考虑道路坡度因素的低碳VRP问题模型与求解策略

经典车辆路径问题（vehicle routing problem，VRP）模型不考虑道路的坡度，通常以最小化车辆行驶总距离、总耗时或派送车辆数为目标函数. 在考虑道路坡度因素的基础上，提出了以配送车辆总能耗最小为目标的低碳车辆路径问题模型 （energy consumption minimizing low-carbon VRP，ECM-LCVRP）；然后，以带能力约束的车辆路径问题 （capacitated VRP，CVRP）为参照，分析了 ECM-LCVRP 的解空间大小及基本算法改进法则在ECM-LCVRP 中的执行复杂度，发现ECM-LCVRP较CVRP更加难以求解，并且分析了不同坡度下 ECM-LCVRP 和 CVRP 的区别与联系；另外，基于配送方案的能耗值与行驶距离正相关的规律，提出了求解不同道路坡度环境下 ECM-LCVRP 的双目标策略 （two objective strategy，TOS）；最后，设计了40个 ECM-LCVRP 算例，并采用综合了算法基本改进规则的混合局部搜索算法 （hybrid local search，HLS）和HLS+TOS 两种方式求解，求解结果表明：在不同的运算时间内，TOS 策略均能够有效地提高HLS的求解质量，且求解时间越短，TOS的效果越明显.     

轧制计划的优化模型及其算法的应用研究

为保证热轧生产调度计划的可行性，提高排程的效率，根据热轧生产模式和轧制计划的结构特点，提出了一种车辆路径问题（VRP）模型来建模轧制调度问题，发展了一种混合调度方法（SAMPSO算法）来解决这个问题．试方法利用修正粒子群优化算法的局部和全局搜索能力来寻找全局最优解，利用模拟退火方法来避免陷于局部最优。对某钢厂实际生产数据的仿真结果表明，所提出的模型和算法具有良好的适应性和可行性。     

两阶段优化算法求解绿色装箱车辆路径问题

带二维装箱约束的绿色开放式车辆路径问题（green open vehicle routing problem with two-dimensional loading constraints, 2L-GOVRP）是绿色开放式车辆路径问题和二维装箱问题的集成。以最小化燃油消耗量为优化目标建立了2L-GOVRP模型,并提出一种两阶段优化算法（two stage optimization algorithm, TSOA）进行求解。TSOA的第一阶段,针对车辆路径问题,设计自适应鲸鱼优化算法（adaptive whale optimization algorithm, AWOA）进行求解,从而确定车辆初步配送路径（即2L-GOVRP的初始解）,并采用4种变邻域局部操作进行局部搜索。TSOA的第二阶段,针对二维装箱问题,设计融入扰动机制的天际线填充算法（skyline filling algorithm combined with disturbance mechanism, SFA-DM）优化装箱过程,从而确保所有货物能够合理装箱。 通过对不同客户规模测试数例的仿真实验和算法比较,验证了TSOA可有效求解2L-GOVRP。     

基于客户满意度的MOVRPFTW的单亲遗传混合蚁群算法

为解决基于时间窗和食物新鲜度形成的综合客户满意度，且具有最大运输时间限制的带模糊时间窗的多目标车辆路径问题（MOVRPFTW），建立了相应的数学模型。针对蚁群算法容易陷入局部最优的缺陷，将单亲遗传算法和蚁群算法相结合，利用单亲遗传算法的3种遗传算子和区别于传统遗传算法的两种操作手法，构建了多种单亲遗传混合蚁群算法，并进行算例测试。结果表明：与基本蚁群算法相比，单亲遗传混合蚁群算法求出的解的各项目标的平均值更优；同时，单点单亲遗传混合蚁群算法较多点单亲遗传混合算法在求解此问题中的用时更少、计算效率更高，并且移位算子较其他两种算子具有较好的求解性能。     

基于混合遗传算法的物流配送车辆调度优化问题求解方法

物流配遥车辆调度优化问题是一个NP-hard问题,随着问题规模的扩大,若单纯地应用精确算法将很难获得最优解.首先对物流配送车辆调度问题进行了深入分析并建立了优化数学模型;然后,根据模型把问题的解决合理地划分为两个阶段,将遗传算法的全局搜索能力和C-W节约启发式算法的局部搜索能力有机结合,由此构造出一种混合遗传算法;最后,通过一个应用实例的分析验证了此算法寻优的有效性.     

