考虑碳排放的选址-路径问题研究

针对物流配送中的选址-路径问题,在车辆路径安排时加入了碳排放的考虑,建立了包含碳排放、配送成本和客户满意度的多目标优化模型,提出了一种基于禁忌搜索的超启发式算法.在超启发式算法的框架中,构建了一系列基于问题特征的底层启发式算子,设计了禁忌搜索作为高层启发式策略.以某地区物流配送实例进行仿真实验,通过超启发式算法和NSGA-II算法比较证明,所提算法可以更好地解决选址路径的多目标问题,能较快地找到更优解,达到较高的搜索效率和算法稳定性.与传统的启发式算法相比,该算法具有很好的通用性,可以很容易推广到其他选址-路径变种问题上.     

一种基于广度优先搜索的信任协商策略

针对目前信任协商策略执行效率较低,无法避免策略循环依赖等问题,设计一种基于广度优先搜索的信任协商策略WFS-TNS(Wide-first Search Trust Negotiation Strategy);该策略通过广度优先搜索方式提高信任协商策略的效率,通过安全双方计算解决策略循环依赖问题,并对文章提出的完全敏感资源提供安全防护;经过分析WFS-TNS策略具有安全性、完备性。     

BDD数据建模的路径规划算法

针对道路交通状态高动态性和不确定性的路径规划问题,提出一种基于BDD建模的启发式初始路径规划、增量重规划算法与A*搜索算法.首先利用基于BDD的启发式搜索进行全局规划,求解路网中车辆的最优路径集.基于BDD的启发式搜索利用BDD这一紧凑的数据结构来表示迁移状态空间,又通过启发信息进一步压缩搜索空间的大小;当路网信息发生变化时,按不同拥堵状况分类进行BDD迁移关系的修改,并进行增量重规划,重新获得当前状态至目标状态的最优路径集.仿真实验结果表明:基于BDD的启发式搜索和增量重规划,在求解路网信息动态不确定性下的车辆路径规划问题上具有高效性和实用性,避免了交通路网长时间陷入拥堵状态.     

基于拓扑排序资源约束下多项目调度优化算法

多项目调度存在着工期和资源的竞争,调度时要考虑时序关系和资源受限两方面约束,启发式串行调度算法在每调度一个任务时都必须搜索项目的任务空间,为此提出了一种基于拓扑排序的多项目串行调度优化算法。此算法利用拓扑排序序列的特点保证任务时序关系,缩小调度时搜索空间,结合项目权重、向后影响度以及关键路径等优先规则进行资源分配和任务调度。通过具体实例验证了此算法可以求得项目调度的最优解并且能够有效地缩短调度计划生成时间。     

基于有序爬山法的前向启发式搜索规划

根据快速前向启发式搜索规划器FF中放宽规划图和有利动作之间的关系,定义了状态适用度函数的概念,可对后继扩展状态的启发式估值进行快速近似的比较。在此基础上,结合增强型爬山法搜索后继状态的贪婪选择机制,提出了一种改进的局部搜索算法——有序爬山法,即根据状态适应度函数对所有待扩展的后继状态进行排序,并加入到扩展优先队列。在启发式估值阶段,适应度高的状态将被优先计算评估,有利于更快地发现较优状态,从而减少调用启发式估值程序的次数。通过在国际规划大赛基准测试领域的实验结果表明,该方法减少了搜索节点的数目和搜索时间,有效地提高了启发式搜索效率,而计算状态适应度及对状态进行排序的时间消耗几乎可以忽略,因此整体规划性能比FF有显著的提升。     

基于圈覆盖的光突发交换网状网故障监测方案

针对光突发交换网状网中采用逐跳探测的故障监测方法监测成本过高的缺陷,提出了基于探测圈覆盖的故障监测机制。该机制利用启发式深度优先搜索(HDFS)、最短路径欧拉匹配(SPEM)和启发式生成树圈覆盖(HST)三种典型的圈发现算法来搜索光突发交换网状网的圈覆盖,然后为每个圈安放一个故障探测模块,构成基于圈覆盖的监测机制。计算和统计结果表明,该机制相对于逐跳探测机制能节约大量监测成本。     

