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.     

基于Tabu搜索的QoS多播路由快速优化算法

QoS多播路由算法的核心问题是建立满足QoS约束的多播树,这就是计算机网络中著名的受约束最小Steiner树问题,是一个NP完全问题.目前已有的启发式算法的时间复杂度大,不能获得最优解.提出了一个基于Tabu搜索的QoS多播路由选择快速优化算法,它选择延迟与带宽约束为QoS参数,利用Tabu搜索的集中性与广泛性并存的优点,在提高搜索速度的同时可以更加接近最优解.仿真结果表明:该算法具有快速、易实施等特点,更加适合在组规模比较大的情况下应用.     

Ad Hoc网络中一种基于Tabu搜索的低耗单播路由算法

Ad Hoc网络中,节点能量影响网络的稳定性和整个网络的生命周期.因此我们需要在提供可靠QoS服务的同时尽量降低能耗,延长整个网络的生命周期,而保证QoS服务前提下求解低能耗单播路由的算法是一个NP完全问题.针对这个问题,提出一个基于Tabu搜索的低耗单播路由算法,该算法选择延迟作为QoS参数,利用Tabu搜索的集中性与广泛性并存的优点,在保证QoS服务质量的同时尽量减少网络节点平均能量消耗,以提高整个网络的生命周期.仿真结果表明:该算法在延长网络生命周期方面具有良好效果.     

一种基于Tabu搜索求解维修费用的算法

在资源有限的情况下求解维修费用的算法是一个0-1规划的问题。目前已有的算法有可能得到局部最优,但不能保证得到全局最优。针对这类问题的特性,提出了一个基于Tabu搜索的算法。为了简化计算提出了图论的模型,用Tabu算法对其模拟,充分利用了Tabu搜索的集中性与广泛性的优点,在提高搜索速度的同时可以更加接近最优解。仿真实验表明：该算法具有快速,易收敛的特点,更适合在规模比较大的情况下应用。     

基于Tabu搜索的聚类算法研究

聚类分析的两个基本任务是分析数据集中簇的数量以及这些簇的位置。大多数的聚类方法通常只关注后一个问题。为了在聚类数不确定的情况下实现聚类分析,本文提出了一种新的结合人工免疫网络和Tabu搜索的动态聚类算法—DCBIT。新算法主要包含两个阶段：先使用人工免疫网络算法获得一个候选聚类中心集,然后使用Tabu搜索在候选聚类中心集上实现动态聚类。仿真实验结果表明与现有方法相比,新方法具有更好的收敛概率和收敛速度。     

基于Tabu搜索的QoS多播路由优化算法

随着Internet、移动网络和高性能网络的不断发展，在网络和不确定参数下具有多约未的QoS多播路由优化技术已成为网络及分布式系统领域的一个重要的研究课题，这也是下一代Internet和高性能网络的难题。本文探讨了具有QoS多播路由问题，逦描述了一种适应于研究QoS多播路由的网络模型。本文在网络环境及不确定参数下，提出了一种在网络规模和可行性方面为Internet、移动网络和其他高性能网络基于Tabu搜索的QoS多播路由优化算法（TQMRA）。TQMRA在网络环境及不确定参数下能够优化网络资源。仿真实验结果表明，TQMRA为QoS多播路由提供了一种新的有效途径。     

Tabu搜索在特征选择中的应用

研究利用Tabu搜索从大特征集中选择一组有效特征的问题.分析了Tabu搜索中 表长、邻域大小和候选解数量等参数对Tabu搜索的影响.对两种特征选择的问题,与经典及 最近新提出的一些特征选择方法如SFS,SBS,GSFS,GSBS,PTA,BB,GA和SFFS,SFBS等 算法的实验比较表明,Tabu搜索在求解时间和解的质量上都取得了满意的结果.     

一种结合Tabu 搜索的非线性遗传算法研究

利用Tabu搜索的强大局部搜索性能,提出一种新的非线性遗传算法．该方法将Tabu搜索技术内嵌于遗传算子中,构造了基于Tabu搜索的非线性杂交及变异算子,它能有效地提高算子的局部搜索能力,通过实例仿真证明了该算法的有效性;同时,以“平均截止代数”和“平均截止代数分布熵”作为评价指标,对该方法的优化效率进行研究,定量评价了该方法的优化效率,通过与实数遗传算法进行比较,说明了该方法的优化效率高于实数遗传算法．     

一种基于Tabu搜索的模糊学习矢量量化图象编码算法

模糊学习矢量量化算法 (FL VQ)虽然解决了硬的竞争学习对初始码本的依赖性问题 ,但收敛速度变慢 ,且仍无法克服陷入局部最小 .为此在分析模糊学习矢量量化图象编码原理的基础上 ,探讨了 FL VQ算法的几种优化途径 ,进而提出了一种基于 Tabu搜索 (TS)的模糊学习矢量量化的新算法 (TS- FL VQ) ,并给出了该算法的具体实现方法及步骤 .该算法首先利用 TS技术产生一个面向全局搜索的寻优列表 ,然后再进行模糊学习以得到最优解 .实验结果表明 ,该算法在收敛速度及编码效果上均较 FL VQ有较大的提高 .     

