求解模糊Job Shop调度的遗传算法与蚁群算法融合研究

提出一种算法融合策略,解决单一算法求解模糊Job Shop调度问题存在的不足,提高这类问题的求解质量.算法融合策略中,采用遗传算法和蚁群算法进行并行搜索;根据模糊Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力.采用算法融合策略的混合优化算法对以13个难的benchmarks问题经模糊化得到实例进行求解,在较短的时间内,得到的平均满意度较并行遗传算法(PGA)提高5.24%、较TSAB算法提高8.40% .采用算法融合策略构造的混合算法具有较强的搜索能力,说明提出的混合搜索策略是有效的.     

火力单元部署优化问题的现状与进展

随着信息技术在军事领域中的运用,以网络中心战为理论的信息化战争变得更加具有优势.火力单元部署是网络化战争中的一个重要研究内容,涉及如何充分利用有限的资源来最大化部署火力单元的防御能力.它是一种多约束非线性优化问题.本文对网络化火控系统中火力单元部署优化问题及其研究方法的进展进行了综述.首先介绍了火力单元部署优化问题的基本研究现状.其次从部署空间、约束条件、目标函数3个方面总结了火力单元部署的数学模型,并讨论了求解火力单元部署问题的优化方法,包括编码、约束处理、多目标处理和求解算法的研究现状.最后阐述了火力单元部署优化中的重点以及发展趋势.     

基于混沌变异的自适应双粒子群优化

针对粒子群优化在解决高维优化问题时收敛性差、搜索效率不高的问题,在对粒子群优化算法收敛性分析的基础上,提出了混沌变异对极值进行扰动的方法,以增强算法摆脱局部最优解的能力.采用自适应惯性权重和局部邻域搜索保持较高的局部搜索性能,并结合双粒子群协同进化的方法,综合平衡优化算法的全局搜索和局部搜索能力.通过对4个典型测试函数进行的对比实验,表明了所提出的算法能大大提高粒子群优化的搜索效率和收敛精度.     

融合PSO和Powell的雷达组网反隐身部署优化算法

针对多雷达组网探测隐身目标的部署优化问题, 根据雷达探测隐身目标的简化模型,在目标运动轨迹确定的情况下,设计了反隐身部署优化 两级指标。由于雷达网部署为具有多个可行解的多目标优化问题,提出了一种融合粒子群(P article swarm optimization, PSO)和 鲍威尔(Powell)搜索法的分层搜索算法。首先采用粒子群优化算法得到全局和局部最优解, 然后采用 鲍威尔算法进一步搜索得到部署方案。仿真结果表明,提出的算法充分结合了粒子群算法的 全局搜索能力和鲍威尔算法的局部搜索能力,与仅采用粒子群算法相比,得到的部署方案在 保证责任区覆盖的前提下,有效提高了雷达网对隐身目标的探测概率,增加了对隐身目标的 预警距离。     

多中心联合配送模式下集货需求随机的VRPSDP问题

针对多中心联合配送模式下集货需求随机的同时配集货车辆路径问题(MDVRPSDDSPJD), 构建了两阶段MDVRPSDDSPJD模型. 预优化阶段基于随机机会约束机制以及车载量约束为客户分配车辆, 生成预优化方案; 重优化阶段采用失败点重优化策略对服务失败点重新规划路径. 根据问题特征, 设计了自适应变邻域文化基因算法(Adaptive memetic algorithm and variable neighborhood search, AMAVNS), 针对文化基因算法易早熟、局部搜索能力弱等缺陷, 将变邻域搜索算法的深度搜索能力运用到文化基因算法的局部搜索策略中, 增强算法的局部搜索能力; 提出自适应邻域搜索次数策略和自适应劣解接受机制平衡种群进化所需的广度和深度. 通过多组算例验证了提出模型及算法的有效性. 研究成果不仅深化和拓展了VRP (Vehicle routing problem)相关理论研究, 也为物流企业制定车辆调度计划提供一种科学合理的方法.     

遗传模拟退火算法在组播路由选择中的应用

本文研究基于带宽、时延及时延抖动约束最小代价的QoS组播路由优化算法.针对遗传算法在求解多目标优化问题时局部搜索能力弱、易早熟的缺陷,提出了一种基于遗传算法和模拟退火算法混合策略的多目标优化方法.该算法采用树结构编码机制和改进的交叉和变异算子,利用模拟退火算法在可行解范围内构造邻域解集,采用种群早熟评价函数进行局部细化...     

