基于多目标优化的网络通信任务均衡分配方法研究

针对传统方法网络通信任务分配均衡性较差问题,笔者提出基于多目标优化的网络通信任务均衡分配方法。首先该方法应用层次描述法对分层描述网络通信任务,将网络通信任务按类别划分,以延迟最小、耗能最小、分配均衡作为分配目标,然后建立任务均衡分配的目标函数,运用遗传算法对函数求解,最后得到最合理的分配方案。经对比实验,证明了本方法对网络通信任务分配的均衡性提升有较好的效果。     

大型工程项目任务多目标优化调度方法

提出了一种大型工程项目任务多目标优化调度方法。构建了一种以项目工期最小化、费用最小化及质量最大化为目标函数的多目标优化模型;针对模型的多变量、多约束、大组合量特点,提出了一种基于自适应变异和模拟退火思想的改进蚁群算法。将模型和算法在某大型工程项目任务调度中加以应用,验证了所提出的优化调度方法的正确性和有效性。     

基于多目标优化禁忌搜索算法的停机位分配方法研究

针对机位资源分配不均给机场运行多方带来的公平性问题,提出多目标优化的停机位分配方法。建立以旅客通行距离、飞机滑行距离和远机位使用次数最小为多目标优化分配模型。分析航班属性设置分配优先级表。设计一种基于pareto最优的多目标优化禁忌搜索算法,使用pareto最优策略对解集进行筛选。在机场实际分配方案的基础上进行仿真实验,旅客通行距离和飞机滑行距离分别缩短18%和5%,机位资源的使用数量减少20%,航班靠桥率提高到93%,多目标优化禁忌搜索算法比遗传算法更优。     

多目标优化的一类模拟退火算法

多目标优化是运筹学中的重要研究课题,但迄今仍缺少高效的优化技术。通过对搜索操作和参数的合理设置,提出了一类求解多目标优化问题Pareto最优解的高效模拟退火算法。基于典型算例的数值仿真验证了算法的有效性。     

基于模拟退火的多目标优化算法

该文剖析了多目标优化问题和物体退火之间的关系,发现两者之间有着天然的联系,并在此联系的基础上,构建了一种新型的多目标优化算法———基于模拟退火的多目标优化算法。最后,基于典型算例的数值仿真验证了算法的有效性。     

多目标设备经费分配的混合遗传优化方法

为了探索新的经费分配方法和管理模式，建立了一种新的多目标非线性规划优化模型。提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验，得到的种群个体明显优于基本遗传算法的个体。仿真结果表明，该算法收敛寻优能力强，并能产生很多次优解，是一种高效的方法。     

多目标设备经费分配的混合遗传优化方法

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效的方法。     

基于粒子群优化算法的多目标裁剪优化分配的研究

为解决裁剪优化分配问题,根据分床裁剪实际情况,结合订单信息,以用料成本、利用率、分床裁剪时间为目标,建立多目标优化数学模型。最后采用粒子群优化算法对既定模型进行求解,数据测试结果表明,该模型优化效果较好。     

无约束多目标优化问题的算法

本文就无约束多目标优化问题给出一种随机型搜索算法——模拟退火法，并在微机上进行了试算，效果良好     

基于设计迭代的耦合任务动态分配策略研究

为研究耦合迭代情况下的设计任务分配问题,引入任务转移矩阵,分析影响任务分配的动态性因素,并对设计任务量,设计成本和时间进行定量化描述。提出基于设计迭代的任务分配策略,并根据任务分配矩阵和关键路径任务分配矩阵建立设计任务动态分配数学模型。利用遗传算法进行求解。以平行分度凸轮设计为对象进行验证,证明了基于任务转移矩阵的设计任务动态分配策略的有效性。     

求解矩形件优化排样的自适应模拟退火遗传算法

矩形件优化排样是一个NPC问题,在工业界有着广泛的应用.针对该问题,提出一种自适应模拟退火遗传算法.采用一种基于环形交叉算子和环形变异算子的自适应遗传算法来自动调整交叉和变异概率;同时引入模拟退火算法对个体适应度大于平均适应度的个体进行退火处理.自适应模拟退火遗传算法充分发挥了自适应遗传算法与模拟退火算法各自的全局搜索能力与局部搜索能力.对比实验表明,该算法结合改进的最左最下布局算法解决矩形件优化排样问题更加有效.     

