基于均衡k 划分的动态子区划分方法

针对交通路网控制子区的划分问题, 提出了基于均衡k 划分的动态子区划分方法。首先建立交叉口和路段权重模型, 将路网抽象成为带权拓扑图; 再针对拓扑图划分的NP 问题, 采用改进的禁忌搜索算法进行优化求解, 同时为降低算法的复杂度设计了一种启发式算法为禁忌搜索算法获取初始近似解; 最后利用路网实际数据与已有方法进行对比分析。结果显示: 以任意子区内节点权重之和最小与连接不同子区的边权之和最小为目标, 可以实现子区划分在宏观意义上的路网类均衡性和微观意义上的区间弱关联性, 进而验证了本文所提算法的可行性和有效性。采用的启发式方法为禁忌搜索算法提供初始近似解, 能够有效降低其复杂度, 提高计算的实时性, 并且利用所提方法划分的子区能够降低路网协调控制的难度, 避免多个高负荷交叉口聚集而影响路网运行效率。     

求解模糊Job Shop调度问题的改进禁忌搜索算法

目的提出一种改进的禁忌搜索算法，解决传统禁忌搜索算法优化效果对运行次数和初始解依赖的不足。提高这类问题的求解质量．方法根据模糊JobShop调度问题解的特征，提出基于关键工序的邻域选择方法，采用此邻域选择方法构造禁忌搜索算法。当无邻域时，重新产生初始解进行禁忌搜索．结果采用改进的禁忌搜索算法对以13个难的benchmarks问题经模糊化得到的实例进行求解。得到的平均满意度8个优于TSAB算法。得到的最优满意度5个优于TSAB算法、4个与TSAB算法相同．结论采用基于关键工序的邻域结构构造的改进TS算法具有较强的搜索能力．     

可重构系统中基于禁忌搜索算法的软硬件划分

根据可重构技术发展的趋势,提出了一种适用于可重构系统软硬件划分的策略。首先根据可重构系统结构给出一个系统模型及其任务描述,然后运用禁忌搜索算法,设计了一个系统级软／硬件的划分方法,其次再运用一个任务调度算法对划分结果进行评价。评价结果证明本文提出的划分是一种具有较高性能的划分。     

一种基于和声策略的禁忌搜索算法

结合禁忌搜索算法与和声搜索算法的特点,提出一种基于和声策略的禁忌搜索算法(HTS).该算法基于和声策略构造较优多初始解,进行多初始解禁忌搜索,解决了以往算法只从一个初始解出发进行搜索易陷入局部最优的问题.以典型的组合优化问题TSP为例,验证了该算法的有效性,计算机实验的结果表明该算法有较好的寻优能力.     

改进禁忌搜索算法求解CVRP问题

改进了禁忌搜索算法,用于解决带有容量限制的车辆路径问题(C V R P).该算法在标准禁忌搜索算法的基础上,采用了I&D搜索策略,给出了两种作用于局部最优解的变异算子来扩大搜索区域,并设计了一种CVRP问题的初始解的产生方式.改进后的算法克服了标准禁忌搜索算法对初始解的依赖较强的缺陷,减小了算法在搜索过程中陷入局部最优的可能,提高了算法的搜索质量与效率.     

一个无等待流水调度问题混合禁忌搜索算法

针对以总完工时间最小为目标的无等待流水调度问题,提出了一个启发式算法与禁忌搜索算法相结合的混合禁忌搜索算法HTS(Hybrid Taboo Search):以启发式算法产生的解作为初始解,通过禁忌搜索提高解的质量.大量随机产生实例的实验结果表明:提出的HTS在性能上优于经典的RC1、RC2、PH1(p)和DS算法,问题规模不超过100h,计算时间约为50s.     

求解车间调度问题的双禁忌表禁忌搜索算法

针对车间调度问题的特点,为解决传统禁忌搜索算法容易陷入局部最优解的问题,提出一种求解车间调度问题改进的禁忌搜索算法—双禁忌表禁忌搜索算法,该算法通过建立双禁忌表避免在搜索最优解时出现循环的现象.通过该算法与TSAB算法进行比较可知,该算法具有较强的寻优能力.     

