基于GAs求解整数规划问题的算法设计

对于遗传算法（ＧＡｓ）求解整数规划问题,提出一种新的位串编码结构,采用一种新的加速变异算子,可明显改善寻优的收敛速度,并为保持种群多样性引入分散型淘汰法。     

一类具有整数约束条件的数学规划问题的求解算法

给出了具有整数约束的数学规划问题的求解算法，而不论目标函数是线性函数还是非线性函数，此方法计算量比较小。     

求解一类整数规划问题最优解的算法

本文给出了求解一类整数规划问题所有最优解的两个算法．一个算法较为简单，其时间复杂性为O（n）,另一个算法求解较为快速，其时间复杂性为O（log n）.     

双编码方式求解整数规划问题的DNA算法

DNA计算是以DNA分子作为数据的一种新型计算模式,在DNA计算中首要面对的问题是编码问题。文中提出了一种双编码方法,利用这种编码方法使得在DNA计算的读解过程类似于DNA测序过程,容易实现自动化操作。基于该编码方法所建立的DNA计算模型可用于求解整数规划问题,只需有限的几次PCK反应即可读取问题的可行解。与其他DNA算法相比,该算法具有操作简单、易于实现的优点。     

基于粒子群算法的整数规划问题的求解算法

整数规划是运筹学的一个分支,一直以来没有很好的求解算法.目前有研究人员尝试用粒子群算法求解整数规划,但都只能解决无约束整数规划问题.提出了一种求解约束整数规划的粒子群算法,能够解决有约束线性和非线性整数规划问题.     

改进的求解整数规划的蚁群算法

针对传统蚁群算法在求解整数规划时易陷入局部最优问题,通过设定信息素的修正阈值,适时对信息素进行修正,以及采取纵向和横行的搜索方式,对蚁群算法进行了改进,算例比较分析结果表明:改进后的蚁群算法能够较好地避免陷入局部最优,且执行效率提高数倍.     

混合细菌觅食算法求解整数规划问题

利用混合细菌觅食算法（PO—BFA）求解整数规划问题,并与量子粒子群算法（QPSO）的求解结果进行对比。经过适当的参数设置混合细菌觅食算法可以有效地解决整数规划问题,在搜索过程中没有出现早熟现象,而且PO—BFA在求解整数规划问题上的整体性能比QPSO更优。     

多目标整数规划中的遗传算法

以下料问题为例建立了多目标整数规划的数学工业描述了用遗传算法求解多目标整数规划问题的方法。这种算法较圆满的解决了既费用又考虑需求的下料问题,具有广阔的应用价值。     

量子粒子群算法求解整数规划的方法

粒子群算法主要用于优化连续性问题。如果用于求解整数规划问题,算法的粒子位置必须解决取整问题;而量子粒子群算法求解整数规划问题具有更高的效率。利用三种取整方法与量子粒子群算法结合,求解非线性整数规划问题,并且与标准粒子群算法求解整数规划问题进行比较。通过对基准函数仿真实验,比较了六种方法求解整数规划问题。实验结果表明,基于随机取整的量子粒子群算法搜索成功率优于其他五种方法,其综合搜索效率更佳。寻找了一种更优的求解整数规划方法。     

基于QPSO的细菌觅食算法求解整数规划问题

在基于量子粒子群算法的基础上,提出一种混合细菌觅食的优化算法,通过对七个基准函数的实验仿真,比较两种方法求解整数规划问题.实验表明,基于量子粒子群的细菌觅食算法搜索成功率较高,综合搜索效率更高,收敛较快,为求解整数规划问题提供一种更优的可靠途经.     

基于免疫遗传算法的炼钢最优炉次计划研究

针对炼钢最优炉次计划问题难以准确求解的实际情况,建立了一种含有0-1变量的整数规划模型,为了求解该优化模型,提出了一种新的免疫遗传算法.该算法通过将免疫算法和遗传算法相结合,在传统遗传算法中加入免疫算子,并且引入了新的个体选择概率模型,有效防止了算法过早收敛的现象.针对该类优化问题的特性,设计了自适应的交叉率和变异率准则,动态调整交叉率和变异率,提高了该算法的精度.基于工厂的实际数据,进行了仿真实验,实验结果表明该免疫遗传算法比普通遗传算法有着更高的搜索精度,证明了该算法在实际炼钢最优炉次计划问题中的有效性和准确性.     

