GPP问题的骨架分析与启发式算法设计

图的划分问题(GPP)是具有广泛应用背景的典型NP-难解问题,高效启发式算法一直是该领域的研究热点.作为设计启发式算法的有力工具,GPP的骨架分析存在理论分析结果匮乏、骨架规模过小等缺陷.文中采用构造偏移GPP实例的技巧,不仅在理论卜证明了获取GPP的骨架是NP-难解的,并且利用一般GPP实例与偏移实例的关系,实现了骨架规模的提高.在此基础上,文中对于目前求解GPP问题最好的算法之一的IBS进行了改进,提出了基于偏移实例的IBS算法(BI-IBS).算法BI-IBS首先构造偏移GPP实例,然后再利用局部最优解交集对它进行归约,最后再求解归约后的规模更小的新实例.实验结果表明,BI-IBS比现有算法在解的质量上有了较显著的提高.文中的工作较完善地解决了GPP的骨架研究存在的问题,所采用的构造偏移实例的技巧对于其它NP-难解问题的骨架理论分析及启发式算法设计亦具有较高的参考价值.     

考虑编制受限的均衡任务覆盖人员排班模型

本文研究了考虑编制受限情况下的机场地勤人员排班问题.目的是从管理角度最小化成本,解决无法通过雇佣外界临时工以满足需求的人员紧缺问题,同时提高由不确定性因素造成计划中断的应对能力.本文建立了考虑编制受限的均衡任务覆盖混合整数优化模型,针对问题的特点设计了高效的启发式算法求解,并通过大型机场的真实算例验证算法及模型的效果.从无法覆盖的任务在排班周期内分布情况和员工间公平性两个角度分析模型在实际应用中的情况,证实模型能够很好应对用人高峰问题,提高机场运营效率,同时协助管理者在人员组成上进行决策.     

混合遗传算法求解含机器可利用约束的HFSP

针对含机器阻塞和可利用约束的混合流水车间调度优化问题,考虑工件运输时间,以最小化总加权完工时间为优化目标,建立混合整数规划模型,提出一种基于启发式规则的自适应混合遗传算法求解该模型.在传统遗传算法的基础结构上,引入五种启发式规则生成部分初始种群,从而改善部分初始解的质量;设计分段自适应交叉概率和变异概率计算公式,以加快算法收敛;利用局域搜索对得到的调度解进行再次优化,进一步提高算法搜索能力.对不同规模问题进行仿真实验,结果验证了该算法的可行性和有效性.     

可持续逆向物流网络设计研究进展及趋势

随着可持续发展理念的深入践行以及逆向物流活动对环境与社会影响的日益显著,可持续逆向物流网络设计问题正成为研究的热点.首先系统总结了可持续逆向物流网络研究的总体现状,并对经济、环境、社会目标测度指标与方法、数学模型的决策变量、目标函数与约束条件、不确定因素考虑及处理方法、问题求解方法与工具以及研究应用情况进行概述.研究发现,经济、环境与社会影响测度指标不完善,尤其是环境与社会影响类决策变量考虑较少,社会可持续研究总体偏少且测度方法有待突破.同时,较少考虑多周期、多产品、越库作业、按质量等级回收、不确定环境等真实逆向物流运作场景,战略、战术与运作层面集成优化不够,以上这些均限制了模型的应用.面对复杂的数学模型,较少采用区间优化、模拟仿真等方法求解不确定问题,更为高效、可靠的元启发式算法或精确算法亟待设计,同时应用仿真优化技术、交叉熵等进行效能评估或算法间比较以提升网络设计的效率和科学性.最后展望了可持续逆向物流网络设计潜在的发展趋势.     

求解QAP问题的近似骨架导向快速蚁群算法

QAP(quadratic assignment problem)问题是经典的组合优化问题之一,广泛应用于许多领域中.针对QAP问题,提出了一种新的蚁群算法--近似骨架导向的快速蚁群算法(ABFANT).该算法的基本原理是通过对局部最优解的简单相交操作得到QAP问题实例的近似骨架(approximate-backbone),利用这些近似骨架可以极大地缩小QAP问题的搜索空间,而同时不降低搜索的性能,最后对这个缩小后的搜索空间,直接用当前求解QAP问题最好的启发式算法之一-快速蚁群算法(FANT)求解得到问题的解.在QAPLIB中的典型实例上的实验结果表明,近似骨架导向的快速蚁群算法明显优于快速蚁群算法.此外,指出基于近似骨架的算法思想可以很容易地被移植到其他求解QAP问题的启发式算法中.     

