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.     

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.     

参数化活动调度及其混合免疫调度算法

提出了用来解决Job shop调度问题的混合免疫调度算法.首先构造了一种结合小生境技术的混沌搜索免疫算法,作为全局搜索算法来找到调度解空间中的较好解;然后,提出一种改进的禁忌搜索算法作为局部搜索算法,在该解所在局部解空间进行局部搜索.为了减小调度问题的解空间,采用参数化活动调度启发式算法将解空间限定在参数化活动调度集合内.多个标准算例的仿真结果表明混合免疫调度算法是解决Job shop调度的有效方法.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法．该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进．通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法．     

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．     

一种求解Job Shop调度问题的混合粒子群优化算法

目的 解决单一粒子群算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量.方法 采用粒子群算法进行全局搜索,将禁忌搜索算法用于并行局部搜索,禁忌搜索在找到改进解的邻域时采用动态记忆的方式.结果 在较短时间内,找到了LA21,LA24等典型benchmarks问题的最优解.十次求解的平均值的平均相对误差百分比比并行遗传算法和禁忌搜索算法分别小了2.94%和0.56%.结论 提出一种混合粒子群算法,增强了粒子群算法的局部搜索能力,说明该混合粒子群优化算法是有效的.     

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．     

基于禁忌搜索算法求解集装箱装载问题

针对具有广泛应用背景、多约束条件和求解困难的集装箱装载问题,引入具有人工智能记忆机制、基于邻域搜索而避免局部最优的禁忌搜索算法,探讨了在求解集装箱装载问题中禁忌搜索的编码、解码和邻域解生成等关键技术,给出了基于物体数量的编码过程与剩余空间处理方法相结合的解码过程和邻域解生成的实现过程,并为对空间利用率影响较大的剩余空间设计了合理的划分与合并规则.通过实例测试和比较,显示出很好的效果,表明该算法是行之有效的.     

一种改进的Tabu Search算法及其在区域电网无功优化中的应用

提出将改进的Tabu（禁忌）搜索算法用于区域电网无功电压优化控制问题的求解．首先根据已知的实际电网的历史数据获得可行的初始解,然后对区域电网采用改进的禁忌搜索方法进行无功优化．在求解的过程中,由于对Tabu表中所记录的“移动”采取“有条件地释放Tabu表中的记录”这一策略,可以使搜索有效地跳出局部极小值点,更好地找到最优解．通过IEEE-14节点算例验证了该算法的有效性．     

和声搜索最小二乘支持向量机预测模型及其应用

为了改进目前最小二乘支持向量机(LSSVM)参数选择的盲目性,将和声搜索(Harmony Search)算法引入到最小二乘支持向量机中来.利用具有全局优化功能的和声搜索算法对LSSVM中正则化参数γ和核函数参数σ的进行自动优选,提出了和声搜索最小二乘支持向量机(Harmony Search Least Squares Support Vector Machine,HS-LSSVM)算法.通过对丰满大坝位移的建模预测并和BP神经网络模型及传统统计回归模型的分析比较,表明HS-LSSVM模型具有更小的预测误差和更高的预测精度.     

基于搜索空间划分的自主式遗传算法与应用

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.该文给出了基于搜索空间划分的自主式遗传算法.该方法首先利用遗传搜索过程中的历史信息对搜索空间进行划分,以实现在用户未疲劳时避免用户疲劳.当用户疲劳时,由机器代替用户评价进化个体继续进行遗传操作,从而达到减轻用户疲劳的目的.利用此方法进行服装设计的实验结果验证了该方法的有效性.     

Minimum cost of node deployment strategy for heterogeneous sensor networks

A minimum-cost-deployment strategy based on objective optimization is proposed to address the problems existing in heterogeneous sensor networks such as high density of the nodes,bad target coverage and connectivity performances,and high deployment spending.The problem we aim to solve is characterized by different parameters in terms of the deployment cost of positions and the cost of the sensors.The enhanced version of coral reef optimization (CRO for short) algorithm is utilized to solve the problem of how to select the proper positions and sensors to achieve the minimum deployment cost of heterogeneous sensor networks which can fulfill both k-coverage and m-connectivity requirements.The enhanced version of the CRO is named ECRO.In the ECRO two methods are employed to improve the optimization efficiency of the CRO.One method is that inspired by the process of the harmony search algorithm the operators such as HMCR and PAR of the harmony search algorithm blend with the CRO.The other one is that the excellent solutions are reused to exploit the knowledge and experience accumulated in the process of running the CRO.For comparison purposes,a greedy algorithm is also proposed.Simulation experiments show that compared with some related existing algorithms,the proposed algorithm reduces the deployment cost of sensor nodes while fulfilling the requirements of k-coverage and m-connectivity requirements.     

