具有同时服务需求的家庭护理人员调度研究北大核心CSSCI

家庭护理服务能有效缓解我国社会老龄化下的养老压力。针对护理人员日常调度问题,考虑服务时间窗、同时服务需求、医护人员等级与客户需求匹配等约束,以总运营成本最小为目标,建立数学模型。设计自适应大规模邻域搜索算法,采用多种移除和插入算法在可行和不可行解空间内进行邻域搜索,利用关系矩阵和时间调整策略加速求解,用模拟退火算法接受邻域解。最后进行数值实验和算法比较,验证算法的有效性。     

具有同时服务需求的家庭护理人员调度研究

家庭护理服务能有效缓解我国社会老龄化下的养老压力。针对护理人员日常调度问题,考虑服务时间窗、同时服务需求、医护人员等级与客户需求匹配等约束,以总运营成本最小为目标,建立数学模型。设计自适应大规模邻域搜索算法,采用多种移除和插入算法在可行和不可行解空间内进行邻域搜索,利用关系矩阵和时间调整策略加速求解,用模拟退火算法接受邻域解。最后进行数值实验和算法比较,验证算法的有效性。     

需求可拆分的无人机与卡车协同路径优化问题

基于无人机配送优势,提出一类无人机与卡车分区域协同配送问题。考虑需求稀疏地区由无人机配送,需求密集地区由卡车与无人机协同配送的情形。由于无人机的载重能力较小,无人机访问的顾客需求允许被拆分。结合无人机与卡车的访问路径关系,以最小化运输成本和使用卡车的人力成本为目标建立混合整数规划模型,并设计一种改进变邻域搜索算法对问题进行求解。小规模算例的特性分析表明,运输成本对无人机的载重能力及单位运输成本敏感性较高。多个不同规模的算例测试表明,改进变邻域搜索算法能在较短时间内有效求解各规模算例,且算法稳定性较好。     

基于NSGA-Ⅱ算法的分区拣选优化

电商背景下的客户订单呈现出多品种、小批量、高频次等特点,给仓库拣选工作带来很大的挑战。为提高拣选效率,在订单完全拆分的分批策略和组合优化的行走策略下,设计了以总服务时间最小、分区工作量平衡度最优和二次分拣效率最高的多目标分区拣选模型。由于3个目标函数之间存在矛盾,设计了NSGA-II算法对多目标优化模型进行求解。通过数值实验,与传统的不拆分订单的分区拣选系统对比,发现在订单批量环境为[1,4]时,分别使总服务时间减少了43.88%,平衡度改善了84.61%,并分析了区域个数、订单总数和订单批量环境对系统效率的影响。     

融合强化学习与变邻域搜索的柔性作业车间调度研究

针对柔性作业车间调度问题，以完工时间最小化为目标，提出一种融合强化学习的变邻域搜索算法，提升算法求解性能。基于皮尔逊相关性分析，提炼出工序加工时长这一关键特征，设计一种优先考虑加工时长的邻域结构，精炼搜索空间。基于强化学习，设计算法进化状态集、关键参数动作集和奖励机制。提出改进的ε-贪婪策略来选择动作，随着ε取值的自适应变化，算法前期倾向于探索新解，后期注重利用邻域解，最终构建起算法状态与算法参数的关系，实现了算法参数的自适应选择。结果表明，所提算法利用强化学习动态调整算法参数，在解的寻优能力和稳定程度上更具优势。     

(μ,λ)演化策略的收敛定理

给出（μ，λ）型深化策略的一个一般的收敛定理并给出其在实际算法中的两个应用，对连续目标函数，通过研究算法种群达到目标函数全局极大解集邻域的概率，得到此概率的一个递推估计式。利用此估计式给出算法种群依概率收敛于目标函数全局最优解集的一个有价值的充分条件。     

带软时间窗的电动车换电站选址路径问题研究

电动汽车因高效率无污染零噪音的特性受到了人们广泛的关注,但在采用时也存在续航里程短、公共充电设施数量较少等问题。考虑客户服务时间窗、电动汽车装载容量、行驶里程限制以及换电站的选址等因素,建立以总成本最小为目标的选址-路径优化模型,并设计结合变邻域搜索算法、门槛接受法和粒子群的算法来求解该问题。为验证算法的有效性,将算法的结果同CPLEX的计算结果进行比较,并对电池续航里程、时间窗和客户分布做敏感性分析,研究结果表明这些因素对选址数和车辆数有不同的影响。     

