基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

救援效率视角下灾后动态应急配送网络优化

针对应急救援问题,在受灾点的位置、需求以及受灾人口等信息动态变化的情况下,建立动态有向救援网络,以救援效率最大化为目标构建数学模型.运用数据包络分析模型,对各段救援路线的效率进行评价;建立基于效率的动态路由模型,通过时间片的划分将动态路由转化为多阶段的静态路由;设计了改进的混合贪心蚁群优化算法对模型进行求解,并将该算法...     

基于蚁群禁忌混合算法的成品油多舱配送路径优化研究

依据油品运输策略的不同,成品油二次配送可划分为两种模式:同一加油站的不同油品需求可拆分配送和不可拆分配送.在两种模式的基础上,根据带时间窗的成品油多舱配送基本模型,衍生出两类配送子模型;综合考虑蚁群算法较强的全局搜索能力和禁忌搜索算法的局部搜索能力,设计蚁群禁忌混合算法(ACO-TS),并提出相应策略用于两类子模型的求解.采用12组不同类型的算例进行数值实验,实验结果表明,混合算法能有效的求解两类配送子模型,并且针对第二类子模型设计的特有邻域能够加快算法求解速度;此外,两种配送模式中,同一加油站不同油品需求可拆分的模式在降低配送成本的同时,能够大幅提高车载率,减少车辆使用量。     

未定路网情景下灾后应急物资多方式配送的LRP研究

研究未定路网情景下灾后应急物资多方式配送的定位-路径问题(LRP),综合考虑应急路网连通情况、时间窗限制、车辆随机行驶时间、应急物资满载直配与巡回配送等特性,以应急物资总配送时间最短为目标,构建一个灾后应急物资多方式配送的LRP优化模型,并根据模型特点设计一种混合启发式算法予以求解。最后,通过算例验证了本文模型和算法的可行性与有效性。     

基于配载约束的配送优化问题及其求解算法

车辆配载与配送是两个相互联系与相互影响的子问题,考虑了货物的易损性、装载的稳定性、物品不可倒置、车辆平衡性、先下后装等配载约束,构建了车辆配载与配送联合优化的混合整数规划模型,基于问题自身的特点开发了由配载启发式算法和基于节约值的蚁群算法有机结合的交互式混合算法,采用基准实验问题(benchmarkproblems)进行了一系列对比试验,结果显示了所提出的模型及算法的有效性与实用性.     

多周期的第四方物流弹复性正逆向集成网络设计模型与算法

在第四方物流的服务模式下,为了使产品的配送与回收能够在动态环境下安全、有效的运作,研究多周期的第四方物流弹复性正逆向集成网络设计问题.构建了在满足弹复性约束条件下,使总成本最小化的网络设计优化模型,在考虑多个运营周期条件下同时优化正向和逆向网络.鉴于该问题的NP-hard特性,设计了一种改进的蚁群算法.最后,通过数据随机产生的算例来测试模型的合理性以及算法的有效性,并且改进的蚁群算法的性能优于标准的蚁群算法.     

考虑罐容限制的多油库多行程加油站配送优化问题研究

针对加油站的成品油配送需求,提出一个多油库、多车型、多行程、带隔舱和软时间窗的车辆路径问题(MDFDP).车辆从所属油库出发,在调度期内访问其它油库进行配送,并最终返回所属油库.当自有车辆不足时,可以租借外部车辆.由于加油站各油品的罐容有限,车辆必须在容纳时点后卸油.出于安全原因,车辆在卸油前需要静置一段时间.在车辆静置和卸油期间,加油站因临时关闭而产生销售损失.以最小化车辆固定成本、行驶成本、卸油成本、缺货惩罚所组成的总成本为目标,建立了该问题的混合整数规划模型.设计了一种结合局部优化的混合蚁群算法解决该问题.针对多车型,提出一种多信息素矩阵更新策略,使得每种类型车辆具有各自的信息素矩阵.将混合蚁群算法和CPLEX、变邻域搜索算法进行比较,实验验证了混合蚁群算法以及多信息素矩阵策略的有效性.企业应用实例表明:混合蚁群算法能有效求解实际问题;与车队、销售部门的单独配送决策相比, MDFDP统筹了两个部门的利益,能够大幅降低企业运营总成本.     