求解大规模VCVRP问题的快速动态规划算法

车辆路径问题是一类典型的组合优化问题,大部分研究都只考虑车辆能力固定的情形,实际中受货物形状特性及客户需求变化,车辆的能力是受限变化的,针对能力受限变化的车辆路径问题(varied capacitated vehicle routing problem,VCVRP),基于动态规划理论,提出一种求解大规模VCVRP问题的快速动态规划算法.该算法以传统的最佳适应降序算法(best fit decreasing,BFD)和最小生成树(minimum spanning tree,MST)算法为基础,引入K步回溯,短途优先原则,实现了VCVRP中的货物装箱问题和路由选择问题的近似解耦.同时给出了该算法的优化目标车辆旅程的理论上界,短途优先原则的局部最小的理论分析与证明.最后以乘用车物流运输案例为背景,给出了计算实例,并从算法参数与算例规模多个角度进行求解质量与算法性能的分析.     

时变路网下考虑时空距离的同时配集货车辆路径优化

针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。     

多路径选择变速双目标物流配送路径规划

为研究任意两点之间存在多条通路的带时间窗和能力约束的变速车辆路径问题,使总配送成本最小的同时最大化客户总体满意度.刻画车辆行驶速度时同时考虑了通行时段和路况因素,建立双目标的混合整数规划模型,并采用改进蚁群算法求解.仿真结果表明所提模型和改进算法有效,对于复杂路况下车辆配送路径规划问题有一定的参考价值.     

一种求解车辆路径问题的混合多蚁群算法

提出一种新的蚁群算法（Multiple Ant Colonies Algorithm based on Sweep Algorithm, SbMACA）用以求解车辆路径问题（Capacitated Vehicle Routing Problem, CVRP）。该方法同以往蚁群算法的不同之处主要体现在两个方面：第一,首次将扫描算法应用于蚁群算法,通过对蚂蚁所构造的初始解中的不同子回路之间的点进行交换优化,该算法可以有效地改进初始解的质量;第二,提出并采用了一种新的多蚁群技术,各个蚁群分别进行各自的搜索,在各个蚁群均停滞后,对蚁群之间的信息素进行交换与更新,以利于蚁群跳离局部最优值。实验结果表明,SbMACA算法具有很强的搜索能力,求取各CVRP的Benchmark问题所得解的质量同最好解相比较而言,平均仅有 0.28%的差距,是求解车辆路径问题的一种十分有效的方法。     

VFP＆VRP联合优化模型及其多目标遗传算法

单车型非满载问题是十分典型和重要的物流配送问题之一．单车型非满载问题通常包括物品装车（VFP）和车辆路径安排（VRP）2个紧密相关的子问题．研究同时考虑VFP和VRP讲两个因素的联合优化问题，建立了多目标优化模型，设计了模型的多目标遗传算法，并结合实例验证模型和算法的有效性．     

多峰函数优化的免疫人工鱼群网络算法

针对人工鱼群算法(artificial fish swarm algorithm, AFSA)多峰寻优能力不足的问题,提出了一种免疫人工鱼群网络算法。应用改进的觅食行为,提升了算法的局部寻优能力;采用免疫网络调节机理,保持了人工鱼群多样性,不〖JP2〗断探寻新的局部峰值;执行模式搜索法（pattern search method, PSM）,完成精英人工鱼群的精细搜索。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到每个最优解都达到了理想值。     

具有引力机制的细菌觅食算法

针对细菌觅食算法中群体感应能力较弱和算法的收敛速度较慢的问题,提出一种具有引力机制的细菌觅食算法。该算法通过引入引力搜索算法中的引力机制来为每个细菌提供寻优的方向;采用细菌觅食算法原有的游动操作来实现局部寻优策略,并在游动之后增加局部维度更新,使得细菌在趋化操作中搜索范围更广;在细菌觅食算法的迁徙操作中引入双高斯函数来重新初始化细菌的位置,从而更好得避免算法陷入局部极值,提高算法的寻优能力。通过实验证明改进后的细菌觅食算法比基本细菌觅食算法拥有更好的寻优能力。     

