基于GA的网络最短路径多目标优化算法研究

针对现有基于遗传算法(GA)优化的网络最短路径算法存在优化目标单一、遗传编码质量低、搜索策略间平衡性差、适应度分配效率与灵活性较低等问题,建立一种多目标优化最短路径自适应GA模型,提出了优先级编码和优先级索引交叉算子,引入了遗传算子参数的模糊控制机制和基于自适应加权的适应度分配方法.实验结果表明,该算法的准确性和稳定性高、复杂度合理,实现了对网络设计优化中多目标最短路径问题的高质量求解.     

基于GA的网络最短路径多目标优化算法研究

针对现有基于遗传算法(GA)优化的网络最短路径算法存在优化目标单一,遗传编码质量低,搜索策略间平衡性差$适应度分配效率与灵活性较低等问题,建立一种多目标优化最短路径自适应GA模型.提出了优先级编码和优先级索引交叉算子,引入了遗传算子参数的模糊控制机制和基于自适应加权的适应度分配方法.实验结果表明,该算法的准确性和稳定性高,复杂度合理,实现了对网络设计优化中多目标最短路径问题的高质量求解.

     

游戏引擎最短路径搜索优化遗传算法设计

为满足游戏地图中最短路径搜索求解, 提出了一种优化的自适应遗传算法。该算法采用与游戏地图中节点数和弧段数相关联的节点复杂度算子, 结合种群的整体情况和进化潜力来设定自适应遗传算法的交叉率和变异率。实验表明, 该算法避免了搜索结果陷入局部最优解, 确保最短路径的搜索成功率及提高搜索速度, 在游戏引擎设计中具有一定的实用价值。     

一种车辆路径规划的改进混合算法

针对物流活动中需要找出各个配货节点之间的最短路径,用以指导物流车辆调度的问题,提出一种将遗传算法与BP神经网络相结合的新方法,规划车辆的路径,达到节约运送成本的目标。对遗传算法进行了改进,克服了遗传算法局部搜索能力差、易早熟和总体可行解质量不高的缺点。该混合算法有效弥补了遗传算法的不足,同时在遗传优化操作中引入最优保存策略,并在选择操作中采用锦标赛选择法,使算法的效率和功能得到了很大提高。通过对基于遗传算法的改进混合算法求解车辆路径优化问题的性能进行仿真,并与自适应遗传算法和免疫遗传算法进行对比分析,验证了改进混合算法的优点和有效性。     

军用补给舰船路径规划改进混合算法

针对军用补给舰船路径规划问题,需要找出各个配送节点之间的最短路径,用以指导军用补给舰船的调度,提出一种将粒子群优化算法与改进的遗传算法相结合的新方法,规划补给舰船的路径,使其能够快速有效地为战斗舰船配送军用物资。对基本遗传算法进行了改进,然后将其与粒子群算法中相结合,同时利用粒子群算法来对遗传算法的变异方向进行引导,加快了其收敛速度,使得算法的效率和功能得到了很大提高。通过对该改进混合算法求解海战军用物资运输路径优化问题的性能进行仿真,并与自适应遗传算法和免疫遗传算法进行对比分析,验证了提出的算法的优点和有效性。     

云环境下基于免疫遗传算法的任务调度问题研究

任务调度策略作为云计算系统中的关键性技术,是学术界的研究热点之一。在云计算环境下,以所有任务总的完成时间最短为目标,提出了一种求解该问题的结合遗传算法和人工免疫算法的混合算法。该算法中交叉概率使用自适应调整策略,变异算子使用逆转变异方法,变异操作的结果通过模拟退火算法的Metropolis接受准则来判断接受与否,最后对遗传算法的种群进行免疫接种。免疫遗传算法弥补了遗传算法收敛速度慢的缺陷,保持了种群的多样性,缩短了任务总的完成时间,提高了云计算系统的工作效率。通过在云仿真平台CloudSim模拟实验,结果表明该免疫遗传算法的求解性能优于标准遗传算法和DPSO算法。     

