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．     

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。     

求解VRPSDP的变邻域混合遗传算法

针对卸装一体化车辆路径问题,提出一种结合变邻域下降搜索和遗传算法的混合启发式算法(GA_VND).利用随机生成的初始种群,通过遗传算法的交叉变异操作生成弱可行解种群,选择其中的最优值作为变邻域深度搜索的初始解.在变邻域深度搜索的过程中通过两种不同的局部搜索算子对解进行局部搜索和迭代优化.通过对54个算例的求解,仿真结果表明GA_VND更新了54个已知最好解中的8个,表明了该算法是解决卸装一体化车辆路径问题的一种有效方法.     

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。     

基于混合模拟退火的勤务编排技术研究

为了优化航空公司勤务编排结果,在考虑勤务编排规则、机组成本和人力因素的基础上,构建了勤务编排优化模型,且综合平衡了各项目标函数.运用局部搜索法获得初始解,并与模拟退火算法结合,形成求解勤务编排问题的混合模拟退火算法.最后通过启发式操作将不可行解转化为可行解.仿真实验表明,混合模拟退火算法能够有效缩小算法搜索空间,减少计算时间,提高运行效率.与基本模拟退火算法和遗传算法相比,混合模拟退火算法运算速度和运算结果均有明显地提高.     

零等待flow shop多目标调度的混合差分进化算法

针对具有零等待约束的flow shop问题,以总流程时间和最大完工时间为多目标,提出一种结合多目标变邻域搜索的混合差分进化算法(multi-objective differential evolution hybridized with variable neighborhood search,M DEVNS)进行求解。提出一种基于改进Naw az-Enscore-Ham(NEH)规则的多样化种群初始化方法;设计了差分进化的变异、试验、目标个体更新操作;为提高多目标搜索能力,在算法的进化中混合了一种多目标变邻域搜索方法。通过Taillard标准测试算例的计算试验,证明了MDEVNS算法获得的Pareto前沿解在多样性和性能方面要优于多目标模拟退火算法和非支配排序遗传算法,验证了MDEVNS算法求解多目标零等待流水车间调度问题的有效性。     

电网故障诊断的遗传模拟退火算法研究

针对电网出现的复杂故障,如断路器和保护不正常动作或多重故障等情况,结合新的故障诊断优化模型,应用遗传模拟退火优化算法进行故障诊断,寻找使构造的目标函数最小的最优解.将遗传算法和模拟退火算法结合,有效避免了遗传算法过早收敛和模拟退火算法全局搜索较差的缺点,解决了电网故障诊断结果多解和漏解的情况,实现了电网断路器和保护不正常动作的故障诊断.     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

不同车型车辆路径问题模型及混合算法

在传统车辆路径问题(VRP)的基础上,求解带有中转站的不同车型车辆路径优化问题(SB-VRP)。以行驶成本低为目标,在扫描法形成初始解的基础上,采用禁忌算法进行优化搜索,通过实证分析对算法进行验证。结果表明:本文算法可以得到成本比初始解更优的解;增加不同车型之后的SB-VRP模型比传统VRP模型效率更高。     

车辆路径问题的快速多邻域迭代局部搜索算法

对于容量约束的车辆路径问题(capacitated vehicle routing problem,CVRP)以及容量和最大行驶距离约束的车辆问题(capacitated and distance constrained vehicle routing problem,CDVRP),邻域解的评估包含了适应值计算及合法性评估.设计一种可变长编码的可行解表示,提出用于CVRP/CDVRP问题的邻域解合法性快速评估策略.该策略针对交换、插入、2-opt和2-opt*四种常用的局部搜索算子,通过引入前载重、后载重、前向距离和后向距离的概念,实现了邻域解合法性的快速评估.将改进后的局部搜索算子与迭代局部搜索(iterated local search,ILS)算法相结合,提出用于车辆路径问题的快速多邻域迭代局部搜索(fast multi-neighborhood ILS,FMNILS)算法.该快速评估策略将评估一个邻域解的时间复杂度由O(N)降至O(1),算法仿真结果表明,FMNILS算法运算能力的提高大致与配送路线所服务的客户数成正比;对客户数介于200~500的容量/最大距离约束VRP问题,该算法能在短时间内获得较满意解,平均求解精度1.2%以内,平均耗时约96 s,仅为对比算法的6%或更少.     

模拟退火蚁群算法在VRP问题上的应用

车辆路径问题是物流系统优化的核心问题,在满足相关需求的情况下需要达到路径最短、成本最低等目的。文章提出一种模拟退火算法和蚁群算法的组合,通过改进蚁群算法相关参数、采用邻域算法对解进行二次搜索,从而改变解的质量并进行优选,以实现在满足相关约束条件下达到路径最短的优化。将该组合算法与基本蚁群算法、改进型的蚁群算法及VRP官网算例进行比较,实验结果表明,该组合算法在时间上和准确度上都有较大的提升,具有较好的应用价值。     

SA算法在基于模型推理入侵检测中的应用

鉴于模型推理的入侵检测方法,需要在庞大的审计记录空间中搜索巨量的攻击脚本子集中的最优值,对于这一NP类完全问题,提出了应用模拟退火算法。并建立了攻击检测的优化问题模型,给出了攻击检测实验中的解空间、目标函数、新解的产生和接受准则,得到了一个合理的冷却进度表,并对实验中的模拟退火算法进行了并行化研究。实验证明,与传统的贪心算法相比,应用模拟退火算法提高了进化速度和全局寻优能力,较好地解决了搜索效率问题。     