多中心共同配送开闭混合式的车辆路径优化问题

针对多中心共同配送开闭混合式车辆路径优化研究在资源集成共享和合作收益分配机制设计结合方面存在的不足,提出研究多中心共同配送开闭混合式的车辆路径优化问题。首先,构建了包含运输成本、惩罚成本、租赁成本和配送成本等物流运营总成本最小的优化模型。其次,根据模型特征设计了考虑客户点地理位置和时间窗约束的三维K-means聚类算法,进而提出了遗传-粒子群混合优化算法求解模型。该混合算法设计了遗传算法和粒子群算法间的选择性赋予机制,提高了种群的多样性和获取优化解的收敛性,并增强了混合算法的局部和全局搜索能力。再次,应用成本差值分配方法进行多中心共同配送的收益分配优化研究,进而应用严格单调路径原则研究了联盟合作序列选择问题,并进行了多中心共同配送的联盟稳定性检验研究。最后,通过算法比较分析和实例数据对所提出模型及算法进行了验证研究,并比较分析了不同配送模式下多中心共同配送优化方案各指标的差异,进而验证了所提方法的有效性和适用性。研究成果可为多级多中心共同配送的网络优化问题研究提供方法参考和决策支持。     

基于单车场多车型车辆路径问题的混合求解算法

为降低华北石油局大牛地气田采气过程中的车辆运输成本和车辆碳排放量,建立了单车场多车型车辆路径问题(SHVRP)数学模型,将扫描法、插入法、邻近法、两阶段法、遗传算法和蚁群算法等启发式算法作为求解SHVRP模型的基本算法,在分析算法原理、性能和适用环境等差异的基础上,提出了3种混合算法:混合启发式算法HHA(两阶段法+最远插入法+2-OPT)、混合遗传算法HGA(最邻近法+2-OPT+遗传算法)以及混合蚁群算法HACO(遗传算法+蚁群算法)。进而,列出了HA、HHA、GA、HGA、ACO、HACO等6种算法求解同一算例的10次运行结果的平均值,混合后算法的运行结果对比混合前算法的优势说明了混合算法的优越性。综合总配送成本、总碳排放量、配送车辆数和首次搜索到最优解的迭代数及计算时间等对3种混合算法进行比较,得出HACO最优,HGA次之,HHA最差。最后,将基于混合算法的智能运输方案与大牛地气田现有的基于经验法则的运输模式作对比,进一步说明了所提混合算法的可行性和有效性。     

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。     

多模索引调制OFDM频谱及能量效率优化方案

为提高多模索引调制正交频分复用的能量效率(energy efficiency, EE)与频谱效率(spectrum efficiency, SE),提出优化方案和相应检测算法。该方案在不减小子块间最小欧式距离的前提下通过增加模式排列的种数使系统传递的索引信息量增加,从而提升系统SE。此外该方案引入空载模式使得部分信息的传输无需消耗能量,从而提升系统EE。同时提出改进的低复杂度最大似然检测算法以降低模式排列的检测复杂度。分析模式排列数及空载模式对误比特率(bit error rate, BER)性能的影响,并据此对引入空载模式后的多模式星座进行优化。仿真结果表明,优化方案的EE和SE都有所提升,且BER性能更优。     

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。     

OQAM/OFDM系统中改进的重叠选择性映射方法

重叠选择性映射(overlapped selected mapping, OSLM)是用于降低基于交错正交幅度调制的正交频分复用系统(offset quadrature modulation/orthogonal frequency division multiplexing, OQAM/OFDM)峰均比(peak-to-average ratio,PAPR)的技术。在对传统OSLM方法进行分析的基础上,为了进一步降低系统的PAPR,针对其在传输过程中需要耗费额外频谱来传递边带信息的问题,提出了改进的OSLM方法。该方法通过改变特定位置相位旋转因子的模值,从而在接收端确定边带信息,节省了OQAM/OFDM系统中的频谱资源,进而降低了系统的PAPR。仿真结果表明,在相同信道且子载波数量较多的条件下,该方法能够进一步降低系统的PAPR,同时又不会导致误比特率明显提升。     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