蚁群优化自适应遗传算法物流车辆调度实现

研究了使用蚁群算法优化遗传算法解决物流车辆调度问题;针对遗传算法在求解车辆调度问题时容易出现早熟,导致求解质量不高的问题;首先,定义了车辆调度问题的数学模型,在此基础上提出了一种对遗传算法中的交叉和变异概率进行自适应调整的方法,通过自适应遗传算法获得最优解;为了实现对其进一步的优化,使用蚁群算法提出一种对遗传算法最优解的进行优化的算法,将从遗传算法获得的最优路径的适应度初始化蚁群算法的各客户点之间的信息素,从而得到了进一步优化的最优路径;仿真实验得到平均最小配送距离仅为40.72,时间为2.11,计算效率较高,且与标准遗传算法、自适应遗传算法和蚁群算法相比,文中方法在最小配送距离、迭代数以及时间都具有较大优越性。     

求解车间作业调度问题的混合遗传算法

针对Job-Shop调度问题,将自适应遗传算法与改进的蚂蚁算法融合,提出了自适应遗传算法与蚂蚁算法混合的一种优化算法。首先利用自适应遗传算法产生初始信息素的分布,再运行改进的蚂蚁算法进行求解。该算法既发挥了自适应遗传算法和蚂蚁算法在寻优中的优势,又克服了各自的不足。实验结果表明,该算法在性能上明显优于遗传算法和蚂蚁算法,并且问题规模越大,优势越明显。     

基于改进遗传算法的电气设备仓库货位优化

货位分配问题是自动化立体仓库优化的关键。针对传统遗传算法难以收敛至全局最优解的问题,提出了一种改进遗传算法的电气设备仓库货位优化方法。该方法根据优化目标构建了数学模型,使用拉丁超立方抽样法对算法初始化环节进行优化;为了克服遗传算法的局部搜索能力差和收敛速度慢问题,使用改进自适应交叉变异及逆转操作和模拟退火操作构成改进模拟退火遗传算法。实验结果表明,相比于传统遗传算法的求解结果,改进算法显著提高了对目标函数的优化,并且其收敛性和稳定性更佳,该算法在实际工程应用中提出了有效的解决方案。     

求解需求可拆分车辆路径问题的改进的金字塔演化策略

为了更加合理地求解需求可拆分的车辆路径问题（SDVRP）,克服传统先路径后优化两阶段的求解方法容易陷入局部最优的缺点,以及解决智能优化算法在优化阶段未能将竞争与协作有机地融合为一体的问题,以配送路径最短和配送车辆最少为优化目标,提出了一种改进的金字塔演化策略（IPES）。首先,以金字塔为基础,提出了求解SDVRP的编码、解码方式以及层级间的协作策略;其次,根据遗传算法的随机、“适者生存”的高度并行、自适应等特点,以及金字塔结构各层分工不同,设计了一种适合SDVRP的自适应邻域算子,使得算法能够快速收敛到最优;最后,得到最优解。相较于分段求解算法、聚类算法、粒子群算法、人工蜂群算法、禁忌搜索算法,四个仿真实验的结果表明,在求解各案例的最优路径时,所提IPES的求解精度分别至少提升了0.92%、0.35%、3.07%、9.40%,验证了在求解SDVRP时,IPES具有良好的性能。     

基于改进A*算法的导购路径规划方法

大型超市内商品数目繁多，空间环境复杂，顾客在购物的过程中往往需要耗费大量的时间来寻找所需购买的商品。针对这一问题，提出了遗传-改进A*算法来帮助顾客找到一条通往所需购买商品的最短路径。首先利用矩阵对超市的空间环境进行建模，然后通过改进A*算法找到任意两个商品之间的最短路径，再根据顾客的购物列表利用遗传算法优化生成一条包含超市入口，购物列表上的商品以及超市出口的最短路径。最后仿真实验表明，在多楼层的大型超市里，顾客购买多个不同商品时，遗传-改进A*算法寻优能力更强，求解质量更优，并且运行时间更短，能够高效地解决最短路径规划问题。     

基于混合遗传算法的移动ip路由选择

移动ip是目前通信的新方式，移动主机在两个不同子网之间移动时将产生切换，如何最大限度保证用户业务在切换中不受影响，快速的重新建立连接是关键，这涉及查找最短路由，这是一个NP难问题。我们提出采用混合遗传算法来解决，实验证明算法是有效的，能快速收敛找出最短路由。     

Solving shortest path problem using particle swarm optimization

This paper presents the investigations on the application of particle swarm optimization (PSO) to solve shortest path (SP) routing problems. A modified priority-based encoding incorporating a heuristic operator for reducing the possibility of loop-formation in the path construction process is proposed for particle representation in PSO. Simulation experiments have been carried out on different network topologies for networks consisting of 15–70 nodes. It is noted that the proposed PSO-based approach can find the optimal path with good success rates and also can find closer sub-optimal paths with high certainty for all the tested networks. It is observed that the performance of the proposed algorithm surpasses those of recently reported genetic algorithm based approaches for this problem.     

