一种大规模稀疏中国邮递员问题快速求解方法

针对现有中国邮递员问题求解方法在大规模稀疏路网图上求解效率的瓶颈,提出一种在可接受时间范围内求得可行解的基于蚁群优化的快速求解方法.该方法针对Euler回路求解的奇偶点图上作业法的第二阶段,采用蚁群算法进行求解,同时根据大规模稀疏路网图的特性基于密度峰值聚类算法对方法进行改进：首先在蚁群算法求解前对大规模稀疏路网图进行聚类分割;其次根据邻近节点覆盖率对分割后的节点群进行合并;最后通过改变部分节点所属聚类使各节点群内部节点个数均为偶数.实验结果表明：在奇偶点图上作业法所能支持的节点规模下,该方法可求得与确定性算法相同的最优解,并在运算时间上达到约10倍的效率优化;且该方法在大规模稀疏路网图下可有效提高计算效率,并在可控时间范围内得到优化的可行解,针对5 000个节点规模的路网图最快可在60 s内完成求解.     

一种改进的并行蚁群优化求解算法

为了提高并行蚁群优化算法的求解性能,对ACO算法进行了改进.针对有明显聚类特征的大规模TSP问题,充分利用问题本身所具有的特征,提出了一种带聚类处理的蚁群算法,该算法比较ACS算法可以在更短的时间内找到相同质量的解,而且在相同的运行时间内,该改进算法总能找到最好的解.在VC++环境下进行仿真实验,求解了TSP库中的实例pr136、pr107,分别得到了其最短距离,结果表明了编程思路的正确性及高效性.     

基于粒子群优化的马氏距离模糊聚类算法

为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。     

求解多起点多旅行商问题的-K-means聚类信息传播算法

多旅行商问题在实际生活中有着较为广泛的应用价值,该问题的求解受到越来越多学者的关注。信息传播算法是一类求解组合优化问题最为有效的方法,基于K-means聚类技术,给出了求解多起点多旅行商问题(Multiple depots Multiple Traveling Salesman Problem, MMTSP)的信息传播算法,该算法采用k-means聚类算法将旅行商问题进行聚类,从而形成若干类,对每一个类采用信息传播算法进行旅行商搜索,将每一个类的搜索结果进行综合,得到MMTSP问题的解。通过对旅行商标准测试数据集中的多种实例进行测试,并与其它同类算法进行试验对比分析,结果表明：该算法优于同类算法。     

用粒子群算法优化编制露天矿生产作业计划

从露天矿采掘和运输成本的最小化角度出发,构建露天矿生产作业计划模型.基于群体智能优化理论,提出了用粒子群算法对露天矿生产作业计划模型进行解算的方法,并在求解过程中设计了带核粒子及双吸引子的粒子搜索策略.以MATLAB软件为平台进行求解运算最佳作业计划.以某露天铁矿为工程背景进行实例研究,将研究结果与露天矿实际生产指标和非线性规划解算结果进行比较验证.结果表明,粒子群算法可用于露天矿生产作业计划的优化编制.     

单级有资源约束的生产批量计划问题的元算法

为了解决生产计划系统中单级多资源约束的生产批量计划问题,采用将遗传算法广度搜索能力和局部深度搜索能力相结合的元算法(memetic algorithm,MA),对资源约束型生产批量计划模型进行了求解,并采用能力调整法和罚函数法处理不可行解.在能力调整法的实施阶段,采用"先顺序,再逆序"的处理方式进行资源能力调整.给出了元算法的运行流程图,对元算法的计算性能进行了测试,并与现有文献中的若干实例进行了比较,验证了所提算法的可行性和适用性.     

基于粒子群优化与模糊聚类的社区发现算法

针对现有基于改进的K-means模糊聚类的社区发现算法(k-means algorithm for community structures detection based on fuzzy clustering,NKFCM)执行效率较差的问题,将粒子群算法与模糊聚类算法相结合提出了基于粒子群优化与模糊聚类的社区发现算法(community detection algorithm based on particle swarm optimization and fuzzy clustering,PFCM).该算法首先进行迭代运算,找出初始聚类核心,利用以云模型为运行条件的粒子群优化算法确定最优聚类核心与最佳社区个数,最后利用模糊聚类算法(fuzzy c-means algorithm,FCM)进行具体的社区划分.理论解析与测试结果表明:该算法发现网络社区的准确性较高,且与NKFCM算法相比,PFCM在处理网络数据时执行效率获得了极大地提升.     