一种复杂环境下的移动机器人路径规划方法

针对基于粒子群优化算法的路径规划方法在复杂环境中容易出现找不到有效路径的缺点,提出了一种深度优先搜索和粒子群优化算法相结合的机器人路径规划方法。该方法将待探索区域划分为若干个子区域,利用粒子群优化算法深度优先搜索子区域。仿真实验结果证实了该方法的有效性和可行性。     

基于众包模式的两级开闭混合车辆路径优化

针对在需求井喷状态下的物流运力资源不足和物流企业自身与社会闲散资源利用率不高的问题,提出采用企业车辆完成一级配送,社会车辆完成二级配送的具有最优中转站的两级众包物流配送策略. 考虑客户对服务时间的要求,以路径成本与服务延迟惩罚成本总和最小为优化目标,建立带时间窗的两级开闭混合式车辆路径规划数学模型. 根据模型特点构建基于启发式策略的离散麻雀搜索算法,该算法在迭代过程中可以自适应选择操作算子. 通过与GUROBI精确求解器和遗传算法优化算例的结果对比,验证所提算法的有效性. 对比不同配送模式下的各项成本,结果表明所提策略能够有效降低物流运输成本和提高客户满意度.     

启发式探索的协议测试序列生成

为避免可达性分析方法生成协议测试序列状态过程中爆炸问题的出现,提出了一种启发式探索协议状态格局空间的可执行测试序列生成算法. 该算法采用权值扩展有限状态机建模被测协议,以启发式状态格局探索策略替代传统的宽度优先搜索方式生成可执行协议测试序列;把协议可执行测试序列生成转化为在协议状态格局空间中探寻最小权值路径的问题. 实验数据表明,与宽度优先可达性分析方法相比,新算法具有较好的时空特性.     

基于业务需求的动态服务承载网构建算法

可重构信息通信基础网络通过构建可重构服务承载网的方式为业务提供自适应承载服务。针对服务承载网动态构建中底层资源高效利用的问题,提出一种基于业务需求的动态服务承载网构建算法。算法构建了可重构服务承载网模型;基于业务需求的动态特性,定义了服务承载网构建花费;以最小化构建花费为目标,感知业务需求类型及其变化状态,并设计了相应的动态服务承载网构建算法。仿真结果表明：算法在业务性能、构建成功率、收益花费比等方面均具有良好性能。     

基于图论的边缘计算信任评估优化模型

针对边缘计算中资源受限等特性导致现有信任模型出现计算负载、路径冗余的问题,提出了一种基于图论方法并适用于边缘计算环境的信任评估优化模型。该模型将设备间复杂庞大的信任关系抽象成有向加权图再对其进行优化处理。首先,定义了设备间的信任关系,并采用基于信息熵理论的自适应聚合方法对信任值进行聚合计算,修正了信任值之间的差异度;其次,通过添加阈值、路径长度、时间窗等多重约束条件,事先过滤掉明显不符合要求的节点和信任边,降低信任路径形成过程中不必要的计算消耗;在此基础上,利用改进后的深度优先搜索(DFS)算法对信任路径进行冗余优化处理,避免了环路以及节点绕路问题,得到优化后的信任路径集合并计算得到最终信任值。最后,将所提方法与PSM算法以及RFSN算法进行了对比实验,结果表明本文算法能够有效减轻边缘设备的资源开销,并提升了信任模型的有效性。     

基于路径遍历的汽车电路推理模型的建立

电路推理模型是汽车电路维修仿真培训系统的核心.用图算法建立汽车电路的网络拓补关系,采用深度优先的路径遍历算法,对网络进行整体遍历和局部遍历,获取电路在正常状态和故障状态下的工作情况,基于这一原理,提出了一种新的电路推理模型的建模方法,在此模型的基础上,实现了电路的动态演示、故障设置、电流路径分析、模拟故障诊断等功能.给出了电路矢量图形系统的建立、有向图的构造、路径搜索以及数据传递等几个关键问题的解决办法.从电路网络关系出发,提出在矢量图形系统中设置故障边,由此实现了电路故障的模型描述.     

一种非结构化P2P系统搜索算法的研究

P2P系统是目前计算机科学研究的热点领域,其搜索算法是该领域当前研究的重要问题之一,它直接关系到P2P系统的可用性.以往的非结构化的P2P系统采用的是无确定目标的自由搜索协议,它具有搜索效能低,无可扩展性的缺点.针对这些不足,文中提出了基于直接相邻优先和聚集度大优先策略的快速搜索算法,并设计实现了基于冗余扩散策略的资源索引建立算法.经对比试验证明,在相同情况下,采用文中所述的算法进行搜索比采用原有的洪泛算法搜索协议和索引算法进行搜索能够覆盖更多的节点,同时平均路径长度较小,算法具有良好的搜索性能.     

