一种基于人工鱼群算法的航班离场问题研究

研究基于人工鱼群算法的航班离场序列问题,并通过仿真二维机场场面,实现基于鱼群算法的航班在二维机场场面的离场顺序仿真效果。对现代国内外机场管制系统的特点进行研究分析,并综合国外先进机场管制系统的优点．结合国内的具体特点;分析人工鱼群算法在航班离场序列中应用的算法流程;给出研究的初步效果以及仿真模拟图。通过仿真实验可知,在二维机场场面上可以比较直观地观察出人工鱼群算法在航班离场顺序上应用的效果．并且为接下来研究决策系统做铺垫。     

模板方法模式在回溯算法中的应用

描述了模板方法模式及回溯算法的模板方法模式的Java语言实现,该实现使得回溯算法的实现达到了可扩展性、灵活性和可插入性三个目标,提高了算法的可维护性和可复用性.最后,演示了如何使用该设计来解决N后问题、排列问题和子集和问题.     

回溯算法在多约束分配问题中的应用

以学生宿舍合理分配问题为背景,对分配中所涉及的学生高考入学成绩、生源地、宿舍类别等诸多约束条件进行充分分析和探讨,给出了解决这类问题的一种新的有效算法--基于矩阵存储的回溯算法,并给出了算法的实现细节.在此基础上,讨论了该算法的时间复杂度,得出了该算法较同类问题的回溯法具有更好的时间效率,说明了该算法在多约束分配问题中更具合理性和有效性.     

蚁群算法优化到达航班排序和调度问题的研究

为有效解决动态环境中的到达航班排序和调度问题,提出了基于移动域控制的动态蚁群优化算法,该算法将总时间划分成多个时间窗口,并将蚁群算法优化控制在一个移动域内进行,有效避免了算法的早熟,降低了算法的计算复杂度.实例仿真计算表明,该算法比标准的蚁群算法具有更高的求解质量和求解效率,适合于对终端区到达航班进行实时排序和调度.     

差值排序算法在飞机排班问题中的应用

飞机排班是航空公司制定生产计划的一项基本内容。首先通过对排班问题的分析,建立了排班问题的均衡模型;其次通过对航班连线和飞机分别标号,将一种新的差值排序算法引入飞机排班问题的求解中;最后利用V isual C＋＋编写计算机程序,并通过具体算例的分析,验证了所提出方法的正确性和有效性。     

变异蚁群优化算法在流水作业排序中的应用

在采用蚁群算法求解流水作业排序中,针对蚁群算法存在的时间过长及过早收敛问题,使用解锁素及信息素挥发率作为启发式信息并引入局部优化,对蚁群系统加以改进。计算机仿真结果表明,改进后的蚁群系统对流水作业优化调度有较好的效果。     

Memetic算法在板坯排序中的应用

热轧带钢生产中的板坯排序是一种复杂的组合优化问题,可以归结为一个PCTSP问题。Memetic算法(种群全局搜索和启发式局部搜索的结合),被用来求解热轧板坯排序。考虑到热轧生产约束的特点,提出了一种初始解构造策略,并利用缩减3-opt邻域搜索算法进行局部优化。仿真结果表明了该算法的优化效果和时间效率都是令人满意的。     

随机k-SAT问题的回溯算法分析

通过研究搜索树的平均节点数,分析了回虎法求解随机ｋ－ＳＡＴ问题的平均复杂性,结果表明：找到实例所有的解或证明其无解所需的平均节九随变量数ｎ的增加而指数增长;随着ｒ的增大,求解将变得越来越容易,而且当ｒ趋近于无穷大时,以ｎ为指数。平均节点数的底数将无限地趋势于１。     

