基于动态规划的商品装载问题及JAVA实现

如何装载商品使经济利益最大化是物流配载装箱问题中划分出的子问题。该子问题被抽象为0-1背包问题,根据动态规划算法建立数学模型,分析其优点,并用JAVA语言得以实现。最后给出测试实例,得出动态规划法具有高效性的特点,该算法可以广泛使用于物流领域。     

物联网环境下智能物流服务组合研究

在动态物联网环境下,为了获得满意度高的物流服务,提出一种局部最优选择的物流服务选择方案,该方案用传统web服务组合的思想来解决智能物流服务问题。首先对物流中QoS(Quality of Service)属性进行建模和计算,然后从每个物流子流程中选出效用值最优的原子方案,进行服务组合并执行。通过实验验证了该方案下的模型与算法的可行性与有效性。     

基于免疫萤火虫算法的RFID仓储车辆动态调度

针对物流配送实时仓储车辆调度问题,提出了一种基于RFID技术的免疫萤火虫车辆动态调度框架。建立了基于配送成本的带约束条件车辆路径问题数学模型,运用免疫萤火虫优化算法求解该模型,免疫萤火虫优化算法将萤火虫优化及免疫克隆技术融合,采用多层进化模式,在低层萤火虫操作中及高层免疫操作中分别引入多态子种群自适应机制和全局极值筛选策略,以提高算法全局收敛效率,在此基础上设计了仓储车辆动态调度框架,将车辆动态调度过程分为车辆调度任务控制和路径优化两个阶段,给出了车辆动态调度任务处理流程。实验仿真表明,该车辆动态调度算法能够有效地解决大规模动态物流车辆调度问题。     

改进Dijkstra算法在军港物流中的应用

研究了军港物流的重要意义,提出一种物流运输中的最短路径优化问题,提供了优化后的Dijkstra算法。该算法能动态调整权值实现不同要求最佳路径选择,并在某军港物流实例中进行应用验证,发现该改进算法具有更好的科学性和合理性。     

求解定制物流调度问题的动态微粒群算法

为解决定制物流调度优化问题,给出一种基于微粒群优化的物流调度算法。设计了定制物流调度问题的数学模型,给出了动态微粒群优化算法的框架,并在仿真环境下进行了实验验证。实验结果表明,该算法能够有效地解决定制物流调度问题,具有较好的应用价值。     

多配送中心物流车辆调度的改进差分进化算法

多配送中心物流车辆调度问题是一类实用性很高的NP难解问题。针对标准差分进化算法进化过程中缺乏动态调整,进化后期由于种群多样性的降低,算法容易陷入早熟收敛的问题,提出了一种改进的差分进化算法。该算法在变异过程中动态自适应地调整缩放因子,在交叉过程中通过高斯扰动增加种群的多样性,在变异操作之后,加入新的选择机制。将该算法应用于多配送中心物流车辆调度问题,建立了数学模型,介绍了该算法的详细实现过程。仿真通过和遗传算法和标准差分进化算法比较,表明该算法具有更好的寻优效果,从而证明了该算法应用于该问题的可行性和有效性。     

动态规划算法在基于子区间消除的随机点定位问题中的应用

针对原有基于判决方程的子区间消除算法中所存在的判决结果与决策表不相符,以及当子区间划分规模增大时,运行时间呈平方次增长的问题,本文提出了一种全新的基于动态规划的子区间消除算法。新算法充分利用动态规划在多阶段决策问题中的卓越性能,将子区间的消除问题划分为合理性判断和新区间生成两部分,这两个部分均可以利用动态规划中子问题分割的思想来解决。文中证明了通过解决这些子问题可以构造得到原问题的最优解,分析了算法的时间复杂度和空间复杂度。为了检验新算法的性能,本文从理论和实验两种维度,进行了新旧两种算法的对比。实验结果表明,该方法大大降低了算法的时间复杂度,有效克服了子区间规模增大所导致的问题,提高了算法的灵活性和运行速度。     