强化学习中的策略重用:研究进展

策略重用(policy reuse,PR)作为一种迁移学习(transfer learning,TL)方法,通过利用任务之间的内在联系,将过去学习到的经验、知识用于加速学习当前的目标任务,不仅能够在很大程度上解决传统强化学习(reinforcement learning,RL)收敛速度慢、资源消耗大等问题,而且避免了在...     

Integration-centric approach to system readiness assessment based on evidential reasoning

An integration-centric approach is proposed to handle inadequate information in the system readiness level (SRL) assessment using the evidential reasoning (ER) algorithm. Current SRL assessment approaches cannot be applied to handle inadequate information as the input. The ER-based approach is proposed to synthesize inadequate input information and an integration-centric perspective is applied to reduce the computational complexity. Two case studies are performed to validate the efficiency of the proposed approach. And these studies are also performed to study how the inadequate information will affect the assessment result. And the differences caused by the system’s structure. The importance of the system’s structure in the SRL assessment is demonstrated and the contributions made in this study are summarized as conclusions.     

外部型硬件进化方法研究

外部型硬件进化(Extrinsic EHW)是将硬件描述语言(HDL)与进化算法(EA)结合起来的硬件进化(EHW)方法。在简要介绍了EHW的基本概念和工作原理的基础上，针对外部型硬件进化的基本方法，通过实验分析指出了这类方法存在的问题，阐述了在电子设计自动4g(EDA)平台上实现Extrinsic EHW方法必须解决的核心问题。     

HLA时间管理算法中输出时间的研究

时间管理服务是高层体系架构HLA(High Level Architecture)的重要组成部分.GALT(Great Available Logical Time)算法是实现时间管理服务的关键技术,而输出时间OPT(OutputTime)则是某些GALT算法实现的基础.不合理的输出时间算法所确定的GALT算法会违背HLA时间管理的原则或延缓联邦推进.通过对IEEE 1516[1]标准接口的分析,提出了一种符合IEEE 1516标准的输出时间算法,其它的输出时间公式可引为参考.     

基于双马尔可夫链的概率假设密度滤波器

隐式马尔可夫链(hidden Markov chain,HMC)是传统多目标跟踪的理论基础。在分析了HMC模型的局限性基础上,介绍了更具普适性的双马尔可夫链(pairwise Markov chain,PMC)模型,对基于PMC模型的概率假设密度(PMC-probability hypothesis density,PMC-PHD)滤波算法进行了推导,并对其高斯混合(Gauss-mixture,GM)实现进行了改进,利用椭圆波门给每一个高斯分量建立一个对应的缩减量测集合来对其进行更新。仿真实验证明在杂波密度较大的场景中,PMC-PHD滤波器GM实现的改进在不影响跟踪精度的情况下运行时间缩短为原来的三分之一;仿真实验还证明在HMC模型场景下PMC-PHD滤波器针对邻近目标的跟踪性能要优于HMC-PHD滤波器。     

Total quality management in manufacturing: A study in the Singapore context

The paper presents a total quality management (TQM) framework combining the concepts underlying the notions of total quality control (TQC), Just in Time (JIT), manufacturing resource planning (MRP), and quality control circles (QCCs). An integrative model, in which these notions and the related issues are complementarily connected on the same logical plane is presented and it is argued that this is akin to the total systems intervention (TSI) approach in its endeavor to seek manufacturing excellence. It also has similarities to creative problem solving, especially with regard to corporate strategy, but here with an emphasis on the role of manufacturing. However, TQM is an idea of its own, and not a conceptual derivative of systems theory.