基于GA-TS混合算法的多装配线调度建模

针对多装配线流水车间调度问题,考虑遗传算法的早熟收敛特性和禁忌搜索算法具有记忆能力的局部寻优特性,将遗传算法和禁忌搜索算法进行结合,提出基于遗传算法和禁忌搜索算法的多装配线混合调度优化算法.先用遗传算法进行全局搜索,改善种群质量,再以改善后的种群作为禁忌搜索算法的初始解,进行局部搜索.依据最小化总延迟和总完工时间的调度目标,建立了一个混合整数线性规划模型,并通过实例演算验证了该混合算法求解多装配线调度问题的可行性和有效性.     

基于混合搜索策略的Job Shop调度研究

目的 提出基于遗传算法和禁忌搜索算法的混合算法，解决单一算法求解JobShop调度问题存在的不足，提高求解质量．方法 采用遗传算法作为全局搜索算法，禁忌搜索算法作为局部搜索算法．根据JobShop调度问题解的特征。提出基于关键工序的邻域选择方法，将基于这种邻域选择方法的禁忌搜索算法作为变异算子，加强了遗传算法邻域解的搜索能力．结果 混合算法在较短时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法（PGA）提高3．84％、较TSAB算法提高4.66％．结论 采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．     

模拟进化模型及其应用研究

提出了一种求解图Ｋ划分ＮＰ难题的模拟进化随机算法模型，对模型的结构、解的精度、随机优化策略与模拟退火算法进行对比研究，并且给出仿真结果和性能分析。     

FBMC-OQAM系统中一种改进的OPTS算法

针对采用重叠部分传输序列(overlapping partial transmit sequence, OPTS)算法来抑制滤波器组多载波-偏移正交幅度调制(filter bank multicarrier-offset quadrature amplitude modulation, FBMC-OQAM)信号的峰均比(peak-to-average power ratio, PAPR)时会导致计算量过高的问题,在对现有的禁忌搜索算法进行改进后提出一种基于并行禁忌搜索的OPTS(parallel tabu search overlapping partial transmit sequence algorithm, parallel-TS-OPTS)算法,通过将h路传统禁忌搜索算法得出的各自最优解进行遗传交叉操作来优化传统禁忌搜索算法的初始解,从而进一步增大算法搜索到最佳相位因子向量的概率。理论分析与仿真结果表明,本研究的算法可以在获得接近于OPTS算法PAPR抑制效果的同时显著降低算法的计算复杂度,进一步提高FBMC-OQAM系统应用在5G场景中的鲁棒性。     

基于随机试探的信道分配算法研究

通过设计合理的邻域及能量函数，利用随机试探法求解移动通信中的固定信道分配问题。该方法将模拟退火与禁忌搜索相结合，可有效改善模拟退火法的局部搜索能力，进一步提高优化质量和搜索效率，弥补单一优化方法的不足。实验结果表明，与模拟退火法相比，本算法对初始解不敏感，可有效避免局部极小。     

禁忌搜索算法在系统可靠性最优分配中的应用

在分析现有组合优化问题禁忌搜索算法的基础上，给出了一种改进的适合于连续变量全局优化的禁忌搜索算法，为了提高算法的收敛性能，融入了模拟退火机制，并将此算法应用于复杂系统可靠性最优分配问题，仿真实验表明，改进的禁忌搜索算法求解该类问题更有效。     

遗传禁忌搜索算法收敛性和时间复杂度分析

遗传禁忌搜索算法多用于车辆路径优化、旅行商问题等,试验证明:融合遗传算法与禁忌搜索算法的混合算法相比单一算法的性能有较大提升,但缺少理论证明。本文阐述了遗传禁忌搜索算法的混合策略,从理论上对该算法的收敛性进行了证明,对时间复杂度进行了分析。应用马尔科夫链模型证明了遗传禁忌搜索算法是以概率1收敛到全局最优解的,并应用求解随机算法时间复杂度的方法,即求解算法的期望收敛时间,估算了该算法的时间复杂度,结果证明该算法的时间复杂度与所得解的多样性、问题规模以及遗传算法的种群数量有关。     

