一种求解QAP 问题的混合嵌套分区优化算法

提出一种基于嵌套分区算法(NPM)框架求解二次分配问题(QAP)的混合优化算法.算法利用嵌套分区树来描述二次分配过程,对可行域进行系统性分区,采用禁忌抽样算子对分区进行抽样并评估各个分区的性能.在每次迭代中,算法重点跟踪和搜索优良解最有希望出现的分区,并结合禁忌搜索算法来实现分区转移.数值仿真实验表明,引入更加有效的禁忌抽样算子后,NPM算法具有更好的寻优能力.     

配送选址-多车型运输路径优化问题及求解算法

考虑到不同车型、车辆容量、时间窗等约束,研究了配送选址-多车型运输路径优化问题,采用分解法进行问题分析,建立数学模型.首先应用改进聚类分析模型确定配送中心的最佳位置与服务客户群,然后设计遗传算法进行求解.算法比较及算例测试表明它是求解选址-多车型运输路径优化问题的一种有效方法.     

一种求解约束优化问题的新算法

演化算法基于达尔文的适者生存的原理,通过模拟大自然演化过程寻找问题的最优解。由于演化算法的全局性、灵活性、自适应性和稳健性,它特别适用于解象非线性、不可导和多峰等高难度优化问题。近年来,演化算法已经成功地解决了一些工程优化问题。毫无疑问,演化计算是一类解决高难度优化问题最重要的办法之一。     

一种求解约束优化问题的混合算法

提出一种基于修改增广Lagrange函数和PSO的混合算法用于求解约束优化问题。将约束优化问题转化为界约束优化问题,混合算法由两层迭代结构组成,在内层迭代中,利用改进PSO算法求解界约束优化问题得到下一个迭代点。外层迭代主要修正Lagrange乘子和罚参数,检查收敛准则是否满足,重构下次迭代的界约束优化子问题,检查收敛准则是否满足。数值实验结果表明该混合算法的有效性。     

智能优化算法求解TSP 问题

TSP（旅行商）问题代表组合优化问题,具有很强的工程背景和实际应用价值,但至今尚未找到非常有效的求解方法．为此,讨论了最近研究比较热门的使用各种智能优化算法（蚁群算法、遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络、粒子群优化算法、免疫算法等）求解TSP问题的研究进展,指出了各种方法的优缺点和改进策略．最后总结并提出了智能优化算法求解TSP问题的未来研究方向和建议．     

基于混合优化算法的最大独立集问题求解

蚁群优化算法（ACO）的正反馈机制使其具有强大的局部搜索性能,但其全局优化性的优劣在很大程度上与挥发系数的选择有关,如选择得不合适则易将使算法陷入局部最优,而禁忌搜索算法（TS）则具有强大的全局优化性能。为了弥补单一ACO算法的局限性,将ACO算法与TS算法组合起来,提出了基于TS和ACO算法的混合优化算法HTSACO,并将该混合优化算法用于求解最大独立集问题。实验表明：与标准蚁群优化算法相比,该算法显示出了很高的全局优化性和计算效率。     

平面选址问题的引力搜索算法求解

为求解平面选址问题,给出了一种基于引力搜索算法的求解方法。算法利用万有引力定律进行全局搜索,采用一种邻域搜索方法进行局部搜索,实现算法全局优化和局部优化的平衡。通过大量实验和与现有求解方法的比较,结果验证了算法的可行性和有效性。     

带时间窗的随机库存—运输整合优化研究*

针对单配送中心—多客户配送系统,建立带时间窗约束的单周期随机需求库存—运输整合优化(ITIO)问题模型。运用禁忌搜索算法,求解无时间窗约束的算例,结果表明库存—运输整合优化策略在总成本和车辆数上都优于全选最佳和全选次优策略,证明ITIO问题的研究具有理论意义和实际价值。同时,与遗传算法求解结果的比较表明,禁忌搜索算法求解此类问题具有优势。求解引入时间窗约束的算例,结果显示既满足时限要求,又比其他两种策略节省了库存—运输总成本,使得本模型及其求解算法更贴近实际应用要求。     

求解运输问题的GAPSO算法

运输问题是一个应用非常广泛的问题,传统方法对于大规模的运输问题求解比较复杂,而一些基于随机搜索算法的方法对于其约束条件的处理又比较困难.基于运输问题约束条件的特殊性,设计了一种产生可行解的方法,将对约束条件的处理转化到了算法设计之中.在此基础上,又设计了基于遗传算法和粒子群优化算法的求解运输问题的GAPSO算法,为避开对非可行解的处理,该算法对迭代过程也进行了特殊设计,从而简化了运用随机搜索算法解决运输问题的过程.最后给出了三个实例验证,通过对验证结果分析和比较,说明该算法在时间复杂度和收敛性方面都具有其优良性,是行之有效的.     

