周期性居家医疗护理问题的禁忌求解算法

针对周期性服务需求的居家医疗与护理资源管理问题,提出一种基于插入法和节约算法的禁忌算法。该算法综合考虑客户接受服务的日期、客户的服务等级和客户访问次序,在初始解基础上进行邻域搜索,每次邻域搜索选取部分客户,搜索其所有可能的服务日期、服务等级对应的调度方案,选择成本最低的方案作为邻域搜索的最新解。邻域搜索中变换过的客户将列入禁忌表,在禁忌步长内不予变换。通过多次迭代,求解结果向最优解方向收敛。对随机生成的算例及基于标准Vehicle Routing Problem(VRP)算例构造的算例进行仿真验证,并与Rolling Horizon Myopic Planning Approach(RHMPA)算法求解结果对比,实验结果表明,该算法在一定运行时间内适合求解客户规模低于500人的案例,且求解结果优于RHMPA算法,多次求解的结果相对误差仅为0.94%。该算法为家庭护理管理和计划调度问题提供了新的算法设计优化思路,对提高当前我国相关产业的管理和调度水平具有现实意义。     

改进禁忌算法求解考虑实时路况的车辆路径问题

车辆路径问题作为经典的组合优化问题,随着电子商务的蓬勃发展而广受关注.基于实时路况和禁忌搜索算法在求解该问题时过于依赖初始解的特点,提出了一种改进的禁忌搜索算法,即根据实时路况,先运用竞争决策算法的资源分配方式取得较优的初始解,再在此基础上进行禁忌搜索运算.实验案例中将改进后的禁忌搜索算法和改进前的禁忌搜索以及其他算法进行了对比,发现它不仅保持了禁忌搜索的高效率,而且计算结果更优更稳定,应用范围更加广泛.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

基于双生长点并行生长机制的模拟植物生长算法及其结构优化

针对模拟植物生长算法(PGSA)系列算法中存在的搜索路径相对单一、搜索覆盖面不够广等问题,结合复杂结构优化问题中设计变量多、存在多个局部最优解、算法难以自动终止等特点,基于PGSA的基本原理和植物的实际生长规律,提出一种新的算法机制——双生长点并行生长机制,并与基于生长空间限定与并行搜索(GSL&PS-PGSA)算法相融合。通过典型数学及空间桁架结构算例进行了验证,结果表明：双生长点并行生长机制增加了寻优搜索路径,拓宽了搜索覆盖面,降低了陷入局部最优解的概率,并为算法提供更为有效的终止机制,从而具有更加显著的优化效率及全局搜索能力;与序列两级算法、蚁群算法等常用优化方法相比,融入双生长点并行生长机制的GSL&PS-PGSA进一步提升了算法的优化求解能力,在结构优化问题中表现出良好的适应性及有效性。     

基于自适应协方差矩阵进化策略的结构可靠度计算

自适应协方差矩阵进化策略(CMA-ES)算法是一种引导式随机优化算法,兼顾了深度搜索最优解和广度搜索解空间的能力。针对采用遗传算法(GA)、粒子群优化算法(PSO)等仿生优化算法求解复杂结构可靠度时往往遇到计算代价过高的问题,基于结构可靠度指标的几何涵义并结合验算点法,提出了结构可靠度计算的自适应协方差矩阵进化策略方法。研究结果表明,该方法是可行的,具有全局性好、收敛速度快的优点,与遗传算法、粒子群优化算法相比较,可大幅度地提高计算效率,为结构可靠度计算提供了一条新的途径。     

遗传算法在给水管网优化设计中的应用

遗传算法是一种新型的进化算法，它是一种通过模拟自然进化过程搜索最优解的随机寻优的数学规划方法．阐述了应用遗传算法进行给水管网优化设计的原理、特点，并对青岛市城阳区某工业园给水管网工程进行优化求解．     

排列流水车间提前/延期惩罚调度问题的启发式算法

在满足了工序中间无储存能力、每一个任务必须连续加工和任务的交货期相同等假设条件后,提出了一种排列流水车间提前/延期惩罚调度问题的启发式算法.该算法首先按照任务的延期惩罚系数与任务加工时间的比值升序排序,得到较优次序,然后使用NEH算法寻找优化解,最后再进行邻域搜索进一步优化解决方案.在中小规模问题的数据实验中,该算法求解与最优解的相近程度达到97%以上,并且通过大量数据样本的标准差验证,求解的稳定性也非常好.在大规模问题的数据实验中,该启发式算法体现出非常好的优化性能,优化结果明显好于其他的启发式算法,并且算法在大规模问题中的运算时间也较短,在大规模的调度应用中可以代替精确的数学算法.     

