车辆路径问题(VRP)算法研究

车辆路径问题(VRP)是图论中的NP问题,目前求解这类问题的算法可分为:精确算法、经典启发式算法和现代启发式算法三类;对这三类算法中最具代表性的几种算法进行了分析指出了其适用范围和场合、存在的问题以及改进的方案;最后,对其研究前景进行了展望。     

约束可满足性中求解RB模型实例的算法综述

约束满足问题是人工智能领域中最基本的NP完全问题之一。多年来,随着约束满足问题的深入研究,国内外学者提出多种实例模型。其中,RB模型是一种能生成具有精确相变的增长域约束满足问题实例,其求解难度极具挑战性。为了寻找其求解的新型高效算法,促进约束可满足问题的RB模型求解算法领域的研究,首先从约束满足问题的模型发展、求解技术进行分析;其次,对各类求解RB模型实例算法进行梳理,将求解的算法文献划分为回溯启发式类、信息传播类和元启发式类相关改进算法,从算法原理、改进策略、收敛性和精确度等方面进行对比综述;最后给出求解RB模型实例算法的研究趋势和发展方向。     

启发式算法求解最大团问题研究

最大团问题(maximum clique problem,MCP)是图论中的一个经典组合优化问题,也是一类NP完全问题,在国际上已有广泛地研究,国内研究刚刚起步.给出了最大团问题的基本定义和其数学描述;阐述了该问题的研究进展;分析和研究了求解该问题的各种典型启发式算法,包括算法的介绍、算法求解最大团问题的基本思路、特点及性能;最后介绍了测试这些启发式算法性能的测试基准图.     

同时送取货车辆路径问题算法研究综述

针对同时送取货车辆路径问题的研究算法进行了评述.将该问题的求解方法分为精确算法、构造型启发式、现代启发式以及并行算法四个大类.从算法的原理、性能、适用环境,以及算法之间差异性等方面对各类算法进行了较为全面的介绍.最后,说明了VRPSDP算法研究在节点具有双重需求车辆路径问题理论研究方面的意义,并提出未来VRPSDP算法研究的两个发展方向,即适合多处理器上运行的并行现代启发式算法,以及有效的混合算法如量子行为粒子群算法.     

面向元启发式算法的多无人机路径规划现状与展望

多无人机路径规划是一个复杂的多约束组合优化问题,通过传统算法很难求得优良结果,元启发式算法由于其快速高效而成为解决该类优化问题的有效手段.首先,针对多无人机路径规划的关键要素提出一种新的分类方法;其次,从算法改进方式入手,对各项研究中所采用的元启发式算法进行分类梳理,阐述它们的应用效果和优缺点,并根据所提出的分类方法和...     

给予模拟退火研制批量计划问题的两阶段算法

本文建立了一种轧制批量计划问题的数学模型,提出一种改进的两阶段启发式算法,并对其求解。该算法是由启发式算法和模拟退火算法组成的,基于实际生产数据的仿真结果证实了该算法的有效性。     

蚁群算法优化策略综述

对于求解TSP问题,新型的启发式算法——蚁群算法,是成功解决此类问题核心的算法之一。本文简要介绍了几种启发式算法并引出蚁群算法,并对蚁群算法基本原理、常用算法进行了深入的研究,并介绍了一种新的优化策略。     

用于求解旅行商问题的深度智慧型蚁群优化算法

启发式算法是求解组合优化问题求解的重要手段,其主要特征是能够以可接受的计算代价找到足够好的可行解.然而,设计良好的用于求解组合优化问题的启发式算法需要大量的专业领域知识以及大量的试错工作,且人工设计的启发式算法不能够保证在不同问题集上均具有一致性表现.另一方面,深度学习方法能够通过学习自动设计启发式规则,然而深度学习方法通常缺少在解空间内搜索的能力.为克服以上问题,提出了一种基于蚁群优化和深度强化学习的混合启发式算法框架.在该框架中,蚁群算法能够利用深度强化学习提取的启发式信息,而深度强化学习方法的解空间搜索性能也由于蚁群算法的加入而获得提高.采用经典的TSPLIB中的算例对该算法求解旅行商问题的效能进行了计算验证,结果表明采用深度学习方法能够极大地提升蚁群算法的计算表现,并降低其计算代价.     

流水线调度问题探究

流水线作业是现代生产线最常用的技术,流水线调度问题是具有很强工程背景的典型NP完全问题。文中介绍了特殊情况下流水线调度的有效算法:Johnson算法;对于一般情况,介绍了两种启发式算法:CDS算法和Palmer算法。对这两种启发式算法的分析表明,在时间复杂度上,CDS算法比Palmer算法复杂。但大量实验测试表明,CDS算法的结果比Palmer算法更佳。所以,当需要快速获得一个近似解的时候,可以采用Palmer算法;当对解的结果要求比较高的时候,可以采用CDS算法。     

流水线调度问题探究

流水线作业是现代生产线最常用的技术,流水线调度问题是具有很强工程背景的典型NP完全问题.文中介绍了特殊情况下流水线调度的有效算法:Johnson算法;对于一般情况,介绍了两种启发式算法:CDS算法和Palmer算法.对这两种启发式算法的分析表明,在时间复杂度上,CDS算法比Palmer算法复杂.但大量实验测试表明,CDS算法的结果比Palmer算法更佳.所以,当需要快速获得一个近似解的时候,可以采用Palmer算法;当对解的结果要求比较高的时候,可以采用CDS算法.     