和声搜索粒子滤波视觉跟踪

为了降低粒子滤波精度对精确重要性采样函数的依赖性,提高粒子滤波的视觉跟踪效果,将和声搜索引入到粒子滤波框架中,提出了一种基于和声搜索的粒子滤波视觉跟踪算法.通过记忆考虑、基因变异、随机变异等和声搜索算子结合当前观测信息,改善了粒子滤波视觉跟踪算法的重要性采样函数,增强了重要性采样函数对系统状态转移模型的鲁棒性.同时,对和声搜索参数进行了优化,平衡了视觉跟踪实时性和精确性的要求,并对粒子的权重进行了补偿,使其符合粒子滤波的理论基础贝叶斯估计.实验结果表明:优化的和声搜索参数,比常见参数更适合和声搜索粒子滤波;与基于粒子滤波、和声搜索、Mean-Shift改进的粒子滤波、分布场、多示例学习等视觉跟踪算法相比,和声搜索粒子滤波视觉跟踪算法能够在光线变化、遮挡等复杂场景下获得了更精确的视觉跟踪效果.和声搜索粒子滤波算法较好地结合当前观测与历史信息,获得鲁棒的视觉跟踪性能.     

基于种群多样性的自适应乌鸦搜索算法

针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发. 结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率. 为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验. 实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.     

基于全局最优的自适应和声搜索算法

针对传统和声算法收敛速度慢和搜索精度低等固有缺点,提出一种改进的自适应全局最优和声搜索算法。在即兴创作方案中,带宽由当前和声里的最优和声变量和最差和声变量之差表示,使得带宽具有针对具体情况的自适应能力,并且每次保存最优和声中一个随机和声变量。在产生的随机数大于和声记忆库存储考虑概率时,利用种群内差分随机生成一个和声变量。为了提高和声搜索算法的搜索能力,在即兴创作结束后产生一个新的和声的同时,再从当前种群中的最小和声到最大和声之间随机产生一个和声,然后将两个新产生和声中误差小的和声进入更新和声记忆库阶段。将所提出的算法与3个改进和声搜索算法在13个测试函数上进行对比。试验结果表明,提出的改进算法具有更好的全局搜索能力和收敛速度。     

利用堆排序优化路径搜索效率的分析

随着计算机技术的发展,路径搜索算法在许多领域内得到广泛的应用,对搜索时间要求提出更高的要求．为了解决这一问题采用基于人1二智能的启发式搜索算法,利用网络拓扑图给出的信息动态地调整搜索方向,并利用二叉堆进行算法优化,从而达到提高搜索效率的要求．常规使用启发式搜索算法进行路径搜索计算,其时间复杂度是O（n2）（n为网络节点数量）,即当面临百万节点的复杂网络拓扑时,启发式搜索算法的搜索耗时将会呈指数级快速增长,无法完全满足工程技术需求．通过理论分析与实验数据证明应用二叉堆的启发式搜索算法对于长路径,大搜索空间的搜索应用时表现出良好的时间线性,其时间复杂度是O（logn）（n为Openlist的节点数）,没有出现常规启发式搜索算法应用时搜索时间爆炸式增长的情况,具有较高的性能和效率,对工程实践有一定的实用参考实用价值．     

数控系统的混合任务模型及其最优调度算法研

针对数控系统中多种类型任务并存,且任务之间在时序、资源等方面存在相关性的特点,建立了混合任务系统模型,并引入计算机人工智能领域的启发式最佳优先搜索算法来实现该模型任务集的最优调度.该算法通过搜索问题的状态空间树,在符合所有约束条件的状态节点中寻找使得启发式评估函数取到极小（或极大）值的节点,最终得到系统的最优调度集.实例研究和算法性能分析表明,该算法解决了传统实时系统调度算法不适用于混合任务系统的问题,对于并发任务数量不大的数控系统,能有效地实现任务的最优调度.