排序方式: 共有17条查询结果,搜索用时 15 毫秒
11.
为充分贴合长江集装箱多式联运场景,在分析长江多式联运组织特点的基础上,考虑不确定运价及不同航段航道通航条件影响,以包含运输周转成本、碳排放成本和时间成本在内的总成本最小化为目标,构建不确定条件下长江集装箱多式联运路径优化模型,并设计蒙特卡洛仿真与改进的狼群算法实现模型求解,最后通过算例分析验证改进的狼群算法的有效性。算例分析结果表明,公路运输能有效控制运输的时间成本,铁路与水路运输在运输经济性与绿色性方面更具优势。在长江航道通航能力与最大中转次数限制下,运输任务将选择较高成本运输方案以满足航道与托运人要求。 相似文献
12.
目前多AGV的使用大大提升了制造企业的生产效率,在调度过程中也产生了诸多问题,其中以AGV负载不均和电量限制所带来的拥堵问题尤为凸显。对此,以最小化生产调度时间和负载均衡偏差为目标,考虑AGV的电池容量、充电次数、充电时间等约束,建立了一种非线性的多目标集成优化模型,基于MFC(Minimum time selection for charged volume constraint,MFC)策略设计了自适应改进遗传算法,并通过与传统遗传算法对比分析,验证了算法的有效性。最后对AGV调度中的相关参数进行分析,得到了AGV在负载均衡时的运行规律。 相似文献
13.
针对一般群智能算法求解大规模排列组合问题时搜索空间大从而影响群体搜索效率的问题,提出了一种解空间动态缩减(SSDC)策略,以动态减少算法搜索空间。该策略中,首先通过智能算法对排列组合优化问题两次初步求解,对获得的两个解中重复的片段进行识别和融合,将融合成的新节点代入原解空间进行解空间缩小更新;而后在下一次智能算法求解的过程中,对缩小的可行空间进行搜索,从而提升个体在有限空间内的搜索效率,降低搜索时间成本。基于5个高维标准旅行商问题(TSP)和2个车辆路径优化问题对融合新策略的多种群智能算法进行测试。实验结果表明融合所提策略的群智能算法在搜索精度和稳定性上均要优于对应的原算法,证明所提解空间动态缩减策略可以有效改善算法的性能。 相似文献
14.
15.
从增加种群多样性和信息交流能力出发,结合K-means聚类算法和Ring型拓扑结构的特点,提出了一种动态拓扑结构的改进算法(KPSO)。在粒子信息交流中,提出两种位置和速度更新方式,并通过Bench-mark函数优化问题测试,比较了KPSO算法与经典PSO的各种性能。对KPSO的重要参数聚类数K、种群规模N的选择进行了组合实验测试。结果表明,改进后的KPSO求解复杂优化问题性能良好,在搜索精度和速度上优势明显,对于不同的种群规模选择不同的聚类数对算法有重要影响。 相似文献
16.
粒子群优化(PSO)算法在求解复杂多峰函数时极易早熟,陷入局部最优无法跳出。研究表明改变粒子间的拓扑结构和调整算法的迭代机制有助于改善种群的多样性,提高算法的寻优能力。因此,提出一种具有拓扑时变和搜索扰动的混合粒子群优化(HPSO-TS)算法。该算法采用K-medoids聚类算法对粒子群进行动态分簇,形成多个异构子群,以利于子群内粒子间进行信息流通。在速度更新中,增加簇最优粒子的引导,并引入非线性变化极值扰动,帮助粒子搜索更多的区域。而后在位置迭代中引入花授粉算法(FPA)中的转换概率,使粒子在全局搜索和局部搜索之间转换。在全局搜索时结合狮群算法中的母狮觅食机制对粒子的位置进行更新;在局部搜索时引入正弦扰动因子,帮助粒子跳出局部最优。实验结果表明所提算法在求解精度和鲁棒性方面明显优于FPA、PSO、改进粒子群算法(IPSO)、具有动态拓扑结构的粒子群算法(PSO-T);并且随着测试维度和次数的增加,这种优势更加明显。HPSO-TS算法所引入的拓扑时变策略和搜索扰动机制能有效地提高种群的多样性和粒子的活性,从而改善寻优能力。 相似文献
17.