ASON网中基于分布估计的恢复容量优化算法

针对ASON网络恢复容量问题,建立了相应的数学模型,并提出了一种基于分布估计的恢复容量优化算法.与传统恢复容量算法相比,该算法在可行解搜索空间及计算量上大大降低,为算法在工程上的实现提供了可行性.仿真实验结果表明,提出的新算法搜索效率高,求解速度快,能够获得高质量的全局近似最优解,具有较强的实用性.     

一种新的ASON恢复容量优化算法

针对ASON网络恢复容量问题,建立了相应的数学模型并提出了一种基于粒子群的恢复容量优化算法.与线性规划寻优方法相比,该算法的可行解搜索空间及计算量大大降低,为算法在工程上的实现提供了可行性.该算法可处理不同故障情况下的多种最佳恢复路由的选取问题,能有效地解决链路波长信道恢复容量的"碎片"问题.仿真实验验证了该算法具有较强的实用性.     

考虑容量约束的电缆敷设变邻域搜索优化算法

针对一类考虑容量约束的电缆敷设优化问题,提出一种新的变邻域搜索优化算法。首先,分析电缆敷设问题的优化要求,基于图论给出具有容量约束的电缆敷设优化问题的数学描述;然后,结合问题特征提出基于Dijkstra算法的初始解生成策略,构建依据解间距离的邻域结构和局部启发式搜索策略,在此基础上给出电缆敷设变邻域搜索优化算法;最后通过实例求解结果表明,该算法能在短时间内获得问题的最优解或近优解,验证了算法的有效性和优越性。     

不同容量平行机下差异工件尺寸的批调度算法

在容量不同的平行批处理机环境下, 针对工件带有不同尺寸和机器适用限制的最小化制造跨度的批调度问题, 提出一种有效的蚁群优化算法. 该算法基于解的浪费空间定义启发式信息, 针对机器容量约束提出两种用于构建解的候选集, 从而有效缩小搜索空间, 并引入局部优化方法提高解的质量. 仿真实验结果表明, 所提出算法具有较好的性能, 并且优于已有的其他算法.

     

求解CVRP的改进混合蛙跳算法研究

为了求解带有容量约束的车辆路径问题(CVRP),在建立CVRP数学模型的基础上,提出了改进的混合蛙跳算法(SFLA),并设计了新的初始群体构造方法.改进后的SFLA采用实数编码方式,融入自适应差分扰动机制及混沌局部搜索策略到局部搜索过程中,在保持SFLA全局收敛性的同时,增强了算法跳出局部最优解的能力,加快了算法收敛速度.通过与其他三种算法进行对比实验,结果表明了改进的SFLA在求解CVRP上的有效性和顽健性.     

置换表示方法求解多卫星多地面站调度问题

针对多卫星成像和多地面站数传并存的对地成像调度问题,从置换空间到调度解空间的映射方法和置换空间的搜索算法两方面进行了研究.提出了一种数传时间窗优先的置换序列映射算法,并证明该映射算法可以将置换序列映射到调度解空间上的最优解.提出了一种遗传随机搜索算法,基于有记忆随机邻域搜索,在置换空间上进行搜索.仿真计算表明,随机邻域搜索可以增强遗传算法的局部搜索能力,搜索结果平均获得了4.64%的改进.     

采用双档案协同进化离散多目标烟花算法的低碳疫苗冷链优化配送

建立低碳疫苗冷链配送问题的约束多目标优化模型,在满足可用车数量、车辆容量约束和时间窗约束的条件下,考虑最小化碳排放的企业运输成本和客户不满意度。提出一种双档案协同进化的离散多目标烟花算法,采用消除车辆数量和容量约束的解码方式,设计了部分映射爆炸算子,设置可行解档案和不可行解档案协同进化,并对不可行解档案实施可行性搜索。实验结果表明,与已有算法相比,所提算法在低碳疫苗冷链配送问题上能高效地搜索到一组收敛精度和分布性能更优的Pareto非支配解。     

ASON网中具有分布估计特征的动态RWA算法

针对ASON网中动态RWA问题建立了相应的网络模型,并提出一种基于分布估计算法的动态RWA算法.与传统RWA算法相比,该算法在可行解搜索空间及计算量上大大降低,为算法在工程上的实现提供了可行性.仿真实验结果表明,提出的新算法搜索效率高、求解速度快且能够获得高质量的全局近似最优解,具有较强的实用性.     

求解带容量约束车辆路径问题的离散鲸鱼算法

论文提出了一种离散鲸鱼算法求解带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem).该算法对基本鲸鱼算法的包围捕食操作、泡泡网捕食操作、随机捕食操作进行重定义,并采用基于距离代价的K-means算法在满足车辆最大载重约束条件下将客户划分到不同区域.并引入随机交换搜索、2-opt、3-opt优化方法对每次迭代过程中得到的最优解进行局部优化,扩大算法搜索空间算法.实验结果表明:所提算法能够有效解决带容量约束车辆路径问题,有较强的寻优能力,求解质量优于所对比算法.     

求解带容量和时间窗约束车辆路径问题的改进蝙蝠算法

带时间窗和容量约束的车辆路径问题是车辆路径问题重要的扩展之一,属于NP难题,精确算法的求解效率较低,且对于较大规模问题难以在有限时间内给出最优解.为了满足企业和客户快速有效的配送需求,使用智能优化算法可以在有限的时间内给出相对较优解.研究了求解带容量和时间窗约束车辆路径问题的改进离散蝙蝠算法,为增加扰动机制,提高搜索速度和精度,在对客户点按其所在位置进行聚类的基础上,在算法中引入了变步长搜索策略和两元素优化方法进行局部搜索.仿真实验结果表明,所设计算法具有较高寻优能力和较强的实用价值.