基于柔性维护的堕化单机系统调度研究

针对单机系统,在假设生产系统为堕化系统,且生产过程中作业的加工不可中断的情况下,对考虑柔性时间窗口[[u,v]]下进行长度为[w]的周期预防性维护的调度问题进行了研究。建立了综合考虑生产调度和设备维护的混合整数规划模型,并设计了一套基于贪婪的启发式算法对所研究问题进行优化求解。通过Cplex和启发式算法求解结果的对比证明了算法可以快速、有效地解决此类问题。     

BK-means:骨架初始解K-means

K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果。骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义。给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇。利用骨架簇构造骨架初始解及新的搜索空间。最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果。在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力。     

试析基于C语言的编程算法思路

大数据的时代迫切要求提高效率,一种方法是在硬件方面进行改进,设计一种比较高效实用的硬件结构;另一种方案就是在算法层面进行优化.比如一个算法的时间复杂度为O(2^n),如果数据量急剧增加,所用的时间也急剧增加,仅仅在硬件方面的考虑已经满足不了对效率的要求,而此时就要求从算法层面去考虑.着重于从算法方面进行优化,一个问题的解决可能有多种,但并不是所有方案都是满足要求的.以C语言为例,介绍基本的算法思想,希望对读者有所启发.     

时间约束混合流水车间调度问题综述

车间调度是智能制造领域中的核心问题之一, 在经典流水车间调度中, 所有工件按照相同的加工顺序在指 定机床上加工. 混合流水车间调度(HFS)作为流水车间调度的特例, 相比前者增加了机床选择的灵活性, 可以显著 优化系统目标, 但同时也增加了问题求解的难度. 由于时间约束HFS相比基本HFS问题更贴近实际生产过程, 近年 来, 综合考虑各类时间相关约束的HFS问题得到了深入研究. 因此, 本文围绕基本HFS、有限等待时间HFS、带准备 时间HFS、模糊/随机加工时间HFS、多时间约束HFS、时间约束相关多目标HFS等问题开展研究. 针对每一类时间 约束HFS问题, 按照问题规模对当前研究成果进行分类描述, 按照确定性算法、启发式方法、元启发式方法、算法混 合对相关成果进行算法分类, 按照实际工业应用对文献进行归类分析. 另一方面, 围绕交货期、能耗、成本等3类性 能指标, 分析了在各类时间约束HFS问题中的多目标优化相关成果. 最后详细分析了带时间约束HFS问题在问题层 面、算法层面和应用层面存在的挑战性问题和未来研究的方向.     

基于食肉植物算法的状态序列搜索

从有限自动机中生成简短、可读性强的正则表达式是计算机理论研究中的一个重大课题.在经典的正则表达式生成算法中,状态序列是影响正则表达式质量的关键因素.为了能够快速高效地找到较优的状态序列,本文以食肉植物算法的理论为核心,并结合其他启发式算法的思想进行设计与优化,提出了一种基于食肉植物算法的状态序列搜索方法.通过实验将此方法与已有的一些使用启发式规则的搜索算法进行了对比,实验结果表明,基于食肉植物算法的状态序列搜索方法优于其他启发式算法,生成的正则表达式长度比起其他启发式算法明显缩短,如跟DM算法相比,长度的缩短幅度可以随着自动机阶数的增加达到20%以上,跟随机序列算法相比,可以把长度缩短多个数量级.     

基于混合遗传算法的网络拓扑设计

提出了一种由启发式算法和遗传算法混合使用的混合遗传算法用于通信网络中的骨干网拓扑设计。文中骨干网拓扑设计问题是在满足R边连通和跳数约束的情况下使得网络费用最小。在遗传算法中，交叉和变异操作会产生不可行解，可通过增加链路来使不可行解变为可行解。增加链路后，其费用一般要比父代个体大，并且有多余的链路。该文的混合遗传算法是在遗传算法中加入启发式策略，来消除多余的链路，降低子代的费用，加快算法的收敛速度。仿真结果验证了算法的有效性。     

