新型树启发式搜索算法的机器人路径规划

面对三维空间移动机器人从起始点到终止点的最短路径问题,提出一种新型的边缘点树启发式搜索(TreeEP)算法,该方法将地图空间进行密度可调的三维离散化处理,根据障碍安全距离筛选出障碍物的可靠边缘点信息,再利用树扩散架构选出最能引导搜索方向的潜力点进行扩散搜索,最终得出最短路径。提出局部调整策略,得到改进的Tree-EP算法。实验结果表明,在带障碍复杂地形最短路径搜索应用中,提出的Tree-EP算法与已有方法相比,能找到更短的移动路径。     

基于伪布尔模型和启发式算法求解无容量设施选址问题

采用伪布尔模型和启发式算法来求解无容量设施选址问题。首先给出了问题的伪布尔(pseudo-Boolean)表示，然后基于Khumawala规则对问题进行预处理，最后提出两种启发式分支准则来求解问题。实验结果表明所提算法简单有效。     

基于启发式算法的套管柱组合优化设计方法

针对深井、超深油气井中套管柱组合设计存在非线性、多目标和离散变量组合的问题，提出了一种基于启发式算法的套管柱组合优化设计方法。采用树状结构表示套管柱组合并将其参数化，给出了体现套管柱成本、质量和安全因素的设计需求向量，建立了以该向量为基础的可调多目标数学模型，并给出了利用启发式算法求解该模型的方法。通过与经典的套管柱设计案例进行比较分析，在最经济方案的情形下，利用所建立数学模型得出的解在适应值方面比原方法更好，如解3在成本和质量方面均有所降低，解2的成本降低4.057%，但质量增加0.274%。研究结果表明，基于启发式算法的套管柱组合优化设计方法得出的解具有合理性，且在一定程度上比原有解更优，可解决深井、超深井套管柱组合设计存在的问题。      

基于变量决策层的启发式变量选择策略

启发式分支策略是SAT求解器中不可或缺的一部分，直接影响求解器的效率。早期的启发式分支决策需要遍历整个子句数据库，效率比较低。随着独立变量状态衰减和（Variable State Independent Decaying Sum, VSIDS）分支策略的出现，SAT求解器的效率有所提高，但VSIDS策略以及它的延伸策略中变量的增量都只是与变量的冲突次数有关，没有考虑变量的决策层在分支策略中的影响。因此当发生冲突时，如果与冲突有关的变量的得分相同而决策层不同时，对于变量的选择就具有随机性。基于此，本文在阐述变量的决策层的重要性之后在VSIDS策略的基础上，提出一种基于变量决策层的启发式变量选择策略--HSVDL策略。然后通过实例显示HSVDL策略在变量决策阶段选择决策层低的变量的可能性比选择决策层高的变量的可能性要大，而且得分比较小，减少了内存的占用。最后通过实验表明HSVDL策略能够求解出更多的实例，求解器的效率也有所提高，说明该策略有一定的优势。     

含微电网的主动配电网分级优化运行策略

分布式电源（DG）在主动配电网（ADN）中的渗透率越来越高，使ADN的调度变得日益复杂。随着微电网（MG）技术的发展，本文提出将MG看作一个独立的调度单元，参与到ADN的分级优化调度中。采用将有功和无功解耦的方法，有功优化阶段以配电网运行成本最小为目标，无功优化阶段以系统网损最低为目标，再将无功优化阶段计算出的系统网损代入有功优化的功率平衡约束条件中，反复计算得出ADN的最优运行策略。在有功优化问题上，分别采用启发式优化算法（Heuristic algorithm）和传统线性规划（Linear programming）法，并将两者的计算结果进行对比。最后以改造的IEEE-33节点配电网系统作为算例进行仿真分析，算例结果表明，所提出的分级优化调度方法大大降低了问题的计算难度，与传统线性规划法相比，采用启发式优化算法能更有效地减少系统运行成本。     

点的合成运动的教学方法研究

文章从点的合成运动问题出发,结合自身教学经验,介绍了几种教学中常用的教学方法,以此期望能够更好地完成教学工作。     

三维装箱问题研究现状与展望

装箱问题自1830年被提出以来就是学术界研究的重要领域,三维装箱问题是装箱问题中最复杂的一种。结合前人研究成果,将三维装箱问题按照多层次进行了详细的分类解读。系统地整理了三维装箱问题建模的三大要素:前提假设、目标函数、约束条件。同时提出了求解三维装箱问题的5类方法。统计了近年来几十篇文献,结合这些文献,对上述的问题分类、建模要素、求解方法等做出统计。最后针对目前三维装箱研究存在的问题和短板,为使三维装箱问题的研究可以更好地与实际工程问题相结合,提出了三点展望。     

基于不确定性任务的多星调度启发式算法

根据多星测控中用户提出的不确定性任务的特点,建立多星调度基于不确定性任务的数学模型。提出任务支持时间最大化作为启发式准则,以及弧段分割法调整测控资源冲突。在此基础上,结合资源均衡原则和卫星优先级策略,提出了基于不确定性任务的多星调度启发式算法。最后,算法运用在10星6站的调度问题中,仿真结果表明算法是可行的。     

基于风力机尾流排斥的平坦地形风电场微观选址优化

平坦地形风电场微观选址的优化研究中,常采用带有随机量的元启发式算法,这些算法难以达到全局最优,优化效率较低,且通常需要通过划分网格、增加约束才能得到稳定解。针对这些问题,文中提出了一种专门针对平坦地形风电场微观选址的高效且有稳定优化解的元启发式算法——风力机尾流排斥优化算法。参考范德华力原理,提出了风力机尾流排斥力的概念,用于描述风力机在尾流作用下的相互影响:2台风力机之间尾流作用越大,风力机尾流排斥力也越大。在算法优化过程中,风力机会在风力机尾流排斥力的作用下向使尾流减小的方向不断移动,直到达到最优解。仿真结果表明:风力机尾流排斥优化算法不需要网格约束,优化效率高,能得到确定的优质解,且优化结果符合实际工程要求。