F'2|m1=1, m2=2|Cmax排序问题的计算复杂性研究

研究了装配式流水作业排序问题的一个新模型,并对该模型相应的排序问题的计算复杂性进行了探讨,且证明了其在优化指标为作业排序长度的条件下该问题是NP-完全问题,没有多项式时间算法.     

人员调度问题的研究综述及发展趋势分析

人员调度是组织普遍存在的问题,也是企业运营管理的关键因素,因此,在运筹学领域中是一个被持续研究的热点.调度的解决方案是设法将成本降至最低,满足相应的业务规则、员工偏好、以及所有工作条件限制,这些限制使人员调度发展为一个高度约束和复杂的问题,对其进行深入的研究有着重要的理论意义和实际应用价值.本文首先从应用层面将人员调度模型分为确定性问题求优和随机性问题求解两类模型进行梳理,并在此基础上对有关求解的精确算法和启发式算法进行归纳,最后根据综述的分析结果,总结近些年该领域研究存在的难点,对人员调度未来的发展方向进行展望.     

蚁群算法求解TSP综述

蚁群算法是一种群智能算法,可用于求解图模型最优化路径的计算问题.它于1992年由Dorigo M.提出,借鉴蚂蚁在蚁群与食物之间寻找最短路径.本文集中讨论了几种典型的求解旅行商问题的蚁群算法扩展,讨论其相应的优缺点,并对其学术与工业的应用领域与合理发展进行了总结与展望.     

求解约束优化问题的混沌类电磁算法

针对约束优化问题, 提出了基于混沌优化的一种新的类电磁机制算法. 采用多目标优化的约束处理技术, 将约束优化问题转化为无约束的双目标优化模型来求解; 对于转化后的新模型, 设计粒子的电荷和粒子间的受力公式. 同时, 为了加快算法的收敛速度, 结合混沌优化改进种群中的粒子. 采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试, 并将测试结果与已有算法的结果进行比较, 结果表明, 新算法能够快速找到问题的全局最优解或近似最优解, 是一种非常有竞争力的优化算法.     

船体装配线划线路径规划的蚁群算法

船体零件装配线划线作业是与船体零件切割作业同时进行的,是现代造船模式中的一个重要环节.将船体零件划线路径规划问题作为广义旅行商问题进行分析,针对划线路径的特殊性,建立提出了改进的蚁群算法的路径规划模型,采用最大-最小蚁群算法进行优化,分析了算法中各参数取值对算法性能的影响,并同遗传算法作了比较.实验结果表明,基于蚁群算法的优化模型可以有效减少划线路径空走距离.实际应用表明可有效地减少作业时间,提高船厂生产效率.     

背包问题模型的MATLAB程序实现

阐述了背包问题及其模型的建立,并进一步通过解析数值实例模型,对模型算法进行描述、拓展.给出了求背包问题模型的MATLAB程序.     

一种新的混沌神经网络及其应用

提出一种新的混沌神经元模型,该神经元的激励函数由复合正弦函数和Sigmoid函数构成,通过分叉图及Lyapunov指数的计算,分析了其动力学特征.基于该模型构造了一种新的暂态混沌特征神经网络,并将其应用于组合优化问题.仿真实验结果表明了该算法的有效性与可行性.     

一种改进的蚁群算法

蚁群算法是一种新的进化算法,其基本思想是模拟蚂蚁的合作行为.蚁群算法已成功地应用于许多优化问题,成为求解组合优化问题的新的进化算法.最新研究表明蚁群算法是一种基于群体的强鲁棒性的进化算法.但是,蚁群算法也有收敛速度慢,容易陷入局部最优的缺点.为了克服这些缺点,吸取微粒群算法的优点,提出了一种改进的蚁群算法.实验结果表明改进算法是有效的,与标准的蚁群算法相比,算法性能得到了明显改善.     

遗传算法参数分析及其在故障诊断中的应用

针对BP神经网络收敛速度慢、易陷入局部极小的缺点,将具有全局搜索能力的遗传算法引入到神经网络的权值优化中.遗传算法优化神经网络模型时,参数选取直接关系到模型优化的效率,在给出一种遗传算法的基础上对相关参数进行了研究分析.并采用Matlab软件编程实现算法,把该算法应用到XOR问题求解中,显示出GA-BP算法的优越性,并通过磨机故障诊断实例验证了算法的有效性.     

高效紧安全规约到CDH的签名方案

本文首先基于EDL算法提出了一个改进的签名方案.方案的安全性在随机预言机模型下安全性紧规约到Diffie-Hellman计算问题.由于CDH困难问题被认为是无限接近DL问题,这为签名方案的安全性提供了保证.与EDL算法和它的改进算法相比,该方案需要较少的计算时间,具有较高的计算效率.     

