多行程多交货期的成品油配送优化

研究多行程多交货期的成品油配送优化问题,已知油库使用带运输时间窗的多舱车辆配送各加油站的多个订单, 每个加油站具有各自的优先级,且加油站的各个订单带有交货期.综合考虑客户优先级、订单交货期和车辆运输时间窗等因素,以配送收益最大化为目标,建立多行程多交货期的成品油配送优化模型,并设计带交货期移除算子的改进变邻域搜索算法进行求解.基于前向插入启发式算法构造初始解,设计基于订单交货期的邻域扰动算子和基于单位时间收益最大化的贪婪策略,以增强算法的局部寻优能力,并提出基于逆序访问的后期优化策略,从而在保证解的质量情况下加快算法收敛速度.通过不同规模下的仿真实验验证了所提出模型和算法在最大化配送收益的同时,能够有效地提高配送及时性.     

考虑订单发货区域的物流配送调度问题研究

研究了一种考虑订单发货区域的物流配送问题,针对问题建立了两阶段多目标整数规划模型：订单车辆指派模型和车辆配送调度模型。基于对模型及问题特点的分析,构造了一种两阶段优化算法：第一阶段,基于聚类-约束满足优化算法为待发货订单指派最佳车辆;第二阶段,基于单亲遗传算法为车辆指定最佳的物流配送方案。通过数据仿真验证,模型和算法是可行且有效的。     

基于混合元启发式算法的订单分批问题

订单拣选是仓库运营管理中一项高劳动强度与高成本的操作,拣货员在仓库中从货位拣选出满足订单需求的货物.订单分批问题(order batching problem, OBP)是订单拣选中的重要规划问题,该问题以最小化拣选批次路径时长为目标,将用户订单分配至拣选批次中.首先,为了优化订单分配构造高质量批次,提出一种混合元启发式算法,在自适应大邻域搜索框架中融入基于不可行下降的局部搜索,同时引入自适应惩罚机制和一批基于订单与基于批次的移除启发式以及新的算法组件;其次,为了优化拣选路径进一步降低批次旅行时间,提出单向启发式,利用动态规划优化组合多个路径策略.实验表明,在合理计算时间内,所提出算法的求解质量优于多重启变邻域搜索(MS-VNS)、混合自适应大邻域搜索及禁忌搜索(ALNS/TS),而且所提出算法的最大路径长度减少率达到22.36%.     

基于模拟退火算法的多节点订单排序模型*

将Slotnick等人的单节点的订单选择模型扩展到多节点,给出了较复杂的多处理节点的订单排序优化模型。采用了模拟退火算法来求解所建模型的优化解,给出了详细的算法步骤和几种相邻解的搜索策略。对模拟数据进行了仿真求解计算,验证了算法的求解效果和计算效率,算例结果也表明：多节点的订单选择模型比单节点模型更加符合实际情况,能更准确地计算订单收益与延迟处罚,克服了单节点模型中的失真问题。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

有限产能下多部件设备视情维修策略与多订单批量生产联合优化研究

针对有限产能下,面对多个不同要求订单时的订单选取和多部件设备维护决策问题,提出了基于客户满意度的多部件设备视情维修策略和多订单批量生产的联合优化模型。首先,基于比例风险模型描述出各部件的具体劣化趋势,并以虚拟年龄表示各部件的健康状态;其次,根据单次批量生产结束后的实时监测结果和维修阈值,确定不同的维修方式;再次,以利润最大化为优化目标,结合有限产能批量问题模型和客户满意度模型,建立视情维修策略和多订单批量生产联合优化模型;最后,利用模拟退火算法和粒子群算法就行模型求解,并通过算例验证了模型的有效性,使模型更具有现实意义,并对模型相应参数进行了灵敏度分析。     

一类求解订单分配和排序问题的集成优化算法

研究大规模订单分配和排序问题.从整体的角度协同优化多工厂供应链排序中的订单分配、生产调度和分批运输调度3个阶段;以总订货提前期与总成本的加权和最小化为目标,建立了问题的数学模型;基于解的最优化条件,设计了禁忌搜索算法与动态规划方法相结合的集成优化算法;在算法中设计了自适应选择机制,以提高算法的搜索效率.数值实验结果验证了采用所提出的集成优化算法求解规模较大问题的有效性.     

成品烟自动分拣系统的补给优化方法

为了节约成品烟自动分拣系统补给优化装置昂贵的机械成本,提出一种低廉、智能化的优化方法,对该系统的工作性能提高具有重要意义.根据补给线工艺特点和存在的问题,分析客户订单排列对补给线需求信号时间分布的影响,将其归结为一类组合优化问题;结合分拣过程及订单需求信息,提出3种基于需求信号时间分布的补给优化数学模型.利用模拟退火算法,得到3种模型的优化结果并验证了优化模型的正确性和有效性.     

基于聚类的城市共同配送海量订单调度问题研究

针对云物流环境下城市共同配送海量订单调度难的问题,本文提出基于订单聚类的调度算法.首先针对单中心多车辆调度问题,提出基于单亲遗传的优化调度算法;在此基础上综合考虑城市配送中心的地理位置、车辆及配送点的地理位置、货物的种类、需求量,提出采用蚁群算法构建基于配送中心的海量订单聚类、优化调度算法.     

A fast algorithm for determining the linear complexity of a binary sequence with period 2~np~m

An efficient algorithm for determining the linear complexity and the minimal polynomial of a binary sequence with period 2npm is proposed and proved, where 2 is a primitive root modulo p2. The new algorithm generalizes the algorithm for computing the linear complexity of a binary sequence with period 2" and the algorithm for computing the linear complexity of a binary sequence with period pn, where 2 is a primitive root modulo p2.     

