一种改进的禁忌搜索算法求解背包问题

提出一种改进的禁忌搜索算法来求解背包问题.该算法基于禁忌搜索技术,并采用I&D策略,同时设计了两种针对局部最优解的变异算子.改进后的算法能有效地弥补标准禁忌算法对初始解依赖的缺陷,同时也避免了搜索停滞的现象.通过对具体实例和随机问题的测试,表明改进后的禁忌搜索算法有更好的性能.     

MAX-SAT问题一种改进的局部搜索算法

局部搜索算法是求解大规模SAT问题的高效算法。经典的局部搜索算法有GSAT、WSAT、TSAT、NSAT等,但这些算法的初始解都是随机产生的。本文提出了用单纯形法产生“初始概率”（每个变量取1的概率）,用“初始概率”对局部搜索算法中变量的初始随机指派进行适当的约束,使在局部搜索的开始阶段,满足的子句数大大增加,加快了收敛的速度。通过对不同规模的随机STA问题实例的实验表明,这些改进有效地提高了局部搜索算法求解SAT问题的效率。     

SAT问题中局部搜索法的改进

局部搜索方法在求解SAT问题的高效率使其成为一研究热点．提出用初始概率的方法对局部搜索算法中变量的初始随机指派进行适当的约束．使在局部搜索的开始阶段,可满足的子句数大大增加,减少了翻转的次数,加快了求解的速度．用该方法对目前的一些重要的SAT问题的局部搜索算法(如WSAT,TSAT,NSAT,SDF等)进行改进,通过对不同规模的随机3-SAT问题的实例和一些不同规模的结构性SAT问题的实例,以及利用相变现象构造的难解SAT实例测试表明,改进后的这些局部搜索算法的求解效率有了很大的提高．该方法对其他局部搜索法的改进具有参考价值。     

求解PDPTW 问题的一种快速禁忌搜索算法

提出一种解决实际规模和复杂度的PDPTW问题的快速禁忌搜索算法．该算法分为构造初始解和改进解两个阶段：在第1阶段，使用插入算法来构造一个尽可能好的初始解；在第2阶段，使用禁忌搜索算法来改进得到的解，最后构造了两个实际规模和复杂度的例子，测试结果表明该算法对于求解此类PDPTW问题是有效的。     

利用近似解加速求解SAT问题的启发式完全算法

结合DPLL完全算法能够证明可满足性(SAT)问题的不可满足性和局部搜索算法快速的优点,提出利用近似解加速求解SAT问题的启发式完全算法.首先利用局部搜索算法快速地得到一个近似解,并将该近似解作为完全算法的初始输入,用于其中分支变量的相位决策.该算法引导完全算法优先搜索近似解所在的子空间,加速解决器找到可满足解的过程,为SAT问题的求解提供了一种新的有效途径.实验结果表明,该算法有效地提高了决策的精度和SAT解决器的效率,对很多实例非常有效.     

有车辆数限制的开放式车辆调度问题研究

有车辆数限制的开放式车辆调度问题(m-OVRP)是车辆调度类问题(VRP)的一个新的分支.本文通过多初始解选优、平滑动态的禁忌长度等改进手段,基于遗传算法中变异的思想,设计了改进的禁忌搜索算法来解决m-OVRP问题.实验结果表明,本文提出的算法不仅能很好地解决m-OVRP问题,对OVRP问题也能得到稳定的结果.本算法核心包括:提出一种全新的构造初始解的贪心算法,在禁忌搜索初始解的选取中采用多初始解选优的策略;提出在禁忌搜索中采用平滑动态的禁忌长度.本算法可以很方便地应用到其他的一些启发式搜索问题的求解中.     

铁路行包基地及配送点选址问题禁忌搜索算法

分析了铁路行包运输物流化发展背景及行包运输物流配送的特点,给出了铁路行包基地及配送点选址的数学模型,应用改进的扫描法构造问题尽可能好的初始解,并通过巧妙地设计罚函数、合理构造邻域及随机选取禁忌长度的一种禁忌搜索算法对初始解优化．计算结果表明,扫描法和禁忌搜索算法结合的两阶段法,不仅可以得到良好的计算结果,而且具有搜索空间小、求解速度快的优点,该方法是有效、可行的．     

基于两次禁忌搜索的军事物资装运方案研究

针对当前军事物资装载与运输问题,映射建立数学模型,运用两次禁忌搜索算法自动输出较优的可行运输方案.第一次禁忌搜索用于确定较优的初始解,针对初始解,运用第二次禁忌搜索,保证在一定时间限制条件下,对运输问题进行优化求解.计算结果表明,该模型通过两次禁忌搜索算法可以得出在满足时间限制条件下的成本较小的装运方案,使用该模型可以有效提高载具的利用率,避免运力的浪费.     

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.     