含有限缓冲区的上游生产线协调生产调度

通过对制造企业生产现场的调研，发现在实际的生产过程中存在仓库(有限缓冲区)问题，而且是多条生产线生产不同的成品。针对这一问题，文中研究了一类带有限缓冲区的上游生产线协调的生产调度问题．把生产线简化为一个Flow shop问题．给出了单条生产线输入输出结构图，建立了上下游生产线之间部件成品关联结构，依据该关联结构建立了实用的数学模型，给出Tabu搜索算法。     

Path-relinking Tabu search for the multi-objective flexible job shop scheduling problem

The multi-objective flexible job shop scheduling problem is solved using a novel path-relinking algorithm based on the state-of-the-art Tabu search algorithm with back-jump tracking. A routing solution is identified by problem-specific neighborhood search, and is then further refined by the Tabu search algorithm with back-jump tracking for a sequencing decision. The resultant solution is used to maintain the medium-term memory where the best solutions are stored. A path-relinking heuristics is designed to generate diverse solutions in the most promising areas. An improved version of the algorithm is then developed by incorporating an effective dimension-oriented intensification search to find solutions that are located near extreme solutions. The proposed algorithms are tested on benchmark instances and its experimental performance is compared with that of algorithms in the literature. Comparison results show that the proposed algorithms are competitive in terms of its computation performance and solution quality.     

解决图着色问题的一种新禁忌搜索算法

为了解决典型的组合优化问题——图顶点着色问题,结合增强SEQ算法和禁忌搜索算法的优点与缺点,提出一种基于增强SEQ的新禁忌搜索算法(SEQTS)。该算法利用增强SEQ算法较强的构造较优解的能力来为禁忌搜索算法构造多个较优初始解,然后进行多初始解禁忌搜索以找到全局最优解。计算机实验的结果表明该算法(SEQTS)有较好的寻优能力,增强了该算法的有效性。     

一种适用于求解TSP问题的改进的禁忌算法

利用传统的禁忌算法的基本思想,针对TSP问题,提出了一种改进的禁忌算法（MTS）。该算法在初始解的生成,邻域结构及禁忌策略方面进行了大的改进,充分地利用了问题本身的启发式信息与禁忌算法的优点。算法首先通过对城市分区,然后对区域连接,生成初始解;同时生成每个城市的k邻居列表,利用k邻居列表和改进的禁忌策略来突破局部最优。通过对CHN144问题及若干TSPLIB中问题的求解,结果表明所提算法能够以较快速度求得较好的满意解。     

基于混合遗传算法的多播路由多目标优化

互联网不断增长的多媒体应用引发人们研究如何满足这些应用的服务质量(QoS)约束.目前网络中多主机之间的多播通信一般需要严格的多个QoS保证,文中描述了一种适应于研究多播QoS路由多目标优化的网络模型,在此基础上提出了基于遗传算法和禁忌搜索混合策略的,具有多目标的多播路由QoS优化方法,以克服遗传算法的爬山能力差以及不成熟收敛等问题.此外还采用了改进的多播树编码方法及高效的遗传操作,同时还优化时延、丢包率和带宽利用率等不同的参数.实验结果表明,该算法为多播路由QoS多目标优化问题的求解提供了一种有效的新途径.     

基于禁忌搜索的QoS路由算法

多约束的QoS路由问题是NP完全问题,该文将禁忌搜索算法引入多约束QoS路由计算中,提出了一种基于禁忌搜索的QoS路由算法QoS_TS。该算法通过设置长期记忆禁忌表和短期记忆禁忌表以及有效的评价函数,保证了算法实现过程中多样化的有效搜索。文章给出了算法实现的具体流程。实验仿真表明,该算法具有较高的搜索效率和较快的收敛性,通过该算法得到的路由不但满足QoS约束要求,同时可以均衡链路负载,减少路由拥塞。     

A hybrid Jaya algorithm for solving flexible job shop scheduling problem considering multiple critical paths

As an extension of the classical job shop scheduling problem, flexible job shop scheduling problem (FJSP) is considered as a challenge in manufacturing systems for its complexity and flexibility. Meta-heuristic algorithms are shown effective in solving FJSP. However, the multiple critical paths issue, which has not been formally discussed in the existing literature, is discovered to be a primary obstacle for further optimization by meta-heuristics. In this paper, a hybrid Jaya algorithm integrated with Tabu search is proposed to solve FJSP for makespan minimization. Two Jaya operators are designed to improve solutions under a two-vector encoding scheme. During the local search phase, three approaches are proposed to deal with multiple critical paths and have been evaluated by experimental study and qualitative analyses. An incremental parameter setting strategy and a makespan estimation method are employed to speed up the searching process. The proposed algorithm is compared with several state-of-the-art algorithms on three well-known FJSP benchmark sets. Extensive experimental results suggest its superiority in both optimality and stability. Additionally, a real world scheduling problem, including six instances with different scales, is applied to further prove its ability in handling large-scale scheduling problems.     

不确定环境下多品类共同配送路径优化

针对动态事件对配送过程的干扰问题，提出多品类共同配送车辆路径优化问题。基于对不确定环境下动态客户时空特性的分析，提出利用时空泊松分布生成动态客户的方法；并从整体运营成本及车辆固定成本入手，建立不确定环境下多品类共同配送模型；鉴于考虑模型的特殊性，设计遗传-禁忌搜索组合优化算法，结合具体算例对模型和算法性能进行验证。结果表明，提出的多品类共同配送方法优于单品类配送方法，且改进后的遗传-禁忌搜索算法具有更强的寻优能力。