基于Logistic映射的动态密钥加密算法

混沌序列具有类随机性、对初始条件极度敏感性、遍历性和非周期性等特点,展现出优良的密码学性能。该加密算法通过Logistic映射产生混沌序列,并将混沌序列映射为64位二进制序列,结合DNA序列变迁重组算法和DES算法对64位明文分组进行加密,DES初始密钥处于动态变化中,能有效地抵御穷举攻击和选择密文攻击等多种攻击手段。     

基于图结构的候选序列生成算法

先生成候选序列再判断候选序列是否为频繁序列，最后获得频繁序列是序列数据挖掘中基于候选序列挖掘算法的一般结构，如Apriori类算法，GSP算法，SPADE算法等。因此，研究候选序列生成算法具有普遍意义。本文首先研究了序列数据集(序列数据库)与图结构间的关系，证明了一个序列是频繁序列的必要条件是该序列对应于一个完全子图。以此为基础提出了基于图结构的候选序列生成算法，文中给出了算法正确性证明。在T25110D10K和T25120D100K数据集上的挖掘实验表明在本文提出的候选序列生成算法上进行挖掘比用Apriori算法进行挖掘的效率更高。     

基于MPI的伪随机序列并行加密算法研究

伪随机序列并行加密算法是科学与工程领域中极为重要的问题，拥有广泛的应用领域。而MPI是现在最流行的并行编程的工具，基于MPI的并行计算是现在被关注的热点。伪随机序列并行加密算法存在研究和实现上的困难，主要原因就是没有一个有效对它进行支持的工具。本文将伪随机序列并行加密算法与MPI结合起来，研究如何提高伪随机序列并行加密算法的效率。通过实验模拟和算法分析，证明这是有效的。因此，基于MPI的伪随机序列并行加密算法将会为相关应用和研究领域提供新的方法和方向。     

基于模拟退火—遗传算法的非线性密钥序列生成器线性复杂度研究

计算线性等价是研究非线性密钥序列生成器线性复杂度的有效方法。本文先介绍了计算线性等价的模拟退火法,然后使用遗传算法对该算法进行改进,最后使用一组密钥序列生成器对改进后的算法进行性能评估,并将改进后的算法和原算法进行了比较。结果表明改进后的算法能比原算法更有效的找到非线性密钥序列生成器的线性等价。     

A fast projection algorithm for sequence data searching

In real life, data often appear in the form of sequences and this form of data is called sequence data. In this paper, a new definition on sequence similarity and a novel algorithm, Projection Algorithm, for sequence data searching are proposed. This algorithm is not required to access every datum in a sequence database. However, it guarantees that no qualified subsequence is falsely rejected. Moreover, the projection algorithm can be extended to match subsequences with different scales. With careful selection of parameters, most of the similar subsequences with different scales can be retrieved. We also show by experiments that the proposed algorithm can outperform the traditional sequential searching algorithm up to 96 times in terms of speed up.     

A platform for biological sequence comparison on parallel computers

We have written two programs for searching biological sequence databases that run on Intel hypercube computers. PSCANLIB compares a single sequence against a sequence library, and PCOMPLIB compares all the entries in one sequence library against a second library. The programs provide a general framework for similarity searching; they include functions for reading in query sequences, search parameters and library entries, and reporting the results of a search. We have isolated the code for the specific function that calculates the similarity score between the query and library sequence; alternative searching algorithms can be implemented by editing two files. We have implemented the rapid FASTA sequence comparison algorithm and the more rigorous Smith-Waterman algorithm within this framework. The PSCANLIB program on a 16 node iPSC/2 80386-based hypercube can compare a 229 amino acid protein sequence with a 3.4 million residue sequence library in approximately 16 s with the FASTA algorithm. Using the Smith-Waterman algorithm, the same search takes 35 min. The PCOMPLIB program can compare a 0.8 million amino acid protein sequence library with itself in 5.3 min with FASTA on a third-generation 32 node Intel iPSC/860 hypercube.     

Marginalized Viterbi algorithm for hierarchical hidden Markov models

The generalized Viterbi algorithm, a direct extension of the Viterbi algorithm for hidden Markov models (HMMs), has been used to find the most likely state sequence for hierarchical HMMs. However, the generalized Viterbi algorithm finds the most likely whole level state sequence rather than the most likely upper level state sequence. In this paper, we propose a marginalized Viterbi algorithm, which finds the most likely upper level state sequence by marginalizing lower level state sequences. We show experimentally that the marginalized Viterbi algorithm is more accurate than the generalized Viterbi algorithm in terms of upper level state sequence estimation.     

基于位置信息的显露序列模式挖掘研究

显露序列因为具有强区分能力,常被用来构建有效的分类器。当前算法大多关注序列模式的支持度或出现次数,而忽略序列模式在序列中的出现位置,这将导致一些重要的信息丢失。为此,提出一种带有局部位置信息的显露序列模式,并给出位置显露序列模式挖掘算法。该算法基于出现次数框架,结合后缀树,省略了候选模式的生成与选择步骤,能够快速有效地挖掘出位置显露序列模式。实验结果表明,采用位置显露序列模式构建的分类器在平均分类准确度上高于传统的显露序列模式挖掘算法。     

多目标优化机制下DNA编码序列模型

针对现有DNA计算中存在的编码序列设计稳定性、可靠性不完善等问题,充分考虑基本编码问题,设计出一种基于多目标优化机制的DNA编码序列设计算法。在一定的约束条件下,该算法利用了多目标优化机制以及采取小种蚁群算法,将h-distance因子添加到单链DNA架构中,建立一种DNA序列公用方法。通过模拟实验表明,该算法与同类型算法相比,在计算效率、优化性方面具有一定优势。