一种改进的人工鱼群算法及其应用

人工鱼群算法是一种收敛速度快、全局优化能力强的新型群智能算法。然而,在基本鱼群算法的应用中发现:在迭代前期,算法具有较强的搜索能力;但在运行后期,其搜索能力减弱,易陷入局部极值,且搜索到的最优解精度不高。针对上述弱点,提出对可视域和步长采用自适应变化策略,引入变异算子策略,通过消亡操作对部分个体进行重新初始化或变异,对基本鱼群算法进行改进,并以函数优化和多维变量的非线性优化问题为例进行了实验研究。结果表明:改进后的人工鱼群算法具有较好的优化效果。     

复合最优模型微粒群优化算法研究及应用

针对微粒群算法全局最优(Gbest)模型收敛速度快、局部搜索能力强、鲁棒性差,局部最优(Lbest)模型全局搜索能力强、鲁棒性好、收敛速度慢的特点,提出了一种结合全局最优和局部最优两基本模型特点的复合最优模型微粒群优化算法。用4个Benchmarks函数进行了测试,实验结果表明,与微粒群算法的两种基本模型相比,该复合模型算法能有效提高算法的收敛速度及全局搜索能力。最后将算法应用于一个非线性系统模型的辨识,辨识结果验证了该算法的有效性。     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

改进二进制编码变异策略研究

由于是一种随机优化方法，标准遗传算法存在着一些不足之处，如局部搜索能力差，寻优精度不高，存在早熟收敛等。为了解决这些问题，提出了一种基于二进制编码基因住的变异策略，对编码串中的各个基因住赋予不同的变异率：在进化初期，赋予个体的高位基因以较大的杂交率，这样可以搜索到更大的解空间，提高算法的全局搜索能力；在进化后期已逼近最优解时，降低高住基因的变异率，减小较优个体被破坏的概率，同时提高低位基因的变异率，增强算法在局部范围的搜索能力。优化实例仿真结果表明，同标准遗传算法相比，改进算法具有寻优精度高，稳定性好，收敛性强等优点。     

改进的人工免疫算法求解武器-目标分配问题

为提高武器-目标分配（weapon-target assignment, WTA）模型求解的实时性与精确度,针对人工免疫算法（artificial immune algorithm, AIA）提出了一系列改进措施。在采用自适应锦标赛选择算子的基础上,引入“(1+λ)-选择”全局更新技术以提高算法的全局寻优能力,引入Memetic局部更新技术以提高算法的局部搜索能力,采用最优抗体抑制机制减小了AIA陷入局部最优的危险。仿真实验结果显示,改进的人工免疫算法（improved AIA, IAIA）具有较快的收敛速度及较高的收敛精度,满足WTA问题解算需求。     

基于果蝇算法的约束区域均匀实验设计方法

针对已有的基于差分演化算法的两阶段均匀实验设计方法仍存在种群在约束区域分布多样性不佳和局部搜索能力不强的问题,提出了一种基于果蝇算法的两阶段均匀实验设计方法(two phase fruit fly optimization algorithm, ToPFOA)。ToPFOA第1阶段运用融合差分算子的果蝇搜索策略、基于K-means聚类及外部文档更新类中心等方法,以动态改进种群在约束区域分布的多样性;在此基础上,第2阶段进一步使用自定义果蝇算子提高约束区域内局部搜索能力。实验结果表明ToPFOA在解质量和稳定性上均优于ToPDE和ToPDEEDA。     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

基于局部熵的边界与区域水平集图像分割模型

基于图像局部熵提出了一种改进的结合边界信息和区域信息的水平集图像分割模型。利用局部熵构造自适应权重系数,使其能够根据图像性质自适应的决定演化方向,准确引导演化曲线向目标方向移动;然后,根据自适应权重系数定义新的边界指示函数,提高了模型检测弱边界能力,加快了曲线的演化速度;引入Chan Vese (C V)模型作为外部能量项,提高了模型的抗噪性,增强了模型分割灰度不均匀图像的能力。通过图像分割实验,验证模型对初始轮廓以及噪声的鲁棒性、分割灰度不均匀图像的能力,并采用客观数值指标,将所提模型与另外三种模型在分割效率和分割准确性方面进行比较。结果表明,提出的模型增强了对噪声的鲁棒性,提高了分割弱边界图像的能力,而且分割灰度不均匀的图像时也取得了比较满意的效果。