改进的求解约束P-Median问题的分散搜索算法

对解决约束P-中位问题已有的分散搜索算法进行改进。通过划分中心点服务范围的新方法指派需求点以构造初始解,用基于外包矩形的局部搜索方法来提高邻域解搜索的效率,结合路径重连算法,扩展邻域解的搜索范围,来提高解的质量。实验表明此算法能够得到优化且连续的解。     

集货需求模糊的异型车同时配集货路径优化

针对集货需求模糊的异型车同时配集货车辆路径问题(HFVRPSDDFP),基于先预优化再重优化的思路构建模型.预优化阶段根据可信度理论和车型选取方法为客户点分配车辆,生成配送方案.重优化阶段利用随机模拟算法(SSA)确定客户集货需求,对服务失败的客户点,制定服务策略,将模糊问题转化为确定型的异型车辆路径问题(HFVRP),并规划路径.设计遗传变邻域算法,通过测试确定邻域结构构造,将自适应搜索策略应用到邻域搜索过程中,保证迭代前期收敛速度和后期全局搜索能力.通过算例验证了本文模型及算法的有效性.     

混合算法的邻域结构变更研究及在排样问题上的应用

本文研究了全局搜索算法和局部搜索算法的混合机制,设计了基于邻域搜索和遗传算法的混合搜索算法。该算法结合了遗传算法的全局搜索特性和邻域局部贪婪搜索特性;在分析排样问题碰靠过程特征的基础上,构建了排样问题邻域假设,当邻域假设满足时,遗传算法+邻域搜索能很好发挥作用;当不能判断邻域结构是否满足邻域假设时,提出了建立遗传算法+匹配变邻域的搜索算法,该算法兼顾了组合优化中邻域搜索的局部搜索无效的情况,实现了匹配的变邻域混合算法在排样优化问题中的应用。实例结果标明,排样图形不一样,其求解难度不一样,该算法均搜索到了更好的排样模式,验证了算法的有效性。     

融合粒子群和局部邻域搜索的优化算法

为解决采用单一搜索策略的算法很难兼顾全局搜索和局部搜索,且易陷入局部优化的问题,提出一种融合粒子群优化和局部邻域搜索思想的新算法(Ne-PSO).采用混合搜索策略,通过对全局最优粒子信息的交互和反馈,并行进行全局搜索和局部搜素.同时,新算法引入禁忌策略,通过设置禁忌邻域来限制粒子的搜索区域,有效规避了局部优化.通过4个经典函数的测试,验证了该算法在寻优速度、精度和成功率方面的优异性能.     

基于改进火力分配模型的综合防空火力智能优化分配

针对综合防空火力分配中,传统火力分配模型没有全面考虑火力通道射击效能因素,且在火力资源相对充足的情况下火力资源易浪费和易延误战机的问题,将射击有利度、飞临时间与威胁度等因素结合,构建一种新的综合防空火力分配模型.基于此模型,针对来袭目标、火力节点以及制导节点3者之间的火力优化匹配问题,提出一种基于深度优先搜索预处理的多种群并行布谷鸟搜索算法(PMPCSA).该方法采用Prolog智能规划语言构建目标-火力节点-制导节点匹配规则库,在规则库中利用深度优先搜索快速生成可行的目标-火力节点-制导节点的匹配预处理方案;采用多种群并行布谷鸟搜索算法,对得到的可行分配空间进行搜索,通过引入多种群并行优化搜索,不同种群赋予不同控制参数的思想,兼顾算法的全局探索和局部开发能力,可有效提高算法寻优效率.最后,通过仿真结果验证所建综合防空火力分配模型的优势性,同时表明,所提出的PMPCSA算法能有效地平衡全局探索与局部开发,在保证较高收敛速度的同时,提高全局探索能力.     

基于遗传算法的防空兵群(团)火力分配模型

防空兵火力分配决策是防空兵群团射击指挥的重要内容,火力分配的正确性和实时性关系到防空作战的成败,是防空兵指挥自动化系统追求的目标.在解决防空兵火力分配问题时,以往常采用整数规划的方法.但在实际应用中,传统方法存在着三个方面的不足.为此,该文将标准遗传算法运用于防空兵火力分配方案寻优中,建立了新的基于遗传算法的防空兵群团火力分配模型和计算流程,并给出了计算示例.计算结果表明,该方法较好地克服了传统方法的缺陷,具有良好的实用价值和应用前景.     

