基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法.该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能.仿真实例的结果表明该算法对问题求解的可行性和有效性.     

油品配送车辆路径问题的交互式求解方法

油品配送车辆路径问题是一个多车场、多仓库、多商品、多舱位、多车型、有前序约束和时间窗,综合车辆分派、订单配载以及路径编排等决策的车辆路径问题.以两阶段启发式算法为基础,给出了求解该问题的人机交互式求解方法,即交互进行基于当前解的人工修改和启发式算法的寻优.其中包括了对初始解、搜索邻域和目标函数的人工修改,相应操作分别为修改解、局部固定解和调整惩罚乘子.     

含释放时间的同类机问题的可变邻域搜索算法

研究了目标函数是最小化完成时间和的同类机调度问题,其中作业释放时间可能不同.此问题被证明是强NP-hard问题.为此问题构造了一种启发式算法HRS,进而以HRS算法求解结果为初始解构造了问题的可变邻域搜索算法HRS-VNS.大量的随机数据实验用于验证算法的性能和效率.     

基于匈牙利-模拟退火算法的多阶段武器目标分配方法

针对现代化战争中远程精确制导武器成本高昂以及武器发射平台数量有限的问题，研究了多阶段武器目标分配问题，以最小化武器成本为优化目标，建立了混合整数非线性规划模型。设计了一种集成匈牙利和模拟退火的混合智能搜索算法，首先根据待攻击目标的时空状态与毁伤特性确定打击阶段、标记可松弛性。在模拟退火的框架下，基于目标的松弛性调整攻击阶段，再通过匈牙利算法计算每个阶段武器和目标的精确匹配方案。通过启发式算法和精确求解技术的结合，在保证求解质量的前提下，极大减少了计算时间。通过计算实验，与变邻域搜索算法进行了对比分析，验证了该算法在求解多阶段武器目标分配问题的有效性。仿真结果表明，所提算法在计算时间和求解效果上优于变邻域搜索算法。     

考虑尾时间的同类机调度问题可变邻域搜索算法

研究了目标函数是最小化最大完工时间的同类机调度问题,其中作业具有尾时间.此问题等价于最小化最大延迟时间的同类机问题,并被证明是NP-hard问题.为此问题构造了一种启发式算法LPDT,进而以LPDT算法求解结果为初始解构造了问题的可变邻域搜索算法LPDT-VNS.大量的随机数据实验用于验证算法的性能和效率.     

时变车辆路径问题的启发式算法

标准的带时间窗车辆路径问题一般假定车辆的行驶速度保持恒定,然而在实际应用中车辆的行驶速度通常是时变的,因此近年来时变车辆路径问题正日益成为该领域的研究热点.本文对时变车辆路径问题的求解策略进行了研究,并设计了一种两阶段启发式算法对问题进行求解,算法的第一阶段提出了一种"最先过期用户优先"的启发式算法求得初始解,第二阶段利用模拟退火算法对初始解进行了改进.实验结果表明该算法可以有效地求解时变车辆路径问题.     

基于迭代局域搜索的智能优化算法求解车辆调度问题研究

在对基本车辆调度问题(VRP)进行简单描述的基础上,提出了求解该问题的两类混合策略.这两类策略均采用两阶段的思想:第一阶段,利用节约法对顾客进行聚类;第二阶段,构造适合求解VRP的改进dynasearch算法,且将基于随机kick的迭代局域搜索算法与改进dynasearch算法相结合,提出了迭代dynasearch算法.通过实验仿真,验证了这两类策略在很大程度上能改进问题的解.     