基于语义本体论的网格资源描述及匹配算法

针对网格的资源描述和匹配问题,提出了基于语义本体论的网格资源描述模型及匹配算法,从而,保证了供给者和消费者之间动态的、独立的资源描述及匹配。仿真实验结果表明所提出算法具有较高的查全率、查准率和较快的响应速度。     

电力通信业务路由分配算法

针对电力通信网中重要通信业务集中于少数几条路径,提出了业务风险均衡K-shortest path算法.建立了电力通信节点、通道段风险度模型,并在此基础上提出了业务通道风险均衡度评价模型;采用改进的Dijkstra算法搜索K-shortest path作为候选路径,并基于最大最小模型进行风险均衡路由决策;通过仿真实验评价了业务风险均衡K-shortest path算法与已有算法的性能差异,验证了新算法的有效性.     

面向无人机航迹规划的自适应乌贼算法

面向无人机在线/离线航迹规划应用,针对传统乌贼算法的长时搜索局域化及精度变差问题,提出了一种联合修正的自适应乌贼路径搜索算法.首先,提出联合混沌扰动与变异学习的混合调节机制来扩充乌贼搜索深度,以提高搜索精度;然后,引入自适应权重机制来减小乌贼搜索范围,以提高搜索效率;同时引入适应度自动筛选机制来改善乌贼种群多样性,以防止陷入局部最优.通过6个基准函数测试验证了所提算法的有效性与先进性,最后对所提算法进行不同场景下的航迹规划仿真验证.针对离线航迹规划,所提算法规划航迹成功率高达100%,规划航迹最接近全局最优,其航程均值相比传统乌贼算法可缩减7.3 units,比粒子群算法缩减可达28.3 units.仿真结果表明:所提算法全局规划性能和搜索精度显著增强,同时随着场景复杂度的提高,其航迹优化效果更加显著;针对在线航迹规划,首先将全局路径规划问题转化为若干个航迹分段的规划,然后引入启发式方法确定分段节点.仿真结果显示所提算法满足实时性要求,规划航迹精度高,进一步验证了所提算法的有效性.     

负载均衡的多接入选择算法

针对异构无线分组网络进行多接入选择方法设计时,仅考虑已接入用户数及系统容量将存在缺陷的问题,提出了一种新的异构无线分组网络中的接入选择算法,在多接入选择时考虑了分组业务QoS和链路自适应机制（(链路层重传及自适应调制）)因素,来正确估计分组业务在接入后平均消耗的资源量以及分组网络当前的负载情况。最后对算法性能进行了仿真评估,并与传统多接入选择方法进行了比较,结果表明提出的算法优于传统多接入选择算法,能在保证分组业务QoS的基础上,同时达到不同网络间负载均衡的目的。     

基于免疫算法的电力通信网线路规划方法

为了合理规划建设经济可靠的电力通信网络,提出了一种基于免疫算法的电力通信网线路规划方法,综合考虑了网络的经济性、可靠性和业务分布因素.基于站点成环率构造出网络可靠性函数,结合业务分布情况设计了电力通信网线路规划的问题模型,并利用免疫算法进行求解.该方法采用多目标优化模型,能在一定程度上提高规划方案的灵活性和全面性.仿真结果表明,在面对不同站点成环率约束的情况下,该方法均能提供有效的线路规划方案.     

基于P2P的制造资源网络

企业需要在网络中搜索制造资源信息，而通用搜索引擎无法很好地满足这种需求。而，P2P网络是一种有效的资源搜索方式。通过分析P2P网络的基本结构和资源共享方式，提出一种基于P2P的制造资源网络(PMRN)模型。PMRN是由制造单元“自组织”形成的分布式、虚拟、动态和松散的纯P2P模型网络。根据PMRN中对等体之间的平等关系和松耦合特性，提出了一种基于Dempster-Shafer证据理论的PMRN信任模型，并在此基础上建立了信任传递和信任聚合机制。基于P2P的制造资源网络模型可以充分利用位于网络边缘的各种规模的制造资源，形成可观的制造能力。PMRN的信任机制也为企业间的合作提供了重要的参考。