基于D-NSGA-GKM算法的多阶段武器协同火力分配方法

陆战场防御作战场景中的多阶段武器协同火力分配问题是典型的约束组合优化问题,其目的是生成合理有效的火力分配方案.为了更接近实际作战情况,引入双方对抗过程,建立包含敌方作战单元战场剩余价值、作战资源消耗、作战单元战场价值损失的武器火力分配模型.针对多阶段武器协同火力分配问题,在非支配排序遗传算法III(non-domina...     

基于免疫算法的网络功能异构冗余部署方法

针对现有安全防御手段无法抵御网络功能虚拟化平台中众多未知的漏洞与后门的问题。运用拟态防御思想,提出一种网络功能虚拟化的拟态防御架构,并针对其中的异构体池构建问题设计了一种基于免疫算法的网络功能异构冗余部署方法。首先,结合熵值法对异构体之间的异构度进行量化评估;然后,以实现异构体之间异构度最大为优化目标将网络功能异构冗余部署问题构建成极大极小问题;最后,基于免疫算法快速求解最优部署方案。仿真结果表明,该方法可以迅速收敛到最优部署方案,并保证异构体之间的异构度值整体分布在较高的水平,有效增加了异构体池的多样性,提升了攻击者的攻击难度。     

防空火力分配建模及优化方法研究

在综合考虑防空对抗双方作战价值的基础上，建立了一种用于防空作战多武器系统对抗多批目标的火力分配模型，在此基础上，提出了基于粒子群优化（PSO）算法以及粒子群与遗传算法相结合（PSO—GA）的火力优化分配方法．通过仿真，并与遗传算法（GA）进行了比较，验证了火力分配模型的可行性以及所提出优化方法的有效性和优越性.     

基于差分进化算法的面目标瞄准点寻优

瞄准点的寻优选取是导弹火力筹划的核心理论问题之一。针对此问题,本文基于矩形面目标毁伤面积计算设计评价函数,利用差分进化算法原理对面目标的瞄准点坐标进行实数编码,并设计差分进化算子,建立面目标瞄准点寻优模型。通过设计面目标计算实例对模型进行验证,实验结果表明,差分进化算法的稳定性较强且具有较好的操作性,模型求得的瞄准点可信度较高,能够提升导弹打击效果并降低打击成本,为火力筹划中瞄准点寻优提供了新方法。     

基于自适应遗传算法的防空兵最优火力配置

基于遗传算法的防空兵最优火力配置,运用战场目标价值和防空兵火力配置情况建立。最大限度发挥武器火力单位效能并达到最大毁伤效果。步骤包括：采用实数编码,通过构建染色体,生成初始群种;计算适应度,检验初始群种;操作遗传算子并改进选择、交叉、变异等操作。最后求解最优解,找出最优的配置方案。在该算法中,提出了1种既考虑进化代数对算法的影响,又考虑到每代不同个体适应度作用的自适应交叉概率和变异概率。     

基于改进遗传算法的舰空导弹火力优化仿真

针对严峻的空中威胁,快速合理的进行火力分配,充分发挥舰空导弹作战效能,为了最大限度的保护水面舰艇安全。在分析现代水面舰艇编队防空作战过程的基础上,结合现代水面舰艇编队防空的基本原则,运用改进的遗传算法建立了水面舰艇舰空导弹火力优化配置模型。使算法通过合理可信的目标函数、十进制编码、控制初始种群个体距离、重复度防畸判断和统一优选产生子代策略,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度。最后,通过两个实例进行了仿真实验和结果分析,结果证明：算法可以快速有效地进行舰空导弹的火力分配,可以解决复杂防空态势,搜索结果可信度高,实用性强。     

基于Delaunay三角划分策略的WSN区域覆盖优化研究

针对无线传感器网络在对初次抛洒节点形成的覆盖漏洞进行二次部署的过程中,传统几何学方法难以运用于概率感知模型的问题,提出一种基于Delaunay三角划分策略的无线传感器网络区域覆盖优化算法——DPSO算法。首先对监测区域内随机抛洒的静态节点和监测区域边缘顶点进行Delaunay三角划分,以得到静态节点三角网,结合无线传感器网络节点的概率感知模型证明三角形内部存在完全未覆盖区域即覆盖漏洞;其次将通过筛选得到的三角形形心集合作为粒子群优化算法的初始解集,利用改进的粒子群优化算法完成对移动节点的二次部署,以达到修复覆盖漏洞的目的。实验表明,所提出的基于Delaunay三角划分策略的优化算法能够有效修复覆盖漏洞,使区域覆盖率得到显著提高。