基于禁忌表的定位算法求解TSP问题

本文提出了一种基于禁忌表的定位算法求解TSP问题的快速、高效近似算法。这种算法结合了禁忌搜索算法中禁忌表及大规模构造算法和定位改进算法求解规模较大的TSP问题。计算机实例仿真证明,算法在求解质量和求解速度两方面高于著名的启发式算法的解。该算法针对TSP问题提出,是非常有效的。     

求解多工艺路线车间调度问题的禁忌-遗传算法

车间调度问题是一个NP难题,而多工艺路线的车间调度问题更具有实际的研究意义。从生产实际出发,在分析了多工艺路线的车间调度问题一般特点的基础了,提出了一种禁忌-遗传的嵌套算法,该算法重点讨论了禁忌算法的设计思想及遗传算法中遗传算子的设计。仿真实例说明了算法的有效可行。     

基于改进的遗传禁忌搜索算法求解电力线路最佳抢修路径

在分析和研究电力线路最佳抢修路径的基础上,提出了一种改进的遗传禁忌搜索算法来求解电力线路最佳抢修路径.此算法基于变异思想和A'算法产生禁忌搜索算法的邻域解,并利用遗传算法的阶段进化思想减少调用禁忌搜索算法的频率,进而提高改进的遗传禁忌算法的执行效率.仿真结果表明在求解电力线路最佳抢修路径时,遗传禁忌搜索算法的性能优于其他算法.     

基于遗传分枝定界算法的F1ow—shop调度问题

F1ow—shop调度问题属于NP难题，传统的方法很难求出精确最优解，提出了一种遗传分枝定界算法，即在遗传算法中引入分枝定界算法保持对优化解有贡献的工件部分顺序，求解3机F1ow—shop调度问题，该算法与常用的遗传局部算法和遗传动态规划算法类似，用随机方法测试例子，与目前著名的Taillard的禁忌搜索算法和Reeves的遗传算法两种改进算法进行比较，大量的数据实验证实了遗传分枝定界算法的有效性。     

定位—运输路线安排问题的遗传算法研究

定位—运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题。由于LRP是NP-complete问题,对它的求解方法大多局限于将其分解为定位—分配问题和车辆运输路线安排问题,或者是基于这种分解思想。文章通过对遗传算法(GA)中树编码、免疫遗传算法以及GA阶段进化策略深入地分析和研究,构建了定位—运输路线安排问题的遗传算法,它与以往算法最大的不同点就是并没有基于两阶段求解的思路,而是将LRP的解看作一个整体,从而减小了在进化过程中停滞于局部最优解的概率,提高了GA的计算效率和计算速度。文中详细叙述了针对LRP问题的树编码、交叉、变异、爬山、免疫、合并小路线等各种算子设计过程,并利用一实例来验证算法的可行性。该算法为LRP问题以及相关大规模组合优化问题的求解开辟了一个新的思路,同时也为GA中树编码在实际中应用做了有益的尝试。     

一种求解车间作业调度的自适应混合遗传算法

针对遗传算法和禁忌搜索算法在求解车间作业调度问题存在的全局收敛性差、种群早熟化、收敛速度慢等缺陷,提出了一种自适应遗传禁忌搜索算法。算法通过自适应调整遗传算子中的变异概率,改善了遗传算法的收敛速度;通过增加禁忌表来选择杂交产生的个体,避免迂回搜索,以禁忌搜索算法作为变异算子,增加种群的多样性,避免算法陷入局部最优。通过仿真实例,验证了算法的收敛性和抗局部收敛性。     

3机Flow-shop调度问题研究

提出了一种遗传分枝定界算法求解3机Flow-s hop调度问题，该算法类似于常用的遗传局部算法和遗传动态规划算法．用随机方法生成测 试例子，通过与著名的Taillard的禁忌搜索算法和Reeves的遗传算法进行比较，实验结果证 实了遗传分枝定界算法的有效性．     

配送中心多车辆集散货物路线的禁忌搜索研究

多车辆集散货物路线问题是客户可以同时取货和发货,而且客户发货量在路线安排前是不确定的。提出了一种改进的禁忌搜索算法,该算法将路径问题按不同的车辆-顾客分配结构分解成若干子问题,然后用禁忌搜索算法求解每个子问题,最后从所有子问题的最优解中选出全局最优解。     