Backbone analysis and algorithm design for the quadratic assignment problem

As the hot line in NP-hard problems research in recent years, backbone analysis is crucial for phase transition, hardness, and algorithm design. Whereas theoretical analysis of backbone and its applications in algorithm design are still at a begin- ning state yet, this paper took the quadratic assignment problem （QAP） as a case study and proved by theoretical analysis that it is NP-hard to find the backbone, i.e., no algorithm exists to obtain the backbone of a QAP in polynomial time. Results of this paper showed that it is reasonable to acquire approximate backbone by inter- section of local optimal solutions. Furthermore, with the method of constructing biased instances, this paper proposed a new meta-heuristic -- biased instance based approximate backbone （BI-AB）, whose basic idea is as follows： firstly, construct a new biased instance for every QAP instance （the optimal solution of the new instance is also optimal for the original one）; secondly, the approximate backbone is obtained by intersection of multiple local optimal solutions computed by some existing algorithm; finally, search for the optimal solutions in the reduced space by fixing the approximate backbone. Work of the paper enhanced the research area of theoretical analysis of backbone. The meta-heuristic proposed in this paper provided a new way for general algorithm design of NP-hard problems as well.     

An efficient link allocation algorithm for survivable ATM-based personal communication networks

The integration of the issue of survivability of wireless networks in the design process of the backbone network is addressed in this paper. The effectiveness of this integration plays a critical role in the success of the wireless network and the satisfaction of its mobile users. In this paper, we consider the design problem of allocating the backbone links in ATM-based personal communication networks (PCNs) that are survivable under single backbone link failures. Survivability is achieved by selecting two link-disjoint routes in the backbone network between every pair of ATM switches. We also take the novel approach of not only minimizing the diameter of the network as a primary objective but also minimizing the total length of the network as a secondary objective. We propose a new heuristic algorithm to optimize the design of the network based on both objectives. We report the results of an extensive simulation study that show that our algorithm generates backbone networks that can withstand single link failures, have shorter average diameters and smaller total lengths and achieve a higher percentage of admitted calls under a mobile environment.     

An effective heuristic for flow shop problems with total flow time as criterion

This research studies on application of genetic algorithms for flow shop problems with total flowtime as the criterion. There is still very little research focusing on total flow time for flow shop problems. We develop a genetic algorithm based heuristic for the problems, and use an integer programming model and an existing heuristic to evaluate the efficiency of the genetic algorithm based heuristic. We generate a set of problems with different numbers of machines, different numbers of jobs, and solve ten of each of the problems using the integer programming model, the existing heuristic, and the genetic algorithm based heuristic, respectively. The results are very encouraging and appear to indicate the genetic algorithms are efficient approaches for flow shop problems.     

基于拓扑特性的分布式虚拟骨干网算法

由于在任意连通网络中搜索最小连通支配集(minimum connected domination set,简称MCDS)是NP完全问题,提出了一种拓扑感知的MCDS启发式算法——TACDS(topology-aware connected domination set),并证明了其正确性.通过利用节点的拓扑特性,减小了支配节点选择的盲目性.该算法能够根据2跳内的局部拓扑信息构造出较小的CDS(connected domination set),从而得到基于该支配集的虚拟骨干网.仿真结果表明,该算法优于其他分布式CDS算法,可以更好地近似MCDS.     

一种新的基于属性重要性的粗糙集值约简算法

值约简是粗糙集理论的一个重要研究课题。而现有的很多值约简算法,在执行效率上还有待提高。通过对现有的启发式值约简算法的研究,提出了一种新的基于属性值重要性的粗糙集值约简算法,并通过实例分析验证了该算法的可行性和有效性。     

一种新的基于属性重要性的粗糙集值约简算法

值约简是粗糙集理论的一个重要研究课题。而现有的很多值约简算法。在执行效率上还有待提高。通过对现有的启发式值约简算法的研究,提出了一种新的基于属性值重要性的粗糙集值约简算法,并通过实例分析验证了该算法的可行性和有效性。     

Minimizing the number of tardy jobs in a single-machine scheduling problem with periodic maintenance

This research focuses on the problem of scheduling jobs on a single machine that requires periodic maintenance with the objective of minimizing the number of tardy jobs. We present a two-phase heuristic algorithm in which an initial solution is obtained first with a method modified from Moore's algorithm for the problem without maintenance and then the solution is improved in the second phase. Performance of the proposed heuristic algorithm is evaluated through computational experiments on randomly generated problem instances and results show that the heuristic gives solutions close to those obtained from a commercial integer programming solver in much shorter time and works better than an existing heuristic algorithm in terms of the solution quality.