不确定条件下危险品配送路线多准则优化

针对非满载的危险品配送车辆路线优化问题,考虑危险品数量对运输风险的影响,利用分段线性逼近方法对配送过程中的潜在风险动态评估。根据运输企业的不同优化准则以及配送路线的不确定性属性,基于可信性理论和期望值方法,建立了有容量约束的危险品配送路线多准则优化模型。设计了改进的模拟退火算法对模型求解,并利用快速非支配排序方法和动态拥挤距离计算方法提高求解效率,改善Pareto解在解空间内分布的均匀性,结合解的编码方式设计变邻域搜索策略提高算法的局部和全局搜索能力。采用不同算例验证了模型的合理性和算法的有效性,研究结果可为危险品运输企业在多种不确定条件下的配送路线选择提供决策支持。     

基于模拟退火的量子进化算法

针对量子进化算法全局搜索能力强而局部寻优能力弱的特点,提出一种基于模拟退火的量子进化算法。该方法将模拟退火算法引入到量子进化算法中,在采用量子进化算法进行解空间全局搜索的同时,用模拟退火算法加强局部寻优能力,以有效平衡算法的开采与勘探能力。采用著名的NP难组合优化问题———背包问题为例进行实验,结果表明:本文方法获得了比量子进化算法更好的解,证实了其有效性。     

基于改进组搜索优化算法的输电网规划

针对目前大规模输电网规划求解中难以快速求得全局最优解的问题,将改进组搜索优化算法应用于基于线路的投资费用、网损费用、输电走廊建设费用和过负荷惩罚费用为目标函数的输电网规划模型。提出一种应用混沌动力学中的Iogistic模型,反视角搜索策略以及循环平移因子以提升算法的全局和局部搜索能力的改进型组搜索优化算法,实践证明可以快速地求解大规模输电网规划问题。通过对IEEE18节点和巴西南部46节点系统的计算,不仅验证了该算法应用于输电网规划的可行性和正确性,而且验证了算法具有很好的计算速度与搜索能力,为实际应用提供理论依据。     

考虑真实场景动态事件的动态取送货问题

实时城市配送决策高度依赖于环境的变化,须及时处理配送系统中由各种动态事件带来的需求和环境变化. 综合考虑新请求逐渐出现、旧请求修改或取消、交通拥堵状况和车辆抛锚4种动态事件对车辆路径规划和配送服务的影响,重新建立考虑实时场景多项动态事件的取送货（DPDP-MDE）动态车辆路径规划模型. 设计动态算法框架求解该模型,给出调度时域内静态子问题执行规则和计算规则;针对具体静态子问题,采用构造型启发式算法生成初始可行解,分别采用禁忌搜索算法和自适应大规模邻域搜索算法2种智能优化算法,改善初始可行解质量;在更新路径规划方案时,运用未固定动态插入法,解决处于规划中的未固定请求和新请求同步处理问题. 数值实验表明,所提出的模型及设计的动态算法框架能有效解决带时间窗的动态取送货问题（DPDP-TW）.     

基于双重交叉策略的多元宇宙优化算法求解带时间窗车辆路径问题

提出了一种基于双重交叉策略的多元宇宙优化算法求解带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW).该算法利用访问概率在满足车辆最大载重的约束条件下构造算法的初始解,提高初始宇宙群的优良性;引入动态交叉算子,在当前宇宙的基础上交叉重组生成新的宇宙,提高算法的局部探索能力,同时采用基于最优片段的交叉策略更新白洞位置,加强各个宇宙间信息的交互;并引入随机交换搜索、2-opt和3-opt相结合的邻域搜索方法对最优解进行局部优化,扩大算法搜索空间.实验结果表明:所提算法能够有效解决带时间窗车辆路径问题,有较强的寻优能力,求解质量优于所对比算法.     

混合算法在轻钢结构优化设计中的应用

结合粒子群优化（PSO）算法快速的全局收敛性和蚁群优化（ACO）算法较强的寻优能力,提出了一种融合PSO算法和ACO算法的混合算法。首先利用PSO算法较强的全局搜索能力,产生各粒子的最优位置值;然后对ACO算法的蚂蚁总个数进行调整,在保证算法全局搜索能力的同时,避免陷入局部最优;最后利用改进的ACO算法对最优位置值做进一步优化。将该混合算法应用于轻钢结构优化设计中,建立优化设计模型。以轻钢门式框架为例,利用该模型进行优化分析,并与文献[11]中改进模拟退火算法的优化结果进行对比。结果表明,混合算法经过61次迭代后能够求出较好的全局最优解,合理可行。     

基于模拟退火与遗传算法结合的神经网络图像分割

为解决运用Hopfield神经网络优化算法处理图像分割存在的收敛速度与局部最优的矛盾,采用模拟退火策略与遗传算法结合的优化方法来改进传统的优化算法,对迭代收敛后的Hopfield网络在局部范围内运用模拟退火遗传算法,以搜索阈值平面全局最优解,进行图像分割。实验证明,采用此方法可以得到较好的分割效果。     

混流装配线准时化物料配送调度优化

针对混流装配线的准时化物料配送问题,综合考虑搬运设备的运载能力和装配线不允许缺货约束,构建了车辆装载与路径规划的联合优化模型。首先,进行了问题域的描述,并以最小化物料搬运期间所有工位中的最大加权库存水平为目标建立了数学规划模型。其次,结合该调度问题的两条基本性质,提出了回溯搜索算法以获得小规模问题的精确解。此外,为了有效地应对中大规模问题的爆炸搜索空间,构建了改进型离散人工蜂群算法。该算法通过在邻域变换中融入局部搜索和差分进化操作以提升其收敛性能。最后进行了仿真实验,结果验证了准时化配送模型及调度算法的可行性、有效性。