高校排课系统的算法研究

阐述了排课系统的问题及需求,介绍了排课问题中必须遵循的相关约束条件,分析了基于回溯算法、贪心算法和遗传算法的排课原理及特点。     

蚂蚁算法在车间作业调度问题中的应用

蚂蚁算法是近年来新出现的一种随机型搜索寻优算法,自从在TSP等著名问题中得到富有成效的应用之后,已引起越来越多的关注和重视。论文进一步将这种新型的生物优化思想进行扩展,提出了一种解决车间作业调度问题(JSSP:JobShopSchedulingProblem)的蚂蚁优化算法,给出了求解的一般步骤和流程。通过计算实例的结果,说明了该算法优于传统算法。     

改进免疫算法在Flow Shop调度上的应用

为了高效地解决Flow Shop问题,提出了一种利用免疫算法求解Flow Shop调度问题的方法.该算法是根据人或者其它高等动物的免疫系统机理设计的,将调度目标和约束条件作为抗原,将问题的解作为抗体,对抗体采用按工件加工顺序进行自然数编码,并把最大流程时间的倒数作为适应度函数,通过引入隔离小生境等技术提高了免疫算法的适应能力,保证了种群的多样性,克服了早熟收敛,提高了收敛速度.通过对Flow Shop问题的基准测试表明,该算法不仅在求解问题的规模上具有很好的可伸缩性,而且在运算时间上也低于禁忌搜索算法和模拟退火算法,从而验证了该算法的有效性.     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题,在总结已有经验的基础上对标准遗传算法提出改进:采用基于工序的编码、解码方式,每一次遗传操作后对种群采用循环选择并保留最优个体,对交叉操作和变异概率的计算提出了一系列改进方法,避免遗传算法产生无用解或陷入局部优化,以提高效率。通过实验验证,改进后的算法具有可行性,并且可以得到十分满意的结果。     

解Job-shop调度问题的自适应遗传方法

研究Ｊｏｂ－ｓｈｏｐ调度问题。首先分析遗传算法的参数值优化问题，然后结合遗传算法和调度的特性，构造解Ｊｏｂ－ｓｈｏｐ调度问题的自适应遗传方法，最后针对几个典型调度问题提出解决方案。仿真实验表明了此法用于复杂调度问题的优越性。     

启发式算法在计划排产中的应用

面向单件生产的车间生产作业计划排产问题一直是研究的热点和难点。文中结合汽车模具行业生产管理特点和实际生产状况,针对有限能力排产问题,提出了具体的排产方法和步骤,并建立了基于启发式算法的车间作业优化排序函数。上述研究成果将提高排产的有效性,解决我国单件生产企业在计划排产中普遍存在的问题,对于加强车间生产控制和管理起到促进作用。     

一种解决车辆调度问题的算法研究

针对运输费用的逐年提高,企业配送环节的成本大幅度增加的问题,为降低物流成本,提高企业利润,研究了一种解决车辆调度问题的算法。在考虑实际需求的基础上,建立了单配送中心的配载车辆调度模型,满足基本的约束条件。同时,论述了节约算法的基本原理并采用改进的节约算法对配载车辆调度问题进行求解,即在基本的节约算法中加入时间窗约束条件。通过各种数据的实验验证,此算法都能得到较满意的解,既能节约时间,又能够节约运输里程和费用。     

基于蚁群算法的泊位调度问题

在集装箱港口的运作中,泊位调试系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一。泊位调度的目标就是确定集装箱港口船舶的停靠泊位和停泊时间。将码头看成离散泊位的集合,以船舶的在港时间最短为目标,应用蚁群算法对该问题进行优经研究,在满足各种约束条件的基础上,充分的利用好码头资源。利用蚁群算法的正反馈和并行搜索特点提高解的质量2和稳定性,通过对某集装箱码头的案例分析,说明该算法的有效性和实用性。     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题，在总结已有经验的基础上对标准遗传算法提出改进：采用基于工序的编码、解码方式，每一次遗传操作后对种群采用循环选择并保留最优个体，对交叉操作和变异概率的计算提出了一系列改进方法，避免遗传算法产生无用解或陷入局部优化，以提高效率。通过实验验证，改进后的算法具有可行性，并且可以得到十分满意的结果。