遗传算法在求解时间表问题中的应用研究

时间表问题（TTP）是一类特殊的资源调度问题，属于NP完全问题．排课问题是时间表问题的一个实例，属于多目标优化问题，本文给出了其数学模型．由于遗传算法具有良好的全局搜索能力，在优化问题中有着广泛的应用．本文根据排课问题的特点对普通遗传算法作了改进，设计了一种新的染色体编码方法，通过线性加权法将各目标优化函数进行整合转化成为单目标优化问题，并将此作为遗传算法的适应度函数．最后给出了一个计算实例，用MATLAB进行了仿真，算法最终收敛到稳定状态，所得的结果能够满足要求．     

矩形件排样的模拟退火算法求解

讨论了用模拟退火算法求解矩形件排样问题。在这问题数学模型分析的基础上,给出了模拟退火算法求解的关键步骤和方法,并通过算例讨论了模拟退火算法中三个主要参数初始温度、冷却系数以及终止温度对排样结果的影响。实验结果表明：采用模拟退火算法求解排样问题是适合的。     

基于Memetic算法的泊位和岸桥分配问题

泊位是港口资源中最紧缺的资源,合理的泊位分配和岸桥调度可以提高集装箱码头的作业效率,研究了集装箱码头泊位和岸桥的同时优化问题。将泊位与岸桥的分配问题抽象为二维装箱问题,然后建立了泊位、岸桥同时优化的混合整数线性规划模型,并提出了Memetic算法进行求解。计算结果表明,在求解大规模船舶指派优化问题时,使用Memetic算法求解比使用Gurobi软件求解在计算时间上具有明显的优越性。     

粒子群优化算法在求解平面选址问题中的应用研究

平面选址问题实质上是带约束的非线性连续函数优化问题。给出了用粒子群优化算法求解平面选址问题的过程描述,分析了算法的时间复杂度。该算法具有易克服局部最优和容易处理约束等优点,不需要进行特殊的编码和译码设计,算法实现简单。应用算例表明该算法是有效的,可以应用于类似优化问题的求解。     

用小生境模拟退火算法求解热轧调度问题

建立了特殊生产工艺约束下热轧调度问题的非对称旅行商问题的数学模型,采用小生境模拟退火算法求解该模型,提出用小生境邻域构造法构造搜索子空间,以提高模拟退火算法的效率。实验结果表明小生境模拟退火算法能够更快地找到更好的解,并优于局部搜索算法和传统模拟退火算法。     

成本优化问题的蚁群算法

为了确定施工项目工期 成本均衡曲线，从而为施工项目计划和控制决策提供有效依据，提出了施工项目工期成本优化问题的蚁群算法.该方法利用施工项目工期成本优化问题的组合优化问题本质，将其转化为旅行商问题，利用自适应权重方法将工期、成本两个目标综合成单目标，采用蚁群算法进行Pareto解的搜索.通过两个实例的计算结果表明，该方法可以有效地确定具有实用价值的Pareto解，且具有较高的全局寻优能力和搜索效率，对于具有大规模网络计划的工期成本优化问题的求解是十分适用的.     

物流配送中心车辆调度模型与遗传算法设计

对带时间约束的物流配送中心车辆调度问题，采用混合整数规划方法进行建模，分析了该模型用精确算法进行求解的复杂性，指出对实际问题若完全采用精确算法求解往往达不到实时响应的要求，提出了遗传算法与启发式算法相结合的求解方法，将该问题分解为车辆分配和单一车辆路线安排两个相互关联的子问题进行求解，仿真结果表明，该算法是很有效的。     

解广义线性互补问题的一个基于梯度的神经网络模型

给出求解广义线性互补问题的一个基于梯度的神经网络模型,分析了模型的平衡点与原问题解的关系,运用Lyapunov稳定性理论和LaSalle不变集原理,证明了该网络全局收敛于问题的解集,数值模拟表明网络不仅可行而且有效。     

税务缴费多点选址问题研究

讨论了一个固定区域内的税务缴费点选址问题。首先根据税务缴费点的特性给出了一个合理的选址标准,在此基础上建立了基于P-Median模型带有约束的最优化问题的缴费点选址模型;其次,应用Floyd算法求得所有点之间最短有向路径并给出了该优化模型求解算法,最后,应用建立的选址模型和Matlab软件,解决了一类给定区域上的多点选址问题。     

面向原问题求解的拟牛顿SVM回归算法研究

研究了支持向量机（SVM）的原问题优化及其回归算法．在分析原问题与对偶问题最优化关系的基础上,引入了一种原问题求解的L—MBFGS—SVR算法．该算法在求解无约束优化问题时,引入了一类新的BFGS拟牛顿算法．它利用迭代的梯度和函数值来近似逆Hessian矩阵,以降低计算复杂性;并结合有限内存技术,来解决数据存储问题．仿真表明,该算法总体上优于IHLF—SVR—RFN和SMO算法,是一种有效的大样本非线性回归建模方法．