基于碳排放与速度优化的带时间窗车辆路径问题

研究了考虑碳排放和速度优化的带时间窗车辆路径问题,引入了基于速度的碳排放计算方法,以油耗、碳排旅行时间费用最小化为目标,将速度作为决策变量,建立了混合整数规划模型. 提出了两阶段启发式算法,第一阶段采用改进的禁忌搜索算法优化配送网络中的速度,第二阶段设计了弧段速度优化算法用于优化路径弧段上的速寻求对最优解的进一步改进. 数值实验分析表明: ①两阶段启发式算法能快速有效地找到满意解; ②采用优度的路径安排比固定速度的路径安排能减少更多的碳排放和总费用; ③碳排放和旅行时间之间存在替换关系,减少碳排放会导致旅行时间的增加; ④传统的车辆路径安排中存在很大的碳排放改进空间,由于油耗和碳排放是相关的,减少碳排放有利于节约总费用.     

带装载能力约束的开放式车辆路径问题及其禁忌搜索算法研究

对另一种类型的车辆路径问题——开放式车辆路径问题进行了研究 .提出了一种用于求解带装载能力约束的开放式车辆路径问题的禁忌搜索算法 .给出了算法对测试算例的运算结果 ,并与文献中目前最好的结果进行比较 .比较结果表明 ,在绝大多数情况下 ,该算法能求出更好的解 .     

带时间窗和随机时间车辆路径问题: 模型和算法

研究带随机车辆旅行时间、服务时间以及时间窗的车辆路径问题.根据不同的优化目标, 首先给出了问题的两种数学模型描述:机会约束规划和带修正的随机规划模型. 为了有效地求解该问题,提出了基于禁忌搜索的启发式算法, 该算法考虑了问题的随机特性.在实验部分, 首先给出了产生 测试问题的方法,然后基于产生的测试问题给出了算法的计算结果.     

基于遗传算法的最优扩展螺旋搜索

本文在对传统螺旋搜索算法研究的基础上,提出了一种基于遗传算法的最优扩展螺旋搜索算法.该算法将遗传算法和扩展螺旋搜索法相结合,优化出搜索器在扩展螺旋搜索时的第一个探测点和运动转向角,为实现水下目标的最优搜索提供了条件.仿真分析了潜艇的运动速度和航向分别变化的情况下,所提算法与传统算法对目标搜索时间和发现概率的差异.由仿真结果可见,该算法可缩短搜索时间,提高发现目标概率.     

两种基本搜索策略的计算机模拟与评估

介绍用Lotus Improv的Spreadsheet 进行多靶搜索模拟,比较了系统搜索和随机搜索模式的搜索效率,结果表明当视觉敏度高时(或搜索仪器的分辨率高,光照条件好,目标清晰)时,系统搜索比随机搜索效率要高;而当视觉敏度较低时,二者几乎是等价的。这个结果验证了Kraiss等的推论。     

声纳浮标与磁探联合搜潜仿真研究

在声纳浮标和磁探搜潜原理的基础上,建立了在被动全向声纳浮标探测到潜艇目标的条件下,利用磁探仪对潜艇进行定位的相关数学模型,仿真分析了声纳浮标作用范围、磁探仪高度、潜艇下潜深度等因素对搜潜概率及搜潜效率的影响,获得了有益的效果.     

基于遗传算法的对潜螺旋搜索

针对应召反潜中敌潜艇直线型规避行为,提出了一种基于遗传算法的对潜螺旋搜索方法.首先建立每段搜索路径中的搜索概率模型,再利用遗传算法对此模型进行优化,选取满足搜索概率最大的搜索器转向角.在搜索任务中要利用上一阶段的探测情况来实时地确定下一阶段的搜索路径,不断地排除敌潜艇不存在区域的角度,具有在短时间内搜索范围大、搜索效率高的特点.与传统螺旋搜索法相比,较好地提高了搜索概率.     