自动化仓库巷道网络AGV货区遍历优化——设计基于优先权遗传算法实现

针对自动化仓库、自动化车间及自动化码头等自动化局部物流存储系统仓库巷道网络中AGV（自动化导引车）对仓库货区遍历作业的路径优化问题,以搜索遍历所有货区的最短路径为目标,建立混合整数线性规划模型,并设计基于优先权的遗传算法求解。通过Matlab仿真实验分析比较算子性能,验证算法的有效性。     

公交车网络的最短路径算法及实现

最短路径问题是图论研究中的一个经典算法问题．旨在寻找图中任意两结点之间的最短路径。一般在交通道路网络中最短路径问题就是单纯地求解两点问的最短路径。为了保证实用性，公交车网络的最短路径算法以转车次数最少为首要目的。文中借鉴广度优先搜索的思路来求解最短路径，即逐个找出经过起点站和终点站的车次以及这些车次沿途可转的车次。首先说明了算法的计算机实现方法，再举例详细说明其过程，最后指出此算法的扩充用途。     

基于遗传算法的最短路径问题求解

详细分析了求解最短路径的遗传算法的构成要素,提出一种新的交叉变异算法,通过仿真实验论证了求解过程是合理而有效的,同时给出了算法的主要性能参数,并对其进行了分析。     

蚁群算法的收敛性分析及其在TSP上的求解

根据基本蚁群算法的特点对其收敛性进行分析,给出寻找最短路径的蚁群算法收敛的充分条件.并把算法运用到旅行商问题上,试验结果表明该算法在求解TSP问题上解的精度优于组合优化算法以及遗传算法且收敛速度比较快.     

A Combined column generation and heuristics for railway short-term rolling stock planning with regular inspection constraints

The aim of railway rolling stock planning problem is to find an optimal allocation of train-sets for a given set of trips in the train timetable in order to minimize the total cost. We propose a column generation and Lagrangian relaxation heuristics for short-term rolling stock planning problems with regular inspection constraints. The problem is formulated as a subtour traveling salesman problem to find a set of elementary shortest cycles that cover all trips in the timetable. In the proposed method, a tight lower bound is obtained from the continuous relaxation of Dantzig–Wolfe reformulation by column generation. The pricing problem can be formulated as an elementary shortest cycle problem with resource constraints. A labeling algorithm is applied to solve the pricing problem. In order to reduce the computational effort, we apply a general state space augmenting algorithm to solve the pricing problems. Computational results show that the proposed column generation and Lagrangian relaxation heuristics can find good lower and upper bounds for 300 trips within reasonable computing time.     

A new formulation and approach for the black and white traveling salesman problem

This paper proposes a new formulation and a column generation approach for the black and white traveling salesman problem. This problem is an extension of the traveling salesman problem in which the vertex set is divided into black vertices and white vertices. The number of white vertices visited and the length of the path between two consecutive black vertices are constrained. The objective of this problem is to find the shortest Hamiltonian cycle that covers all vertices satisfying the cardinality and the length constraints. We present a new formulation for the undirected version of this problem, which is amenable to the Dantzig–Wolfe decomposition. The decomposed problem which is defined on a multigraph becomes the traveling salesman problem with an extra constraint set in which the variable set is the feasible paths between pairs of black vertices. In this paper, a column generation algorithm is designed to solve the linear programming relaxation of this problem. The resulting pricing subproblem is an elementary shortest path problem with resource constraints, and we employ acceleration strategies to solve this subproblem effectively. The linear programming relaxation bound is strengthened by a cutting plane procedure, and then column generation is embedded within a branch-and-bound algorithm to compute optimal integer solutions. The proposed algorithm is used to solve randomly generated instances with up to 80 vertices.     

带杂交算子的蚁群算法求解动态网络中的最短路径问题

动态网络与传统的网络模型相比更具有现实意义，具有广泛的应用领域。本文对动态网络模型进行了描述，用实例证明了著名的Dijkstra算法在动态网络中不能有效地求解最短路径问题，提出了一种用带杂交算子的蚁群算法来求解动态网络最短路径问题的新算法。此算法不仅能够以较大的概率找到最优解而且对网络没有任何约束条件，即对离散
散和连续的动态网络模型都有效，而且用实例证明了算法的稳定性。