集装箱码头集成调度模型与混合优化算法

为提高集装箱码头作业中各种设备的协调性,提高整体作业效率,建立了集成调度模型,模型集成了装卸桥、集卡与龙门吊的调度问题.同时,设计了求解模型的混合优化算法,此算法集成了神经网络良好的近似估计功能与模拟退火算法有效的搜索能力.算法流程是:初始化集装箱装卸序列;基于一定的分配规则为集装箱分配作业设备;采用模拟退火算法搜索解空间,更新装卸序列.在算法过程中,用神经网络预测目标函数,并且过滤明显的劣质解.最后,通过算例分析验证了模型与算法的有效性.结果表明,混合优化算法可以提高模型求解效率,对于规模为400个集装箱的调度问题,平均偏差为7.52%,计算时间为8.9s,模型与算法可行.     

基于仿真优化的集装箱港口大门作业调度研究

提出基于仿真优化的集装箱港口大门通道作业的调度优化方法.首先,建立了大门作业的离散事件仿真模型和调度优化数学模型;其次,设计了启发式Tabu搜索算法和仿真模型相结合的仿真优化方法;然后,结合仿真自动化方法和在线数据库实现了仿真优化系统;最后,用实例验证并分析了本方法的有效性及效率问题.结果表明了本方法对在线、实时作业调度优化问题的适用性.     

一种针对开沟布线问题的混合遗传算法

开沟布线问题(CTP)可以看作最小生成树问题(MST)和最短路问题(SP)的组合而成的组合优化问题.提出适合软件包求解的整数非线性规划模型(INLP)和适合求解大规模问题的混合遗传模拟退火算法(hybrid algorithm,HA),并通过运算实例对两种优化方法的性能加以验证.对实例运算结果的分析,表明这两种新的优化方法可以在问题规模较小时快速找到最优解;规模较大时也可在较短的时间内得到较好的近似解(通过HA实现).     

集装箱港口多式运输系统资源配置协调优化研究

提出了基于仿真优化的集装箱港口多式运输资源配置协调优化方法.首先,建立了集装箱港口多式运输作业系统的排队网络仿真模型,建立了以作业效果与资源利用均衡协调为目标的优化模型:其次,运用仿真模型与启发式算法相结合的仿真优化方法进行求解:最后,案例分析结果表明该方法对集装箱港口多式运输作业资源协调优化问题的适用性和有效性.     

单元化三级装卸搬运作业链集成优化的三层进化算法

传统物流作业调度主要对单级或两级之间的协调问题进行建模和求解，缺乏对物流作业多级特征的考虑. 针对物流装卸搬运多级作业链的复杂性，以批量作业完成时间为目标，研究单元化“装卸，搬运，装卸” 三级作业链的集成调度优化作业问题，并在此基础上提出解决三级协调与集成优化问题的三层嵌套进化算法. 通过算例仿真及其分析可得目标值和求解时间会随着问题规模扩大呈多项式曲线增长以及搬运级是三级装卸搬运效率的瓶颈环节，最后分析了其原因并提出相应解决方案.     

基于蚁群算法的拣选作业优化问题

蚁群算法是一种新型的启发式算法,研究表明该算法具有较强发现较好解的能力,但同时存在一些缺点如易出现停滞现象、 收敛速度慢等.在蚁群算法的基础上结合自动化立体仓库固定货架拣选作业的特点,构建了货物拣选路径问题的数学模型,设计了新型的改进蚁群算法用于合理优化货物拣选路径以减少作业时间,并在算法中 采取了三个改进措施, 改善基本蚁群算法的搜索能力.候选节点集合策略和自适应调整算法参数能有效提高算法的搜索速度,选择算子使问题的解始终保持最优.实验表明该算法具有较好的全局寻优能力, 收敛速度大幅度提高,能够很好地满足中大规模的拣选作业要求.     

集装箱码头装卸系统集成调度的建模与优化

为提高集装箱码头作业效率,在码头集装箱卡车作业能力充足的条件下,对集装箱码头作业装卸系统集成调度问题进行了研究.针对集装箱码头装卸作业的特点,提出了装卸作业的预定义顺序约束、作业次序依赖的设备调整时间及岸桥碰撞干涉约束等,并在此基础上建立了整数规划模型.针对这一模型设计了两阶段启发式算法对问题进行求解.通过在数值实验中将结果与低界相比较,证明该算法效果良好.特别对于规模较大的问题,算法也可以进行有效的求解.     

海铁联运中心站堆场箱位指派优化

海铁联运中心站堆场的箱位指派策略直接影响着中心站堆场的作业效率.本文研究中心站装卸作业过程中的箱位指派问题,以堆场压箱量最小为目标,建立动态箱位指派模型,优化集装箱在堆场的位置.基于指派问题自身的特点设计了启发式算法进行优化,将优化指派策略与堆场现有的最矮指派策略进行比较,通过对不同情况的算例进行求解,表明优化指派策略优于最矮指派策略.验证了模型的可行性和算法的有效性,并分析了作业箱规模、贝位大小、班列和集卡到达频率这三个影响因子对优化效果的影响,为中心站堆场提供决策支持.     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

多星成像调度问题基于分解的优化算法

提出了一种求解多星成像调度问题的基于分解的优化算法,将问题分解为任务分配主问题与单星成像调度子问题.任务分配主问题生成不同卫星的任务分配方案,单星成像调度子问题则根据分配的任务进行优化,生成每颗卫星的成像调度方案.采用自适应的蚁群算法求解任务分配主问题,通过自适应参数调整策略及信息素平滑策略,实现全局搜索和快速收敛间的平衡.采用启发式算法及快速模拟退火算法求解单星成像调度子问题,通过综合多颗卫星的调度结果, 可以对任务分配方案进行评价,引导蚁群算法搜索优化的任务分配方案,最终得到多颗卫星的成像调度方案. 大规模测试算例验证了算法的效率.     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.     