相控阵雷达资源受限时最优搜索性能研究

多功能相控阵雷达通过对时间和能量资源的合理调度,可同时完成目标搜索、跟踪等多项任务。但对优先级别较低的搜索任务来说,当高优先级任务抢占雷达资源时,将会导致搜索性能下降。分析了影响相控阵雷达搜索性能的主要因素,详细研究了在搜索资源受限条件下,相控阵雷达搜索性能的优化模型,给出了搜索帧周期和探测距离计算的最佳准则和方法。通过仿真实验,分析了优化后相控阵雷达的搜索性能,实验结果验证了该模型的有效性。     

群体智能算法搜索策略的性质及对停滞现象的影响

群体智能算法模拟生物进化或动物群体协作的搜索机制, 其目标是快速有效地搜索复杂优化问题的解空间, 寻求全局最优解. 本文通过对群体智能算法的搜索机理进行分析, 根据在搜索过程中解集内部结构变化的性质定义了解集多样度, 并在此基础上研究了两种基本的搜索策略--多样化搜索和集中化搜索对解集进化过程中的停滞性的影响, 证明了集中化搜索不可避免地使解集中的候选解逐渐趋于单一, 是导致算法停滞收敛的主要原因; 而多样化搜索能从任何候选解出发搜索到整个编码空间中的任一个点, 即整个空间是多样化搜索的可达域, 但将使算法不收敛. 本文采用三类典型的群体智能算法: 遗传算法、蚁群算法和粒子群算法进行了实验, 验证了上述分析结论的正确性.     

基于冲突搜索算法的多机器人路径规划

针对冲突搜索法（conflict-based search,CBS）在多机器人路径规划（multi-agent path finding,MAPF）过程中规划路径过长、单向搜索运行时间长等缺陷,从搜索方向和搜索方式提出一种改进的双向A^*焦点搜索来优化冲突搜索算法。将次优因子\omega引入冲突搜索算法的底层搜索函数中,以提高路径搜索的效率;将冲突搜索算法中的单向搜索优化为双向A^*搜索。实验结果表明：改进的冲突搜索算法的路径成本缩短了14.82%,总运行时间缩短了10.63%。     

多功能相控阵雷达优化搜索建模与仿真研究

波束以及系统参数的捷变能力使得多功能相控阵雷达能够同时对空域中的多个区域分别采用特定的搜索模式进行搜索.用于搜索的雷达资源会随着跟踪等高优先级的任务对资源消耗的变化而变化.因此,需要动态地调整可获得的搜索资源在各个搜索子空域中的分配以优化整个系统的搜索性能.首先建立了多功能相控阵雷达的搜索性能评估模型,得到了搜索性能及其增益与搜索参数的关系.而后针对搜索负载的动态变化,建立了相控阵雷达同时多区域搜索资源分配的优化模型,并通过仿真验证了模型的有效性.     

编队协同对空目标探测及搜索力的最优分配

为探索编队空战中快速有效地搜索空中目标的理论和方法,将搜索论引入到编队对空中目标协同探测研究中.将雷达发现目标概率密度作为对空目标连续探测程度的量化指标,通过首次发现目标的概率,导出了无先验信息条件下编队协同搜索的概率计算式.考虑到雷达对目标探测的不确定性,提出了利用3机协同搜索确定空中目标位置和速度方向的几何方法.根据目标位置划分搜索空域,建立了预警机指挥下的编队搜索力最优分配模型.通过示例验算表明,所提方法是有效的,并且用Lingo软件求解较大规模目标搜索力分配问题可满足实时性要求.     

求解非线性双层规划问题的混合变邻域粒子群算法

针对非线性双层规划难以获得全局最优的问题,汲取粒子群算法的快速搜索能力及变邻域搜索算法的全局搜索优势,提出了求解非线性双层规划问题的混合变邻域粒子群算法.首先利用Kuhn-Tucker条件,将非线性双层规划转化为一个单层规划问题,然后由粒子群算法得到一个较优的群体,通过审敛因子判断陷入局部最优的粒子,并进一步利用变邻域搜索算法的全局搜索能力对陷入局部最优的粒子进行优化,从而得到全局最优.测试函数的仿真实验对比分析证明了该算法的有效性.