贪婪随机自适应灰狼优化算法求解TSP问题

对于求解TSP问题,提出一种贪婪随机自适应灰狼优化算法(GRAGWO)。GRAGWO算法基于贪婪随机自适应搜索算法(GRASP),采用其构造阶段生成初始解,在局部搜索阶段采用灰狼优化算法(GWO)对结果进行优化。GWO算法不能直接用于求解离散问题,易陷入局部最优,导致后期收敛速率较低。根据TSP问题的特性,针对易形成局部最优路径和随着迭代次数增进而导致种群多样性减退这两个缺陷,重新定义灰狼编码方式,与GRASP启发式算法相结合,应用于求解TSP问题。采用TSPLIB中的多组不同规模的TSP问题作为实验用例,并将GRAGWO算法与其他仿生算法进行对比,结果表明在求解准确率、稳定性和解决大型城市问题方面具有相对优势。     

带容量约束的供应链物流运输调度问题的双层变邻域蝙蝠算法

本文考虑了多个供应商、多个制造商和多个零售商的三级供应链物流运输调度,以最大限度地降低采购、加工和运输成本为目标,提出了带容量约束的供应链物流运输调度模型（Capacitated Vehicle Routing Problem in Supply Chain,CVRPSC）.进一步地,本文构造了求解CVRPSC的双层变邻域蝙蝠算法（Two-Level Bat Algorithm with Variable Neighborhood Search,TLBAVNS）.该算法提出了一种双层蝙蝠位置的定义,引入了相应的蝙蝠算法的更新操作,采用变邻域局部搜索策略加强算法的寻优能力.实验证明：TLBAVNS能在合理的时间内求解CVRPSC;在大部分测试算例中,该算法相对于对比算法均表现出了更强的寻优能力和稳定性.     

基于遗传灰狼算法的员工通勤合乘路径优化

为了缓解小汽车过多使用造成的城市道路拥堵,达到整合交通资源、提高道路利用率的目的,以职住两地周围的通勤居民为研究对象,对员工通勤合乘路径进行研究。以通勤合乘路径最短、用户总出行成本最少为优化目标建立目标函数,在保留灰狼算法（GWO）参数少和收敛速度快等优点的基础上,融合遗传算法（GA）中精英个体的变异操作防止灰狼算法（GWO）后期陷入局部。结果表明：遗传灰狼算法（GAGWO）优化后的合乘路径能有效降低私家车的空驶率以及司机和乘客的出行成本。     

带时间窗的车辆路径问题的混合粒子群优化算法

针对带时间窗的车辆路径问题（Vehicle Routing Problems with Time Windows,VRPTW）,提出了一种混合粒子群优化算法（Hybrid Particle Swarm Optimization,HPSO）进行求解。所提出的算法设计了一种高效的编解码策略,以此搭建HPSO算法解空间到VRPTW解空间的桥梁。同时为了提高算法的寻优能力,设计了由单点插入策略以及双点交换策略组成的局部搜索策略。通过solomon-50标准数据集中的九个算例进行仿真实验,实验结果证明了所提出算法的寻优能力和稳定性均优于对比算法,最优解误差相较于对比算法最多降低了38.32%。     

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.     

融入等温过程的改进灰狼优化算法

灰狼优化算法是一种新颖的群智能优化算法,针对该算法存在的平衡全局探索和局部开发效率低、易陷入局部极值的问题,提出融入等温过程的改进灰狼优化算法IGWOSA。为了平衡算法开发与探索的能力,IGWOSA在灰狼位置更新操作后,融入等温过程。根据metropolis准则对更新的新位置进行取舍,从而增添了算法跳出局部极值的能力。同时,对α、β、δ灰狼赋予高斯扰动变异操作,进一步提升搜索效率。实验结果表明,对于13个基准函数,改进策略能有效提升算法性能;高斯扰动对算法性能有显著提升效果;IGWOSA与最先进的同类算法EOGWO、EGWO、CGWO相比,在搜索效率和性能方面优势明显。其中,IGWOSA尤其擅长处理单峰函数,更是以数量级的优势优于对比算法,但是,在处理多峰函数时,EGWO以微弱的优势优于IGWOSA。     

基于改进灰狼优化算法的三维路径规划

针对移动机器人三维路径规划问题,提出一种基于改进灰狼优化算法的移动机器人三维路径规划方法.首先,利用超立方体抽样初始化灰狼种群,提高初始种群的质量,引入动态权重,加大最优狼比重,加快算法的收敛速度和精度;其次,提出降维-升维的地图处理方法,降低三维地图的复杂程度,加快算法的求解速度;最后,结合人工势场法,对局部未知的动...     

