基于两阶段改进遗传算法的一类特殊LRP问题研究

提出了一种带有随机开关的两阶段改进遗传算法并应用于集成化物流中的定位 运输路线安排 (LRP)优化问题. 该方法采用随机开关控制遗传算法中的变异运算, 实现了空间的有效搜索, 并且在一定程度上, 避免了“局部最优现象”的发生. 通过计算机仿真实验, 证明了该算法求解LRP问题的有效性和准确性.     

定位2运输路线安排问题的两阶段启发式算法

重点研究了集成化物流中一类特殊的定位一运输路线安排问题(LRP)的解决方法．LRP问题包括设施定位和运输路线优化两方面决策，属于NP-hard难题．由于问题的复杂性，提出基于假设前提的LRP模型及其两阶段启发式求解算法．该方法分两步实现：首先，采用基于最小包络聚类分析的启发式方法确定被选择的潜在设施及由每一个选中的设施所要提供服务的客户群；其次，运用带有控制开关的遗传算法求解每一确定客户类中的优化运输路线．提出利用两阶段启发式算法求解LRP问题，此方法实现容易、运算简单，一定程度上避免了遗传算法中的“局部最优现象”．仿真实验证明了该算法求解单目标LRP的有效性和准确性．     

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法（即模糊优化方法）求解物流配送多目标定位-运输路线安排问题（MLRP）,重点考虑了时间和运输成本两个目标的MLRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.     

震后随机动态LRP多目标优化模型及算法*

为了在地震灾区快速配送救灾物资,建立了一个多产品多运输方式的随机动态应急配送中心定位—运输路线安排问题的多目标优化模型,据此得出不同阶段应急配送中心的定位以及救援物资运输路线安排决策方案。根据该模型的特点,提出一种基于动态规划和权重系数变换法的改进遗传算法,并运用罚函数法处理模型中的约束条件。算例分析表明了该模型和算法的有效性,能为应急管理部门提供辅助决策支持。     

定位—运输路线安排问题的遗传算法研究

定位—运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题。由于LRP是NP-complete问题,对它的求解方法大多局限于将其分解为定位—分配问题和车辆运输路线安排问题,或者是基于这种分解思想。文章通过对遗传算法(GA)中树编码、免疫遗传算法以及GA阶段进化策略深入地分析和研究,构建了定位—运输路线安排问题的遗传算法,它与以往算法最大的不同点就是并没有基于两阶段求解的思路,而是将LRP的解看作一个整体,从而减小了在进化过程中停滞于局部最优解的概率,提高了GA的计算效率和计算速度。文中详细叙述了针对LRP问题的树编码、交叉、变异、爬山、免疫、合并小路线等各种算子设计过程,并利用一实例来验证算法的可行性。该算法为LRP问题以及相关大规模组合优化问题的求解开辟了一个新的思路,同时也为GA中树编码在实际中应用做了有益的尝试。     

模糊需求下物流系统CLRIP 问题研究

从物流系统集成的角度出发．考虑到客户需求的模糊性，建立了多仓库单级物流配送系统中的设施选址、车辆运输路线安排、库存控制的集成优化模型．用来解决在给定的多个潜在设施点中选出一系列设施的位置．并确定巡回运输路线．同时基于客户所采用的单时期模糊需求存贮策略确定其最佳订货量，并给出了求解该模型的启发式算法．最后通过实例计算证明了上述模型和算法的有效性．     

用GESA方法求解任务安排问题

ＧＥＳＡ方法是一种并行算法，它以一种新颖的方式综合了遗传算法，模拟退火（ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ）模拟进化（ｓｉｎｕｌａｔｅｄｅｖｏｌｕｔｉｏｎ）的思想，特别是ＧＥＳＡ方法中实施了区域引导了（ｒｅｇｉｏｎａｌｇｕｉｄａｎｃｅ），用ＧＥＳＡ方法求解任务安排问题，结果表明ＧＥＳＡ方法性能优越。     

基于遗传算法的双目标作业调度优化

提出了一种双向调度遗传算法，用于解决多工艺路线的以缩小生产周期和工件准时交货为目标的作业调度问题．双向调度就是采用倒排法调度关键工件，使其准时交货；采用顺排法调度其余工件，利用剩余加工资源，使其尽旱完工．双向调度遗传算法就是用遗传算法搜索双向调度的最优解．设计了一种新的染色体编码方法，该方法直接把工艺路线和工序映射成字符串．并对该编码的交叉算子和变异算子进行了研究．仿真结果表明，该算法是可行的，在生产中有一定的优越性。     

基于改进遗传算法的FNNPID控制器在温度控制系统中的应用

根据温度控制系统的特点,为提高其控制质量,设计了一种模糊神经PID控制器。该控制器在温度偏差大时采用模糊神经控制,偏差小时采用模糊神经PID控制,由模糊控制开关保证两种控制方法的平滑过渡,用改进的遗传算法优化网络参数。仿真实验表明采用该控制方法系统响应速度更快、超调更小、精度更高、适应性更强。     

