基于单亲遗传算法的配电网扩展规划简介

单亲遗传算法在遗传操作中通过单个父代个体产生子代个体,不进行两条染色体之间基因的交叉操作,而是通过一条染色体中基因的换位等操作来实现遗传。只通过选择和变异算子繁殖后代,其选择算子跟传统遗传算法的一样,而变异算子则有较大区别。本文介绍了如何降单亲遗传算法应用在配电网扩展规划中,以供广大研究人员进行参考。     

多约束条件车辆路径问题的二阶段遗传退火算法

针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第1阶段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第2阶段,采用二维变长染色体编码及相应的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免无效解,并利用退火选择来提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效率,在模糊分区上的搜索速度较之标准遗传算法提高了3～10倍.     

考虑城市货运车辆交通管制的配送优化

为缓解城市交通压力,一、二线城市相继出台交通管制措施以限制货运车辆的行驶路段和时段,导致配送企业的作业难度明显增加.基于软时间窗下车辆到达时间递推矩阵,构建考虑城市货运车辆交通管制的配送路径优化模型,并开发基于"链编码"及"子链补偿"交叉算子的混合遗传算法进行求解.不同管制情景下配送总成本的变化趋势及不同子链规模阈值下算法收敛质量的对比,显示了该模型与算法的有效性及实用性.     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。     

基于遗传算法的航空装备备件送修调度优化

针对航空部队备件配送效率低的实际,构建了带时间窗的双向多目标备件送修调度优化模型。该模型放松了对时间窗的约束,通过优化车辆路径方案,在一定行车总时间和单车车载容量的条件下,能以最少的车辆投入满足各作战部队的需求,有效降低了部队的运输服务成本。为解决模型求解中车辆数量的不确定性和行车路径的多选择性等问题,改进了遗传算法的染色体编码和进化算子,提高了算法的效率。理论分析和仿真试验表明,该算法能有效解决多目标规划情形下航空作战部队备件送修任务。     

求解寻址多旅行商问题的改进单亲遗传算法

为了解决非预先指定起点的单起点、闭回路且目标函数最长、路径最短的多旅行商问题,提出一种融合杂草算法繁殖机制的可寻址混合单亲遗传算法.该算法首先给出了一种新的编码方式,可在种群初始化时产生含有随机配送中心的个体,同时算法采用杂草算法的繁殖机制产生子代,从而加快收敛速度;然后采用改进的单亲遗传操作对路径进行寻优;最后采用混合选择算子对群体进行求解精度选择,避免算法陷入早熟收敛.为验证所提出的改进算法的有效性,采用Matlab对TSPLIB数据库中若干不同规模的实例进行仿真.实验结果表明,该算法在寻找最佳配送中心和最短路径方面具有良好的性能,且能在旅游路径规划问题上得到良好的应用.     

改进的遗传算法及在物流配送路径优化中的应用

物流配送中带有时间窗车辆路径问题（vehicle routing problem with time window,VRPTW）是复杂的NP-Hard难题,本文针对这个问题提出一种改进的遗传算法．针对简单遗传算法容易出现“早熟收敛”的问题,算法设计了一种基于个体浓度的群体多样性保持策略,将其作为选择算子,依据个体期望繁殖率来选择子代,引入新颖的CX交叉算子．通过对实际的物流配送实例进行实验和计算,实验结果表明,该遗传算法可以更加有效地求得有时间窗车辆路径问题的优化解。是解决物流配送车辆路径安排较好的方案．     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

考虑救援点资源分布的救援车辆路径优化

研究基于物资集散区的救援车辆路径优化问题,旨在有效利用救援系统资源,提高救援效率.灾害发生初期,每个救援点物资量和车辆运输能力具有不平衡性,针对该特点,从建立一个物资集散区角度出发,把所有救援点的救援车辆分为两类:第一类车辆负责将物资从救援点运往物资集散区,第二类车辆直接参与救援,若救援点物资不足,则从物资集散区获取物资以完成剩余救援任务.基于以上分析,以救援时间为优化目标,建立应急救援车辆路径模型并设计对应的模拟退火算法.算例分析表明,所提出的优化方法结果合理,可为实际决策提供有价值的参考.     

以降低油耗为目标的车辆路径问题研究

车辆路径问题是物流及供应链管理优化的核心环节。为实现低碳运输,文中综合考虑运输车辆的载重、车速及行驶距离等因素,以降低车辆在运输过程中的油耗成本和单位车辆的固定成本为目标优化车辆路径,建立数学模型并创新交叉算子设计改进遗传算法,并通过仿真实验对算法的效果进行验证。仿真结果表明,所提出的算法简洁、有效。     

基于MapObject的矿井火灾动态最佳救灾路线数学模型和算法

运用运筹学中图论的理论和方法建立了井下火灾动态救灾路线数学模型,用改进的Dijkstra算法求解该模型并用MapObject控件实现.结合井下火灾时期救灾路线动态选择过程详细介绍了改进的Dijkstra算法运算的各个步骤,拟合出矿井火灾时期人员停留和行走时间与温度的关系函数.以东庞矿矿井灾害应急救援项目为例,通过程序运算,在东庞矿井下巷道分布示意图上动态搜索救灾人员营救受灾人员的最佳救灾路线,不但实现了可视化要求而且效率高,为矿井火灾救灾提供了有力的技术支持.     