有能力约束车辆路径问题的求解算法研究

车辆路径问题（VRP）是物流配送系统研究中的一项重要内容。建立了CVRP的数学模型,给出了量子遗传算法的流程,并MATLAB编程实现了实验仿真。     

求解带用户满意度的多目标实时车辆路径问题的改进伊藤算法

基于对标准车辆路径问题的分析,本文构建了一种包括交通因素、客户需求动态改变、用户满意度的多目标动态车辆路径问题模型.针对伊藤算法在求解离散组合优化问题时效率较低、收敛性较差等缺陷,本文以具有通用性的伊藤算法为框架,参考蚁群算法,设计了伊藤-蚂蚁优化算法,并采用正交实验的方法,分析了改进算法参数的设置问题.为了验证改进算法的有效性,文章对标准测试数据集中的数据进行了测试.最后,将标准测试数据改编成符合带用户满意度的多目标实时车辆路径问题模型的测试数据,并用改进算法进行求解.实验结果表明,本文提出的问题模型和改进算法是可行的、有效的.     

基于改进混合灰狼优化算法的无人机三维路径规划

针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。     

GWO与ABC的混合优化算法及其聚类优化

灰狼优化算法（Grey Wolf Optimizer,GWO）和人工蜂群算法（Artificial Bee Colony,ABC）是两种流行且高效的群智能优化算法.GWO具有局部搜索能力强等优势,但存在全局搜索能力弱等缺陷;而ABC具有全局搜索能力强等优点,但存在收敛速度慢等不足.为实现二者优势互补,提出了一种GWO与ABC的混合算法（Hybrid GWO with ABC,HGWOA）.首先,使用静态贪心算法替代ABC雇佣蜂阶段中的动态贪心算法来强化探索能力,同时为弥补其收敛速度降低的不足,提出一种新型的搜索蜜源方式;然后,去掉影响收敛速度的侦查蜂阶段,在雇佣蜂阶段再添加反向学习策略,以避免搜索陷入局部最优;最后,为了平衡以上雇佣蜂阶段的探索能力,在观察蜂阶段,自适应融合GWO,以便增强开采能力和提高优化效率.大量的函数优化和聚类优化的实验结果表明,与state-of-the-art方法相比,HGWOA具有更好的优化性能及更强的普适性,且能更好地解决聚类优化问题.     

一种基于遗传计算的新型白适应路由算法

自适应路由算法能够根据网络状态选择路径,减少平均传输延时,最大限度地提高网络的性能。丈中构造了一种新型的路由表,设计了基于遗传算法的自适应网络路由算法（GAR）,并在Pc机上实现了简化的GAR。在局域网环境下,对GAR和基于跳计数准则的RIP的模拟试验表明,在相同的网络负载下GAR的平均通信延时是RIP的20％。丈中提出的自适应的路由算法能够降低网络延时,平衡网络负载,提高网络性能。     

一种改进的灰狼优化算法

灰狼优化算法是最近提出的一种较有竞争力的优化技术.然而,它的位置更新方程存在开发能力强而探索能力弱的缺点.受差分进化和粒子群优化算法的启发,构建一个修改的个体位置更新方程以增强算法的探索能力;受粒子群优化算法的启发,提出一种控制参数a随机动态调整策略.此外,为了提高算法的全局收敛速度,用混沌初始化方法产生初始种群.采用18个高维测试函数进行仿真实验,结果表明：对于绝大多数情形,在相同最大适应度函数评价次数下,本文算法的性能明显优于标准灰狼优化算法.     

改进遗传算法下的车辆路径问题研究

车辆路径问题是一种典型的组合优化类问题,随着客户对物流要求的不断提升,基本的遗传算法已经很难满足客户的需求。基本的遗传算法在求解这类问题的时候,经常会出现早熟收敛,以及对车辆的运送时间存在限制等方面的缺陷,不能够对这类问题进行最优化求解,所以本文采用改进的遗传算法就车辆路径问题进行研究,并探究改进下的遗传算法在求解车辆路径问题时的有效性。     

VRP的数学模型及算法分析

随着我国物流业的飞速发展,车辆运输路线规划对于降低物流成本显得越来越重要。对车辆路线问题（VRP）进行了数学建模,总结了国内外的研究状况,并指出了今后的研究方向。     

一种基于路径的新型自适应路由算法

构造了一种新型的路由表,设计了基于遗传算法的自适应路由算法(GAR),并在PC机上实现了简化的GAR.在局域网环境下,对GAR和基于跳计数准则的RIP的模拟试验表明,在相同的网络负载下GAR的平均通信延时是RIP的20%.该算法能够降低网络延时,平衡网络负载,提高网络性能.     

基于网格和遗传算法的移动代理路由算法研究

针对一类基于移动代理的无线传感器网络内移动代理的迁移路由问题,提出了一种基于网格和遗传算法的移动代理迁移路由算法.该方法通过改进的自适应遗传算法获取迁移的基路径信息,再结合网络网格化和路由修复策略来实现路由节点失效时的路由修复,从而有效降低能耗和实现成功迁移.