超启发式DE算法求解零等待发酵工艺调度

为解决具备间歇过程特点的零等待发酵工艺调度过程中易变质的难点,提出了一种超启发式差分算法,并将最小化最大完工时间设置为优化目标。此算法分为2层,高层为改进的自适应差分进化算法,来对低层的启发式操作进行选择排序。而低层组合排序成了新的算法对问题域进行操作,加入模拟退火算法避免陷入局部最优。所提出的方法具有学习的机制,对不同问题具有较强的泛化能力。通过测试算例和实际生产进行算法的比较和求解验证了此算法的有效性,结果表明所提出的算法比传统的启发式算法性能更优。     

New recursive algorithm for matrix inversion

To reduce the computational complexity of matrix inversion, which is the majority of processing in many practical applications, two numerically efficient recursive algorithms （called algorithms I and II, respectively） are presented. Algorithm I is used to calculate the inverse of such a matrix, whose leading principal minors are all nonzero. Algorithm II, whereby, the inverse of an arbitrary nonsingular matrix can be evaluated is derived via improving the algorithm I. The implementation, for algorithm II or I, involves matrix-vector multiplications and vector outer products. These operations are computationally fast and highly parallelizable. MATLAB simulations show that both recursive algorithms are valid.     

基于陆海协同的海上战略投送选址-路径优化

陆海协同海上战略投送过程中需解决选址-路径优化问题,本文分析了在突发事件背景下陆海协同运输体系的运作机理和特点,构建了以下水港选址、运输船舶航次、航线配置以及天气条件等不确定性因素为变量、以投送时间最短为目标的选址-路径优化模型.根据模型的特点与不同算法的优势,提出了一种以遗传算法为外层框架构成优化循环,其中镶嵌基于仿真的改进模拟植物生长算法形成内部模块,求解出染色体对应的目标函数,再通过信息传递完成内外交互运算的集成算法.最后,以我国对南海海上战略投送为例进行了选址-路径优化设计,取得了较好结果,从而证明了文章所建模型与算法的合理性和有效性.     

带运输和设置时间的无等待并行流水车间调度问题研究

研究了一类从无缝钢管生产作业中提炼出的新的并行流水车间调度问题.该问题具有工件无等待、工序之间存在运输时间、设备需要调整时间等特点.这些特点使得问题变得相当复杂.建立了大规模的混合整数规划模型,通过提出的变换方法简化和降低了模型的规模.针对此模型,提出并开发了适合此问题的遗传算法.通过实验比较六种规则调度方法及遗传算法的性能.计算结果表明,六种规则调度中最好的方法是SPT,而遗传算法调度的性能优于SPT.     

求解线性不等式组的仿射梯度算法

设计了一种新的求解线性不等式的动力系统方法－仿射梯度算法，算法不改变原问题的稀疏性，每步迭代的计算量较小，只包含简单的算术运算，具有很好的计算时间和存储空间的性质，有利于解决大规模稀疏的能源规划问题，给出了算法的动力系统的连续和离散时间模型，并证明了模型具有渐进稳定性，数值实验结果表明，此算法是有效的。     

基于混合遗传算法的配电网络重构优化

以网损最小为目标函数,电压降、线路电流值和电源容量的限制为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将该问题转化为无约束问题.针对遗传算法的局限性,对适应函数进行了调整,实施了最优保留策略,改进了交叉和变异操作,并结合了模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛.优化过程中考虑了配电网自身特点,提高了计算效率.重构算例说明,该优化方法有效、实用.     

可变种群规模的遗传算法

通过模拟人类进化过程中人口数量的增长规律，提出了一种可变种群规模的遗传算法（VPGA）。VPGA不需要改变现有遗传算法的算子，仅仅通过对现有算法框架的重构，从而获得比现有遗传算法更优的解，而花费的计算代价更小，我们的实验结果表明使用离散逻辑斯蒂模型来控制种群规模的VPGA能够比其他从截观算子上改进的遗传算法更加高效省时。     

基于NCAGA-投影寻踪混合优化城市客运量预测

为了提高参数投影寻踪回归(parameter projection pursuit regression,PPPR)模型对城市客运量的预测精度, 基于cat映射、高斯分布和精英局部搜索对加速遗传算法进行改进. 提出了新的混沌加速遗传算法(new chaosaccelerating genetic algorithm, NCAGA),用于对PPPR模型的最佳投影方向α的优选.建立了在外层优化岭函数个数M的同时,内层利用NCAGA优化最佳投影方向a的NCAGA-PPPR混合优化城市客运量预测模型,结合某市统 计资料进行了仿真预测.结果表明该方法的预测精度优于BP神经网络模型、传统PPR模型和基于加速遗传优选的PPPR模型, 平均绝对相对误差小于3.1%,提高了城市客运量的预测精度,可有效应用于城市客运量的预测.     

基于文化知识的量子进化算法

量子进化算法在实数优化时存在局部寻优能力不佳、收敛速度较慢等缺陷.为克服这些缺陷,本文引入文化算法思想提出一种基于文化知识的量子进化算法,该算法具有量子进化层和知识进化层双层进化框架,引入的文化算法能较好地协调全局与局部寻优,并避免算法陷入局部极值.由于新的算法框架及量子观测方式的引入,提出的算法不但保留了量子编码的优点,而且有效解决了求解实数优化问题时存在的缺陷.实验表明,提出的算法不但比量子进化类型算法性能有较大提升,而且与其它相关的几种算法相比具有更好的求解精度和速度.