一种平板车装载问题的启发式算法

提出平板车装载问题的一各上启发式方法,不仅能够从几种型号的平板车中选择出一种装载性能较好的平板车,而且能够将具有不同特性的不同尺寸的物品放在该型号平板车中,它能够在满足一些约束条件下求得一种可行的装载方案,实例充分证明了该算法的有效性和实用性,能够直接用于实际生活中。     

一种求解集装箱装载问题的启发式算法

所谓集装箱装载问题,就是将若干大小不同的长方体盒子装进一个大小已知的长方体容器,其目标是最大化容器的积裁率.对这一问题,国内外学者利用不同的哲学思想,提出了诸如遗传算法、模拟退火算法等求解算法.本文提出一种求解此问题的基于最大穴度优先原则的启发式算法.算法中使用了两个重要的策略:最大穴度原则和最小边度原则.用一些公开的算例对算法性能进行了实算测试,测试结果表明:算法所得结果的容器积载率高,是求解集装箱装载问题的有效算法.     

一种新的求解集装箱装载问题算法

本文根据改进的Pisinger启发式规则将集装箱进行体积最大化装载，在长度方向根据货物将空间分层分条，每一条用0-1背包算法求最优解；并且，有效消除不必要的空隙，将各层进行重心位置最优化调整。提高了装栽效率。     

同类货物集装箱装载问题的启发式算法

提出了求解同类货物集装箱装载问题的一种启发式算法.算法中采用了层的思想,集装箱的每个面都可用来构建层.通过对二维布局、层高组合和用来构建层的集装箱面的选择等三个方面的优化求解,得到了具有较高装载率的集装箱装载方案.实例结果表明,该算法是求解同类货物集装箱装载问题的一种行之有效的方法.     

蚁群算法求解复杂集装箱装载问题

针对复杂集装箱装载问题(CLP),应用启发式信息与蚁群算法求解了最优装载方案。首先,建立了复杂集装箱装载问题的数学模型,利用蚁群算法对解空间的强搜索能力、潜在并行性及可扩充性,结合三空间分解策略将布局空间依次分割;然后,装入满足约束条件的最优货物块,完成不同大小三维矩形货物的装载布局。在此基础上,设计了基于空间划分策略的蚁群算法。最后以700件货物装入40尺(12.025m)高柜箱进行计算,结果表明该方法能提高集装箱的空间利用率,同时兼顾了多个装载约束条件,可应用性好。     

求解强异类集装箱装载问题的混合蚁群算法

针对强异类集装箱装载问题,设计了一种混合蚁群算法。算法中搜索空间分为货物摆放的优先序列和货物摆放的状态两部分;引入体积大的货物优先放入的启发式规则;将蚂蚁搜索得到的序列与历史最优序列进行交叉,取三者最优序列作为该蚂蚁的搜索路径;在更新信息素时,采取两种挥发系数更新信息素以避免信息素过快饱和,同时分析了算法的复杂度。通过三个强异类实例的测试,表明算法得到的装载方案有较高的空间利用率。     

集装箱装载问题的模拟退火遗传算法

将模拟退火的思想引入遗传算法中,将两者结合起来,探讨了模拟退火遗传算法在复杂集装箱装载中的应用,以此达到缩小搜索区域,增强算法的收敛性的目的。该算法充分发挥了遗传操作中交叉算子的作用,并通过实例仿真表明该算法优于传统的计算方法。     

基于混合遗传算法的多约束集装箱装载问题研究

在考虑集装箱装载货物底置等级、侧放方式、堆码层数等一些实际应用的约束条件下,根据同类型货物一次性装载的思想,提出了一种新的基于空间划分的启发式算法,并以此为基础构造了一种混合遗传算法。     

求解多车辆装载问题的启发式改进蚁群算法设计

针对启发式优化算法不能较理想地对多车辆大规模装载问题进行优化的局限性,文章设计了一种启发式改进蚁群算法,该算法将单车辆的启发式装载与多车辆装载时的蚁群优化算法有机结合,较好地解决了多车辆大规模装载问题。经过实例验证,该算法具有较高的计算效率和较好的收敛特性。     

混合二元蚁群算法求解集装箱装载问题

集装箱装载问题是一个具有复杂约束条件的组合优化问题,属于NP-hard问题。针对集装箱装载问题的特点,设计了空间三叉树,对可利用空间采用三叉树划分策略,利用二元蚁群算法结合启发式算法进行求解,即先利用二元蚁群算法确定预备装入货物集,再用启发式算法决定货物的装入优先级顺序,并给出了有效的装箱算法。实例结果表明该算法的有效性和实用性。     