基于Sweep和主动禁忌的多时窗VRPPD设计

针对多时窗装卸车辆路线问题(vehicle routing problem with pickups and deliveries,VRPPD),提出了一种基于Sweep算法和主动禁忌算法的多时窗VRPPD问题求解方法.定义了多时窗VRPPD问题的数学模型;通过改进的Sweep算法获取初始解,设计了候选解结构、适应度函数、4种邻域操作以及邻城操作需满足的车辆容量约束和时间窗约束方程,采用主动禁忌算法自适应地修改禁忌长度以增强算法的全局寻优能力;定义了具体的多时窗VRPPD求解算法.实验结果表明,该方法能有效地解决多时间窗VRPPD问题;与其它方法相比,该方法具有全局搜索能力强和收敛速度快的优点.     

遗传-禁忌搜索优化的Amorphous定位算法

在无线传感网络WSN(Wireless Sensor Networks)定位算法领域内,Amorphous定位算法存在节点定位误差大的问题。为提高传统Amorphous算法对未知节点的定位精度,该文提出基于Amorphous定位算法的遗传禁忌搜索算法IAmorphous-GATS(Improved Amorphous Genetic-Algorithm Tabu-Search Location)。首先通过Amorphous算法得到未知节点位置的初始解;然后利用遗传禁忌搜索算法优化初始解,从而可以得到未知节点的最优位置。为验证该算法能否提高传统定位方法的定位精度,该文使用MATLAB进行了仿真实验。仿真结果表明,优化后未知节点的定位精度得到了很大的提高。     

基于量子遗传混合算法的泊位联合调度

为了提高集装箱港口服务效率,减少船舶服务的拖期费用,针对港口硬件（泊位、拖轮、岸桥）既定条件下的拖轮-泊位联合调度问题,新建了以最小化总体船舶在港时间和总拖期时间为目标的数学模型,设计了一种混合算法进行求解。首先,分析确定了将量子遗传算法（QGA）和禁忌搜索（TS）算法进行串行混合的策略;然后,依据该联合调度问题特点,在解决算法实施中的关键技术问题（染色体结构设计和测量、遗传操作、种群更新等）的同时,采用了动态量子旋转门更新机制;最后,用生产实例验证了算法的可行性及有效性。算法实验结果表明,与人工调度结果相比,混合算法的总体船舶在港时间和总拖期时间分别减少了24%和42.7%;与遗传算法结果相比,分别减少了10.9%和22.5%。所提模型及算法不仅能为港口船舶的入泊、离泊和装卸作业环节提供优化作业方案,而且能增强港口竞争力。     

求解最小生成树的一种小生境遗传禁忌算法

针对最小生成树问题,提出了一种小生境遗传禁忌算法。算法中使用Prfer数对生成树进行编码。在选择交叉之前使用小生境技术,使得被选中交叉的个体之间的适应值的距离大于一定的阈值,从而保证了个体的多样性。遗传变异算子使用禁忌搜索算法,提高了遗传算法的局部搜索能力,加快了算法的收敛速度。模拟实验结果证明该算法是有效的。     

基于遗传和禁忌搜索混合的软硬件划分算法

针对嵌入式系统软硬件划分问题,在比较了遗传算法（GA）和禁忌搜索（TS）各自优缺点的基础上,提出采用遗传/禁忌混合算法（GATS）的策略,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子,遗传算法中变异过程解空间的搜索由禁忌搜索实现。实验结果表明,GATS具有多出发点和记忆功能强、爬山能力强的优势,能够克服GA爬山能力差、TS单点出发的弱点。最后与单纯的遗传算法和禁忌搜索算法进行对比实验,证明GATS更有优势,得到的划分结果也更优秀。     

基于遗传禁忌算法的Ontology划分

为解决企业实际应用中需要部分使用本体（Ontology）的问题,提出一种基于遗传禁忌算法的Ontology自动划分方法。按Ontology划分的要求,将概念被划分进的子Ontology编号组成的数字串作为一条染色体,设计遗传禁忌算法的适应度函数,给出Ontology划分算法的具体步骤。对比实验结果表明,该方法的划分平衡度和准确性优于其他方法。     