基于GA-SA组合算法的山区复杂环境无人机起降点选址

针对山区复杂环境下的物流链前端无人机货运起降点选址和任务分配进行研究。首先以建设成本最小和运输时间满意度最大为目标,综合考虑无人机自身性能和禁飞空域等因素,构建多约束条件下多目标函数的起降点选址和任务分配模型。采用遗传算法(genetic algorithm, GA)和模拟退火算法(simulated annealing algorithm, SA)的组合算法进行求解,首先通过遗传算法得出较优的可行解,再以此解作为退火算法的初始解进行模型求解。仿真结果表明,构建的多约束模型能够实现预期效果,并且采用的算法解决此类问题时具有良好的适用性。     

基于模拟退火算法的属性均值聚类算法

基于对属性均值聚类算法和求解全局优化问题的方法的分析,提出了基于模拟退火算法的属性均值聚类算法。数值计算表明该算法是一个具有全局最优解的聚类方法。     

基于遗传算法的模糊c-均值聚类算法

基于误差平方和准则的模糊c-均值算法(FCM)是一种典型的动态聚类算法,其求解结果通常是局部最优解;当模糊集合之间的并、交、包含运算采用传统定义时,在模糊c-均值聚类结果中还会存在无意义的聚类集.研究表明采用遗传算法进行模糊c-均值聚类(Fuzzy c-means algorithm over genetic algorithm,GFCM)时,不仅能够消除无意义的聚类集,而且还在一定程度上避免模糊c-均值算法收敛到局部最优解,为此设计编码、选择、配对交叉、变异等步骤.测试数据实验表明采用GFCM算法的结果优于FCM算法.     

离散二进制入侵杂草算法

在继承入侵杂草优化（IWO）算法特性的基础上,提出了一种可用于解决离散空间组合优化问题的二进制入侵杂草优化（BIWO）算法.该算法保留了IWO算法的正态空间扩散特性,设计了一个扩散范围到扩散概率的映射函数,以概率的形式决定二进制杂草比特位的取值.选取连续空间的4个经典函数和离散空间的背包问题,对BIWO算法进行测试,结...     

考虑排班的人力资源投入问题的建模与优化

结合实际生产或项目中的排班情况,提出考虑排班的人力资源投入问题。针对该问题建立了以最小化人力资源投入为目标的数学模型。根据资源投入量与排班约束的性质,将原问题数学模型简化,证明简化后问题的数学模型与原问题最优解一致,并通过CPLEX软件求解过程,说明简化后的数学模型在求解速度上表现出很大的优越性。对于大规模问题,由于排班约束会导致班次间资源占用,使用传统任务列表编码方式难以获得较优的解。为此,提出了一种新型编码方式的遗传算法。该算法采用对作业延迟时间进行编码的方式,对作业开始时间进行搜索。为了提升算法的局部搜索能力,对作业延迟时间和开始时间进行局部优化。最后,通过数值实验与CPLEX和文献的算法比较,表明该算法的有效性。     

露天转地下开采模型试验系统及其应用

为研究露天转地下开采条件下,高陡边坡与地下采场围岩的变形和应力变化规律,研制出一种高陡边坡露天转地下开采模型试验系统.该系统由开采模拟方法和开采模拟系统组成,其中,模拟试验方法包含完备的模型制作和开采模拟技术,开采模拟系统包含模型框架、模型制作设备和模型监测系统.以大冶铁矿狮子山矿段为工程背景,运用该系统进行露天转地下开采模型试验研究,得到开采过程中矿区边坡、地下采场围岩的变形规律和破坏特征.研究结果表明:该系统具有良好的适应性,可满足露天转地下开采及其他大型地下工程物理模型试验研究的需要.     