基于RIR-MOO的定制产品优化设计方法研究

大规模定制是未来产品制造的发展方向,以低成本快速响应客户的个性化需求是定制产品设计的关键。以往对定制产品设计的研究缺少从个性化需求到产品参数的流程化设计指导方法,无法从定制产品个性化的客户需求出发,快速地关联设计目标并指导产品参数的设计。为此,提出了基于RIR-MOO （relative importance ratings and multi-objective optimization,相对重要性等级-多目标优化）的定制产品优化设计方法,从客户需求出发,将关键需求映射到相关的设计目标,再通过多目标优化（multi-objective optimization,MOO）方法快速求解产品参数,实现定制产品的快速响应和优化设计。首先,针对模糊、动态变化的客户需求,利用加权区间粗糙集分析方法对客户需求进行客观分析,排除争议性大的模糊需求,同时计算不同客户需求的相对权重,得到其相对重要性等级（relative importance ratings,RIR）;然后,提出一种基于转换矩阵的客户需求与设计目标关联的方法,根据关键需求与设计目标的关联度以及关键需求的RIR,对关键需求与设计目标进行匹配,实现关键需求到设计目标的转换;最后,基于MOO方法对设计目标对应的产品参数进行优化设计,实现约束条件下定制产品的多目标优化。以汽车发动机活塞机构优化设计为例,对基于RIR-MOO的优化设计方法的可行性进行验证。结果表明,所提出的方法可以快速响应定制产品的客户需求并指导其优化设计,可为定制化产品制造企业提供指导。     

多车程多时间窗车辆路径问题研究

针对末端物流中配送车辆多趟次运输、客户对配送服务时间的多样化需求,研究多车程多时间窗车辆路径问题。构造该问题的最小化车辆数量和总运输成本的双目标混合整数规划模型,设计改进的自适应大邻域搜索算法对其求解;构建了基于路径、车程及客户点3个层级上的多种高效的破坏算子和修复算子来扩大解的搜索空间;使用自适应策略选择高效的搜索算子,以及引入模拟退火新解接受准则避免陷入局部最优解来提高搜索效率。通过多种规模算例实验结果分析,验证了改进的自适应大邻域搜索算法的优越性,并分析了考虑多车程的模型对总运输成本的影响。     

基于改进的Tabu算法的配电网无功优化

将一种改进的Tabu算法用于配电网无功优化，建立了相应的数学模型，以规划期内的降损收益最大为目标函数。以邻域搜索给补偿容量固定步长作为一个邻域。为了避免传统的邻域搜索的局限性，文章采用了扩大邻域搜索范围的方法改进了传统的算法。将几个标称容量放在一个数组中，以补偿标称容量。从而扩大邻域搜索的范围，以获得全局最优解。文章应用改进的Tabu算法对34节点系统进行了无功优化计算，与传统的Tabu算法进行比较，结果表明改进的Tabu算法具有更强的全局寻优能力。     

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。     

An improved hybrid self-inertia weight adaptive particle swarm optimization algorithm with local search

As an evolutionary computing technique, particle swarm optimization (PSO) has good global search ability, but the swarm can easily lose its diversity, leading to premature convergence. To solve this problem, an improved self-inertia weight adaptive particle swarm optimization algorithm with a gradient-based local search strategy (SIW-APSO-LS) is proposed. This new algorithm balances the exploration capabilities of the improved inertia weight adaptive particle swarm optimization and the exploitation of the gradient-based local search strategy. The self-inertia weight adaptive particle swarm optimization (SIW-APSO) is used to search the solution. The SIW-APSO is updated with an evolutionary process in such a way that each particle iteratively improves its velocities and positions. The gradient-based local search focuses on the exploitation ability because it performs an accurate search following SIW-APSO. Experimental results verified that the proposed algorithm performed well compared with other PSO variants on a suite of benchmark optimization functions.     

Self-adaptive multi-objective harmony search for optimal design of water distribution networks

In multi-objective optimization computing, it is important to assign suitable parameters to each optimization problem to obtain better solutions. In this study, a self-adaptive multi-objective harmony search (SaMOHS) algorithm is developed to apply the parameter-setting-free technique, which is an example of a self-adaptive methodology. The SaMOHS algorithm attempts to remove some of the inconvenience from parameter setting and selects the most adaptive parameters during the iterative solution search process. To verify the proposed algorithm, an optimal least cost water distribution network design problem is applied to three different target networks. The results are compared with other well-known algorithms such as multi-objective harmony search and the non-dominated sorting genetic algorithm-II. The efficiency of the proposed algorithm is quantified by suitable performance indices. The results indicate that SaMOHS can be efficiently applied to the search for Pareto-optimal solutions in a multi-objective solution space.     

基于AHP-TOPSIS的可持续包装设计最优方案的筛选

目的 针对基本灰狼算法在函数优化过程中精度低、收敛速度慢、局部搜索能力差等问题,提出一种基于收敛因子和权重动态变化的自适应灰狼优化算法。方法 为了平衡算法的全局和局部搜索能力,引入聚焦距离变化率来动态调整收敛因子;使用自适应权重因子来改变算法的位置更新公式,以提高算法的收敛速度和精度。结果 仿真实验结果表明,改进后的算法在收敛精度和速度上都有了显著的提升,并且克服了灰狼算法在处理多峰函数时易陷入局部最优的缺点;对于纸浆浓度控制系统,控制效果更加理想。结论 通过改进的灰狼算法对PID控制器参数进行整定,可以显著提高系统的控制精度和其他性能指标,能更好地满足实际应用的要求。     

