含典型非线性环节系统的混合整数优化控制

通过引入辅助逻辑变量与辅助连续变量,由混合整数线性不等式等价表达逻辑关系表达式,建立了一种广义线性系统模型.该模型能精确地描述一大类包含典型的非光滑,甚至非连续环节的非线性系统.基于广义线性系统模型和变控制时域混合整数预测控制(MIPC)算法,研究了含典型非线性环节的非线性系统的最优调节问题和最优跟踪问题的求解方法.MIPC算法在每一离散时刻归结为求解一个标准的混合整数二次规划(MIQP)问题.利用现有的基于分支定界算法的标准MIQP问题的求解程序,对提出的方法进行数值仿真计算.仿真结果表明,该方法对于解决一大类含典型非线性环节的非线性系统的优化问题是可行和有效的.     

基于机群系统的N体问题调度算法

采用合理的任务调度策略能有效地降低N体问题求解时间,对大量科学与工程应用具有重要意义。为此,在机群计算平台上,设计了N体问题的并行算法,推导出该算法的性能模型。同时,针对机群的特点。提出了基于整数规划的N体问题自适应调度算法．实验表明,并行算法具有良好的可扩展性,性能模型正确,基于整数规划调度算法较典型调度策略高效．     

一类非线性整数规划的解

本文讨论了一类非线性整数规划问题的最优性条件以及求解的算法。     

基于分层遗传算法的车辆路由和调度研究

为了能在当今激烈竞争的市场中生存,物流活动需要细心规划以满足商务和顾客的所有需求.车辆路由和调度问题一直被广泛的研究以满足各种行业的特殊的需求.考虑配送与安装分离特点下车辆路径问题.利用混合整数非线性规划（MINP）模型求解送货和安装时车辆运行的最少时间.提出分层遗传算法对各种大小问题实施求解.计算结果表明分层遗传算法的有效性,也对分层遗传算法和MINP模型两者的性能进行了比较.     

求解最小支配集的线性混合整型规划算法

提出了一个高效的求解最小支配集问题的线性混合整数规划算法(MILP).该算法主要针对最小支配集问题的特点建立整数规划模型,并通过Gurobi求解器进行优化求解.采用当前国际文献公开的共74个算例作为算法测试实验集,与FKW算法、传统的Grandoni算法以及改进的Grandoni算法进行比较.实验结果表明,该算法的计算效率明显优于其它的精确算法,且在所有算例上都能得到精确解.     

考虑不确定性的综合能源系统日前经济调度

考虑光伏出力和负荷的不确定性,研究一种适合工程推广的综合能源系统经济调度求解方法.首先,建立综合能源系统混合整数非线性概率模型;其次,采用特殊序列集合(SOS-2)方法对非线性模型进行分段线性化;然后,采用对称采样策略的无迹变换方法进行确定性转换,以揭示概率性背后隐藏的信息;最后,对比分析混合整数线性规划(MILP)求...     

柔性Job Shops集成调度启发式算法

为有效解决柔性作业车间(Job Shops)的加工与搬运集成调度问题,以最小化最大完工时间(Makespan)为调度目标,建立非线性规划模型,提出基于贪婪启发式策略的变邻域搜索算法(GRS-RVNS).根据准时(JIT)生产和均衡生产思想构建贪婪启发式策略快速求初始解.利用析取图表示可行解并根据析取图调度的性质定理构建有效的搜索邻域,进而利用随机变邻域搜索算法对初始解进行优化.对提出的算法进行仿真实验分析,结果表明:该算法求解时间短、调度方法有竞争性.     

灵活型接驳公交路径优化及协同调度模型

在已知乘客需求和车队规模的条件下,以综合考虑出行者(包括最小化乘客等待接驳公交车时间、最小化乘客实际乘坐与期望乘坐主线公交的时间差值)和运营者(最小化车辆运营时间)双方利益为优化目标,建立了灵活型接驳公交路径优化和协同调度的同步优化模型。由于该模型目标函数为非线性,本文为求解方便将其进一步转化为混合整数规划模型,并采用基于重力模型的一种启发式算法对模型进行求解,最后通过实例验证了该调度模型的可靠性和实用性。     

基于高斯混合模型的轨迹模仿学习表征参数优化

针对高斯混合模型(Gaussian mixture model,GMM)参数选取效率较低的问题,提出了一种在基于GMM的轨迹模仿学习表征中综合求解GMM参数估计的方法.该方法基于多中心聚类算法中的最大最小距离算法改进kmeans算法,得到最优初始聚类中心,并基于贝叶斯信息准则(Bayesian information criterion,BIC)通过遗传算法优化求解,同时获取GMM的4个重要参数.该方法通过提高划分初始数据集的效率,在优化初始聚类中心基础上确定混合模型个数,有效地避免了因为初值敏感而导致的局部极值问题.通过多组仿真实验验证了该方法的有效性.     

