基于改进蚁群算法的物流配送车辆路径优化

车辆路径问题是物流系统优化中的关键内容之一,是现代物流管理研究中的重要内容。为了克服基本蚁群算法搜索时间过长、易陷于局部最优等缺点,提出了一种改进的蚁群算法——IACA,在算法中引入迭代局部搜索算法,该算法能保持解的多样性,跳出局部最优,增强全局搜索的能力。实验在VRP基准测试集上进行,并与基本蚁群算法进行对比分析,验证了改进蚁群算法的有效性和可行性。     

改进和声搜索算法及其在土坡稳定分析中的应用

土坡非圆临界滑动面的寻求是土坡稳定分析的重要步骤,它是一个多极值的优化问题。利用改进的和声搜索算法和修复策略来寻求复杂土坡的临界滑动面及其对应的安全系数,并对改进和声搜索算法与基本和声搜索算法的结果进行了比较,发现改进和声搜索算法比基本和声搜索算法能搜索到更危险的滑动面,原因在于,改进和声搜索算法在每次迭代步中产生多个新解,而基本和声搜索算法中每次迭代产生一个新解。此外,修复策略比惩罚策略更能有效地搜索解空间。结果表明,改进的和声搜索算法和修复策略可以用来进行土坡稳定分析。     

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。     

基于改进和声搜索算法的项目工期—成本优化

工期—成本优化（time-cost trade-off problem,TCTP）是组合优化中 NP—hard 问题,其实现的科学性对提高企业经济效益有着重要意义。为解决这一问题引入了和声搜索算法,并针对该算法收敛稳定性差、不易获得全局最优的缺陷,对其进行了算法参数的自适应改进。利用 MATLAB R2012a 软件对改进的和声算法进行编程,实现了工期—成本最优解的搜索。最后通过实例分析,验证了改进的和声搜索算法对工期—成本进行优化是行之有效的。     

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。     

动态规划-禁忌搜索算法在水库群调度中的应用

针对水库群调度这一多约束条件、动态的、非线性的优化问题,引进了动态规划-禁忌搜索(DP-TS)算法进行求解。首先利用动态规划(DP)算法求出调度的一组发电流量优化解,其次将DP算法得出的解作为禁忌搜索(TS)算法的初始值,以降低TS算法运行时间和增强其全局寻优的能力。以锦屏一级二滩梯级水库群为例,用上述提出的组合算法进行优化求解,结果表明该法效率高,优化结果良好。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

基于改进麻雀搜索算法的疏散路径规划

建筑物内部发生火灾时环境复杂多变,传统疏散指示路径难以根据实际火场情况进行有效的路径规划,为此引入一种改进麻雀搜索算法。首先,根据实际火源位置设置麻雀算法预警值参数,实现算法路径规划过程中对于火源等危险区域的躲避。其次,对麻雀搜索算法位置更新公式进行优化,引入精英反向学习策略以及带有动态权重系数的正弦余弦优化算法,进一步针对麻雀搜索算法易于陷入局部最优解的问题进行改进。最后,采用栅格法搭建3种地图类型,将改进麻雀搜索算法与基本麻雀搜索算法、灰狼算法进行路径规划对比,得出该改进麻雀搜索算法在火灾复杂环境下有较好的危险区域躲避能力以及路径规划能力,在路径长度、拐点个数方面优于另外两种对比算法,在搜寻时间方面稍有不足。     

基于禁忌遗传神经网络的热舒适度预测模型研究

热舒适度指标的计算过程具有非线性性、计算复杂度高等特点,致使空调的实时控制器无法直接使用。针对这一问题,提出了一种基于改进的禁忌遗传算法神经网络的热舒适度预测模型(TGA-BPNN)。该模型利用神经网络训练函数优化遗传算法的初始种群,并通过禁忌表改进遗传操作。仿真实验表明,与BP神经网络及遗传神经网络相比,TGA-BPNN不仅能提升种群的多样性,还能快速找到全局最优解,从而进一步提升模型预测的准确性。     

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.     

基于禁忌搜索算法的改进最短路径算法

目前的网络已经十分庞大而链路更易发生变化但Dijkstra算法仍存在着慢收敛问题,从而影响了路由器的性能。本课题通过建立禁忌搜索算法求解最短路径优化问题的数学模型框架和各利用禁忌搜索算法的基本框架,设定禁忌表的大小,控制算法最大迭代次数范围并经过多组数据测试并验证该算法。解决Dijkstra算法最短路径的优化问题,符合现代人工智能路由器发展的趋向。     

人工蜂群算法在个人信用评分中的应用仿真

为建立有效的个人信用评分指标体系,提出一种改进的人工蜂群算法。算法利用粗糙集和信息论,构造初始解和适应值函数,减少蜂群搜索的盲目性;同时,采用遗传算法的基本变异算子进行邻域搜索产生新解,增加随机性,避免算法陷入局部最优。算法利用个人信用评分数据集进行仿真实验,对比实验表明:算法比其他特征选择算法能够得到更优的特征子集且所需参数最少。     