森林火灾多机型救援三维航迹规划

为解决通用航空森林火灾救援时机群调度存在的航迹优化问题,提出一种针对多机型的自适应三维改进A^*航迹优化算法。目前常用的传统A^*算法存在搜索节点多、计算速度慢和受限于二维空间等缺点,综合考虑不同救援航空器实际飞行时的性能限制,从三维空间上改进搜索节点;提出考虑救援成本的代价函数,同时采用自适应方法动态调整权重。仿真结果表明,该算法能有效减少航迹规划时间和航迹长度,加快搜寻救援方案的生成速度,有效提高救援机群调度效率,更符合通用航空器实际林火救援飞行。研究成果可为提高通航森林火灾救援效率提供理论依据,具有一定的参考意义。     

一种物联网群体访问路由算法

针对物联网群体访问互联网过于频繁,使得路由节点状态信息不断变化,不能在路由节点精确状态信息下选择路径,从而造成在非精确状态信息下选择无效QoS路由,本文提出了一种物联网群体访问路由算法(IOT_GR),该算法从基于群体智能的启发式算法角度解决问题,并对所涉及的协同代理进行描述,同时给出其相应的算法描述.实验表明,通过群体智能启发式算法可以有效减少不精确状态信息对QoS路由所造成的影响,使得QoS服务成功率较高.     

自适应多启发蚁群算法的无人机路径规划

为了解决蚁群算法在无人机实现路径规划中容易陷入局部最优的问题,提出改进的蚁群算法。对信息素的挥发因子以及信息素进行上、下限设置,防止由于较短路径上的信息素过高以及较长路径上的信息素过低,使蚂蚁陷入局部最优,同时在多启发因素的影响下,将路径的整体长度作为决定状态转移概率的一个自适应启发函数因子,当路径长度很大时,自适应启发函数因子较小,使得蚁群选择该路径的概率减小。实验结果表明,改进的算法在路径长度上减少了6.4%,最优路径长度方差降低了85.78%,增加了对环境整体性的考虑,缩短了路径长度,降低了迭代次数,跳出局部最优。在环境复杂度加大的情况下,引入自适应启发函数因子之后的算法可以有效地选择较好的路径,为无人机路径规划提供了理论依据。     

基于冲突点避让机制选择的航空器滑行路径优化

针对航空器地面滑行的问题,提出了冲突点选择避让机制来优化航空器滑行路径。通过构建地面滑行路径的节点-路段模型,以航空器全部滑行到预定节点所用时间最短为目标,建立了路径滑行优化模型。通过建立可行路径集,利用启发式搜索算法,从静态路径规划、动态路径规划两阶段对滑行路线进行优化,得到航空器滑行优化路径。以某机场某一时段内航班到离港时间数据为例,对算法进行了验证,结果显示:经算法优化后,可减少时间段内各航班的最短滑行路径的冲突,缩短滑行时间,滑行道使用较分散,可降低航空器滑行中运行风险。     

顾客时间窗变化的物流配送问题干扰管理方法研究

为解决物流配送过程中顾客时间窗变化而导致的物流配送计划无法实现的难题,运用干扰管理方法,以干扰事件发生时的问题状态为基础,提出了新车增派策略和多车协作策略及其实施条件,并在此基础上建立了问题扰动救援的一种启发式算法.该算法针对受扰车辆路线上的所有顾客,根据新车增派策略和多车协作策略,依次将每一顾客在原计划的送货车辆、其他在途车辆,以及增派的新车之间分配,并重新规划分配之后的车辆路线.最后在标准算例上使用该算法与文献遗传算法进行了比较分析,结果表明该算法对于干扰事件发生后的车辆路线重排结果在系统整体扰动程度方面明显优于文献算法.     

城市高速公路网络入口流量控制的双层规划模型及求解算法

采用双层规划模型描述城市高速公路网络的入口（匝道）流量控制问题,设计了基于灵敏度分析法的启发式算法,并给出了一个简单的算例．在双层规划模型中,上层模型使整个网络系统最优,同时使从各个入口（匝道）进入网络的流量最大;下层模型是一个标准的用户平衡模型,用于表示网络中用户的路径选择行为     

基于蚁群算法的无线传感器网络数据聚合路由算法

传感器网络为减少冗余数据的传输耗能。降低延迟,需要在路由过程中采用数据聚合技术。文中采用定向传输方式,在消息路由机制基础上提出了一种基于蚁群算法的数据聚合路由算法。该算法主要思想在于将节点能耗、传输距离与聚合收益3方面作为启发因子,通过一组称为“蚂蚁”的人工代理寻找到达汇聚节点的最优路径。该算法利用蚁群算法的正反馈效应来达到数据汇集的目的,不需要网络节点维护全局信息,因此是一种实现数据聚合在能量与时延上折中的分布式路由算法。理论分析和仿真结果说明了新算法的有效性。     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

混合工作日历下资金受限工程项目工期最短化任务指派方法

针对一类混合工作日历下资金受限工程项目工期最短化任务指派问题,提出了一种基于遗传算法的优化方法。对混合工作日历下资金受限工程项目工期最短化任务指派问题进行了描述,并设计了遗传算法对问题进行求解。提出了基于承包商工作日历的时间推算机制,设计了时间推算函数作为混合工作日历下工程项目工期推算的基础;算法采用"基于承包商号的整数编码方式"对个体进行编码和"拒绝策略"产生初始可行种群,使用"交叉算子改进策略"和"两点交叉方式"进行交叉以保证交叉后子个体可行,采用"拒绝策略"和"单点变异方式"进行变异以保证变异后子个体可行,解码过程中基于"关键路径法"和"正向推算函数FC"推算项目工期。通过案例分析验证了所提方法的有效性。