矩形件优化排样的混合启发式方法

提出一种启发式递归与遗传算法相结合的混合启发式算法求解矩形件优化排样问题。首先给出一种启发式递归算法,利用该算法逐个从待排矩形件中生成局部利用率高的条料,直到所有待排矩形件均生成条料;利用遗传算法全局搜索能力强的特点,对这些条料序进行搜索重组,使其所用的板材数最少;最后再次利用遗传算法,对条料生成之前的矩形件种类序进行全局最优搜索,使总的板材利用率达到了最大。对两个典型实际算例进行计算,并与相关文献比较,结果表明了该算法的有效性。     

单台批处理机总加权完成时间最小化的启发式算法

批处理机总加权完成时间最小化问题的复杂性目前还没有确定,因此有必要研究该问题的启发式算法．基于对该问题最优解性质的分析,提出了工件分批的最优性质．分别基于WSPT规则和SPT规则对工件进行总排序,利用工件最优分批性质进行分批,提出了两种启发式算法（简称WSPTS和SPTS）．为了检验算法的性能．将提出的算法与此问题的基准算法和常规算法进行了比较,结果表明,启发式算法WSPTS要优于其他的算法,而SPTS算法的性能最优．     

求解多车辆装载问题的启发式改进蚁群算法设计

针对启发式优化算法不能较理想地对多车辆大规模装载问题进行优化的局限性,文章设计了一种启发式改进蚁群算法,该算法将单车辆的启发式装载与多车辆装载时的蚁群优化算法有机结合,较好地解决了多车辆大规模装载问题。经过实例验证,该算法具有较高的计算效率和较好的收敛特性。     

多星联合动态调度问题的启发式算法研究

对地观测多星联合动态调度问题是一类复杂的调度问题。在对多星联合动态调度问题的动态来源进行深入分析的基础上,对该问题进行了统一描述。针对问题的特点,提出了一种基于规则的启发式求解算法,设计了最大竞争度的退出启发式规则和最小冲突度的插入启发式规则。最后给出了一个应用实例,对算法进行了验证。     

变邻域搜索算法综述

变邻域搜索算法(Variable Neighborhood Search,VNS)作为一种新的元启发式算法,已初步成功地用于解决优化问题,尤其是对于大规模组合优化问题效果良好。对VNS的扩展研究层出不穷,并将其成功地应用到旅行商问题、车辆路径问题、调度、图着色等问题中。简述了经典的元启发式算法,并依次论述了优化问题,VNS算法起源,VNS算法原理,VNS算法分析,扩展的VNS分析,VNS在初始解构造、邻域结构构造、局部搜索和停止准则几个方面的改进方法,针对不同版本的VNS归纳了其在各种优化问题应用情况。基于对改进的VNS的分类,从算法自身研究角度和实际应用角度提出了未来研究方向。     

蚁群算法研究中的蚂蚁行为分析

蚁群算法（Ant Clony Algorithm）是一种的新的启发式算法,是目前国内外启发式算法研究的热点和前沿问题,其自提出以来,便在求解复杂组合优化问题上显示出了强大的优势。     

三维装箱问题的组合启发式算法

通过组合拟人启发式和模拟退火算法,提出了三维装箱问题的组合启发式算法.拟人启发式算法的主要思想来源于日常砌墙中的策略.利用找点法以及水平和垂直参考线规则来控制装填过程.用模拟退火算法改进拟人启发式.经过一些数据的测试,实验结果表明,该算法能够同文献中的优秀算法竞争.     

课程表问题的一种模拟退火超启发式算法

课程表问题是经典的组合优化问题,属于NP-hard问题.长期以来人们一直都在寻求快速高效的近似算法,以便在合理的计算时间内准确解决大规模课程安排问题,并提出许多有效且实用的启发式和元启发式算法.在此基础上提出了一种基于多个图染色启发式规则的模拟退火超启发式算法.在超启发式算法的框架中,用模拟退火算法作为高层搜索算法,多个图染色启发式规则为底层的构造算法.与现有的方法相比,该算法具有很好的通用性,可以很容易推广到考试时间表、会议安排.旅行商问题、背包问题等应用领域.实验表明,该算法是可行有效的,且无一例时间、空间冲突.     

基于BP算法和ACO算法的故障诊断推理研究

BP算法在故障诊断领域已取得广泛应用,但其存在收敛速度慢且容易陷入局部最小值的缺陷,限制了其进一步的发展;ACO(Ant colony optimization)算法是一种模拟进化算法,已很好地应用于解决旅行商和资源两次分配等经典的优化问题,具有启发式收敛、正反馈以及分布式计算等优点;为此,将ACO算法引入BP算法故障诊断方法中,使用ACO算法对BP网络中的参数即权值、阈值以及学习率等进行优化,定义了一种结合ACO算法和BP算法能对故障进行诊断的新算法,并将其应用于具体的故障诊断实例中,最后,通过100组样本中的95组进行训练,并对剩余5组进行故障诊断,实验证明结合ACO算法和BP算法的新算法较传统的仅使用BP算法的诊断方法具有收敛速度快、诊断精确高以及训练性能好的优点。     

半导体黄光区调度问题研究

对半导体黄光区调度问题进行了研究,建立了半导体黄光区调度的数学模型,分别提出了用于求解该问题的启发式方法和粒子群算法方案,阐明了两种算法方案的具体实现过程。通过对仿真实例进行计算和结果比较,表明了粒子群算法优于启发式方法,取得了不错的优化效果。