Plant growth simulation algorithm based on double growth point parallel growth mechanism and its structural optimization

针对模拟植物生长算法(PGSA)系列算法中存在的搜索路径相对单一、搜索覆盖面不够广等问题，结合复杂结构优化问题中设计变量多、存在多个局部最优解、算法难以自动终止等特点，基于PGSA的基本原理和植物的实际生长规律，提出一种新的算法机制——双生长点并行生长机制，并与基于生长空间限定与并行搜索(GSL&PS-PGSA)算法相融合。通过典型数学及空间桁架结构算例进行了验证，结果表明：双生长点并行生长机制增加了寻优搜索路径，拓宽了搜索覆盖面，降低了陷入局部最优解的概率，并为算法提供更为有效的终止机制，从而具有更加显著的优化效率及全局搜索能力；与序列两级算法、蚁群算法等常用优化方法相比，融入双生长点并行生长机制的GSL&PS-PGSA进一步提升了算法的优化求解能力，在结构优化问题中表现出良好的适应性及有效性。     

求解随机阻塞批量流水线调度问题的改进人工蜂群算法

针对含有随机加工时间的阻塞批量流水线调度问题,利用蒙特卡洛采样方法,将不确定加工时间的阻塞批量流水线调度问题转化为确定加工时间的阻塞批量调度问题。采用改进的人工蜂群算法,对上述转化后的调度问题进行求解。算法中加入了和声搜索和基于插入操作的局部搜索算子,以改进全局探索和局部开发能力,并将改进的算法应用到阻塞批量调度的24个算例中。仿真实验结果表明,改进的人工蜂群算法能够降低调度中的不确定因素带来的影响,产生高质量的解。     

快速群搜索算法用于桁架结构多目标优化北大核心CSCD

基于快速群搜索优化算法QGSO(Quick Group Search Optimizer),结合Pareto最优解理论与拥挤距离机制,提出了一种适用于结构优化的简单而实用的多目标算法:多目标快速群搜索优化算法MQGSO(Multi-objective Quick Group Search Optimization),并将其应用于10杆平面桁架结构的截面优化与25杆空间桁架结构的形状优化.将MQGSO算法与已有的MGSO和IMGSO算法进行了比较,发现其非劣解均优于其他两个算法的非劣解,且具有良好的稳定性与收敛精度,收敛速度也有所提高,说明本文提出的算法用于求解结构多目标优化问题是可行有效的.     

具有机器适用性约束的相同工件平行机近似调度算法

针对考虑机器适用性的相同工件平行机调度问题,提出1种二阶段近似调度算法。算法建立了问题的半匹配模型G=[J∪M,E,W],将原问题转化为最优半匹配搜索问题,然后通过初始解构造和优化得到问题的近似解。通过分析G=[J∪M,E,W]的拓扑统计信息对机器均载的影响,设计了初始解构造启发式规则。在此基础上,采用贪心原理,提出了基于启发式规则的初始解构造算法。初始解优化算法以初始解为起点,采用基于交错路径的局部优化方法得到近似解。通过交错路径树,搜索最优交错路径是影响初始解优化算法的重要因素。为提高搜索效率,限定交错路径的最大长度为4。最后,从理论上分析了算法的最坏情况界和时间复杂度。     

基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应。将分析结果与基本蚁群算法的规划结果进行比较验证,研究结果显示,优化算法缩短了疏散时间和规划路径,提高了疏散效率和搜索速度。     

边坡临界滑面搜索的改进粒子群优化算法

边坡临界滑面的确定对边坡稳定分析和加固设计极为重要,采用基于变异和二次序列规划的改进粒子群优化算法(VSPSO)进行临界滑面搜索。VSPSO算法中通过变异操作增强粒子群跳出局部最优解的能力,并用二次序列规划(SQP)加速局部搜索,大大提高了粒子群获得全局最优的能力。通过对有解析解的边坡算例进行分析,验证了该算法的准确性及优越性;对澳大利亚计算机应用协会(ACADS)提供的均质边坡、多层土边坡以及含软弱层边坡进行分析,结果表明改进的VSPSO算法搜索所得滑面比传统PSO算法更逼近推荐答案,具有更好的鲁棒性,而且随着边坡复杂程度的增加,更能体现改进VSPSO算法的优越性,具有广阔的应用前景。     

