计,提高了LQR控制器的设计效率和控制性能,解决了常规线性二次最优控制器的权值矩阵确定问题。应用该方法进行了汽车悬架主动控制仿真。研究结果表明:基于模拟退火算法优化的LQR控制器的汽车主动悬架相对于应用常规LQR控制器的主动悬架和被动悬架,能够大大改善主动悬架的性能;同时在充分利用常规LQR控制器优势的基础上,改善了其权值矩阵确定存在的问题。     

基于启发式算法的并行多机调度问题研究

从车间生产调度的实际情况出发，针对最小化完工时间的多机调度问题，提出了一种改进的极大消去法，并利用该算法进行了调度仿真，仿真结果表明：该改进后的算法能够更好的解决大规模多机生产调度问题．     

һ�ද̬����·������ģ�ͺ����׶��㷨

针对一类动态车辆路径问题,分析4种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12个大规模CVRP标准算例,设计并求解36个DVRP算例。求解结果表明了模型和两阶段算法的有效性。     

一类动态车辆路径问题模型和两阶段算法

针对一类动态车辆路径问题,分析4 种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP 问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees 对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12 个大规模CVRP标准算例,设计并求解36个DVRP算例.求解结果表明了模型和两阶段算法的有效性.     

城市物流无人机起降点布局规划研究

针对城市物流无人机起降点布局规划问题，考虑不同级别的物流无人机起降点，构建以总经济成本最小和客户满意度最高为目标，以禁飞区、无人机性能、容需匹配等为约束的整数规划模型。设计人类学习优化算法(HLO)，引入随机学习算子、个体学习算子和社会学习算子。在此基础上，基于真实地理信息数据和物流数据设计仿真实验，验证模型与算法有效性。实验结果表明，所建模型可以实现起降点的合理布局规划，适用于大规模资源配置，具备有效性；人类学习优化算法较遗传算法求解精度与收敛速度更优，表现出较佳性能。参数分析表明，基于该仿真环境的最优经济成本权重和客户满意度权重设置为0.4和0.6，最佳算法学习概率参数组合为5/n和 (0.8+2/n)。据此可对城市物流无人机起降点布局规划提供决策依据。     

基于自适应小生境遗传算法的混合交通网络设计双层规划模型

在现有的交通网络设计问题研究基础上,采用双层规划模型来描述混合网络设计问题,其中上层模型综合考虑网络阻抗、投资额以及CO的排放总量三方面因素,建立起以三者之和最小为目标的优化函数;下层模型为用户均衡模型。根据所建模型的特征,利用一种基于自适应方法和小生境技术的改进遗传算法进行求解。实例计算证明：此模型和算法是研究混合交通网络设计问题的有效方法。     

信号在过完备库上分解中原子形成的快速算法

针对信号在过完备库上分解中原子生成速度慢的难题，提出了一种原子生成的快速算法．首先根据原子的尺度把原子分成小原子和大原子2类．对于小原子，因为其能量集中在较小的范围，所以用小范围生成的局部原子代替整个原子．对于大原子，先生成相应的较小原子，然后通过插值方法生成大原子．实验结果表明，当信号长度为256时，本算法在重建信号的质量没有任何改变的条件下，原子生成的速度比传统算法提高了4．7倍．     

An Optimal Algorithm for a Class of Parallel Machines Scheduling Problem

This paper considers the parallel machines scheduling problem where jobs are subject to different releas etimes. A constructive heuristic is first proposed to solve the problem in a modest amount of computer time. In general, the quality of the solutions provided by heuristics degrades with the increase of the probiem‘s scale. Combined the global search ability of genetic algorithm, this paper proposed a hybrid heuristic to improve the quality of solutions further. The computational results show that the hybrid heuristic combines the advantages of heuristic and genetic algorithm effectively and can provide very good solutions to some large problems in a reasonable amount of computer time.     

SYMPLECTIC ALGORITHM IN SOLVING OPTIMAL CONTROL PROBLEMS

11ntroductionAsymplecticalgorithmwasfirstintroducedbyProfessorFengKang[']andhasachievedase-riesofsuccessesinmanyfields,suchasquantumsystemsL'j,dynamicalastronomy['J,matrixop-.tics[`J,andelasticitymechanics[s].Atthesametime,ProfessorZhongWanxiestudiedthesym-plecticpropertiesofoptimalcontrolproblemsinrelationtothestudyofanalogybetweenthethe-oryofstructuralmechanicsandoptimalcon-trolLej.However,noreporthasbeenfoundinwhichasymplecticalgorithmwasdirectlyap-pliedtothesolutionofoptimalcontrolprob…     

基于粒子群的车牌定位识别的神经网络方法

在对车牌定位识别中采用传统算法进行特征提取的时候, 当目标图像质量较差或者有较大的退化时, 不是很有效.遗传算法作为一种新兴的智能算法,近年来被应用于许多社会生活领域中,并比较好地解决了相关领域的优化问题,近年来,有些学者应用遗传定位算法来解决车牌定位问题.     

遗传算法在求解背包问题中的应用

对决策优化的经典背包问题进行了研究,提出了应用遗传算法对该模型进行求解,两例背包问题实例研究表明,遗传算法优化结果较其它方法都更合理。     

�����������ʵʱ��ͨ�źſ���������о�

实时交通信号控制是城市交通控制系统的重要组成部分,建立在前人研究工作的基础上,本文尝试采用多智能体的分布式控制技术来解决复杂的交通信号控制问题,构造了多智能体的城市交通控制系统控制流程,提出基于同时扰动随机逼近算法/人工神经网络的改进的交通控制模型,模型通过采用同时扰动随机逼近算法来更新神经网络的权重,这种方法克服了现有控制方法需要大量的数据传输、准确的数学模型等缺陷。最后作者应用微观交通仿真系统对模型的有效性在较为复杂的交通网络中进行了测试,仿真结果表明了该方法的有效性。