混合整数非线性规划问题的扩展联合多目标的差分进化算法

为高效求解混合整数非线性规划问题,提出了一种优化的扩展联合多目标差分进化方法（ECMODE）。该方法借助整数变量连续化方法,把混合整数非线性规划（MINLP）问题转换成只有连续变量的非线性规划（NLP）问题,再采用联合多目标的差分进化方法 （CMODE）来求解。通过对7个MINLP测试问题的计算研究,验证了ECMODE方法的可行性和有效性,所获得的寻优结果优于文献报道的MDE和DETL方法,具有较大的应用潜力。     

Job shop scheduling problem with alternative machines using genetic algorithms

The classical job shop scheduling problem (JSP) is the most popular machine scheduling model in practice and is known as NP-hard. The formulation of the JSP is based on the assumption that for each part type or job there is only one process plan that prescribes the sequence of operations and the machine on which each operation has to be performed. However, JSP with alternative machines for various operations is an extension of the classical JSP, which allows an operation to be processed by any machine from a given set of machines. Since this problem requires an additional decision of machine allocation during scheduling, it is much more complex than JSP. We present a domain independent genetic algorithm (GA) approach for the job shop scheduling problem with alternative machines. The GA is implemented in a spreadsheet environment. The performance of the proposed GA is analyzed by comparing with various problem instances taken from the literatures. The result shows that the proposed GA is competitive with the existing approaches. A simplified approach that would be beneficial to both practitioners and researchers is presented for solving scheduling problems with alternative machines.     

基于离散量子微粒群优化的作业车间调度

针对强非确定性多项式难的作业车间调度(JSP)问题,提出一种离散量子微粒群优化算法(DQPSO).该算法基于量子态波函数描述微粒群粒子位置,结合遗传算法中的交叉、变异操作,采用随机键编码方法对连续空间内的解进行离散化,使得DQPSO能够直接用于求解车间生产调度这类组合优化问题.另外,针对JSP的复杂性,通过引入2层结构的局部搜索策略,构造在局部优化解附近不同搜索半径的微粒,增强算法的搜索能力,进一步提高解的多样性和寻优质量.应用结果表明,对大部分作业车间调度测试算例,DQPSO表现出更有效的寻优性能.     

蒸汽动力系统多周期设计与运行同步优化

建立了蒸汽动力系统设计与运行同步优化的混合整数非线性规划模型(MINLP).作者考虑了设备投资计算模型的非线性因素和各周期之间设备的启停费用.模型包含表征设备设计、运行以及启停状态约束的二元离散变量,属于大型复杂的多周期MINLP问题,应用传统的求解方法很难有效求解.作者在传统的遗传算法(GA)基础上,开发了改进的遗传算法(IGA)求解该大型MINLP问题.通过实际算例应用表明,应用本文建立的MINLP模型和IGA求解方法,能够保证在有效的时间内得到问题最设计方案和全周期内最优运行方案,同时同传统优化计算工具计算方案对比,节约了大量的投资和运行费用.     

基于Petri网仿真的柔性生产调度——蚁群-遗传递阶进化优化方法

利用受控赋时Petri网对柔性生产线调度中的离散事件建模,此Petri网模型由过程流子网、资源子网和调度控制子网通过同步变迁连接而成.在由Petri网仿真运行获得调度性能评价的基础上,采用两级递阶进化优化方法求解柔性生产过程的优化调度问题.首先由蚁群优化方法优化加工路径,然后根据蚁群在信息素指引下所构造的加工路径,采用遗传算法优化在同一机器上加工的作业排序.应用蚁群优化原理提出了加工路径优化问题的信息素表达方式,解构造策略和信息素更新策略.一组测试问题的求解结果说明了算法的有效性和鲁棒性.     

应用于换热网络优化的混合遗传算法性能研究

换热网络综合优化属于系统热集成技术的重要研究方向。换热网络综合优化技术研究对于节约能源、保护环境和提高高耗能企业的市场竞争力具有重要意义。然而,由于换热网络综合优化模型本身属于MINLP问题,形式复杂且解空间大,经典的梯度寻优很难凑效。本文建立了以年总费用函数为优化目标的换热网络综合优化模型,提出了应用改进的混合遗传算法用于换热网络综合优化,并以基本遗传算法为对照,对混合遗传算法的用于换热网络综合的性能进行了研究。实例研究表明改进的混合遗传算法能更有效地进行换热网络综合优化。     

应用双层混合遗传算法优化大规模换热网络

换热网络综合优化问题是典型的混合整数非线性规划(MINLP)问题,存在局部极值众多的特点,特别是对于大规模换热网络来说,要做到全局寻优,难度极大。混合遗传算法能够对换热网络进行优化,但对大规模的换热网络的优化效率并不高。本文采用先通过混合遗传算法对换热网络进行初步优化,然后划分换热网络为若干换热独立的子网络,对产生的子网络分别进行单性遗传进化。结果表明,该方法对大规模换热网络的优化具有较高的优化效率。     

用列队竞争算法求解布局-分配问题

布局一分配问题可以归结为一个混合整数非线性规划问题，为应用列队竞争算法来求解这个问题，提出了一个将整数变量和连续变量并行处理的策略，这一策略能使局部搜索与全局搜索达到较好的统一。用列队竞争算法对一个大规模的布局-分配问题进行了求解，得到的最好解优于文献报道的结果。统计计算结果表明，列队竞争算法对求解大规模的全局优化问题具有较好的稳健性和搜索效率。     

考虑干涉和优先度的多目标岸桥调度策略

针对岸桥调度问题的特性,分析了岸桥支援对提高港口整体效率的影响,建立了包含任务之间优先关系和岸桥之间不可交叉性和安全等条件的多目标混合整数规划模型,提出了一种启发式求解算法,验证了在一定时间内,启发式算法可以得到较优的可行解。而QCSP单目标和多目标计算结果表明,减少岸桥等待和移动时间,有助于岸桥更好地支援邻近船舶,加快港口整体运作效率,提高港口竞争力。     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。