运输问题的遗传算法

本文经典的运输问题给出了一种遗传算法，编制了相应的程序，对线性和非线性情况下的大量随机算例进行了求解，得到了较好的结果。     

基于整车配送的多仓库开路VRPTW问题的研究与实现

以整车销售物流为背景，探讨多仓库带时窗约束的车辆路线安排问题的解决方法．提出了更为复杂的基于现实的细节性要求的多配送中心开路VRPTW问题模型，并将遗传算法产生部分解和评估完整解的优化解决方法和涌现交叉算子MX1引入到带时窗的多仓库VRP问题优化中，实现了快速全局优化．提出的开路混合配送方法有利于提高车辆满载率，降低回程空载率．同时实现了运输资源的优化配置，提高车辆利用率．计算机仿真实验证明了算法的可行性．     

MPLS流量工程路由优化机制的研究

对最小干涉算法进行了链路权值优化研究,提出集中和分布相结合的方式计算显式路由的方法.使用专门的策略和权值服务器PAWS为链路计算权值,标记边缘路由器LER实施分布式最小干涉算法,计算满足带宽的显式路由.通过路由算法及其体系结构的优化,提高了MPLS显式路由计算的效率和准确性,增强了MPLS流量工程系统的可扩展性.     

约束法蚁群算法在多目标VRP中的研究

多目标车辆路径问题(MVRP)在物流研究领域具有重要的理论和现实意义,但由于各目标之间的相互联系和制约使得建模和求解具有很大的难度.在众多求解方法中,蚁群算法对解决类似组合优化问题具有明显的优势,蚁群算法已成功应用于一系列单目标优化问题,但对多目标问题的研究还处于起步阶段.侧重结合目标约束法与蚁群算法来研究多目标车辆路径问题,使各优化目标之间形成既彼此独立,又相互联系和制约的机制,最终求得多目标优化意义下的一种平衡解.仿真结果证明该算法具有良好的收敛性和运行效率,对于物流运输的实际运作具有重要的现实意义.     

一种基于通用操作系统的交换式路由器操作系统实现

提出了一种将通用操作系统及其上层路由软件移植到交换式路由器平台上的方案。此方案可以向上屏蔽交换式路由器与传统的路由器体系结构上的区别．从而把通用操作系统及其上层路由软件移植到交换式路由器的平台上；同时兼顾数据通信和管理维护方面的需求，为上层路由软件提供了与传统路由器相同的接口，从而使基于通用操作系统的路由软件可以在不损失可升级性的务件下快速移植到交换式路由器上。实际应用证实了该方案具有良好的灵活性和兼容性。     

基于Linux嵌入式系统按需路由协议架构设计与实现

针对在Linux操作系统原有的路由体系结构上实现按需路由的制约问题,分析了Linux操作系统路由体系结构特点以及实现按需路由的难点,提出了一种适合按需路由的通用路由体系结构,并基于Linux系统实现了按需路由之一的Aodv路由协议的嵌入式实现。结果表明了此路由体系结构很好地解决了Linux传统的路由体系结构瓶颈。     

自抗扰控制器参数的免疫遗传优化及应用

针对自抗扰控制器参数较多不易整定的问题,提出了基于免疫遗传算法的参数优化设计方法。与标准遗传算法相比,免疫遗传算法引入了免疫记忆库和浓度控制机制,提高了算法的收敛效率和局部收敛性能。并且综合考虑系统动态性能和实际工程中控制代价的限制因素建立了控制系统性能评价的目标函数,按照分离性原则进行自抗扰控制器设计并用免疫遗传算法对其关键参数进行寻优。将该方法应用于过热汽温度控制系统的变工况运行,仿真实验结果表明经过免疫遗传算法优化后的自抗扰控制器适应性较强,适用于模型参数变化范围较大的受控对象。     

改进免疫遗传算法及其应用研究

在传统遗传算法基础上提出一种改进遗传算法——免疫遗传算法（IGA）,该算法将生物系统免疫思想引入遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了群体中较优抗体又保证了抗体多样性,避免搜索进化的过早收敛,得到全局最优解。文中采用此改进算法来控制无源光中光分支器和光网络单元中位置分配选择,通过浓度因子控制解空间的搜索方向,帮助逃离局部极值。利用Visual C＋＋6．0对改进的免疫遗传算法和传统遗传算法进行比较,证明IGA的有效性和优越性。     

主动式路由交换机的研究

随着网络技术飞速发展,传统的网络协议结构很难根据应用的需要增加新的技术和标准来容纳新的服务。主支网络是一种可编程网络,具有相当灵活易于扩展的结构,它能够根据应用的需要而调配网络的软硬件资源,提出了一个主动式路由交换机的软硬件的体系结构。     

基于Agent的CFD自主求解系统研究

在用Agent概念对复杂软件系统抽象的基础上，强调Agent在CFD求解系统中的自主性和智能性，实现具有推理能力的计算卖体。通过基于角色的系统分析和改进的BDI模型Agent构建方法，将求解系统构建为一个多Agent系统。求解过程中由Agent控制子区域独立计算，根据解的收敛变化情况在不同数值方法间切换，根据子域之间边界点数据的变化实时决定通信的时机。同时介绍了系统的结构和各个Agent的主要工作。