一维下料优化的一种新算法

针对一维下料优化问题,提出了一种基于启发式多级序列线性优化思想的新算法,即将下料优化问题转化为多级序列线性优化问题求解．每级求解时,在当前可行的下料方式中选择最优的一种进行下料。不断重复此操作。直到所有剩余的坯料数目均减小至零为止．原问题的最优解就是各个序列优化问题所求得的最优下料方式的总合．计算表明,与目前常用的整数线性规划或遗传算法相比较．该算法有结构简明、计算速度快、节材效果好的优点．     

基于整数规划下遗传算法的P码直接捕获算法优化

P码直接捕获算法包含诸如平均点数、相干积累时间、非相干积累次数、频率步进量、唐检参数及快速傅里叶变换(FFT)运算单元数等10多个参数. 当在算法检测概率、虚警概率和捕获时间满足要求的约束下,对算法消耗的多种资源进行优化时,具有多约束、多变量、非线性和整数取值等难点. 为解决如此复杂的参数优化问题,提出一种整数规划下遗传算法应用于P码直接捕获算法. 该方法借鉴遗传算法的思想,并考虑P码直接捕获算法参数的整数取值要求,适合各种条件下的算法参数优化. 数值分析结果表明,该方法获得了最优的参数值,有助于实际应用.      

基于混合遗传算法的多UCAV协同任务分配方法

针对多UCAV协同作战的控制决策问题,提出了多UCAV任务分配的多目标整数规划模型.将问题的启发性知识融合进遗传算法,提出了求解该问题的基于整数编码的混合遗传算法.将变量根据约束条件特点分为自由变量和非自由变量,仅对非自由变量编码,减小了染色体长度和变化要素,从而提高了算法的效率.设计了适于整数编码的交叉和变异算子,并巧妙地利用约束条件限制变异范围,以提高个体满足约束条件的概率.以UCAV的SEAD任务为想定,进行了仿真实验.实验结果表明混合遗传算法可以有效地解决大规模整数规划问题,在求解效率和提高约束条件满足率上优于标准遗传算法.     

基于双层遗传算法的静态防空反导杀伤网构建方法

在防空反导作战中,构建高效的杀伤网是确保反导任务成功的关键环节,然而杀伤网构建问题的优化建模和求解是一个难题。从组合优化的角度出发,对静态的杀伤网构建问题进行优化建模并提出高效求解方案;针对杀伤网构建问题的特点,建立了混合整数规划模型,并使用一种基于双层规划的优化建模方案进行简化,通过任务分配和冲突消解的主从问题协同降低求解难度,随后设计一种基于双层遗传算法的求解框架进行优化实验。在4组不同规模的环境实验测试中,算法能够快速找到较优解,并且对较大规模问题能保持良好的求解能力以及良好的可解释性。为防空反导领域的静态的杀伤网自主智能构建提供思路,可作为动态杀伤网调整的研究基础。     

B2C 电子商务物流中心选址-路径综合优化研究

为优化 B2C（business-to-customer）电子商务物流系统,结合 B2C 电子商务特点,构建以物流成本最小为目标函数、以运输时间和供需关系限制为约束条件的电子商务物流中心混合整数规划模型,采用改进的遗传算法将电子商务物流中心选址的混合整数规划模型求解过程转换成求解最优运输路径问题,并且设置惩罚算子对超过运输时间限制的方案进行特定的惩罚处理,设计合适的染色体编码方式、交叉算子、变异算子、惩罚函数等。通过随机生成的数据运用 Matlab 软件进行算例仿真模拟,验证模型的有效性。     

求解整数规划Surrogate对偶问题的一种算法

本文讨论整数线性规划的Ｓｕｒｒｏｇａｔｅ对偶问题，给出了求解Ｓｕｒｒｏｇａｔｅ对偶问 题的一种算法，论述了该算法具有的某些良好性质。计算结果说明：用该算法求解 Ｓｕｒｒｏｇａｔｅ对偶问题时，所解的背包问题的次数比较少，所存在的对偶间隙也较 小。     

异构型无人机群体并行任务分配算法

异构型无人机(UAV)群体任务分配机制起着至关重要的作用,分析了并行任务分配的特点,以时间消耗最短为优化目标,建立了整数线性规划的任务优化分配模型。对基本遗传算法进行了改进,提出了有效降低算法复杂度的编码方案,建立了相应的适应度函数,改进了现有遗传算法的变异策略。仿真案例表明该算法具有较强的寻优能力,能够有效地完成异构型群体UAV的并行任务分配。     

一种改进的遗传算法及其应用

非线性混合整数规划问题是一类NP难题，针对这类问题的特点，本文提出一种改进的遗传算法一分支遗传算法(BGAS)．并将其用于Sandgren提供的压力容器设计优化问题，得到了很好的结果。