EDA-VNS混合算法在求解同序Flow-shop问题中的应用

EDA（Estimation Distribution Algorithms,分布估计算法）是进化计算领域新兴起的一类随机优化算法,和遗传算法从微观上模拟生物进化的机理不同,EDA是从宏观上对生物群体整体分布的建模和模拟。由于EDA对微观概念上的搜索不太理想,文章将一种VNS（Variable Neighborhood Search,变邻域搜索）算法与EDA结合来完成对问题解的搜索。经过试验验证,EDA-VNS混合算法在求解同序Flow-shop问题比遗传算法有较好的性能。     

基于遗传算法求解车间设备布局优化问题

车间设备布局问题,是一个NP难问题.许多学者利用启发式算法来求解并取得了一定的成果,但在模型中存在距离定义不合理的情况,均采用绝对距离的方式,存在不符合实际和计算不准确的情况;本文对距离的定义进行了改进,并利用遗传算法对改进后的模型进行求解,效果良好,达到了预期目标.     

Classification of Livebus arrivals user behavior

With the increasing use of Intelligent Transport Systems, large amounts of data are created. Innovative information services are introduced and new forms of data are available, which could be used to understand the behavior of travelers and the dynamics of people flows. This work analyzes the requests for real-time arrivals of bus routes at stops in London made by travelers using Transport for London's LiveBus Arrivals system. The available dataset consists of about one million requests for real-time arrivals for each of the 28 days under observation. These data are analyzed for different purposes. LiveBus Arrivals users are classified based on a set of features and using K-Means, Expectation Maximization, Logistic regression, One-level decision tree, Decision Tree, Random Forest, and Support Vector Machine (SVM) by Sequential Minimal Optimization (SMO). The results of the study indicate that the LiveBus Arrivals requests can be classified into six main behaviors. It was found that the classification-based approaches produce better results than the clustering-based ones. The most accurate results were obtained with the SVM-SMO methodology (Precision of 97%). Furthermore, the behavior within the six classes of users is analyzed to better understand how users take advantage of the LiveBus Arrivals service. It was found that the 37% of users can be classified as interchange users. This classification could form the basis of a more personalized LiveBus Arrivals application in future, which could support management and planning by revealing how public transport and related services are actually used or update information on commuters.     

基于模拟退火算法和图着色的调车机车安排研究

铁路车站作业计划编制过程中，如何编制调机运用计划是调度指挥的关键问题。通过分析运用调机时区集合特点，构造调机运用安排图论模型，再将调机运用问题转化为图的着色问题。应用模拟退火算法通过解图的k—顶点着色问题来安排调车机计划，最后给出算法实例。     

基于免疫进化ANN的雷达信号分选方法

介绍采用基于免疫进化算法的神经网络对雷达信号分选的实现方法。基于免疫进化算法的ANN采用全局搜索的优化方式，克服传统算法的固有缺陷，在收敛速度和性能上都有较大的提高。并用仿真结果表明，基于免疫进化算法的ANN对各种特殊体制的雷达信号分选都达到了较高的正确分选率。     

基于容差模型的发动机悬置系统稳健优化设计

应用稳健优化设计理论,考虑设计变量的不确定性对结果的影响,建立稳健优化模型。以发动机悬置系统能量解耦为目标,用Pareto遗传算法对系统的刚度参数进行稳健优化,并将优化结果运用Monte Carlo方法进行分析.结果表明,优化方法可以有效提高悬置系统的稳健性。     

高速单体无人艇航行性能综合优化设计

对高速单体无人艇的航行性能进行综合优化设计分析.首先建立单体无人艇的优化数学模型;其次基于遗传算法开发了一套高速单体无人艇航行性能综合优化的计算程序;最后讨论了优化稳定代数,分析总目标函数随航速和排水量变化的曲线,探讨不同权重分配对总目标函数值的影响.通过大量计算,说明该程序稳定可靠,为高速单体无人艇初步设计提供了一个参考平台.     

DRM同步与均衡技术研究

DRM（Digital Radio Mondiale）是世界上唯一非专利的数字广播系统,它为30MHz以下频段的长波、中波、短波广播提供了数字化的标准。同步算法和信道估计作为其关键技术对系统性能有着十分重要的影响,文章提出了适用于DRM系统的符号同步算法、整数倍载波频偏估计算法、小数倍载波频偏估计算法以及时频域联合信道估计和均衡算法,并对这些算法进行了仿真分析。     

可变编组动车组运维一体化帕累托前沿分析

动车组运用和检修是铁路运输生产的重要过程，占据很大的成本比例. 为与客流需求相匹配，在未来实现跨线动车组列车在某些枢纽站组合和分解存在可能，充分考虑组合动车组类型一致性，动车组在不同运行线进行重联与分解的接续条件，动车组进行一二级修的里程和时间标准等，以动车组的正常接续和空走接续时间里程费用、一二级维修作业费用、动车组运用费用和动车组接续时间费用之和最小及动车组空走费用占比最小为双目标，构建基于可变编组条件下的动车组运用和维修一体化模型方法.应用改进的非支配排序遗传算法求解，将目标值进行帕累托前沿分析，发现两者很难同时达到最优.模型的计算结果体现了动车组担当长编组运行线任务前后的组合和分解过程，同时也进一步分析了在动车组类型归一化或者动车组维修地点不受限情况下动车组运用数量的变化，反应了相关运行参数对结论的影响.     

遗传算法在制造网格资源调度中的应用

在网络化制造环境下为解决制造网格中的资源调度问题，提出了基于遗传算法的网格资源调度算法。结合用户对多目标优化问题的要求，设计了基于遗传算法的制造网格资源调度算法。该算法将多目标优化问题转化为单目标优化问题，并以数字制造业中零件加工过程的资源优化调度为算例，验证了算法的有效性。