多车型同时取送货问题的低碳路径研究

针对现代物流配送系统中提倡节能减排、配送中心多车型、车辆数量有限以及客户存在取送 货需求的特点,建立了多车型同时取送货的低碳路径问题的模型,同时建立了考虑车辆装载量、车 型和距离的碳排放量的计算方法．基于问题的性质,采用了量子进化算法对其进行求解,量子进化 算法是一种通过将常用的整数编码转换成量子比特位的编码方式,每一个染色体都代表某种车型 的行车路线方案,通过基准测试实例验证了算法的有效性和可行性,实验分析表明,针对多车型同 时取送货问题,以总碳排放最小为目标函数,采用随机选取车辆路径安排比传统的车辆路径安排更 加经济和环保．     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

基于邻域拓扑文化差分进化算法的无功优化模型研究

提出了求解无功优化问题的一种新算法——基于邻域拓扑文化差分进化算法。将邻域拓扑结构纳入了文化差分进化算法,改进了文化差分进化算法过早收敛,易于陷入局部最优解的问题。并首次将该算法应用到无功优化问题中,使其能迅速获得全局优化解,具有很好的全局收敛性能和更好的优化能力。最后,将该算法在IEEE 30节点系统上进行了无功优化...     

自适应调整差分进化算法在优化问题中的应用

差分进化算法在求解优化问题时,进化后期由于种群多样性急剧下降,算法全局搜索能力被削弱,极易陷入局部最优解而"早熟"收敛.针对该问题定义了算法停滞系数和个体相似系数.根据算法停滞系数自适应调整算法的缩放系数.同时,根据个体相似系数判定种群普通个体与最优个体的相似性,并以此为基础对相似个体实施基因重构操作,从而避免种群个体严重趋同造成的种群多样性下降问题.将改进算法应用于标准测试函数和车辆路径问题的优化.模拟计算结果表明:改进算法的优化结果优于标准差分进化算法,改进的差分进化算法具有更强的全局寻优能力,适于求解复杂优化问题.     

基于模拟退火的量子进化算法

针对量子进化算法全局搜索能力强而局部寻优能力弱的特点,提出一种基于模拟退火的量子进化算法。该方法将模拟退火算法引入到量子进化算法中,在采用量子进化算法进行解空间全局搜索的同时,用模拟退火算法加强局部寻优能力,以有效平衡算法的开采与勘探能力。采用著名的NP难组合优化问题———背包问题为例进行实验,结果表明:本文方法获得了比量子进化算法更好的解,证实了其有效性。     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法．该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进．通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法．     

离散差分进化算法求解共享单车调度问题

为了解决共享单车调度问题,设计了一种离散差分进化算法进行求解.系统地介绍了离散差分进化算法原理,并针对单车调度问题的求解,重新设计了算法中的个体编码、变异算子以及修补算子,使得算法在执行过程中能够对具体调度路径进行计算.结果表明,相比于贪心算法和蚁群算法,本研究算法解的质量较高且收敛速度较快,在共享单车调度等一系列的调度问题中具有一定的实用价值.     

基于ε约束花授粉算法的输电线路年检修计划多目标优化算法

输电线路年检修计划多目标优化是一个高维、非线性的整数规划多目标优化问题,而花授粉算法在求解该问题时易陷入局部极值及后期收敛速度慢的缺陷。基于此,提出ε约束—花授粉算法(ε-FPA),该算法可有效提升多目标优化的求解精度及解的分布性;其次,搭建输电线路检修计划多目标优化模型,以某地区12条输电线路年检修计划为算,通过仿真计算将该算法结果与有时变因子的差分进化花授粉算法(TVDFPA)、模拟退火花授粉算法(SFPA)的结果进行对比,算例分析验证了该算法的实用性与合理性。     

基于约化乘法表的绝热量子整数分解算法

绝热量子计算模型是一种极具潜力的量子计算模型。报告一种基于约化乘法表的绝热量子整数分解方案及其在6量子~16量子比特内的数值仿真实验结果。这种方案采用约化的乘法表将整数分解问题转化为优化问题,从而将分解问题所需要的量子比特降低到n(n为待分解整数的二进制位宽)。实验结果表明新的绝热量子整数分解算法只需要多项式时间来求解此优化问题。     

求解约束优化问题的引导多目标差分进化算法

将约束优化问题转化为带偏好的双目标优化问题,用差分进化算法求解转化问题。为了克服基于Pareto支配关系的多目标算法求解转化问题时没有考虑问题偏好、收敛慢等缺点,借助多目标α-支配关系的特点,提出了基于动态α-支配的新适应度函数。新适应度函数根据种群中可行解的比例动态平衡进化过程中对两个目标的偏好,引导算法不断向问题的偏好区域靠近,从而快速收敛到约束优化问题的最优解。对6个标准测试函数的数值实验结果表明:基于α-支配的动态引导多目标差分进化算法能快速收敛到问题的最优解。与3种经典高效算法的比较说明,所提出算法的鲁棒性强且效率高。     

