资源受限工程调度问题的优化方法综述

由于资源受限的工程调度问题在理论上和实际中具有重要意义,近年来,国内外关于这一问题的优化方法有了较大的发展,因此根据收集到的资料,对求解这一问题的分支定界算法、基于优先规则的启发式算法、样本算法以及智能优化算法的最新发展进行简要概述,并指出了该问题未来的研究方向。     

解决多目标优化问题的几种进化算法的比较研究

进化算法具有适于解决多目标优化问题的特性,近来一直用于求解此类问题。群体智能优化算法是一种基于群体智能的进化算法,通过简单个体的交互表现出高度智能,大大增强了解决和处理优化问题的能力。分析了遗传算法、粒子群算法和混洗蛙跳算法的具体流程,比较了这三种进化算法的优劣。     

群智能优化算法研究

群智能优化算法是一种新型的优化算法。该文介绍了几种常见的群智能优化算法,包括粒子群优化算法、蚁群优化算法、人工免疫算法、人工鱼群算法,分析了它们的优缺点及使用情况,提出了群智能优化算法的发展方向。     

浅析智能优化算法

算法优化在许多的工程领域得到了广泛的应用,而求解线性、非线性、随机和几何规划等各种最优化的问题也得到了快速发展。智能优化算法是利用自然界中的事物与优化过程中所具有的某些相似性而进行搜索的一种搜索算法,相对于传统的优化算法,智能优化算法在求解速度等方面具有显著优点。     

蚁群算法求解旅行商问题综述*

蚁群优化是一种元启发式的随机搜索技术,是目前解决组合优化问题最有效的工具之一。旅行商问题（TSP）是一个典型的组合优化问题,易于描述却难于求解。在介绍了求解旅行商问题的三种经典的蚁群算法的基本原理后,着重分析了蚁群算法的发展现状,总结出蚁群算法发展的五个方向,即基于局部优化算法的蚁群算法、对路径上的信息素更新方法进行改进、蚁群算法与其他算法的融合、对蚁群算法的控制参数进行优化和并行蚁群算法。而且这五个方向有相互融合的趋势。     

蚁群算法在求解旅行商问题中的应用综述

旅行商问题作为组合优化研究中最具挑战的问题之一, 自被提出以来就引起了学术界的广泛关注并提出了大量的方法来解决它. 蚁群算法是求解复杂组合优化问题的一种启发式仿生进化算法, 是求解旅行商问题的有效手段. 本文分别介绍蚁群算法中几个有代表性的算法, 综述了蚁群算法的改进、融合和应用的文献研究进展, 以评价近年来不同版本的蚁群算法为解决旅行商问题的发展和研究成果, 并针对改进蚁群算法结构框架、算法参数的设置及优化、信息素优化和混合算法等方面, 对现被提出的改进算法进行了分类综述. 对蚁群算法在未来对旅行商问题及其他不同领域的研究内容和研究热点的进一步发展提供了展望和依据.     

求解函数优化问题的混合连续优化算法*

用蚁群算法进行函数优化时,存在收敛速度慢且易于陷入局部最优解的问题。针对这一现状,提出了一种微粒群和蚂蚁算法相结合的混合连续优化算法,该算法引入微粒群优化操作进行全局搜索牵引,采用网格法进行细密度的蚂蚁局部搜索,从而能很好地应用于求解连续对象优化问题。对若干典型复杂连续函数的实验测试结果表明,该混合算法跳出局部最优解的能力较强,能较快地收敛到全局最优解,并能适于高维空间的优化问题。与最新的有关研究成果相比,该算法不仅寻优精度高,而且收敛速度大幅提高,效果十分令人满意。     

