基于免疫算法的物流配送车辆路径优化问题研究

物流配送车辆路径优化问题是近年来物流研究中的一个热点,但由于它是一个NP难题,较难得到最优解和满意解。本文将一种新型的启发式算法——免疫算法用于解决该问题。免疫算法具有很好的全局搜索能力和收敛性,能够很好的解决这类问题,实例也证明了该方法是可行和有效的。     

机组组合优化问题的穷举算法研究

提出一种解决机组组合优化问题的通用穷举算法,把M台机组组合优化问题转化成从M个数组中各取一个数并且这M个数之和等于一个给定值的数学问题,在此基础上,利用递归回溯的方法搜索每个可能的组合.试验结果表明,该算法能够找出任意台机组在任意技术出力范围内的所有的组合方案,不会产生漏解.应用于经济调度问题时,以煤耗量为目标函数,证明该算法能够得到最优解.最后,分析了该算法的复杂性.     

排列流水车间提前/延期惩罚调度问题的启发式算法

在满足了工序中间无储存能力、每一个任务必须连续加工和任务的交货期相同等假设条件后,提出了一种排列流水车间提前/延期惩罚调度问题的启发式算法.该算法首先按照任务的延期惩罚系数与任务加工时间的比值升序排序,得到较优次序,然后使用NEH算法寻找优化解,最后再进行邻域搜索进一步优化解决方案.在中小规模问题的数据实验中,该算法求解与最优解的相近程度达到97%以上,并且通过大量数据样本的标准差验证,求解的稳定性也非常好.在大规模问题的数据实验中,该启发式算法体现出非常好的优化性能,优化结果明显好于其他的启发式算法,并且算法在大规模问题中的运算时间也较短,在大规模的调度应用中可以代替精确的数学算法.     

基于蚁群算法的复合形法及其在边坡稳定分析中的应用

首先将基于排序的路径选择方法引入基本蚁群算法 ,并用之于连续变量的优化问题和边坡的最小安全系数搜索 ,结果发现对于设计变量较少的数值优化问题和简单边坡的最小安全系数搜索问题 ,该蚁群算法可以找到全局最优解或比较接近全局最优解。但对于复杂边坡的最小安全系数搜索问题 ,该蚁群算法很容易陷入局部最优。另外复合形法对于不同的初始复合形也会得到不同的最小安全系数 ,利用本文提出的基于最小海明距离的替换准则将蚁群算法得到的局部最优解替换掉初始复形中的一个顶点 ,则复合形法容易找到全局最优 ,成为一种全局搜索能力很强的优化算法。     

基于双生长点并行生长机制的模拟植物生长算法及其结构优化

针对模拟植物生长算法(PGSA)系列算法中存在的搜索路径相对单一、搜索覆盖面不够广等问题,结合复杂结构优化问题中设计变量多、存在多个局部最优解、算法难以自动终止等特点,基于PGSA的基本原理和植物的实际生长规律,提出一种新的算法机制——双生长点并行生长机制,并与基于生长空间限定与并行搜索(GSL&PS-PGSA)算法相融合。通过典型数学及空间桁架结构算例进行了验证,结果表明：双生长点并行生长机制增加了寻优搜索路径,拓宽了搜索覆盖面,降低了陷入局部最优解的概率,并为算法提供更为有效的终止机制,从而具有更加显著的优化效率及全局搜索能力;与序列两级算法、蚁群算法等常用优化方法相比,融入双生长点并行生长机制的GSL&PS-PGSA进一步提升了算法的优化求解能力,在结构优化问题中表现出良好的适应性及有效性。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

周期性居家医疗护理问题的禁忌求解算法

针对周期性服务需求的居家医疗与护理资源管理问题,提出一种基于插入法和节约算法的禁忌算法。该算法综合考虑客户接受服务的日期、客户的服务等级和客户访问次序,在初始解基础上进行邻域搜索,每次邻域搜索选取部分客户,搜索其所有可能的服务日期、服务等级对应的调度方案,选择成本最低的方案作为邻域搜索的最新解。邻域搜索中变换过的客户将列入禁忌表,在禁忌步长内不予变换。通过多次迭代,求解结果向最优解方向收敛。对随机生成的算例及基于标准Vehicle Routing Problem(VRP)算例构造的算例进行仿真验证,并与Rolling Horizon Myopic Planning Approach(RHMPA)算法求解结果对比,实验结果表明,该算法在一定运行时间内适合求解客户规模低于500人的案例,且求解结果优于RHMPA算法,多次求解的结果相对误差仅为0.94%。该算法为家庭护理管理和计划调度问题提供了新的算法设计优化思路,对提高当前我国相关产业的管理和调度水平具有现实意义。     

改进禁忌算法求解考虑实时路况的车辆路径问题

车辆路径问题作为经典的组合优化问题,随着电子商务的蓬勃发展而广受关注.基于实时路况和禁忌搜索算法在求解该问题时过于依赖初始解的特点,提出了一种改进的禁忌搜索算法,即根据实时路况,先运用竞争决策算法的资源分配方式取得较优的初始解,再在此基础上进行禁忌搜索运算.实验案例中将改进后的禁忌搜索算法和改进前的禁忌搜索以及其他算法进行了对比,发现它不仅保持了禁忌搜索的高效率,而且计算结果更优更稳定,应用范围更加广泛.     

启发式粒子群优化算法及其在空间结构优化中的应用

介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于“和谐搜索“算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率.     

动态规划-禁忌搜索算法在水库群调度中的应用

针对水库群调度这一多约束条件、动态的、非线性的优化问题,引进了动态规划-禁忌搜索(DP-TS)算法进行求解。首先利用动态规划(DP)算法求出调度的一组发电流量优化解,其次将DP算法得出的解作为禁忌搜索(TS)算法的初始值,以降低TS算法运行时间和增强其全局寻优的能力。以锦屏一级二滩梯级水库群为例,用上述提出的组合算法进行优化求解,结果表明该法效率高,优化结果良好。