公交车和驾驶员集成调度算法研究

为解决公交车及驾驶员调度优化问题,本文给出了一种基于免疫计算的调度优化方案。设计了公交车和驾驶员调度问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子以及支配抗体的拥挤距离公式,并在仿真环境下进行了实验。实验结果表明,本文算法能有效地解决公交车及驾驶员调度优化问题,具有较好的应用价值。     

公交发车频率优化问题研究

给出一种基于免疫计算的公交发车频率优化方案.设计了公交发车频率优化问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子、以及支配抗体的拥挤距离公式.实验结果表明,该算法能有效地解决公交发车频率优化问题,具有较好的应用价值.     

免疫克隆算法求解公交发车频率问题*

为解决公交发车频率问题,给出了一种基于免疫克隆算法的公交发车频率优化方案。设计了公交发车频率问题的数学模型,给出了求解多目标优化的非劣邻域支配免疫克隆算法框架,并与文献中的算法进行了对比实验。实验结果表明,该算法能有效地解决公交发车频率问题,具有较好的应用价值。     

时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。     

快速公交车辆调度优化的禁忌算法设计与实现

提出了一类基于公交运营效益最大化的BRT调度问题并建立了数学模型。根据问题的特点设计了优化该问题的禁忌算法。通过多次仿真运算,计算结果及分析表明用禁忌算法优化此类调度问题是有效的。     

基于免疫计算的物流配送车辆路径优化

为解决物流配送车辆路径优化问题,给出了一种基于免疫计算的车辆路径优化方案,设计了车辆路径问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子以及支配抗体的拥挤距离公式,并在仿真环境下进行了实验;结果表明,算法能使多目标优化同题收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布,具有较好的应用价值.     

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。     

基于遗传算法的智能公交发车频率优化研究

在分析公共交通线网发车间隔优化理论的基础上,从公共交通线网间发车间隔对公交网络系统进行优化出发,提出了基于社会总体效益最优的思想,构建了公共交通线网发车间隔优化模型,从而解决了智能公交中的线网间智能调度的难题,一种新的生物进化算法遗传算法被引入到问题的求解过程中。模型和算法应用于长春市的典型线路,获得了较好的优化结果。     

求解多目标作业车间调度问题的混合变异杂草优化算法

针对多目标作业车间调度问题,提出一种混合变异杂草优化算法。该算法采用基于各子目标熵值权重的欧氏贴近度作为适应度值计算方法,引导种群向Pareto前端进化。在进化过程中,运用快速非支配排序策略构建Pareto档案,并利用进化种群中最优个体实时更新Pareto最优解集,提升算法的优化性能;同时通过引入变异算子增加种群多样性,避免算法陷入局部最优。最后,基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性。     

一种新的异构网格任务调度算法

提出了一种基于免疫计算的异构网格任务调度算法。设计了异构网格独立任务调度问题的数学模型,给出了免疫调度算法的框架、基于实数编码的克隆变异算子和浓度抑制算子,并在仿真环境下进行了实验。实验结果表明,算法能有效地解决异构网格任务调度问题,具有较好的应用价值。     

面向总线的低功耗优化方法探究

随着社会信息化水平的不断提高,信息产业的快速发展,由此带来了能源的消耗也越来越高。特别是芯片集成度越来越高,系统应用越来越复杂,这就使得功耗问题成为嵌入式系统必须面对的一个关键问题。单纯的硬件功耗优化已经不能满足要求,基于软件的功耗优化取得了很好的成效。在编译阶段,通过减少总线的翻转次数来降低系统的功耗。针对指令地址总线,结合遗传算法进行函数段的分配,结合相关的编码策略,减少总线翻转,从而降低其功耗。针对数据总线,使用蚁群算法进行指令调度,用0-1翻转编码,有效减少了其总线翻转,降低了功耗。这种基于数据总线和地址总线的优化算法,能够在特定的实验平台下通过实验验证,算法对于总线功耗的优化效率大约为25%左右。     

