动态规划方法的应用研究

动态规划是运筹学的一个分支,是求解决策过程最优化的数学方法,其最终目的是确定各决策变量的取值,以使目标函数达到极大或极小。动态规划在工程技术、经济管理等社会各个领域有着广泛的应用,并且获得了显著的效果,是经济管理中一种重要的决策技术。文章例举了动态规划在最短路线、资源分配、设备更新、排序、装载等方面的应用。通过求解不同的实例,总结出用动态规划方法比用其他方法求解更容易、效率更高,并且所得到的解信息更丰富。     

基于Voronoi图和动态自适应蚁群算法的UAV航迹规划

以UAV航迹规划为应用背景,提出了一种基于Voronoi图和动态自适应蚁群算法的航迹规划方法;为了提高航迹规划问题最优解的质量及全局求解能力,克服传统蚁群算法收敛速度慢、容易陷入局部最优等缺点,提出了一种动态自适应蚁群算法;采用动态自适应航迹点选择策略并将信息素更新规则和挥发系数进行动态自适应调整变化来对蚁群算法进行了改进,提高了算法的求解效率;根据战场已知威胁源生成Voronoi加权图,并与所提的动态自适应蚁群算法相结合求解规划空间中的最优航迹;考虑到UAV的物理约束限制,对生成的可行航迹进行平滑优化;仿真结果表明,该方法能够为UAV规划出一条满足要求的可飞航迹,验证了所提方法在解决航迹规划问题时是可行、有效的;     

分布式数据库数据副本最优安置问题的研究

对树形网络上的数据副本最优安置问题,在已有K子树中心优化模型的基础上提出了K节点中心的改进模型.改进模型相对于原有模型优化了分布式数据库更新操作的执行代价.给出了两个动态规划算法来求解树形网络K节点中心问题,一个是非常简单的复杂度较高的动态规划,另一个是使用分治的较复杂的高效动态规划,最后通过实验验证了模型的优化作用.     

一种改进的蚁群算法在工艺规划与车间调度集成优化中的应用

改进标准蚁群算法的执行策略,可提高工艺规划和调度集成问题的求解 质量和效率。通过节点集、有向弧/无向弧集、AND/OR 关系,建立了基于AND/OR 图的工 艺规划和调度集成优化模型。提出一种求解工艺规划与车间调度集成问题的改进蚁群优化算 法,采用了信息素动态更新策略避免收敛过慢和局部收敛,利用多目标优化策略提高求解质 量。仿真结果证明了该算法的有效性。     

基于时间层独立化和动态规划的天然气管网动态运行优化

动态规划方法在天然气管网动态运行优化求解中存在“维数灾难”和“无后效性”问题,求解效率较低.为了提高动态规划方法在天然气管网动态运行优化求解中的效率,对管网动态运行优化的数学模型作了相关分析,在此基础上提出了时间层独立化处理方法,将多时间层的优化问题转变成独立的单时间层的优化问题,然后采用自适应动态规划方法进行求解.仿真结果表明:时间层独立化处理方法能有效避免“维数灾难”和“无后效性”问题,简化了求解过程,较大的提高动态规划方法对管网动态运行优化问题的求解效率.     

最短路径动态规划问题及C语言实现探讨

动态规划算法是一种研究多阶段决策问题的算法.用动态规划方法求最短路问题,要求所求问题具有明显的阶段。该文以动态规划理论为指导,研究了动态规划算法求解最短路径的基本原理及步骤,编写了基于动态规划算法的C语言程序,辅助完成最短路径的求解。     

利用动态规划算法解决购物单问题

购物单问题是0-1背包问题的一种应用,解决购物单问题已有贪婪法,动态规划法,蚁群算法,回溯法等.动态规划算法是求解决策过程最优化的方法,通常用于求解具有某种最优性质的问题.根据动态规划原理解决购物单问题,说明了动态规划算法解决实际生活问题的高效性.     

基于CUDA的梯级泵站调度算法实现

动态规划方法求解梯级泵站调度问题十分经典,但在计算上存在“维数灾难”问题,GPU并行计算技术能对重复性计算进行加速,提高算法计算性能。本文对梯级泵站调度问题进行动态规划方法分析,利用CUDA（统一计算设备架构）对调度算法进行改进,给出改进动态规划方法的算法实现,并比较不同计算规模下调度算法计算耗时。实验结果表明,基于CUDA改进动态规划方法实现的梯级泵站调度算法能够降低计算维度,在计算规模较大时,加速效果较好。     

基于粒子群算法求解多层非线性规划问题

通过对基本粒子群优化算法的分析,提出一种用于求解多层非线性规划问题的算法,实现对多层非线性规划问题的Stacketberg-Nash均衡解的搜索.该算法使用动态区域搜索方法保证全局收敛性,采取自适应扰动策略增强跳出局部最优点的能力,通过基于约束适应度的更新机制保证解的可行性.实验结果证明算法的有效性.     