基于多量子粒子群协同进化算法的敏捷供应链伙伴选择

针对敏捷供应链组建过程中伙伴选择的特点,提出了一种基于多种群协同进化的改进量子粒子群算法．在对该算法的设计中,首先将整个量子粒子种群分解为多个子种群,然后使各个子种群进行独立的演化,并通过周期性的共享搜索信息获得对自身信息的更新,最后通过具体的算例对该算法进行了仿真验证．研究结果表明,在算法的收敛性、最优性等方面,基于多量子粒子种群协同进化算法均达到了良好的效果．     

基于量子比特遗传算法的外商对华投资项目优选

将进化论与量子理论结合,提出一种基于量子计算概念的关于外商对华投资的量子遗传算法。算法借鉴量子比特的叠加性,采用量子编码能表征更多的染色体叠加状态,模拟量子坍塌的随机观察可带来种群。量子染色体的进化能够简单方便地引导进化。应用仿真结果表明,量子遗传算法具有全局寻优能力强、收敛速度快和计算时间短的优越性。     

多无人机编队突发威胁规避路径规划算法

针对复杂环境中多无人机编队突发威胁规避问题,本文提出了一种基于凸优化算法的实时路径规划方法。首先,基于突发威胁模型、无人机飞行模型将突发威胁规避问题建模成一个受约束的最优化问题;其次,基于等效变换将原始最优化问题转化成一系列待求解的凸优化问题;然后,运用凸优化算法进行迭代求解,并对得到的路径进行插值得到路径函数。由于优化过程采用直接法进行迭代求解,所以算法运算效率较高,能够实现路径的实时规划。基于Matlab对所设计路径规划算法的仿真验证结果表明:所提出的算法能够实现多无人机编队突发威胁的实时规避。     

零等待flow shop多目标调度的混合差分进化算法

针对具有零等待约束的flow shop问题,以总流程时间和最大完工时间为多目标,提出一种结合多目标变邻域搜索的混合差分进化算法(multi-objective differential evolution hybridized with variable neighborhood search,M DEVNS)进行求解。提出一种基于改进Naw az-Enscore-Ham(NEH)规则的多样化种群初始化方法;设计了差分进化的变异、试验、目标个体更新操作;为提高多目标搜索能力,在算法的进化中混合了一种多目标变邻域搜索方法。通过Taillard标准测试算例的计算试验,证明了MDEVNS算法获得的Pareto前沿解在多样性和性能方面要优于多目标模拟退火算法和非支配排序遗传算法,验证了MDEVNS算法求解多目标零等待流水车间调度问题的有效性。     

基于改进量子遗传算法的励磁控制系统PI参数优化

针对传统的量子遗传算法(QGA)需要根据具体的问题选择合适的量子旋转门来更新量子比特的状态,提出了一种无需量子门、通用的、与问题无关的改进量子遗传算法(IQGA)。在采用实数编码的量子遗传算法的基础上,结合粒子群优化算法更新量子比特的状态,代替了传统量子遗传算法用量子门更新量子比特,避免了传统量子遗传算法复杂二进制编码和解码过程,增强了量子遗传算法的使用范围。最后,将提出的IQGA应用到某水电站励磁控制系统的PI参数优化,与遗传算法(GA)、QGA进行了仿真对比分析,结果表明IQGA鲁棒性最强,算法运行时间比传统量子遗传算法时间大约缩短了8s,优化所得的PI参数用于励磁控制系统的性能最佳。     

一种新的混合差分粒子群优化算法及其应用

基于差分进化算法在收敛快速性及粒子群算法在种群多样性保持上的优势,提出一种新的混合启发式优化算法,其基本思路是将粒子群种群作为辅助变异算子,与差分进化算法种群进行交叉操作,产生的新子代继承了父代和母代的优势特性,从而避免了单一算法的早熟收敛和收敛速度过慢的问题。通过与已有的改进算法仿真对比,该算法能够有效的跳出局部极值防止算法早熟且收敛速度很快。最后,借鉴已有文献方法对混合算法在B2C路径优化问题中的工程应用进行了实验研究。     

一种求解约束优化问题的进化规划型文化算法

为了求解复杂约束优化问题,提出了一种新的进化算法——进化规划型文化算法。求解过程中,在基于自适应的文化算法中引入进化规划,有效利用进化过程中相关知识引导种群进化。针对约束优化问题,对这一算法的信念空间进行了设计,并利用基准函数和丁烯烷化生产调度问题进行了仿真,仿真结果表明该算法具有较好的全局搜索能力,而且大大减少了计算量。     

一种用于函数优化的量子克隆算法

为了解决传统量子进化算法用于复杂函数优化易陷入早熟和收敛速度慢等问题,将克隆算子引入到量子进化算法中,提出了一种新型的进化算法一量子克隆算法.该算法既借鉴了量子进化算法的高效并行性又利用克隆算子增加种群的多样性.提高了算法在解决函数优化问题的全局寻优能力.仿真结果表明,该算法优于传统的量子进化算法,较好地解决了复杂函数的优化问题.     

一种基于置换策略的离散多目标差分进化算法

提出了一种基于置换策略的多目标差分进化算法,采用置换策略来实现优化空间由连续向离散的转换,并结合Pareto快速分层排序策略和基于聚集密度的按层修剪操作对种群进行更新维护,以保持解集的逼近性和分布性。以多目标0/1背包问题为例进行实验,结果表明该算法能有效求解离散型多目标优化问题,优于经典的NSGA-II算法。