分布式系统TTCAN调度优化算法研究

总线技术的发展给线缆测试仪带来了分布式、信息化、网络化的新需求,且在分布式线缆测试仪工作过程中,测试线路的数目增加也对总线数据通讯的稳定性和通讯效率提出了更高的要求;针对分布式系统在线缆测试中的应用需要,设计并优化了分布式线缆测试仪工作的TTCAN应用层协议和其系统矩阵;对于分布式系统通信中的周期性消息形成的系统矩阵先后采用遗传算法、改进型差分进化算法进行优化,对于其中的非周期性消息采用基于松弛度的动态优先级算法;在MATLAB仿真环境中进行实验,实验结果表明,改进型差分算法比遗传算法能够更快、更稳定地计算出优化矩阵,经调度优化后的TTCAN总线工作时数据传输效率有显著提高;文章通过智能优化算法,有效提高了系统总线的通讯效率和稳定性。     

分层多目标最优化进化算法

文章用进化算法给出了求解二层字典分层多目标最优化的方法,该算法把求解问题转化为多目标最优化,并研究了这两个问题的解集之间的联系。对多目标最优化定义了一个新的选择算子和适应值函数,这样定义的选择算子和适应值函数结合均匀设计能有效地引导搜索,直接求出问题的解而不用逐层求解。数值模拟表明该方法十分有效。     

一类动态非线性约束优化问题的新解法

动态非线性约束优化是一类复杂的动态优化问题,其求解的困难主要在于如何处理问题的约束及时间（环境）变量。给出了一类定义在离散时间（环境）空间上的动态非线性约束优化问题的新解法,从问题的约束条件出发构造了一个新的动态熵函数,利用此函数将原优化问题转化成了两个目标的动态优化问题。进一步设计了新的杂交算子和带局部搜索的变异算子,提出了一种新的多目标优化求解进化算法。通过对两个动态非线性约束优化问题的计算仿真,表明该算法是有效的。     

一种新型的求解城市公交路网的并行PSO算法

粒子群算法是求解组合优化的新智能算法,本文以串行粒子群算法机理为核心,结合运筹学旅行商组合优化理论和并行的OpenMP技术,给出一种规划城市公交路网最短路径的并行PSO算法模型。通过Visual Studio 2005中C++编程实现仿真,得到城市公交路网路程权重最短目标,并与串行粒子群算法结果进行比较。实验结果表明,该算法不但能解决城市公交路网问题,而且执行时间短,具有更好的鲁棒性。     

基于受限区分矩阵的值约简方法*

一般启发式值约简算法中启发信息选取不够合理,获取规则的置信度不高,同时还需要多次遍历决策表,时间开销较大。针对上述问题,提出了一种基于加权平均的属性值重要度的概念,并利用受限区分矩阵构造了一种新的值约简方法。该方法无须多次遍历决策表,且不必考虑属性值恢复的问题,大大方便了规则摄取,有效地降低了计算的时间复杂度,且属性值约简更加合理,保证了最后获取的规则具有较高的置信度。最后通过真实的医学数据实验结果表明,该方法具有较好的约简效果。     

求解柔性机器人车间调度问题的混合蚁群算法

在柔性作业车间调度问题的基础上,考虑多台搬运机器人执行不同工序在不同机床之间的搬运,形成柔性机器人作业车间调度问题,提出混合蚁群算法。用改进析取图对问题进行描述,使用混合选择策略、自适应伪随机比例规则和改进信息素更新规则优化蚁群算法,结合遗传算子完成机床选择和工序排序。使用一种多机器人排序算法完成搬运机器人分配和搬运工序排序。通过多组算例仿真测试并与其他算法进行比较,验证了算法的有效性和可靠性。     

基于克隆选择的免疫粒子群优化算法

粒子群优化算法在进化中随种群多样性降低易出现早熟收敛等问题.针对这一问题,在粒子群算法中引入免疫克隆选择算法的思想,提出了基于克隆选择的免疫粒子群优化算法(Immune Particle Swarm Optimization,ImmunePSO),即在算法进化过程中,引入克隆复制算子、克隆高频变异算子、克隆选择算子.成比例克隆复制可以使优良个体得到保护,加快算法收敛;高频变异为新个体的产生提供了新的途径,可以增加种群的多样性;克隆选择算子从所有子代、父代中选择出最优个体,避免算法退化.最后通过对基本测试函数的仿真试验,验证了算法不仅可以增加种群的多样性,加快算法的收敛速度,而且提高了最优解的精度,有效地避免算法陷入到局部极值.