交互烟花算法求解多车型需求可拆分车辆调度问题

针对物流配送过程中客户需求较大、单辆车难以满足且客户对驶入车型有限制的问题,构建了多车型需求可拆分车辆调度模型。提出交互烟花算法(interactive fireworks algorithm,In-FWA)优化求解模型,在烟花算法(fireworks algorithm,FWA)的基础上作出如下改进:1)在FWA常规爆炸中引入一种新的扇形爆炸机制,加强了烟花间的信息交流;2)使用螺旋变异方式替换了原有的高斯变异,加入了变异烟花与当前最优烟花间的信息交流;3)采取种群间精英群体吸取较差群体中较优维度的方式,进一步加强了算法种群间的信息交互性。最后,通过实验进行验证并与增强型烟花算法(enhanced fireworks algorithm,EFWA)、粒子群优化(particle swarm optimization,PSO)算法、免疫粒子群优化(immune particle swarm optimization,IPSO)算法、蚁群算法(ant colony algorithm,ACA)进行对比分析。结果表明In-FWA具有更高的收敛速度与局部搜索精度,明确了In-FWA求解该问题的有效性与优越性,并提出基于本算法的车辆调度方案。     

动态扩散粒子群算法及在机器人路径规划上的应用

针对粒子群算法对高维函数优化性能不佳问题,提出了一种动态扩散粒子群算法,并将其应用于移动机器人路径规划中。该算法通过引进动态调节数,动态的选择粒子的运行轨迹,阻止种群在演化过程中搜索效率降低的缺陷,提高算法的寻优性能,在处理大规模函数优化及移动机器人路径规划方面具有更强的寻优能力及更高的搜索精度。     

整数编码遗传算法离散变量优化设计

提出了一种具有较强局部搜索能力的整数编码遗传算法,给出了离散变量结构优化的数学模型和适应度函数,它采用动态边界约束、有限变异算子、( - 1,0,1)规划算子等策略来改进算法。算例表明本文算法收敛速度快、收敛平稳     

基于改进粒子群算法CHPSO-DS的面板 坝堆石体力学参数反演

面板堆石坝堆石体力学参数反演优化问题是一个多变量、多约束的混合非线性规划问题,当正演过程用神经网络模拟器替代后,高效快捷的优化算法成为解决问题的关键.提出一种用以解决这一复杂优化问题的混合算法--混沌直接搜索粒子群(CHPSO-DS)算法.在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻粒子初始位置的选择对算法优化性能的影响;利用直接搜索法克服了粒子群算法后期搜索效率降低的缺陷,提高算法局部搜索能力.为证明该算法的优越性,同时将该算法与遗传算法(GA)用于水布垭面板堆石坝堆石体力学参数的位移反分析计算中.实践证明,利用CHPSO-DS算法搜索时能快速收敛到全局最优解,且算法具有较强的鲁棒性;两算法对比结果也表明,不论是优化精度还是收敛时间,CHPSO-DS算法都较GA有明显提高.最后利用CHPSO-DS算法反演的堆石体力学参数进行测点沉降预测,结果表明各个测点的计算位移值与监测值吻合较好,说明CHPSO-DS算法在复杂岩土工程位移反分析中具有良好的实际应用价值,值得进一步研究和推广.     

改进的蜂群算法在边坡稳定性分析中的应用

将人工蜂群算法(ABC)应用于边坡最危险滑动面的搜索以及最小安全系数的求解,为了提高算法的搜索效率,减少搜索过程中的停滞现象,对工蜂进行邻域搜索产生新解的方法进行改进,提出一种自适应智能搜索的人工蜂群算法。该算法具有较高的搜索精度和搜索效率,简单易实现,适用性强,搜索的最优解更具有全局性。通过工程实例验证了该方法的合理性与可靠性,计算结果令人满意,能较好地应用于边坡稳定性分析中。     

基于HGA的闸泵优化调度模型求解

平原河网闸泵调控改善水环境是一个十分复杂的问题,对于闸泵优化调度模型的求解,传统的优化算法已不再适用。本文提出了一种基于MATLAB平台及混合遗传算法(HGA)的闸泵水动力调控优化模型的求解思路和方法。结果表明,该方法在闸泵优化调度模型的求解中具有很大的优势,可获得最优引水方案。     

基于连续域蚁群算法的结构优化设计

工程结构优化设计是把力学和优化技术有机地结合,根据设计要求,使部分参与计算的量以变量出现,建立结构设计参数与结构重量、最大允许应力等的非线性关系,获得连续域蚁群算法求解结构优化问题所需的目标函数,用连续域蚁群算法进行寻优搜索运算,从而求出所需最优解。算例表明,连续域蚁群算法可求解多维连续优化问题,收敛速度快,且计算精度高,可用于工程结构优化设计。