基于GRASP算法的多成像卫星协同观测调度

针对摘要多成像卫星协同观测调度问题,具有观测任务的时间窗口、卫星存储及能量等约束,是一个NP难的组合优化问题。建立了多成像卫星协同观测调度模型,采用贪婪随机自适应搜索算法(GRASP)对问题模型进行求解,并且对基本的GRASP算法做出了一定的改进,在其初始解的构造阶段设计了定长受限候选列表和变长受限候选列表两种策略,在邻域搜索阶段结合模拟退火算法来搜索更好的解。仿真实例表明,该算法在解决成像卫星任务调度问题时是有效的。     

动态环境下有时间窗的成套配送车辆路径问题

为解决成套配送车辆路径优化问题,针对配送线路动态变化的特点进行行程时间分析,根据服务时间窗设计满意度函数,在基本VRP模型中增加满意度目标,建立动态环境下的仿真模型;采用"预优化阶段+实时优化阶段"两阶段求解策略,利用分解法进行问题分解,设计禁忌搜索算法求解,对已产生的路径进行优化调整;仿真计算验证了模型和算法的有效性与研究的实用价值。     

成像卫星星地联合成像调度

成像卫星星地联合调度问题,涉及调度对象众多,约束条件复杂,需要考虑任务的观测、回传2个过程,是一个具有两层时间窗口约束的双层优化问题,统一建模困难。根据问题的特点,采用基于阶段优化的方式,降低了问题的复杂性。把问题分为观测调度阶段和数据回传调度阶段,分别给出了优化目标和约束条件,建立了基于阶段优化的成像卫星星地联合调度模型,实现了从任务观测到数据回传的全过程调度。仿真实例表明,该方法能够有效解决多星多站的协同任务调度问题。     

基于改进遗传算法的多天线地面站硬件资源分配方法

多天线卫星地面站硬件设备资源分配问题是一个基于约束满足的复杂资源组合优化问题。在考虑任务执行时间、地面站可见时间窗口、地面站设备接收能力和设备链路约束的情况下,对多天线地面站硬件资源分配问题建立了高可用模型。以加权任务执行总时间为目标,以经典遗传算法为基础,根据问题特点改进了相关遗传算子,在进行遗传变异的过程中,通过深度优先搜索算法确定单个染色体对应的最佳资源分配方案,同时利用启发式信息优化搜索过程。最后通过高可用算例仿真表明,所建模型和算法是合理有效的。     

基于线性孪生支持向量机的特征选择方法

提出了一种基于线性孪生支持向量机（TWSVM）的嵌入式特征选择方法。该方法在构造分类器的过程中,通过在TWSVM原有优化模型中引入一个惩罚项,来实现特征选择。在求解过程中,采用交替迭代优化方法将该模型求解问题分解成两个子问题来处理,即标准TWSVM优化问题和关于特征权重的非线性约束优化问题,并分别对子问题进行有效求解。在UCI数据集上对算法进行了仿真分析和比较,仿真结果验证了算法的有效性。     

基于滚动时域优化的机场起降动态调度

为了减少作战时军用飞机实际起降时刻与计划起降时刻产生的偏差,提出一种基于滚动时域优化原理的动态机场起降调度策略,分析军用飞机起降过程中的时间窗口约束和尾流间隔约束。对进入每个预测窗口内的飞机队列,以加权提前/延误时间和最小作为目标函数,将军用飞机起降调度模型转换为带到达时间的单机加权E/T调度模型。设计一种针对自然数域的离散粒子群算法,并应用该算法进行模型求解。通过仿真实验确定了算法的参数,仿真结果说明了模型和算法的有效性。     

3级网状随机性库存控制策略的仿真优化

研究了多制造商,多分销商和多零售商的3级网状随机性库存系统的(r,Q)库存控制策略问题.由于该系统具有顾客到达时间服从泊松分布,随机顾客需求量,随机顾客购买行为,随机订货时间和制造商生产容量有限制等特点,使得解析方法很难描述系统中的多种复杂随机因素并无法求解有效的库存控制策略.为此建立了以总成本最小为目标的数学模型,运用了基于仿真的优化方法,通过将仿真方法与粒子群优化算法相结合对问题进行求解.最后通过仿真实例与比较,验证了模型和基于仿真的粒子群优化方法的可行性和有效性.也表明了基于仿真的优化方法在供应链管理中的适用性.     