基于模拟退火遗传算法求解路由和波长分配问题

静态的路由选择和波长分配(RWA)问题是波分复用（WDM）光网络中的一个重要问题,目前常用的处理方法是将RWA问题拆成选路子问题和波长分配子问题。静态RWA问题通常先按某种策略确定建立光路的顺序,然后用启发式的算法加以解决。提出通过模拟退火遗传算法对光路的建立顺序进行优化,然后用基于爬山算法的启发式算法可求解以波长数最小为优化目标的静态RWA问题。通过对ARPANet等5种实际光网络的仿真表明,该算法和文献[5]相比,所用的波长数更少,且大部分优化结果达到最优。     

一种启发式多传感器任务实时动态分配算法

传感器任务的分配是传感器管理的重要问题。为提高任务分配的实时性和实效性,基于紧急任务优先、最早完成任务优先、复用能力最小优先和随机分配四条原则,提出了一种启发式多传感器任务实时动态分配算法。计算机模拟仿真表明:该算法既能保证优先级任务较早的执行,又能探测到任务的失败,还能维持传感器负载平衡,是一种快捷、高效的分配算法。     

基于模拟退火遗传算法的关联规则挖掘

将模拟退火遗传算法加以改进,应用于关联规则挖掘,提出一种新的基于改进的模拟退火遗传算法的关联规则挖掘算法,并在该算法中,采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,实验结果显示该方法能高效地解决关联规则挖掘问题。     

具有模糊多目标的网格任务调度算法

在异构的网格计算平台上,网格中有用户、资源管理员、组织管理者等实体,这些实体对网格的管理、使用、维护、安全性、可靠性等目标都提出了要求,并且这些目标有时是不可量化的。针对具有模糊多目标网格计算的任务调度问题,提出模糊多目标网格任务调度模型,使用模糊化等式对多目标进行模糊处理,给出求解该模型的模糊化定理,并对该定理进行证明。利用差分优化算法无需目标函数连续可微的特点,提出使用模糊差分优化算法完成模糊多目标的网格任务调度。实验结果表明,模糊差分优化算法较现有算法在执行时间上处于劣势,但在可靠性、安全性和丢失任务数三个指标上要优于现有算法。     

独立任务分配的贪婪随机自适应搜索过程

提出了一种贪婪随机自适应搜索过程求解异构环境下的独立任务分配问题。使用随机化的最小最小完成时间算法来产生问题的初始解,再通过变邻域下降算法来改进这个解,在变邻域下降算法中,为增强算法的空间勘探能力,外层局部搜索采用允许接收劣质解的策略,使用禁忌表来防止迂回搜索,使算法在多样性和集中性间取得了较好的平衡。与领域中的典型算法进行了仿真比较,结果表明提出的算法具有良好的性能。     

基于遗传算法求解应急决策系统中的最优路径

提出了一种将模拟退火算法和遗传算法相结合的进化算法GASA,利用Boltzmann机制 接收交叉和变异后的个体,避免遗传算法中存在的早熟收敛问题,增强了算法的全局收敛性,并对遗 传算子(选择、交叉、变异算子)进行重构,引入新的交叉算子和变异算子能根据种群的进化情况动态 调整遗传算子,加速进化后期搜索效率。实验表明,将此算法用于应急决策系统的最优路径的求解中 与传统算法相比,能加速进化速度和全局寻优能力,提高应急决策效率。     

基于免疫遗传退火算法的Web关联规则挖掘方法*

摘要：根据关联规则挖掘的要求与特点,结合免疫算法,遗传算法和模拟退火算法的优点,提出一个基于免疫遗传退火算法的Web关联规则挖掘方法。实验结果表明,与遗传算法和模拟退火算法相比,基于免疫遗传退火算法的关联规则发现在Web挖掘中具有一定的优势。