基于禁忌遗传优化的网络拥塞控制算法

为解决网络拥塞问题,提出一种基于禁忌遗传优化的网络拥塞控制算法TSGA。该算法将禁忌搜索和遗传算法相结合,以网络资源消耗最小化和网络负载均衡分布为目标,建立多约束QoS路由优化数学模型。仿真实验结果证明,该算法可实现网络拥塞控制,有效提高网络性能。     

求解作业车间调度问题的混合帝国主义竞争算法

针对最小化最大完工时间的作业车间调度问题（JSP）,提出一种结合帝国主义竞争算法（ICA）和禁忌搜索（TS）算法的混合算法。混合算法以帝国主义竞争算法为基础,在同化操作中融入遗传算法中的杂交算子和变异算子,使算法全局搜索能力更强。为了克服帝国主义竞争算法局部搜索能力弱的缺点,引入禁忌搜索算法进一步优化同化操作后的后代。禁忌搜索算法采用混合邻域结构和新型选择策略,使得算法能够更有效地搜索邻域解。混合算法兼具全局搜索能力和局部搜索能力,通过对13个经典的Benchmark调度问题进行仿真测试,并与近年4种新型混合算法进行对比分析,实验结果表明了所提算法求解Job Shop调度问题的有效性和稳定性。     

基于改进遗传算法的标签印刷生产调度技术

针对标签印刷生产过程中存在的多品种、小批量、客户定制化程度高、部分生产工序存在不确定性等问题建立了以最小化最大完工时间为目标的柔性作业车间调度模型,提出了一种改进遗传算法（GA）。首先,在标准遗传算法的基础上采用整数编码;然后,在选择操作阶段采用轮盘赌法,并通过引入精英解保留策略以确保算法收敛性;最后,提出动态自适应交叉和变异概率,从而保证算法在前期进行较大范围寻优,以避免早熟,而后期尽快收敛,以保证前期获得的优良个体不被破坏。为了验证所提改进遗传算法的可行性,首先采用Ft06基准算例把所提算法与标准遗传算法（GA）进行比较,结果显示改进遗传算法的最优解（55 s）优于标准遗传算法的最优解（56 s）,且改进遗传算法的迭代次数明显优于标准遗传算法;然后通过柔性作业车间调度问题（FJSP）的8×8、10×10和15×10标准算例进一步验证了算法的稳定性和寻优性能,在3个标准测试算例上改进遗传算法均在较短时间内取得了最优解;最后,将该算法用于求解标签印刷车间的排产问题时,使得加工效率比原来提高了50.3%。因此,提出的改进遗传算法可以有效应用于求解标签印刷车间的排产问题。     

解决移动计算位置管理的离散差分进化算法

位置管理问题是移动计算环境中的一个重要问题。提出了一种解决位置管理问题的离散差分进化算法,给出了种群的离散编码方法和一种新的变异操作机制,提出了基于问题特性的种群初始化启发式方法,以及早熟收敛问题的解决策略。基于随机生成的数据对算法进行了模拟实验,将该算法的结果与遗传算法、禁忌搜索算法及蚁群算法进行了对比。     

Tabu搜索算法在电话网智能管理中的应用

针对电话网智能管理系统中动态路由方案的实现,研究了采用Tabu搜索算法解决路由方案的问题.对Tabu搜索算法作了改进,使得它可以用来解决电话网的电路自动调度问题,并且得到了较好的结果.改进后的Tabu算法与遗传算法相比,能够在较短的时间内计算得到全局优化的路由方案.该算法正在广东省电话网智能管理系统中所使用.     

CPU时间片组合拍卖遗传算法

提出一种综合考虑Agent时间片和执行截止期限要求的CPU时间片组合拍卖遗传算法。该算法定义了问题模型,采用可以去除不具备竞争力标的预选择策略,减少遗传算法的计算复杂度。在遗传算法求解过程中,设计适合该问题的变长染色体编码方式、交叉算子、换序算子和换标算子。仿真实验结果表明,该算法取得了符合要求的最优解。