物流中心高层货架拣选作业的路径优化

为满足拣选作业调度优化的要求, 针对拣选式高层货架仓库中拣选作业路径优化问题的特点, 利用人工鱼群算法对其数学模型进行求解. 通过对基于时间最短和基于路径最短的两种模型的特点进行分析, 提出可利用路径最短的目标条件对多个的拣选时间最优解来进行再次筛选来达到进一步优化, 并通过算例进行验证. 仿真结果不但验证了人工鱼群算法在优化拣选路径问题上的有效性, 也证明了在拣选时间最优解基础上进行最短路径筛选的可行性.     

蚁群算法优化到达航班排序和调度问题的研究

为有效解决动态环境中的到达航班排序和调度问题,提出了基于移动域控制的动态蚁群优化算法,该算法将总时间划分成多个时间窗口,并将蚁群算法优化控制在一个移动域内进行,有效避免了算法的早熟,降低了算法的计算复杂度.实例仿真计算表明,该算法比标准的蚁群算法具有更高的求解质量和求解效率,适合于对终端区到达航班进行实时排序和调度.     

基于改进遗传—模拟退火算法的公交排班优化研究

结合公交车辆调度自身的特点,兼顾公交公司与乘客双方的利益,建立了公交排班优化模型,以发车时刻为基因变量进行编码,对两个相邻的发车间隔之差、最大最小发车时间间隔、乘客的满载率等条件进行约束限制,提出了基于改进的遗传—模拟退火算法;对该模型进行优化求解,克服了传统优化算法的缺陷,提高了优化设计过程的求解效率。通过仿真实验得到了利用改进的遗传—模拟退火算法进行求解的不均匀发车时刻表。结果表明,改进的遗传—模拟退火算法能够在公交智能排班优化问题的巨大搜索空间中可靠地找到近似最优解,大大提高了计算效率。     

基于分解优化的多星合成观测调度算法

某些卫星的侧摆性能较差, 必须进行合成观测以提高观测效率. 研究了多星联合对地观测中的任务合成观测调度问题. 提出了将原问题分解为任务分配与任务合成的分解优化思路. 任务分配为任务选择卫星资源及时间窗口; 任务合成则针对该分配方案,将分配到各卫星的任务按照轨道圈次分组, 分别进行最优合成. 采用蚁群优化算法(Ant colony optimization, ACO)求解任务分配问题, 通过自适应参数调整及信息素平滑策略, 实现全局搜索和快速收敛间的平衡.提出了基于动态规划的最优合成算法, 求解任务合成子问题,能够在多项式时间内求得最优合成方案. 依据分配方案的合成结果, 得到优化方案的特征信息, 反馈并引导蚁群优化算法对任务分配方案的搜索过程. 大规模测试算例验证了本文算法的效率.     

模糊需求下时间依赖型车辆路径优化

针对客户需求模糊且有时间窗约束的时间依赖型车辆路径问题(TDVRP),基于先预优化后重调度的思想构建模型.在预优化阶段,依据可信性理论构建模糊机会约束优化模型处理客户点模糊需求;针对不同时间段道路的交通情况,采用Ichoua速度时间依赖函数表征车辆的行驶速度,并设计自适应大规模邻域搜索算法(ALNS)对其求解.在重调度阶段,应用随机模拟算法模拟客户点的真实需求,采用点重调度策略对预优化方案进行调整.通过改进的Solomon算例实验验证模型和算法的有效性.研究成果可丰富TDVRP问题的相关研究,为现实配送方案的优化决策提供理论依据.     

Kriging代理模型在对地观测卫星系统优化中的应用

结构优化是对地观测卫星系统(Earth observation satellite system,EOSS)性能提高的关键,但其覆盖性能难以解析计算.为实现EOSS优化,提出了仿真优化的求解思路:构建Kriging代理模型对仿真数据进行拟合,采用代理模型最优和最大化期望提高相结合的机制选择更新点,并定义单位距离的函数改进对更新点进行过滤;提出了改进广义模式搜索算法求解代理模型,搜索步采用遗传算法和序列二次规划算法实现,筛选步采用不完全动态筛选.最后,通过仿真实例和对比实验验证了本文方法的有效性.     

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.     

