一种新的求解多目标随机需求车辆路径问题的算法

为优化带时间窗的随机需求车辆路径问题,建立了基于模糊满意度的多目标数学规划模型,并提出了一种基于量子进化算法和粒子群算法分段优化的方法求解Pareto解。第一阶段使用量子进化算法获得一定规模和精度的Pareto候选解,提出了概率选择最优解和可变旋转角改进变异算子;第二阶段通过转换将候选解映射到连续空间,利用粒子群算法继续搜索Pareto最优解。引入了节点交换策略进行邻域搜索,避免算法早熟。为保持Pareto解的分散性,提出了一种自适应网格算子。通过对benchmark仿真与非支配排序的遗传算法的比较,验证显示了算法的有效性。     

基于改进禁忌搜索的多目标自动化仓库调度

针对产品质量和路径的多目标自动化立体仓库调度优化问题,为平衡解的收敛性和多样性,提出一种改进的多目标禁忌搜索算法.该算法的改进在于,一方面为Pareto解空间构造可行的初始解,改造了禁忌搜索的邻域结构;另一方面采用惩罚策略,使搜索能够跳出局部最优.面向出入自动化立体仓库的产品在时间上有特定要求的工业生产过程,建立了兼顾质量和路径的多目标优化模型,并运用改进的多目标禁忌搜索算法对其实现了调度优化求解.实例仿真表明,所提算法对仓库调度优化问题在解的质量及求解效率上都取得了较好的效果.     

矢量禁忌算法及其在电磁场逆问题中的应用

为分析、计算多目标优化设计的电磁场逆问题,提出了矢量禁忌优化算法.在矢量禁忌算法中,应用接触理论判断Pareto最优解、应用排序法确定可行解的适值.为保证搜索到的Pareto最优解均匀分布于目标函数和决策变量空间,提出了一种简单、有效的适值共享函数.通过典型算例的验证,可以看出,对于多目标优化设计问题,所提出的矢量禁忌能够搜索到均匀、平滑的Pareto曲线,由此可见,矢量禁忌算法可实际运用于复杂工程电磁场逆问题的分析和计算.     

多目标柔性车间调度的Pareto混合禁忌搜索算法

针对最小化最大完成时间、总机床负荷及最大机床负荷的多目标柔性作业车间调度问题,提出了一种带有Pareto档案集的混合禁忌搜索算法.该算法为每次迭代产生的邻域解集进行Pareto非支配排序,选择第一前沿的解用于Pareto档案集更新,并给出了一种Pareto档案集快速更新算法.为减小邻域搜索空间,结合问题特征,设计了基于公共关键块结构的插入邻域和交换邻域.通过3个经典算例的实验仿真,以及与其他算法的比较,验证了该算法的可行性和有效性.     

基于混合模拟退火算法求解电表配送车辆路径问题

为了使电能表集中配送业务中的车辆路径选择最优化,提出一种混合模拟退火算法。针对单相电能表集中检定后的配送需求,综合考虑各车型的固定成本、可变配送成本和配送里程,以总成本最小为目标,建立了具有固定车辆数的多车型车辆路径优化模型。基于多车型路径划分算法生成初始可行解,通过引入基于概率的多算子邻域搜索,采用禁忌搜索中的禁忌表对模拟退火算法进行改进,给出求解算法。以计量中心配送业务为实例,验证了模型的实用性和算法的有效性。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

多目标不完全拆卸线平衡问题的建模与优化

针对实际生产中在满足约束条件下仅考虑拆卸需求零件和危害零件的特点,以工作站数目、空闲时间均衡指标和拆卸成本为优化目标,构建了不完全拆卸线平衡问题多目标模型。基于解的离散性和优化目标的多重性,提出一种Pareto解集思想的变邻域-粒子群融合算法。该算法通过建立拆卸任务和粒子群迭代搜索的对应关系,将变邻域搜索作为局部搜索策略,同时引入Pareto解集思想、拥挤距离机制处理多目标问题,以保证求解结果的多样性;通过Hyper-volume指标解决了多目标优化难以评价算法收敛性能及Pareto解集优劣等问题。采用所提算法求解不同规模完全拆卸线平衡问题测试算例,其中不同搜索深度的对比试验表明了变动搜索深度能很好地兼顾求解质量和求解效率,不同算法的对比试验表明了所提算法的优越性。最后,将所提模型与求解方法应用至某打印机不完全拆卸线的设计中。     

一类类Job-shop结构的知识化制造单元多目标调度自进化算法

对于多目标的Job-shop问题很难找到其绝对意义上的最优解,通常找到的是其Pareto意义上最优解。建立一种类Job-shop结构的知识化制造单元多目标调度优化模型,并分析模型中多目标间关系。通过对其析取图模型分析,发现各任务的关键弧的特性,指出改变中间关键弧方向无助于优化目标函数,并在此基础上提出一种缩减邻域,该缩减领域极大减少要搜索的可行解数目。基于该缩减邻域特性,应用自适应启发评价方法提出一种多目标调度问题自进化算法,算法的联想搜索模块通过学习训练后能够为当前解匹配一个最佳动作以得到一个更好的解,模块这种功能随着训练增加不断改善。数值仿真结果表明所提算法通过学习对所提调度问题具备良好寻优能力和明显学习进化能力。     

基于混合禁忌搜索算法的供应链排序问题

分析非标准件加工企业供应链的特点,提出协同优化订单分配、生产调度和批量运输调度的多工厂多客户供应链排序问题。以工件的最长订货提前期与总成本加权之和最小化为目标,构建问题的数学模型。在分析解的最优性条件基础上,设计一种基于矢量组编码方法的混合禁忌搜索算法。算法对可行域进行分区,通过基于插入、交换两种邻域操作的禁忌搜索算法选择子区域,采用基于块结构邻域操作的禁忌搜索算法搜索子区域中的优良解。采用所提混合禁忌搜索算法对算例进行优化求解,并对采用不同编码方法、不同启发式算法的算例结果进行比较,结果表明所提出算法的有效性。     

基于模糊期望值模型的车辆路径问题

针对模糊需求的车辆路径问题,基于模糊可信性理论对车辆服务失败事件进行可能性分析,建立了一个模糊期望值模型,提出一种带双层禁忌搜索的并行粒子群算法。该算法引入两种不同的禁忌空间,采用新的粒子迭代公式,并利用轮盘赌策略设计了两类邻域算子。通过仿真对比实验表明了该算法的有效性。