基于智能优化算法的高效用项集挖掘方法综述

高效用项集挖掘（HUIM）能够挖掘事务数据库中具有重要意义的项集,从而帮助用户更好地进行决策。针对智能优化算法的应用能够显著提高海量数据中高效用项集的挖掘效率这一现状,对基于智能优化算法的HUIM方法进行了综述。首先,以智能优化算法的类别为角度,从基于群智能优化、基于进化以及基于其他智能优化算法的方法这3个方面对基于智能优化算法的HUIM方法进行了详细的分析与总结。同时,从粒子更新方式的角度对基于粒子群优化（PSO）的HUIM方法进行了详细梳理,包括基于传统更新策略、基于sigmoid函数、基于贪心、基于轮盘赌以及基于集合的方法。另外,从种群更新方法、对比算法、参数设置、优缺点等角度对比分析了基于群智能优化算法的HUIM方法。然后,从遗传和仿生两个方面对基于进化的HUIM方法进行总结概括。最后,针对目前基于智能优化算法的HUIM方法所存在的问题,提出了下一步的研究方向。     

蚁群算法在考试安排中的应用

蚁群算法是一种新的进化算法，目前的研究表明该算法具有许多优良的性质，它为组合优化等问题提供了新的思路。利用蚁群算法对考试课程安排这一实际问题进行求解。综合了图论中的着色和运筹学中的背包问题。通过实例的解决和分析，说明了该算法的优越性。     

新型群智能优化算法综述

传统群智能算法在解决复杂实际多目标优化问题中存在不足,近年来学者提出诸多新型群智能算法,适用性强,在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线,对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述,并对群智能算法未来的研究发展方向进行了探讨。     

强化学习与自适应动态规划:从基础理论到多智能体系统中的应用进展综述

近年来,强化学习与自适应动态规划算法的迅猛发展及其在一系列挑战性问题(如大规模多智能体系统优化决策和最优协调控制问题)中的成功应用,使其逐渐成为人工智能、系统与控制和应用数学等领域的研究热点.鉴于此,首先简要介绍强化学习和自适应动态规划算法的基础知识和核心思想,在此基础上综述两类密切相关的算法在不同研究领域的发展历程,着重介绍其从应用于单个智能体(控制对象)序贯决策(最优控制)问题到多智能体系统序贯决策(最优协调控制)问题的发展脉络和研究进展.进一步,在简要介绍自适应动态规划算法的结构变化历程和由基于模型的离线规划到无模型的在线学习发展演进的基础上,综述自适应动态规划算法在多智能体系统最优协调控制问题中的研究进展.最后,给出多智能体强化学习算法和利用自适应动态规划求解多智能体系统最优协调控制问题研究中值得关注的一些挑战性课题.     

Subspace and Lanczos sparse eigen-solvers for finite element structural and electromagnetic applications

Recent developments in vectorized sparse technologies are incorporated into the Subspace and Lanczos iteration algorithms for computational enhancements. Numerical evaluations of the proposed sparse strategies for Subspace and Lanczos iteration algorithms are conducted by solving the generalized eigen-value problem associated with the Exxon-off-shore structure, HSCT aircraft and a two-dimensional reverberation chamber for electromagnetic applications. Both real and complex numbers eigen-problems can be treated.     

实时环境下的问题求解*

实时环境下的问题求解是近年来规划问题研究感兴趣的话题.在讨论了传统规划算法的不足之后,引入了在实时环境下求解问题的方法——任意时间算法.任意时间算法可以合理分配时间资源,保证系统最佳的输出性能;同时,任意时间算法可以在任意时刻中断,并输出当时相对最优可行解.遗传算法具有任意时间算法的特性,在介绍了同其他搜索算法的不同之处后,通过实验得出利用随机搜索技术和知识指导相结合的方法,可以较好地处理实时规划问题.最后给出结论,并且简单地讨论了实时规划算法求解问题的策略,同时讨论了今后的发展方向.     

Solving a system of linear equations: From centralized to distributed algorithms

For a wide range of control engineering applications, the problem of solving a system of linear equations is often encountered and has been well studied. Traditionally, this problem has been mainly solved in a centralized manner. However, for applications related to large-scale complex networked systems, centralized algorithms are often subjected to some practical issues due to limited computational power and communication bandwidth. As a promising and viable alternative, distributed algorithms can effectively address the issues associated with centralized algorithms by solving the problem efficiently in a multi-agent setting that accords with the distributed nature of networked systems. Distributed algorithms decompose the entire problem into many sub-problems that are solved by individual agents in a cooperative manner. In this survey paper, we provide a detailed overview of the state of the art relevant to distributed algorithms for solving a system of linear equations. We will first review basic distributed algorithms including both discrete-time and continuous-time algorithms. Then we will discuss the extended algorithms to achieve communication efficiency. Furthermore, we will also introduce distributed algorithms to obtain the minimum-norm solution for a system of linear equations with multiple solutions, as well as the least-squares solution when there is no solution. Finally, the relationship of distributed algorithms for solving a system of linear equations to the existing distributed optimization algorithms is discussed.     