UPSO:基于划分空间粒子群优化的WSN动态覆盖优化算法

针对WSN动态覆盖问题为多目标优化问题,提出一种划分空间粒子群优化动态覆盖算法UPSO(Uniform Particle Swarm Optimization,UPSO)。该算法首先定义出基于传感器平均分布和不平均分布的区域划分过程,然后分别在不同子空间利用粒子群进行子区域内搜索Pareto最优解,最后分析算法复杂度。实验表明,在不同网络规模、迭代次数和划分子空间下,区域覆盖度和网络寿命相对于传统经典算法有较好改进。     

异构网络动态配置空白子帧干扰协调算法

为了解决LTE-A系统下两层异构网络中的小区间干扰协调问题,提出了在增强小区中调度几乎空白子帧的干扰方案;为了降低干扰和进一步提高信道利用率,设计了一种动态分配几乎空白子帧的算法;该算法基于小区增强覆盖技术,指出由增强小区用户与总用户的比例来动态的调整几乎空白子帧比例;仿真结果对比了固定比例的几乎空白子帧和动态设定几乎空白子帧的算法,表明动态配置几乎空白子帧的算法,提高了系统容量,改善了信道利用率。     

基于子带动态划分的电力线OFDM自适应算法研究

针对电力线载波通信中信道的强时变问题,提出了一种基于子带动态划分的电力线OFDM自适应调制算法.算法根据信道的变化状态动态的进行子带划分,并在此基础上根据信噪比门限为各子带实时的选择合适的调制方式,从而减少了因信道时变带来的信令消息负荷.仿真实验结果表明,该算法能较有效解决复杂度高、误码率较大等问题,提高了电力线系统的性能.     

可重入混合流水车间调度的拉格朗日松弛算法

为了有效提升多重入车间的生产效率,考虑了实际生产中检查和修复过程对于逐层制造的可重入生产系统的重要性,提出了基于拉格朗日松弛算法的可重入混合流水车间的调度方法.首先进行了问题域的描述,并在此基础上以最小化加权完成时间为调度目标,建立数学规划模型.针对该调度问题提出了基于松弛机器能力约束的拉格朗日松弛算法,使松弛问题分解成工件级子问题,并使用动态规划方法建立递归公式,求解工件级子问题.随后,使用次梯度算法求解拉格朗日对偶问题.最后,对各种不同问题规模进行了仿真实验,结果表明,所提出的调度算法能够在合理的时间内获得满意的近优解.     

一种快速构建最优联盟结构的方法

联盟结构是对Agent集合的一个划分,通过联盟形成联盟结构,可以使Agent之间形成有效的合作,完成单个Agent所不能完成的任务。然而联盟结构的数目和解空间比较大,以至于通过穷举搜索最优联盟结构是很复杂的。动态规划法通常用于求解具有最优子结构性质和重叠子问题性质的问题,文章在给出了Agent联盟的相关概念之后,论证了构造最优联盟结构问题恰恰具有这两类性质,因此利用动态规划法可以求解。最后给出了相应的算法,并得出采用动态规划法实现最优联盟结构的时间复杂度为O(3n)。     

A Decomposition Scheme for System Optimal Dynamic Traffic Assignment Models

In this paper, a Dantzig-Wolfe decomposition based solution algorithm is developed for the linear programming formulation introduced by Ziliaskopoulos (2000) for System Optimal Dynamic Traffic Assignment problem. The algorithm takes advantage of the network structure in the constraint set of the formulation: the sub-problem is formulated as a minimum-cost-flow problem and the master as a simpler linear programming problem, which allows DTA to be solved more efficiently on meaningful networks. The algorithm is tested on an example network and its performance is analyzed.     

