一种启发式双代号网络图自动生成算法

提出一种启发式双代号网络图自动生成算法，可以直接生成优化的双代号网络图，不需要对初步形成的网络图进行再次扫描化简。该算法不但能生成准确优化的双代号网络图，而且具有较高的效率。     

两级系统多周期随机库存路径优化

库存和运输是物流活动的最主要环节,如何同时对二者进行优化,是供应商管理库存必须解决的核心问题。针对一个配送中心为多个零售商实施统一配送的两级系统,以最小化系统计划期平均总费用为目标,分析包括零售商存储费、缺货费,以及配送中心进货费、存储费和配送费的系统全部费用组成,整合库存与配送建立了库存路径问题数学模型。根据零售商需求的随机性和库存路径问题本身的两阶段性,估计零售商库存上下限,选择配送中心订货策略及配送优先原则,借鉴旅行商问题求解思路,设计了求解问题的启发式算法。用Matlab7.0编程实现仿真算例求解表明,整合优化比分别优化节省平均总费用6.2%。     

嵌入式异构环境下任务调度算法的研究

高效的任务调度是提升系统性能的关键因素之一。讨论在任务异构和通信速度差异的Fork-join型嵌入式环境下,独立任务的调度问题,提出新的分配调度方案,选取负载最小的处理节点进行分配,实现节点间的负载均衡,且满足任务的响应时间和处理节点数目最小化的要求。基于方案,构造一个以任务的平均响应时间驱动的启发式算法:ARTDHA(Aver-age-Response-Time-Driven Heuristic Algorithm)。仿真实验表明,算法更符合复杂的嵌入式异构环境,能更好满足系统的时间特性、最小化资源的开销,同时任务的调度时间要优于FCFS(First Come First Serve)算法。     

N皇后问题的启发式算法探讨

搜索策略的选择与设计是人工智能领域问题求解的核心问题之一,直接影响到问题求解过程中存储空间的占用和计算的复杂性,影响到问题求解的效率。在给出N皇后问题形式化描述和现有搜索算法的基础上,设计了3种解决N皇后问题的启发式算法,并将其与深度优先和宽度优先等搜索策略进行了分析和比较,得出了几点关于设计启发式算法的启示。     

求解风力发电机布局问题的超启发式算法研究

针对大规模问题求解效率不高、结果不理想等问题,以影响参数多变的风力发电机布局问题为研究对象,设计并实现了超启发式算法策略,底层算子用差分进化（Differential Evolution,DE）算法和适应性协方差策略（Covariance Matrix Adaptation Evolution Strategy,CMA-ES）算法,高层策略用启发式调用策略选择底层算子求解在不同场景、不同风力参数等多种情况下的风力发电机布局情况。实验将权值选择策略与DE算法、CMA-ES算法和随机调度策略进行比较,最终数据表明该策略求解风力发电布局的效果远高于其他三种。     

基于RRT算法改进的无人机航迹规划研究

针对应用快速搜索随机树（RRT）算法规划路径时,算法搜索效率低、时间长、搜索的路径冗长、路径不平滑等问题,对RRT算法开展进一步改进研究。引入以目标点为导引的启发式函数,使随机点偏向于目标点生成,减少了随机点的无效采样,并将原算法扩展步长设置为动态,加速路径的生成;采用了贪婪算法对路径进行剪枝优化,删除路径中不必要的节点,优化无人机飞行中多余的转向,缩短路径长度;对剪枝后的路径用B样条曲线进行平滑处理,生成平滑且满足动力学约束的航迹。仿真结果表明,改进的RRT算法可以有效躲避障碍物,优化了RRT算法的路径搜索的时间、长度和平滑性。     

基于启发式搜索策略的测试选择问题研究

测试选择是测试性设计的最基本步骤之一，本文通过对其数学模型的研究，构造了衡量测试集优劣程度的启发式函数，并由此实现了一种用于测试选择的遗传搜索算法。实例验证表明了该启发式函数的有效性，为测试性设计提供了一个简单有效的方法。     

基于复杂网络理论的城市电网储能电站启发式选址和评估方法

合理的选址规划是促进储能电站(energy storage power station,ESPS)在城市电网层面效能发挥的前提.基于复杂网络理论的城市电网储能电站启发式选址和评估方法可以为此提供解决方案,该方法分为ESPS候选站址方案初选层和方案决策与评估层.首先在初选层,基于复杂网络理论,根据城市电网的拓扑结构、线路...     

浅谈梅山运翔码头靠泊能力的升级论证

梅山汽车运输分公司运翔码头原设计为1500吨级码头,为适应市场发展需要,要停靠5000吨级船舶。从现运翔码头前沿航行水深、码头设施、防护设施等实际出发对安全停靠5000吨级船舶进行可行性论证。     

基于混合优化算法的云计算资源调度

由于云计算的动态性、异构性和不可预测性等特点,使得资源调度策略面临很大的挑战。目前解决资源调度的方法主要是一些启发式算法,如模拟退火算法、人工神经网络算法、粒子群算法、蚁群算法和遗传算法等,由于优缺点分明,不能单独实现云计算任务的最优分配。因此,提出了使用混合优化算法解决云计算资源分配问题。在算法前期,借助粒子群全局广泛搜索能力,快速寻找到较优解;在算法后期,借助蚁群算法的正反馈性和高效性,寻找最优解。实验表明该算法有较短的任务执行时间和实现各个物理主机间的负载均衡。