A型变尺寸装箱问题之模型及算法研究

作为对经典一维装箱问题的推广,提出一种A型变尺寸装箱问题（A-shaped Variable-sized BinPacking Problem,简称A SVBP）,即在物品的装箱过程中,每样物品有高度和横截面积两个参数,并且箱子的大小不一。该问题在文件系统管理和日常生活中的运输等问题中有着广泛的应用背景。把装箱问题的经典算法以及遗传算法推广到A型变尺寸装箱问题,实验结果表明：按照本文提出的求解模式,离线情况下求解A型变尺寸装箱问题最终结果的质量取决于预先求解其退化为经典装箱问题时的算法,求解物品装箱序列时用首次适应混合遗传算法比用Next Fit算法、First Fit算法、Best Fit算法最终得到的结果要好。     

Knowledge based approach to machine cell layout

In this paper, the machine cell layout problem is examined. A new methodology for solving the problem is proposed. The methodology involves three stages. In the first stage, an algorithm suitable for solving the machine grouping problem is utilized. In the second and third stages, mathematical programming models of the machine cell and machine layout problems are formulated and solved using suitable algorithms. The development of a knowledge based system which uses models and algorithms for solving the machine grouping and layout problems, is also outlined.     

集合覆盖问题的数据约简研究*

针对当前解决大规模集合覆盖问题的算法普遍存在着效率不高的问题,提出了一套削减数据规模的约简方法,并给出了一个能够与其他所有解决集合覆盖问题算法相结合的约简算法。用Beasley提出的45个测试用例进行试验,结果显示贪心算法和遗传算法在结合了约简算法后能够在更少的时间内得到更优的解,表明该约简方法和约简算法可以有效提高传统算法和智能算法解决大规模集合覆盖问题的效率。     

不定长RFID标签反碰撞识别算法

射频识别技术中存在标签冲突问题,通常采用定长标签的反碰撞识别方法来解决。针对不定长标签的反碰撞识别,设计一种对RFID标签进行识别的高效二进制树形反碰撞算法——U-算法。模拟实现的测试与分析结果表明,U-算法具有二进制树形算法的优点,能达到41.67%的系统识别效率。     

附带翻转工位双边装配线蚁群算法优化设计

双边装配线应用广泛,翻转工位操作能有效降低部分零件装配难度与操作风险,但增加了设计难度。基于此,研究了附带翻转工位操作的挖掘机底盘双边装配线规划设计问题,针对该问题提出了一种改进蚁群算法求解。给出了问题求解的启发式任务分配规则,提出可采用启发式任务选择规则以提高算法收敛速率。进而分析某型挖掘机底盘装配线得出先后约束关系图,将问题抽象为双边装配线优化设计问题。随后,采用两种蚁群算法进行附带翻转工位的装配线优化,分析比较了两种算法因结构差异对优化结果所造成的影响。     

A parallel cooperative team of multiobjective evolutionary algorithms for motif discovery

When solving a wide range of complex scenarios of a given optimization problem, it is very difficult, if not impossible, to develop a single technique or algorithm that is able to solve all of them adequately. In this case, it is necessary to combine several algorithms by applying the most appropriate one in each case. Parallel computing can be used to improve the quality of the solutions obtained in a cooperative algorithms model. Exchanging information between parallel cooperative algorithms will alter their behavior in terms of solution searching, and it may be more effective than a sequential metaheuristic. For demonstrating this, a parallel cooperative team of four multiobjective evolutionary algorithms based on OpenMP is proposed for solving different scenarios of the Motif Discovery Problem (MDP), which is an important real-world problem in the biological domain. As we will see, the results show that the application of a properly configured parallel cooperative team achieves high quality solutions when solving the addressed problem, improving those achieved by the algorithms executed independently for a much longer time.