最小化全局完成时间的成像卫星任务规划算法

成像侦察卫星任务规划问题是一类典型多约束组合优化问题.最小化全局完成时间是任务规划领域时效性要求较高情况下的一种优化目标.提出一种整合整数规划与约束规划方法,在最小化任务规划方案全局完成时间的目标下,求解成像侦察卫星任务规划问题的组合算法.该算法通过应用Benders分解将原约束整数规划模型划分为主问题与子问题两部分,采用软件MOSEK与GECODE对主、子问题分别求解.根据子问题求解结果生成剪枝约束,返回主问题迭代,直到获得优化解.算法有效性通过仿真实验进行了检验并取得预期效果.     

基于信赖域二次规划的非线性模型预测控制优化算法

针对非线性预测控制如何在有限时域内有效的求解非凸非线性规划这一关键问题, 本文采用序列二次规划方法, 将非线性规划转化为一系列二次子规划求解. 首先根据非线性规划联立方法将系统状态和控制量同时作为优化变量, 得到以控制量步长为优化变量, 只包含不等式约束的子二次规划问题, 并用它取代原SQP子规划, 减小了子问题的规模; 随后采用基于信赖域二次规划的方法求解子规划问题, 保证每次迭代的可行性; 同时采用一种能够保持SQP问题Hessian矩阵稀疏结构的更新方法, 也在一定程度上降低了算法的复杂程度.最后的仿真结果表明了该方法的有效性.     

基于聚类分解的WCDMA基站布局规划算法

针对大规模WCDMA无线网络基站布局规划问题,提出一种基于聚类分解的分层算法．在聚类分解中,以测试点信号增益矩阵构造聚类分解数据,并给出了收敛判定函数和相似度计算方法．在分层算法中,首先用K均值聚类将原问题分解为K个子规划问题,然后对各子问题求解整数规划问题,最后对各子问题的基站布局结果进行全局调整．仿真计算验证了该算法的有效性．     

Dynamic programming interpretation of construction-type plant layout algorithms and some results

This paper presents a dynamic programming interpretation of some existing construction-type algorithms for the CAD of plant layouts. The two sub-problems of constructing a layout by these algorithms are first, the selection of a department for next placement, and second, locating it in the available space in an optimum manner. The first problem is tackled by adopting a heuristic. Successive choices of this nature lend themselves to a dynamic programming interpretation. The second problem is solved by allocating those blocks of area in the vicinity of existing departments which minimize the cost of materials handling between the new and the existing departments. It is found that application of dynamic programming significantly improves the efficiency of existing construction-type procedures. Some new heuristics for the first sub-problem are also examined. Computational results on test problems indicate that more complex policies might yield better results when the number of departments becomes larger.     

动态规划-粒子群算法在水库优化调度中的应用

水库优化调度是一个典型的具有多约束条件的、动态的、非线性的优化问题。针对这些问题,利用动态规划-粒子群(DP-PSO)算法加以求解。利用动态规划中的多阶段最优策略原理,将水库优化调度问题转化为多阶段决策子问题,各个子问题采用粒子群算法优化求解。数值实验表明,在计算时段较多时,DP-PSO算法计算的可靠性明显优于一般的动态规划(DP)算法,在计算时间上,DP-PSO算法用时较动态规划-遗传算法(DP-GA)少。     

Replenishment policy based on modified ant colony optimisation and statistical analysis under the pre-order penetration point

In the supply chain, most businesses in the pre-order penetration point (pre-OPP) operate under the forecast-driven mode, so that the decisions regarding inventory are made in accordance with the forecast and replenishment planning. This paper considers the stochastic dynamic lot-sizing problem of the two-phased transportation cost, service level constraint, and cash flow under a non-deterministic demand. This problem includes a nonlinear integer programming sub-problem. Therefore, this paper proposes an optimisation replenishment policy method based on modified ant colony optimisation (ACO) and response surface methodology. The main differences between the modified ACO and the traditional ACO lie in the modified update of pheromone intensity and the dynamic mutation operator. The experimental result shows that when the demand is normal distribution, the proposed approach, successfully finds the stationary point of minimum response. Besides, in the test of the algorithm solution quality, the modified ACO is better than the traditional ACO in all scenarios.