变邻域量子烟花算法求解CVRP

针对带容量约束的车辆路径问题，提出一种融合量子进化算法和变邻域优化策略的变邻域量子烟花算法。该算法采用等分随机键与最大位置法结合的实数编码方式，通过量子旋转门和非门变异提高算法全局搜索能力，同时运用结合2-Opt的变邻域优化策略加强局部搜索能力。选取17个基准算例进行参数实验和对比实验，实验结果表明，相对于对比算法，所提出的算法具有较好的寻优能力和收敛速度。     

基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法

针对企业电力负荷随机性强、稳定性低、预测精度不理想等问题,提出了一种基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法。首先对最大偏差相似性准则算法进行修改,并提出使用预测日的负荷特征向量与最大偏差相似性准则算法聚类之后的类中心负荷特征的距离来确定预测日的相似日类别;然后将聚类后的相似日类别负荷数据作为BP网络的训练数据,输出预测日起始的连续三天96整点负荷值。实验表明,该方法提出的短期电力负荷预测方法在精度和网络训练时间上都有较大的提升,具有较高的有效性和实用性。     

旅行商问题的混沌混合离散蝙蝠算法

针对现有离散蝙蝠算法在求解旅行商问题时存在的收敛速度较慢、收敛率不高等问题,提出了混沌混合离散蝙蝠算法．该算法采用混沌初始化策略提高算法的寻优能力,引入2-Opt技术增强算法的局部搜索能力、加快算法的收敛速度．大量的仿真实验表明：所提出的算法在求解小规模TSP时能快速收敛到已知最优解;在求解大规模TSP时能在较短的时间内收敛到偏差0．4％以内的最优解．     

带固定半径近邻搜索3-opt的离散烟花算法求解旅行商问题

传统烟花算法求解大规模离散问题存在收敛速度慢、求解精度不高等问题.针对旅行商问题的特点,提出一种带固定半径近邻搜索3-opt的离散烟花算法.该算法基于基本烟花算法进行离散化改进,采用整数编码的路径表示方法来表示旅行商问题的解,对爆炸算子、高斯变异算子进行离散化操作策略设计.为了使算法具有较好的局部搜索能力,提出固定半径近邻搜索3-opt策略来提高算法精度和收敛速度,同时采用不检测标志策略提高算法效率.实验结果表明:该算法能有效地求解旅行商问题,其离散烟花算子在全局收敛能力、收敛精度、求解时间和稳定性等方面均优于传统烟花算子;基准测试算例的最优解平均误差率仅为0.002％,优于对比算法.     

头脑风暴优化算法求解带转角能耗多无人机路径规划问题

多台无人机协同完成野外传感器数据采集的工作中,建立具有精确能耗模型的多无人机路径规划问题模型尤为重要。提出了带转角能耗多无人机路径规划问题(multi-UAV path planning with angular energy consumption, MUPP-AEC)模型,该模型考虑了无人机在加速、减速、匀速、转角等飞行条件下的能耗差异。针对MUPP-AEC的特点,提出目标空间聚类离散头脑风暴优化算法(discrete brain storm optimization algorithm in objective space, DBSO-OS)。该算法采用个体空间整数编码和带2-opt的分阶段贪婪法解码策略,并对扰动算子和个体更新算子进行了离散化定义。个体更新算子中采用了混合随机反转变换和部分匹配变换的生成策略。实验结果表明:DBSO-OS能有效地求解MUPP-AEC;所提离散头脑风暴算子在全局收敛能力、求解精度和稳定性等方面均优于传统头脑风暴算子;在中小规模测试算例和较大规模测试算例的测试中,DBSO-OS优于对比算法。     

带时间窗的车辆路径问题的离散蝙蝠算法

本文提出了一种离散蝙蝠算法求解带时间窗的车辆路径问题（vehicle routing problem with time window）.该算法提出了蝙蝠位置的定义、速度的定义、位置更新操作、速度更新操作、频率更新操作,并采用惩罚机制与向量比较机制相结合的方法处理相关约束条件.该算法引入了随机插入策略、最少客户车辆插入搜索、普通插入搜索、交换搜索、带时间窗的2-Opt搜索等策略来扩大搜索空间、加强算法的收敛效率.实验结果表明：所提出算法具有较强的寻优能力、较高的鲁棒性、较少的时间耗费;本文所采用的关键参数值和策略能提高所提出算法的性能;通过假设检验证明了所提出算法与对比算法之间的算法性能均有显著性差异.     

基于Q学习粒子群算法的海上风电场电气系统拓扑优化

针对多变电站海上风电场的电气系统拓扑优化,现有的方法一般根据预先确定的变电站个数将整体海上风电场划分为几个固定的子区域,然后分别进行独立的电缆连接布局优化,最终聚合得到整体方案.然而,采用固定的划分策略很难得到全局最优方案.因此,考虑多海上变电站选址、电缆选型、功率损耗等因素,以最小化成本为目标,建立多变电站海上风电场的电缆连接布局优化模型,并提出一种基于Voronoi自适应分区的Q学习粒子群算法进行求解.所提出的算法以Q学习粒子群算法为核心,设计一种基于Voronoi图的自适应分区策略实现自适应分区,并结合相应的编解码策略实现不同分区的电缆连接.最后,通过算例分析证明所提出模型以及算法的有效性.     

帝国竞争算法求解CVRP

针对带容量约束的车辆路径问题(CVRP),提出了一种带分裂机制的帝国竞争算法进行求解。首先,结合CVRP的特性,采用基于贪婪准则的编解码策略实现算法空间到解空间的转换。其次,提出帝国分裂策略来增强算法的全局搜索能力,并结合2-Opt提高算法的局部搜索能力。最后,通过25个基准算例的仿真实验表明:所提算法能有效求解CVRP,所有算例的优化误差不超过1.0%;与已有的帝国竞争算法、粒子群算法、遗传算法、布谷鸟搜索算法相比,所提算法的求解效率更高。     

基于最大偏差相似性准则的交通流聚类算法

针对常用聚类算法对随机性强、波动频繁的交通流聚类效果不理想的问题,提出了一种新的交通流相似性度量准则——最大偏差相似性准则,并提出了一种基于最大偏差相似性准则的交通流聚类算法。最大偏差相似性准则能够有效刻画频繁波动交通流曲线的形态相似性,具有简明、合理、灵活等特点;聚类算法无需预先指定类别数,能够保证类间曲线的明显差异性和类内曲线的高度相似性。实验表明,所提出的算法聚类效果明显优于常用聚类算法,聚类结果能够较好地满足实际应用的需要。     

物流运输调度问题的混沌烟花算法——基于多车型供应链

为了满足供应链物流的不同需求，考虑多种车型、车辆容量、车辆油耗、车辆最大配送距离等约束条件，以最小油耗、最短配送距离为目标，建立多车型供应链物流运输调度模型（Multi-Type Vehicle Routing Problem in Supply Chain，MTVRPSC），并提出一种混沌烟花算法求解该模型。该算法以烟花算法为核心，提出一种编解码策略实现连续空间到MTVRPSC离散空间的映射，重新定义算法的适应度函数、适应度值和适应度的比较方法，并采用混沌初始化策略和混沌搜索策略来增强算法收敛效果。实验结果表明，所提出的算法在求解MTVRPSC时具有较强的寻优能力和稳定性。