面向批量订单包装的物流箱规格优化问题研究

目的 针对面向仓储物流环境下多型号多批量产品的订单包装问题,提出一种预制物流箱规格优化模型及算法。方法 对产品订单建立订单分包规则,确定分包方案,以订单包装材料总成本最小为优化目标建立物流箱规格优化模型。针对该模型提出一种改进模拟退火算法,通过贪婪策略求解最优分包方案,降低模型计算复杂度,设计一种新型解更新算子,以提高算法寻优能力,设计一种自适应步长策略,以平衡算法前期全局搜索与后期局部搜索的能力。结果 通过实例证明,文中提出的算法相较于其他算法,具有更强的求解能力,与实例企业仓储包装现状相比,同批订单降低了17%的包装材料成本。结论 该方法可用于解决产品种类多、尺寸差异大、动态更新等应用场景下的系列运输包装纸箱规格优化问题,为企业物流运输管理提供了一种有效的包装优化思路和解决方法。     

Adaptive split spectrum processing using a neural network

The polarity thresholding algorithm for split spectrum processing (SSP) is known to work well once properly tuned. However, there are several problems related to the finding of the right split parameters such as the number of filters and the information carrying spectral range. Here we show that the polarity thresholding method can be formulated as a multilayer perceptron (MLP) neural network with binary neurons and binary input signals operating in feedforward mode. Then the method is generalized to process nonbinary data using an adaptive MLP with graded neurons. Experiments with real ultrasonic NDE signals are presented using the conventional backpropagation optimization algorithm (BP) and a second order optimization method (BFGS) with exact line search. Finally, alternative adaptive algorithms based on a decomposition of the network into single neurons or linear discriminants are briefly discussed.     

An adaptive metamodel-based global optimization algorithm for black-box type problems

In this article, an adaptive metamodel-based global optimization (AMGO) algorithm is presented to solve unconstrained black-box problems. In the AMGO algorithm, a type of hybrid model composed of kriging and augmented radial basis function (RBF) is used as the surrogate model. The weight factors of hybrid model are adaptively selected in the optimization process. To balance the local and global search, a sub-optimization problem is constructed during each iteration to determine the new iterative points. As numerical experiments, six standard two-dimensional test functions are selected to show the distributions of iterative points. The AMGO algorithm is also tested on seven well-known benchmark optimization problems and contrasted with three representative metamodel-based optimization methods: efficient global optimization (EGO), GutmannRBF and hybrid and adaptive metamodel (HAM). The test results demonstrate the efficiency and robustness of the proposed method. The AMGO algorithm is finally applied to the structural design of the import and export chamber of a cycloid gear pump, achieving satisfactory results.     

基于混沌搜索的改进狮群算法及其在光伏电池参数辨识中的应用

目前已有多种智能算法应用到光伏电池模型的参数辨识中,然而大都存在易陷入局部最优、收敛速度慢等问题,基于改进狮群算法,提出了一种有效的光伏电池参数辨识方法。首先,通过引入混沌初始化、自适应参数和混沌搜索,弥补了狮群算法收敛速度慢、寻优精度不高等不足;将改进狮群算法应用到光伏电池的单二极管模型和双二极管模型的参数辨识中,与5种优化算法的结果进行对比,证明了该算法在光伏电池参数辨识中的有效性和优越性;最后,通过在不同辐照度和不同天气类型下进行辨识,探究了外部环境变化对模型参数的影响,进一步验证了该算法的有效性和实用性。     

车载可补货无人配送小车配送路径研究

无人配送小车由于不适合长距离运输,可与货车搭配完成“最后一公里”配送任务以增加服务范围,这对车辆路径优化问题提出了新的挑战。针对配送小车数量有限、城市配送货物量大且货车停靠限制的特点,提出无人配送小车可补货的大车-小车路径优化问题,即一辆货车搭载多台无人配送小车,由无人配送小车给客户送货,无人配送小车可在货车处补充货物并执行多行程配送。构建以总配送距离最短为目标的整数规划模型,针对此模型设计混合遗传大邻域搜索算法,在遗传算法基础上增加大邻域搜索算法对个体优化。在算法优化过程中先优化小车路径,再在小车路径基础上优化大车路径。数值实验表明,对于小规模问题,所提算法最多花费CPLEX求解时间的6%便获得最优解;在改造的Solomon数据上,所提算法相对于遗传算法平均有95.5%的计算结果优势,相对于大邻域搜索算法平均有7.2%的计算结果优势,且数据量越大,优势越大。     

Truss topology,shape and sizing optimization by fully stressed design based on hybrid grey wolf optimization and adaptive differential evolution

A hybrid adaptive optimization algorithm based on integrating grey wolf optimization into adaptive differential evolution with fully stressed design (FSD) local search is presented in this article. Hybrid reproduction and control parameter adaptation strategies are employed to increase the performance of the algorithm. The proposed algorithm, called fully stressed design–grey wolf–adaptive differential evolution (FSD-GWADE), is demonstrated to tackle a variety of truss optimization problems. The problems have mixed continuous/discrete design variables that are assigned as simultaneous topology, shape and sizing design variables. FSD-GWADE provides competitive results and gives superior results at a higher success rate than the previous FSD-based algorithm.