动态规划-粒子群算法在水库优化调度中的应用

水库优化调度是一个典型的具有多约束条件的、动态的、非线性的优化问题。针对这些问题,利用动态规划-粒子群(DP-PSO)算法加以求解。利用动态规划中的多阶段最优策略原理,将水库优化调度问题转化为多阶段决策子问题,各个子问题采用粒子群算法优化求解。数值实验表明,在计算时段较多时,DP-PSO算法计算的可靠性明显优于一般的动态规划(DP)算法,在计算时间上,DP-PSO算法用时较动态规划-遗传算法(DP-GA)少。     

贪心核加速动态规划算法求解折扣{0-1}背包问题

针对现有动态规划算法求解折扣{0-1}背包问题（D{0-1}KP）缓慢的问题，基于动态规划思想并结合新型贪心修复优化算法（NGROA）与核算法，通过缩小问题规模加速问题求解来提出一种贪心核加速动态规划（GCADP）算法。首先利用NGROA对问题进行贪心求解，得到非完整项；然后通过计算得到模糊核区间的半径和模糊核区间范围；最后对于模糊核区间内的物品及同一项集内的物品利用基础动态规划（BDP）算法求解。实验结果表明：GCADP算法适用于求解D{0-1}KP，且在求解速度上相比BDP算法平均提升了76.24%，相比FirEGA算法平均提升了75.07%。     

求解双层规划优化问题的层次风驱动优化算法

针对双层规划的求解问题, 提出一种层次风驱动优化算法. 初始化上层优化变量后, 首先对下层规划进行求解, 满足约束条件的同时, 更新下层规划中的空气质点速度和位置; 然后, 利用风驱动优化算法对上层规划问题进行求解; 最后, 在优化解集合中, 选择上下层规划目标值次序之和最小的解作为最终优化解. 实验结果表明, 所提出的层次风驱动算法是一种有效的求解双层规划问题的方法.

     

改进启发式蚁群算法求解电网规划优化问题

研究了电网规划的优化问题。针对传统电网规划问题在计算过程中,由于物理参数和特定参数取值的广泛性,使得对整个电网网络全局搜索能力较差,收敛速度较慢,易出现陷入局部最优和停滞现象。为了解决上述问题,提出一种改进启发式蚁群算法求解电网线路规划问题。改进算法先建立电网网络体系模型,利用启发式蚁群算法对全局进行搜索,并通过信息素挥发因子的动态参数调节以提高路径的搜索能力和搜索概率,提高了对全局搜索精度,并要求对搜索路径进行求解并反复迭代,对局部更新方式进行重新组合,从而确定了电网网络线路规划问题的最优解。仿真结果表明,在求解过程中可以有效地提高计算精度,加快全局收敛速度,降低了计算的复杂度,增强了电网网络的鲁棒性和稳定性。     

精确求解一类动态规划问题的神经网络

根据一类动态规划问题的特点，提出一种能够精确求解此问题的神经网络。ＬＤＰＮＮ具有结构简单、易于硬件实现、求解速度快并且能够求得精确最优解等优点，特点适合于大规模动态规划问题的求解。在复杂系统的实时优化与控制等方面具有广阔的应用前景。     

基于状态指标的更新决策方法研究

针对设备在实际运行和执行任务时经常涉及到维修、更新报废等管理活动缺乏定量模型支撑的问题,提出了利用典型部件的预测寿命和非典型部件的历史寿命对设备系统级的健康状态进行综合评估的方法,建立了一种以状态指标为决策序列的动态规划更新决策方法;该方法能综合考虑维修费用和更新费用,确定最优更新决策,降低保障费用,有效地提高了设备的经济效益;最后经过案例分析证明了该方法的有效性,对于提高设备的保障能力和经济效益提供了理论支撑和方法指导.     

基于LINGO的优化问题动态规划法求解

介绍了LINGO优化软件的使用,指出LINGO在求解动态规划问题时可以不需要目标函数。基于LINGO分别对最短路问题和生产批量计划问题使用动态规划法进行了求解,给出了相应的LINGO求解代码,增强了学生对动态规划法的理解同时提高了使用优化软件编程解决问题的能力。     

基于LINGO的优化问题动态规划法求解

介绍了LINGO优化软件的使用,指出LINGO在求解动态规划问题时可以不需要目标函数。基于LINGO分别对最短路问题和生产批量计划问题使用动态规划法进行了求解,给出了相应的LINGO求解代码,增强了学生对动态规划法的理解同时提高了使用优化软件编程解决问题的能力。     

动态规划的思想及其在图像缩放中的应用

动态规划经常用于求解某些具有最优性质的问题。如今随着对动态规划算法的日渐深入的研究,动态规划被用在生产调度等各个方面。该文介绍了动态规划的基本思想,包括动态规划模型的基本要素,动态规划的特点及设计一个动态规划算法的基本步骤。同时,结合Seam Caving图像缩放方法[1],具体介绍了动态规划算法在图像缩放方面的应用。     

精确求解一类动态规划问题的神经网络

根据一类动态规划问题（ＤＦＤＰ）的特点，提出一种能够精确求解此问题的神经网络（ＬＤＰＮＮ）。ＬＤＰＮＮ具有结构简单、易于硬件实现、求解速度快并且能够求得精确最优解等优点，特别适合于大规模动态规划问题的求解。在复杂系统的实时优化与控制等方面具有广阔的应用前景。     

行列双动态规划的改进自适应立体匹配算法

在各种立体匹配算法中,利用动态规划算法求解可有效地提高立体匹配的速度和精确度,同时具有实时性好、易于实现的优点。利用动态规划算法的优点,提出一种基于行列动态规划的自适应立体匹配算法,采用改进的自适应代价函数和能量最小化模型,对最优化问题进行求解。在求解的过程中,基于行动态规划得到的列方向视差值的变化给予对应数据项不同的奖励值,以减少行动态规划产生的明显条纹,最后使用列动态规划得出最终结果。实验结果表明,该算法能够减少总体的匹配错误率,减少明显的条纹瑕疵,取得较理想的立体匹配效果。