露天采矿边坡临界滑动面搜索蚁群算法研究

基于蚁群算法并通过改进蚁群算法结构和蚂蚁转移概率确定的方法 ,构造了一个适应复杂边坡临界滑动面搜索的启发式蚁群算法 (HACA) .研究了极度干旱地区露天采矿场岩体的物理力学特性 ,探讨了 HACA在采矿边坡临界滑动面搜索和稳定性分析评价中的应用 .结果表明 ,与传统方法相比 .其方法具有明显的优越性 .图 2 ,表 1,参 10     

一种基于动态贝叶斯模型的大型IP网络故障诊断方法

为了提高IP业务的服务质量,利用告警等症状和已有知识快速准确地定位根故障十分重要。基于贝叶斯网络的不确定推理方法是近年来广泛应用的一种故障诊断方法。目前,基于静态贝叶斯网络的故障定位只是利用当前信息进行故障诊断,无法处理时间信息;而已有基于动态贝叶斯网络的诊断算法复杂度太高,不适用于大型网络。本文针对大型IP网络,建立用于故障诊断的动态贝叶斯模型,并对基于动态贝叶斯网络的一种通用的精确算法进行改进,实验证明它能够对大型IP网络快速准确的定位故障。本文方法充分利用告警库中的历史数据和当前症状信息,对当前的系统状态进行估计,完成故障诊断。     

面向大规模网络解析的层次单调别名解析算法

随着网络规模的幂指数增长,大规模网络环境下IP级拓扑结构呈现多元复杂结构。针对大规模网络下IP别名解算法性能不高的问题,提出一种层次别名解析方法。该方法通过目标主机IP分类、IP异常检测和基于时空搜索的IP别名检测等3个层次逐步降低IP地址解析规模,在RE和Tier-1两个数据集上我们的方法、传统单调别名解析(monotonic ID-based alias resolution,MIDAR)和泛型方法解析(generic approach resolution,GAR)。实验结果表明,提出的方法相比传统MIDAR和GAR方法更有效,且准确率更高。其中,准确率分别提高了19. 52%和11. 86%。因此,提出的方法可以有效解决大规模网络IP别名解析问题。     

改进的露天境界优化几何约束模型及其应用

提出了一种改进的露天境界优化几何约束新模型(improved geometric constraint model,IGCM)。IGCM基于三维块段模型,采用图论的方法将每个块段的多边坡角开采锥抽象为节点与有向边的集合,介绍了利用集合理论对其进行优化的方法,IGCM由优化后的节点与有向边的集合构成。基于IGCM的算法已用于DIMINE数字矿山系统中,并在实际露天矿山的境界优化工程中得到应用。应用表明:IGCM能够准确模拟任意方位、高程上的边坡角变化,适应于任何复杂几何约束条件下的露天矿境界优化问题。     

基于基矩阵和基矩阵集合的分离网络优化模型

分离网络综合问题因其巨大的搜索空间导致优化计算的高复杂性。为提高分离网络综合问题的求解效率,该文提出了基矩阵和基矩阵集合的概念,建立了分离网络优化模型。列队竞争算法因其具有快速搜索到全局最优解或近似全局最优解的优点,而被用来求解该分离网络优化模型。用该文提出的方法对两个较大规模的分离网络综合问题进行了求解。计算结果证明:该方法能有效减少变量数,提高全局最优解的搜索效率。     

基于热力学混合遗传算法的加热炉炉温优化研究

针对加热炉生产过程中钢坯入炉温度、规格尺寸、钢坯种类等生产工况经常会发生改变,导致基本遗传算法存在早熟等现象,提出一种基于热力学的混合遗传算法.基于钢坯加热过程的机理模型,建立了钢坯温度预报模型,依据加热炉工艺生产要求,建立了加热炉炉温优化模型.为了提高遗传算法的求解精度和计算效率,在遗传算法交叉算子设计过程中加入内能、熵和自由能的思想,改进了传统遗传算法;同时在经典的遗传算法基础上加入模拟退火算法构成了基于热力学的混合遗传算法,并用于求解加热炉炉温优化问题,克服了传统遗传算法的不足.实验结果表明,该方法能够有效地求解加热炉炉温优化问题,是可行的、有效的.     

A Decision Support Method for Truck Scheduling and Storage Allocation Problem at Container

Truck scheduling and storage allocation, as two separate subproblems in port operations, have been deeply studied in past decades. However, from the operational point of view, they are highly interdependent. Storage allocation for import containers has to balance the travel time and queuing time of each container in yard. This paper proposed an integer programming model handling these two problems as a whole. The objective of this model is to reduce congestion and waiting time of container trucks in the terminal so as to decrease the makespan of discharging containers. Due to the inherent complexity of the prob-lem, a genetic algorithm and a greedy heuristic algorithm are designed to attain near optimal solutions. It shows that the heuristic algorithm can achieve the optimal solution for small-scale problems. The solutions of small-and large-scale problems obtained from the heuristic algorithm are better than those from the genetic algorithm.