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．     

Tent混沌和变邻域局部搜索优化的GSA

针对引力搜索算法存在的易陷入局部最优、精度有待提高等问题,提出一种Tent混沌和变邻域局部搜索优化的引力搜索算法。首先改进Tent混沌,利用其遍历均匀性、随机性初始化种群,增强算法的全局搜索能力;然后改进粒子速度和引力系数公式,加快算法的收敛速度;最后设计一种基于莱维飞行的变邻域局部搜索策略,引导种群脱离局部最优,提高寻优精度。仿真结果显示,新算法能有效地抑制局部最优,相较其他测试算法有更好的寻优精度和稳定性。利用新算法优化径向基函数神经网络,对非线性系统的辨识结果证明,改进后的径向基函数神经网络比标准径向基函数神经网络和反向传播神经网络具备更好的模型逼近能力和泛化水平。     

一种高性能直接型优化算法

针对边界约束函数全局最优化和多峰寻优问题,提出一种直接搜索算法。该算法通过构造一种具有特定空间结构的模式解,并设定运动规则使其具备较强的局部寻优能力,结合Monte Carlo方法用足量的模式解实现局部寻优和全局寻优。该算法对目标函数的解析特性没有特别要求,适合工程应用。与标准的遗传算法、模拟退火算法和粒子群优化算法进行了对比测试,结果表明本文算法在收敛速度和搜索精度上具有优势。     

FSFIS问题的基于随机kick的ILS ＆ TS混合算法

提出了一种基于随机kick的迭代局域搜索算法(ILS)求解存储容量受限的流水车间问题(FSFIS)．该算法使用新颖的多对不交叉的交换移动构成kick移动，并采用回溯机制保证搜索在有利的空间内进行．通过应用4种邻域结构，每种情况下产生480组随机数据的试验证明该新型算法是快速有效的近优算法．设计了一种在原有的静态禁忌搜索算法中引入了基于随机kick的迭代局域搜索算法的混和算法，这种混合算法可以充分发挥原有的2种算法的各自优势，使目标函数进一步改进．     

一种融入模式搜索的改进人群搜索算法

针对人群搜索算法在后期搜索时收敛速度减慢、容易陷入次优解、计算效果变差等缺点,设计一种融入模式搜索的改进人群搜索算法。利用6个标准测试函数进行仿真实验,发现改进后的算法在收敛速度和精度上明显提高,尤其是在后期能够进行突跳进而摆脱局部次优解,鲁棒性好,全局寻优能力增强。     

基于动态分治的大规模多场站无人机应急救援优化方法

面对应急救援任务时间紧、需求量大、待救援点数量规模较大等特点,提出了基于动态分治的大规模多场站无人机应急救援优化方法。在充分考虑无人机平台约束和应急救援任务约束的基础上,以最小化累计救援时间为目标函数,建立了多场站无人机应急救援模型。基于该模型,提出了基于路径相似度的动态分治策略,根据救援点的耦合关系进行空间聚类,将大规模问题分解为若干个规模较小、且耦合度较低的子问题;提出了自适应扰动邻域的变邻域搜索算法,通过多维邻域的协同搜索和动态交互,实现大规模应急投送方案的高效寻优。以典型样本为例,与先进元启发算法在不同规模的数据集上进行了对比,结果验证了所提方法能够有效地缩短应急投送的时间,为高效的灾后应急救援任务提供技术支撑。     

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.     

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．     

发输电协调检修计划问题的解空间结构与搜索策略

针对发输电协调检修计划问题解空间的"平坦"现象降低禁忌搜索算法寻优效率的问题,从分析解空间结构出发,设计了4种不同的搜索策略并分别进行仿真试验。试验结果证实了主问题目标函数对线路检修解变化的不敏感是造成"平坦"现象的原因,同时也验证了子空间交替搜索策略能够有效提高全局寻优效率。     

混合共生生物搜索算法求解置换流水车间调度问题

为了求解置换流水车间调度问题,提出基于共生生物搜索（SOS）算法与局部搜索策略结合的混合共生生物搜索算法. 采用最大排序值的优先规则,处理离散的搜索空间. 在初始化阶段结合NEH启发式算法以提高初始种群的质量. 在优化过程中引入交换变异来改善种群内的多样性,插入-倒转区增加算法跳出局部最优的能力;采用局部搜索策略提升算法的全局探索能力,有效避免了共生生物搜索算法易早熟、后期搜索效率低、易陷入局部最优等缺陷. 通过3个最常用、最专业的标准测试集Carlier、Rec和Taillard对算法性能进行测试. 与其他多种算法进行比较,验证了提出的混合SOS算法的优越性和稳定性.     