基于MMHC算法的贝叶斯网络结构学习算法研究

贝叶斯网络是人工智能领域研究不确定环境下知识表示和因果推理的有效工具之一,迄今为止已经提出了许多贝叶斯网络结构学习算法.MMHC算法是一种较新的贝叶斯网络结构学习算法,该算法的评分搜索阶段应用了贪婪搜索算法,但该算法容易陷入局部最优而无法得到全局最优网络,针对该缺点,在MMHC算法的评分搜索阶段应用模拟退火、随机重启爬山搜索、禁忌搜索3种搜索策略取代贪婪搜索,详尽的实验结果表明在MMHC算法中这3种搜索算法的效果普遍优于贪婪搜索,其中模拟退火搜索学习效果最好,MMHC算法的评分搜索阶段可以用模拟退火搜索替代贪婪搜索达到提升算法的学习效果.     

引入外来种群的禁忌遗传混合算法求解TSP问题

遗传算法是解决组合优化问题的高效搜索算法。本文在现有求解TSP问题的遗传算法的基础上,通过在初始种群优化中引入禁忌搜索以及在可行解多样化中引入外来种群的策略,提出了一种高效的混合遗传搜索算法。通过对国际通用的TSPLIB中实例EIL51数据进行对比测试发现,本算法引入的两个优化策略不仅能加快算法的收敛速度,而且能提高解的质量。     

低油耗多车型车辆路径问题及算法

为了解决以低油耗为优化目标的具有固定车辆数的多车型车辆路径问题,从低碳环保角度出发,建立以固定发车费用和油耗费用为优化目标的数学模型,并提出了一种融合邻域搜索算法的混合模拟退火算法,解决了传统模拟退火算法全局搜索能力差的缺点。模型中的油耗费用考虑了车辆车载率和行驶里程,算法中客户采用自然数编码方式,首先采用前向插入算法产生初始解;然后在解变换过程中融合了3种邻域搜索算子即互换、逆转、插入操作生成新解;最后通过实例对算法性能进行测试。通过与其他算法的计算结果对比验证了模型的实用性与算法的有效性。     

基于禁忌粒子群优化的FCM聚类方法

针对模糊C-均值算法(FCM)对初始值敏感的问题,提出禁忌搜索粒子群算法来优化FCM算法初始聚类中心.该混合算法是以粒子群算法为主体,禁忌算法针对粒子群算法的输出做更新,以避免单一使用粒子群算法而陷入局部最优的困境.算法保留了粒子群算法的并行处理能力,同时利用了禁忌搜索算法跳出局部最优解的特性,加快了整体算法的收敛速度并提高了聚类的准确率.     

MPSoC软硬件划分的自动波竞争神经网络算法

针对基于可重用组件的MPSoC软硬件划分问题,提出了一种采用自动波竞争神经网络的优化算法。先将软硬件划分问题转化为图论中的多约束最短路径问题,然后重新设计神经网络中的自动波机制,从组件库中为系统中的每个任务模块选择合适的软件构件或IP核,在系统成本和实时性约束下,使得MPSoC功耗最优。该算法具有并行化、无参数、易于硬件实现的特点,可获得MPSoC软硬件划分问题的最优解。     

用小生境模拟退火算法求解热轧调度问题

建立了特殊生产工艺约束下热轧调度问题的非对称旅行商问题的数学模型,采用小生境模拟退火算法求解该模型,提出用小生境邻域构造法构造搜索子空间,以提高模拟退火算法的效率。实验结果表明小生境模拟退火算法能够更快地找到更好的解,并优于局部搜索算法和传统模拟退火算法。