求解可重入并行机调度的混合禁忌搜索算法

为解决带有一台远程服务设备的可重入并行机调度问题,设计了一种混合禁忌搜索算法。针对传统禁忌搜索算法只从单起始点搜索、容易陷入局部最优等缺点,混合禁忌搜索算法设计了一种Restart策略。当传统禁忌搜索算法陷入局部最优时,用Restart策略重新产生初始解以进行禁忌搜索,将传统的禁忌搜索算法从单起始点搜索改进成多起始点搜索。数值实验中将混合禁忌搜索算法与启发式算法CS相比,结果表明该算法具有较高的求解质量,且其计算时间是可接受的。     

最小赋权支配集的迭代禁忌搜索算法

最小赋权支配集是一个NP困难的组合优化问题,有着广泛的应用背景。提出了一个高效的求解最小赋权支配集的迭代禁忌搜索算法。该算法采用随机贪心构造算法构造初始解,并利用快速的局部禁忌搜索算法寻找局部最优解,通过随机扰动和修复策略来搜索新的区域,以期跳出当前的局部最优解。用顶点数为800到1 000的大规模标准测试例子测试提出的算法。数值实验结果和与现存的启发式算法比较结果表明了算法是有效的。     

基于禁忌搜索的生产—库存—配送协同计划问题研究

针对具有一定生产期和存储期的快速消费品,从供应链集成的角度研究了确定性需求情形下多工厂、多产品、多客户供应网络的生产—库存—配送协同计划问题,并建立了多周期环境下生产—库存—配送协同计划问题的混合整数规划模型,以协同优化各工厂的生产计划、库存计划与配送计划.提出了求解该模型的禁忌搜索算法方案,且通过设计启发式顺序分配方法生成初始解,采用了从改进的2-opt和λ-interchange的邻域解中产生候选解的策略,给出了提出算法的具体实现过程.最后,通过测试算例的仿真结果,证明了禁忌搜索算法在求解该类问题时具有比混合遗传算法更强的鲁棒性,并且能够得到更好的解.     

大学城体育资源优化整合仿真研究

针对提高大学城体育资源合理使用的优化程度,为均衡分配资源,将蚁群算法和禁忌搜索算法相结合,提出了一种新的资源优化分配算法.将问题空间描述为一种互约束的六元组数学模型,并且设置求解的目标函数为各约束条件的加权和,然后通过禁忌搜索算法进行优化分配.算法初始时,利用蚁群算法迭代优化禁忌搜索的初始解,提高了算法的收敛速度;当系统迭代未能显著改善当前解时,采用保留5%的优秀种子策略,并强迫箅法进行第二轮优化以提高获得解的成功率.通过求解成功率、执行时间以及对成功解的模糊综合评判对算法结果进行实验分析,仿真结果表明,相对于传统禁忌搜索算法不仅提高了资源整合优化的成功率,同时提高了成功解的实际应用质量.     

基于TS的动态车辆调度问题的混合算法研究

对带时间窗的动态车辆调度问题进行分析,采用实时再优化方法进行研究,引入时间轴概念,建立动态车辆调度模型,并给出求解的混合禁忌搜索算法。该算法先用C-K节约算法求得初始解,然后用禁忌搜索进行优化,得到全局最优解。禁忌搜索算法中采用动态邻域移动方法构造候选解和动态禁忌长度选取策略设置紧急长度,提高算法的收敛速度。最后用实例证明该混合算法的可行性和有效性。     

一种混合局部搜索算法的嵌套分区算法

提出了一种混合多种局部搜索算法的嵌套分区算法用于求解中小规模旅行商问题.该算法使用加权抽样法产生初始最可能域,用带约束的3-opt局部搜索算法搜索每个子域的最优解,然后对Lin-Kemighan算法进行了改进,并且用改进的Lin-Kemighan算法搜索每个裙域的最优解,最后通过实验分析法确定了子域和裙域最优的抽样个数及初始最可能域的长度.对TSPLIB中15个问题实例的仿真结果表明,所提出的混合局部搜索算法的改进嵌套分区算法在求解旅行商问题时可以获得高质量的解.     

车辆路径问题的禁忌搜索算法研究

简要回顾了车辆路径问题的禁忌搜索算法的发展现状,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。理论分析和实验结果表明该算法比以往的算法有以下优点：拓展了搜索空间,提高了最优解的效果;是一种将问题进行空间分解的并行算法,可采用多台计算机同时运算以减少整体运行时间。     

禁忌搜索算法解决零空闲流水线调度问题

针对流水线调度这一类NP-Hard难题,深入分析了零空闲流水线调度问题,提出了一种解决零空闲流水线调度问题的基于NEH方法的禁忌搜索算法,建立了以工件的最大完工时间为目标的算法模型.新算法利用NEH启发式算法产生问题的初始解,改善了新算法的搜索性能.利用动态方式更新禁忌表长,提高了新算法的鲁棒性.为了提高算法的运行时效,利用快速搜索算法对提出的禁忌搜索算法进行改进,即采用快速搜索算法作为禁忌搜索的邻域函数,得到另一种改进的禁忌搜索算法.仿真试验结果表明了该算法的有效性及优越性,新算法在流水线生产调度及自动化工程等领域具有较高的实用价值.     

一种求解TSP问题的改进禁忌搜索算法

禁忌搜索算法作为一种新兴的智能搜索算法,已被广泛应用于各类优化问题。本文综合解向量的分量变化和目标值变化,提出一种新的候选解和当前解选择策略,并用改进的新算法求解TSP问题。实验表明新的算法具有良好的性能。     

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。     

基于禁忌搜索算法求解随机约束满足问题

为了求解具有增长取值域的随机约束满足问题（CSP）,提出了一种基于禁忌搜索并与模拟退火相结合的算法。首先,利用禁忌搜索得到一组启发式的初始赋值,即由一个随机初始化的可行解通过邻域构造一组候选解,再利用禁忌表使候选解向最小化目标函数值的方向移动;如果得到的最优赋值不是问题的解,就把它作为启发式的初始赋值,再执行模拟退火对这组赋值进行修正直到得到全局最优解。数值实验结果表明,所提算法在接近问题的理论相变阈值时仍然能有效地找到问题的解,与其他局部搜索算法相比,表现出了显著的优越性,可用于随机CSP的算法设计。