基于禁忌搜索算法求解带软时间窗的定位-路线问题

建立了描述带软时间窗的定位-路线问题(LRPSTW)的混合整数规划模型,给出了求解该问题的基于禁忌搜索算法的两阶段启发式算法:第一阶段采用禁忌搜索算法确定配送中心的位置和客户群的分配,设计的swap*-opt*邻域操作算子能够有效地搜索邻域解空间;第二阶段则采用禁忌搜索算法对选中的配送中心进行路线优化,并通过设定需要重新分配的客户数量的最大阈值来提高路线优化的效率。通过实例验算,将该算法和其他算法进行了比较,证明了该算法的可行性和有效性。     

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.     

基于匹配域处理的天波超视距雷达测高方法研究

结合电离层电子密度分布,建立了天波超视距雷达基于微多径的信号传输模型.针对多维非线性搜索计算量大的问题,提出了一种基于变步长搜索的匹配域处理最大似然估计天波雷达测高算法,并分析了该算法测高性能及影响测高精度的因素.理论分析及仿真结果表明:新的优化搜索算法比传统全局搜索算法更高效;基于单次快拍数据的匹配域测高算法计算量较小,搜索速度较快;在低空目标高度估计上,基于多次快拍数据的匹配域算法测高性能较稳定.该研究对提高OTHR目标高度的测量能力提供了参考     

GPS航迹线的自适应折半查找化简算法

提出了一种新的全球定位系统(GPS)航迹线自适应折半查找化简算法,采用了Sleeve-fitting算法的最优骨架点判断模式来保证航迹线的化简质量,通过粗筛与精选相结合的分步处理方式来提高化简效率：(1)粗筛是利用经验步长值动态预测下一步搜索步长,快速确定包含骨架点的搜索区间;(2)精选是在搜索区间内利用折半查找的方式搜索到骨架点．将某市城区的GPS航迹数据应用于文中算法,结果表明,该算法大幅度提高了化简效率,同时最大程度地保持了化简后航迹线与原始航迹在形态特征上的一致性．     

用自适应搜索算法拟合太阳电池I-V曲线

分析了序贯数论优化算法(SNTO)用于太阳电池I-V曲线拟合时的不足之处，结合遗传算法中自适应搜索的思想，用自适应搜索算法改进了SNTO算法．该算法的基本过程是：以太阳电池等效电路的数学模型为基础建立目标函数；在拟合时，利用自适应搜索算法来随机地确定收缩比，即用第t次拟合中的计算结果来确定第t 1次的最优参数可取值范围，使各步中目标函数的参数空间构成一个最优决策序列．拟合结果表明，该算法比直接采用序贯数论优化算法(SNTO)具有更少的计算量，更高的收敛性和鲁棒性。     

一种信息点多样性的粒子群优化算法

针对PSO在寻优后期尤其在高维搜索空间中无法得到满意结果,提出了一种信息点多样性的改进粒子群优化算法。粒子个体最优位置及全局粒子最优位置是两个有用的精确的信息点,而PSO的信息交互方式正依赖于这两个信息点,从多样性方面考虑,将该有用的信息点增加为粒子个体最优位置附近随机的一点。实验仿真结果表明,新算法的全局搜索能力、收敛速度、精度和稳定性均有了显著提高。     

基于搜索状态控制的组合电路测试生成算法

EST算法第一次提出了测试码搜索状态的概念,并采用E-前沿来描述测试码搜索的不同状态,通过引入状态等价的概念,缩小了测试码搜索空间．本文通过对搜索状态等价的研究,得出了基于搜索状态控制的测试生成算法．该方法应用E-前沿的控制关系可以减少搜索空间,大大减少了测试生成的时间．     

连续变量函数全局优化列队竞争算法

采用确定型计算策略,提出了一种新的群体搜索算法列队竞争算法,用该算法解典型的测试函数时结果表明该算法具有在复杂搜索空间内迅速搜索到最优解的能力,表现出了极其优秀的特性.     

基于二级搜索模型的有声出版物语音分割算法

提出了一种二级搜索模型,该模型首先利用最小音节步长搜索算法进行语音段检测,然后采用二分搜索算法确定语音段的精确位置。理论分析及实际运行结果表明,与传统的基于能量的端点检测算法相比,其搜索效率能够提高70%以上。该算法对语音环境有较高的要求,可用于有声出版物语音自动分割,以及具有良好信噪比系统的语音端点检测。