基于蚁群算法的复合形法及其在边坡稳定分析中的应用

首先将基于排序的路径选择方法引入基本蚁群算法 ,并用之于连续变量的优化问题和边坡的最小安全系数搜索 ,结果发现对于设计变量较少的数值优化问题和简单边坡的最小安全系数搜索问题 ,该蚁群算法可以找到全局最优解或比较接近全局最优解。但对于复杂边坡的最小安全系数搜索问题 ,该蚁群算法很容易陷入局部最优。另外复合形法对于不同的初始复合形也会得到不同的最小安全系数 ,利用本文提出的基于最小海明距离的替换准则将蚁群算法得到的局部最优解替换掉初始复形中的一个顶点 ,则复合形法容易找到全局最优 ,成为一种全局搜索能力很强的优化算法。     

基于并行改进遗传算法的三维电阻率反演方法

计算效率极低是阻碍遗传算法用于三维电阻率反演的瓶颈,使得很多对改善反演效果和搜索质量有利但又很耗时的改进方法无法应用到遗传算法中。针对上述问题,基于遗传算法天然的并行计算特性,提出了新的多重主从并行计算策略及其算法。提出了初始群体的严格均布产生方法,以提高初始群体接近最优解的概率;提出了基于交叉个体适应度差异的比例随机算术交叉算法,以保证优良个体的遗传竞争优势;建立了混合变异算法,将传统的随机变异算法与线性反演中确定性搜索优化算法相结合,即保持了变异的随机性又控制了优化方向。最后将并行改进遗传算法用于合成算例和实际应用案例中,发现并行改进遗传算法的计算效率显著提高,且在寻找最优解、压制假异常、提高反演效果方面具有明显优势,为实际工程中电阻率探测的三维成像提供了有效途径。     

Tank模型及其在边坡水位预测中的应用

 Tank模型可以模拟非线性的降雨–地下水运移过程,并且能迅速得到解答。基于现有的单列tank模型,提出新的复合水箱模型。由于新模型参数超过20个,应用传统优化算法难以快速找到最优解,一种新的启发式自搜索算法(变维数搜索算法)被引入并改进后用于模型最优解的寻找。变维数搜索算法能够根据搜索进程的变化自动改变搜索维数并且快速找到最优解。27个参数的复合tank模型被应用于日本国道九号线的一个边坡,计算结果表明：变维数搜索算法能够在10 min左右找到合适的最优解;降雨过程复合tank模型计算的地下水位变化和观测值非常接近。最后通过和有限单元法计算结果的比较表明,有限单元法的计算结果受地质渗透特性的影响很大,而复合tank模型不存在这种问题。工程实例计算表明,该方法和监测结果比较一致,但其适应性更强,特别适用于没有进行足够地质结构探查的边坡。它能够快速反映降雨过程中地下水位的运移过程,可以推广使用。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。     

一种北斗二代B1短基线单频定向技术

提出了一种基于北斗B1的高精度实时动态定向算法,采用伪距差分技术进行粗差检查和剔除,并建立北斗B1双差观测模糊和随机模型,使用最小二乘求解模糊度浮点解,使用LAMBDA方法搜索出一定数量的模糊度备选解,通过模糊度的二次搜索技术得到一定数量的符合约束条件的模糊度备选解,使用累计RMS算法从备选模糊度中优选出正确的模糊度,并使用模糊度桥接技术提高模糊度的搜索效率.得到正确的模糊度后,通过基线解算求定天线之间的航向与纵向角度.试验证明该算法具有实时动态解算、收敛速度快、成功率高、测量精度高等优点,可广泛应用于车船姿态测量、精密着陆等方面.     

基于Monte Carlo技术的临界滑面搜索算法的实现及改进

搜索临界滑面是边坡稳定分析的一项重要工作。本文对Venanzlo R Greco提出的Monte Carlo搜索算法进行了改进,增加一条几何合理性条件(除了滑面两端点,滑面与坡面不能相交),增加了方向控制与变自由度机制,这些措施有效地减少了不满足几何合理性条件的试算滑面,保证了搜索过程的准确、高效、稳定。笔者还将此算法加入到自主研发的边坡稳定分析软件ZSlope中,它还可以实时显示整个搜索过程。     

地下水渗流模型参数识别的模拟退火算法

反问题的求解常常需要转化为非线性优化问题，其目标函数定义为观测数据与模型数据之间的残差平方和。地下水模型参数识别最常用的优化方法都是基于梯度搜索，其缺陷在于对模型参数初始估计比较敏感和局部极小问题。与传统的基于梯度搜索的优化方法相比，模拟退火算法具有良好的全局收敛特性。把含水层参数识别反问题转化为组合优化问题，提出模拟退火算法识别二维、非稳态地下水流动模型的渗透系数和储水系数的策略。反问题的不适定性由解的不唯一性和不稳定性来表征，模拟退火算法具有解决这一问题的能力。通过与梯度搜索算法相对比，数值模拟计算结果显示所提出反演方法的有效性和适用性。     

改进的蚁群算法及其在桁架结构优化中的应用

蚁群算法是优化领域中的一种新型模拟进化算法,具有很强的搜索较优解的能力,其缺点是搜索时间长、容易出现停滞现象。引用局部搜索能力较强的模拟退火算法对其改进,使其跳出局部最优,发现更高质量解。并将其成功应用在25杆桁架中,结果表明,基于模拟退火的改进蚁群算法是有效可行的,是解决组合优化问题的有效方法。