求解圆形Packing问题的一个启发式算法

求解NP难度问题一直是计算机科学技术中的一个瓶颈任务,自20世纪70年代以来的研究表明,求解NP难度问题不存在既完整严格又不大慢的求解算法,因此,近年来,启发式方法成为研究热点,圆形Packing问题是NP难的,具有很高的理论和实践价值,它的求解目标是录求多个圆在一个大圆内的一个优良布局,使得这些圆互不重叠地放置,基于拟物法以及适者生存启发式思想,为圆形Packing问题的快速求解提出了一个高效的启发式算法,算法的高效性通过计算实例得到了验证。     

求解方格packing问题的启发式算法

沿着拟物与拟人的途径，本文为一类具有ＮＰ难度的方格ｐａｃｋｉｎｇ问题得到了实用的近似求解算法。以此算法为基础可以发展出一种为大规模集成电路芯片裁切工作做计算机辅助设计的高效的软件系统。     

一种基于八叉树结构表达的三维实体布局启发式算法

本文在利用八叉树结构表达三维实体布局块及布局空间的基础上,根据八叉树同构节点匹配的思想设计了一个三维实体布局的启发式算法,并提出了三环图方法,解决了八叉树节点的同构识别问题．理论分析及计算的结果表明了该算法对于具有任意形状和大小的布局对象的三维布局问题来说效果理想．     

一种基于二叉树结构表达的矩形物体布局的启发式方法

本文提出了一种利用二叉树结构表达矩形物体布局状态空间的方法．通过将布局空间依次分割，每次放入相对于当前布局空间来说是满足特定条件的最优布局块，并将该布局块定位于当前布局空间的左上角来完成不同大小矩形物体的布局方案的确定．通过调整调序因子ＫＡ和ＫＢ的值，可得到满足不同要求的优化布局方案．同时，所得布局方案均满足工业上一刀切的要求．实验结果证明了该算法的灵活性和有效性．     

有色装箱问题的在线近似算法

有色装箱问题是经典装箱问题的推广,它在多处理器实时计算机系统的任务调度等实际问题中有着很强的应用背景,提出了求解有色装箱问题的KC－A算法,它首先对输入物品进行分类预处理,然后在同一类内部使用经典装箱问题的近似策略A,给出了KC－A算法最坏情况渐近性能比的下界,分析了当选用的算法A是著名装相算法NF,FF,BF,WF时KC－A算法的最坏情况渐近性能比和平均性能比,给出了实验结果,并指出KC－FF表现出相对更好的实验效果。     

并行启发式进化遗传算法

本文通过对遗传算法 (GA)的过早收敛问题及其解决方法的探讨 ,结合种群分布、多种群进化、迁徙及并行启发式结构等思想 ,提出一种求解全局最优解的并行启发式进化遗传算法 (PHGA) ,仿真结果验证了这种新算法良好的全局收敛性性能     

解“时间表问题”（TTP）的启发式算法

本文给出了一种解“时间表问题”的启发式算法，从整个时间表的生成过程来说，它是一种并行和无回溯的方法，从一天的时间表生成来说，它是一种改进的Ｔａｂｕ查代方法。该算法不能保证在任何情况下都能获得可行的时间表，但能保证所获得的时间表是最优的或较优的。     

知识约简的一种启发式算法

知识约简是Ｒｏｕｇｈ Ｓｅｔ理论研究中的核心内容之一,现已证明了寻找决策表的最小约简是ＮＰ－ｈａｒｄ问题,文中首先从信息的角度,对决策表中属性的重要性给出度量;在此基础上,提出了一种基于互信息的知识相对约简的启发式算法,并指出算法的复杂性是多项式的;最后,通过     

Flow－shop调度问题的遗传启发算法

结合遗传算法和启发式规则，构造了一种新的遗传启发搜索算法，用于求解Ｆｌｏｗ－ｓｈｏｐ调度问题．通过分析和实例计算表明，算法能够有效地适用于大规模加工过程中调度问题的优化计算，在运行时间，适应性和最优率等方面都具有很好的搜索优势．     

一种柔性车间快速启发式调度算法

柔性作业车间调度问题比传统的Job-shop问题更复杂也更符合实际生产实际.为了快速有效地求解这类问题,设计出一种基于综合分派规则的快速启发式调度算法.基于综合分派规则的调度算法,以一批工件总完工时间最短为目标,在调度过程中通过动态调整工件的加工优先级并为每道工序分配最适合的机器进行加工,可迅速求得满意的较优解.与其他方法进行对比实验结果证实了算法的有效性,在实际调度系统的应用中也证明了算法的实用性.