离散灰狼优化算法求解VRPSPDTW问题

本文针对带时间窗约束的同时送取货车辆路径问题,建立了以总配送距离最小化为目标的数学模型.根据模型的特征,在保留灰狼算法(GWO)搜索机制的基础上,提出了离散灰狼优化算法(DGWO)进行求解.采用多种策略构建种群的初始解,并允许出现不可行解,扩大种群的搜索区域;引入带评分策略的邻域搜索策略,调整每种算子的概率,使算法选择优化效果更好的算子;使用移除-插入机制,对优质解区域进行探索,加速种群的收敛.在仿真实验中对标准数据集进行了测试,将实验结果和p-SA算法、DCS算法、VNS-BSTS算法和SA-ALNS算法进行了对比,实验表明DGWO算法能有效地解决带时间窗约束的同时送取货车辆路径问题.     

一种多节点协作的流媒体集群系统多目标内容部署算法

针时多节点协作的流媒体服务器集群系统中的存储带宽资源利用问题,建立了多目标内容部署优化模型,提出一种多目标内容部署算法.该算法采用统计窗口跟踪内容点播率变化,在优化内容预期负载与预留服务能力匹配程度,系统负载均衡度和内容副本替换代价的同时,重点考虑了节点间协作能力对性能的影响.仿真表明,与同类算法相比,该算法在用户请求接受率、系统负载均衡度、平均内容部署代价等方面具有更好的综合性能.     

改进AHP-GA算法的多目标配送路径优化

为准确优化快递配送路径,建立了基于时间窗的快递配送路径优化的数学模型.提出改进AHP-GA算法对多目标配送车辆路径进行优化,利用中位数层次分析算法对多个子目标进行权重系数配比,避免了极端值的影响,从而将多目标优化问题转化为单目标优化问题.通过简单的自然数对车辆路径进行编码,避免了路径重复.考虑了客户对车辆到达时间窗要求,包括车辆在约定时间之前到达获得的机会成本、在约定时间之后到达的罚金成本.最后,本文以1个配送中心,20个服务客户为例,对构建的数学模型通过分别使用传统的GA算法和使用改进AHP-GA算法进行优化,仿真结果表明,利用改进AHP-GA算法进行多目标配送路径优化,可以更加高效地求得问题的最优解.     

异构多目标差分-动态窗口算法 及其在移动机器人中的应用

为了实现在多移动机器人和多窄通道的复杂动态环境中机器人的节能运动规划,提出异构多目标差分-动态窗口法(heterogeneous multi-objective differential evolution-dynamic window algorithm,HMODE-DWA).首先,建立行驶时间、执行器作用力和平滑度的3目标优化模型,设计具有碰撞约束的异构多目标差分进化算法来获得3个目标函数的最优解,进而在已知的静态环境中获得帕累托前沿,利用平均隶属度函数获得起点与终点间最优的全局路径;其次,定义基于环境缓冲区域的模糊动态窗口法使机器人完成动态复杂环境中避障,利用所提出的HMODE-DWA算法动态避障的同时实现节能规划.仿真和实验结果表明,所提出的混合路径规划控制策略能够有效降低移动机器人动态避障过程中的能耗.     

在人机协作中基于动量观测和优化算法的全机械臂单点接触信息实时估计

针对协作型机器人,提出了一种依据机器人控制与运动状态信息,基于动量观测与优化算法相结合的全机械臂单点接触信息实时估计方法.该方法将接触位置估计问题转化为优化算法有界搜索问题,搜索范围由动量观测方法确定的接触臂长度确定,两种方法的结合保证了估计的精度和实时性.基于UR机械臂实验平台的仿真与实验结果表明,本文方法能够实时、准确地估计除第1关节以外首次发生接触的机械臂任意位置处的力和位置信息.本研究可以在不借助传感器的情况下实现机械臂对外力的感知.     

Parameter optimization of moving horizon estimation based on hybrid intelligent algorithm

In the application of moving horizon estimation (MHE) algorithm, the window length will affect the estimation accuracy and the computing efficiency. For this kind of problem, a method of parameter optimization is proposed to obtain suitable window length. Firstly, in order to facilitate online solution, the optimization problem involved in the algorithm is transformed into a quadratic programming (QP) problem in matrix form. Secondly, for the time index and the estimated residual index that measure different properties, the normalization idea is adopted to incorporate them into the same dimension to design the fitness function, and a genetic optimization algorithm based on simulated annealing mechanism is given to search for the optimal window length. Finally, the proposed parameter optimization method is verified by two cases. The results show that the parameter optimization method has the advantages of excellent local search ability and sufficient convergence, and the window length obtained by this method can better take into account the two performance indexes of the MHE algorithm and improve the estimation performance.