混合蚁群算法求解分布式系统任务分配问题

任务分配问题是被公认的NP-hard问题,应用广泛。在对分布式系统任务分配问题进行分析的基础上,将蚂蚁寻求任务分配方案的过程用一种新的图形表示方式来实现。针对蚁群优化算法易陷入局部最优的固有缺陷,提出了一种新的混合算法,该算法将蚁群优化算法与简单禁忌搜索算法相结合,增强了算法的局部搜索能力,提高了任务分配问题解的质量。实验结果表明混合算法的求解性能较优。     

基于遗传算法和禁忌搜索的混合优化策略

将禁忌搜索和遗传算法相结合,给出了一种求解优化问题的混合策略--禁忌遗传优化算法.该算法一方面为禁忌搜索找到了较好的初始点,减少了调用禁忌搜索的次数,另一方面也可以克服遗传算法爬山能力差的缺点,从而加快了收敛速度,提高了解的质量.通过实例验证了该优化算法的有效性和可靠性,并将其用于网络拥塞控制的研究中,为进一步实施网络拥塞控制提供了一种有效的途径.     

混合混沌优化方法及其在非线性规划问题中的应用

结合逐次优化、禁忌搜索和变尺度混沌优化方法的优点,提出了一种混合混沌优化方法。该方法具有逐次优化算法的隐性并行性和收敛性,禁忌搜索的智能性和变尺度混沌优化方法的快速性。仿真计算表明,该方法具有实现简单,优化效率高,鲁棒性强等特点。     

基于局部禁忌搜索策略的连续空间蚁群算法

针对蚁群算法容易陷入局部最优解及搜索时间长等不足,引入一种基于连续空间的禁忌搜索算法,并将其与蚁群算法相结合,提出了一种引入禁忌搜索策略的蚁群算法,以求解连续对象优化问题。经测试验证了该算法不仅跳出局部最优解的能力更强,而且能较快地收敛到全局最优解,表明算法的有效性。     

基于禁忌搜索的复合嵌套分割算法*

本文介绍了嵌套分割算法（NP）的基本思想,提出了提高其优化效率的途径。介绍了禁忌搜索算法（TS）,并将禁忌搜索的思想引入嵌套分割算法的抽样和选取算子中,提出了一种复合优化算法(TSNP)来解决函数优化问题。TSNP算法结合了嵌套分割算法和禁忌搜索算法的优点,使其在优化性能、优化效率和可靠性方面具有明显的优越性。通过对几个函数优化实例的测试,并和其他算法进行了比较,结果表明该算法具有较好的计算效率和较快的全局寻优能力。     

Integrated routing optimization for post-disaster rapid-detailed need assessment

The post-disaster need assessment for the affected area is of significance for the effective distribution of relief supplies. This paper innovatively concentrates on the integrated routing optimization problem for the rapid need assessment stage and the detailed need assessment stage. A bi-objective model with consideration of the effects of site familiarity and route familiarity is proposed. The proposed nonlinear model is equivalently transformed into a mixed-integer linear programming. A tabu search algorithm is designed to solve the proposed model, and its solving accuracy is validated by comparing with the solution of CPLEX based on a small-scale problem. To demonstrate the efficiency of the proposed model and algorithm for large-scale problems, the case of Ya'an earthquake in China is investigated. The experimental results reveal that comparing to the separate routing optimization and the sequential routing optimization, the integrated routing optimization can achieve a better coordination between the decisions of two stages.     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

基于禁忌算法的快速公交网络系统仿真优化

针对传统数学规划方法处理BRT网络系统优化存在的局限性,提出了一类直达乘客量最大化的BRT网络规划问题并建立了数学模型。设计了该优化模型的禁忌算法。多次仿真实验结果表明模型合理,算法有效。     

正态分布蚁群算法求解函数优化问题

以加权高斯函数模拟信息素的密度分布,并以此进行随机抽样,构成蚁群的状态转移规则。蚁群在信息素的引导下逐步向最优食物聚集。引入禁忌策略作为优进策略,以提高蚁群的寻优能力。测试表明算法适用于连续优化问题,能较快地找到函数的最优解。     

一种优化神经网络结构的遗传禁忌算法

常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性受到影响。引入一种基于方向的交叉算子和禁忌变异算子,同时把禁忌算法(TS)引入标准遗传算法,结合标准遗传算法和禁忌算法的优点,提出一种优化神经网络结构的遗传禁忌混合算法,实现了网络结构和权值同时优化。仿真实验表明,与遗传算法和禁忌算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。