遗传算法全局收敛性的齐次有限马尔柯夫链分析

论证了遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＧＡ）过程是一个齐次有限马尔柯夫链,通过巧妙地构造ＧＡ 的马尔柯夫链的状态空间,并对其转移概率矩阵进行极限分析,得到的简单遗传算法（Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＳＧＡ）不是全局收敛的,最优保存简单遗传算法（Ｍａｉｎｔａｉｎｉｎｇ Ｏｐｔｉｍ ｕｍ Ｓｉｍ ｐｌｅ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ,ＭＯＳＧＡ）是全局收敛的结论。     

改进遗传神经网络及其对碎石桩复合地基承载力的预测

针对遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ,ＧＡ）及人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ,ＡＮＮ）优缺点,提出了改进遗传神经网络,并把它用于求解碎石桩复合地基承载力的计算,结果表明该方法是可行的,从而为地基承载力计算开辟了一条新的途径     

Decomposition in AHP with Application to Forecasting

ＤｅｃｏｍｐｏｓｉｔｉｏｎｉｎＡＨＰｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｔｏＦｏｒｅｃａｓｔｉｎｇＺＨＡＮＧＱｉｒｅｎ（ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏ...     

A New Idea to LP Model for Time-cost Trade-off in Networks

ＡＮｅｗＩｄｅａｔｏＬＰＭｏｄｅｌｆｏｒＴｉｍｅ－ｃｏｓｔＴｒａｄｅ－ｏｆｆｉｎＮｅｔｗｏｒｋｓＺＨＡＯＧｕｏｈａｏ；ＪＩＮＧＳｈｅｎｔｕａｎｄＺＨＡＮＧＹａｇｕａｎｇ（ＳｃａｎｘｉＩｎｓｔｉｔｕｔｅｏｆＥｃｏｎｏｍｉｃＭａｎａｇｅｍｅｎｔ，Ｔａｉｙ...     

A Genetic Algorithm for Optimal Design of Model Following Control with Uncertain Disturbance

ＡＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｆｏｒＯｐｔｉｍａｌＤｅｓｉｇｎｏｆＭｏｄｅｌＦｏｌｏｗｉｎｇＣｏｎｔｒｏｌｗｉｔｈＵｎｃｅｒｔａｉｎＤｉｓｔｕｒｂａｎｃｅＲｅｃｅｉｖｅｄＡｐｒ．２１，１９９７ＺＨＡＮＧＸｉａｏｊｕｎＹＡＭＡＮＥＹｕｚｏａｎｄＹＡ...     

on the Geometric Model of the Apportionment Problem

ＯｎｔｈｅＧｅｏｍｅｔｒｉｃＭｏｄｅｌｏｆｔｈｅＡｐｐｏｒｔｉｏｎｍｅｎｔＰｒｏｂｌｅｍＯｎｔｈｅＧｅｏｍｅｔｒｉｃＭｏｄｅｌｏｆｔｈｅＡｐｐｏｒｔｉｏｎｍｅｎｔＰｒｏｂｌｅｍ￥ＬＩＹａｎｌｉｎ；ＹＡＮＧＳｈｏｕｌｉａｎ（ＤｅｐａｒｔｍｅｎｔｏｆＭａ...     

A Novel Approach to Combination of Forecasts

ＡＮｏｖｅｌＡｐｐｒｏａｃｈｔｏＣｏｍｂｉｎａｔｉｏｎｏｆＦｏｒｅｃａｓｔｓＧＡＯＲｅｎｘｉａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎｇ．１Ｏ００８０，ＣｈｉｎａＺＨＡＮＧＳｈｉｙｉｎ...     

Application of Multi-Grid Method to the Computation of Electromagnetic Scatering Problems

ＡｐｐｌｉｃａｔｉｏｎｏｆＭｕｌｔｉ－ＧｒｉｄＭｅｔｈｏｄｔｏｔｈｅＣｏｐｕｔａｔｉｏｎｏｆＥｌｅｃｔｒｏｍａｇｎｅｔｉｃＳｃａｔｅｒｉｎｇＰｒｏｂｌｅｍｓTXＡｐｐｌｉｃａｔｉｏｎｏｆＭｕｌｔｉＧｒｉｄＭｅｔｈｏｄｔｏｔｈｅＣｏｍｐｕｔａｔｉｏｎｏ...     

多级退火遗传算法及其在ULSP优化中的应用

针对一般遗传算法（ＣＧＡ）在解优化问题中存在的问题和缺陷，提出一种改进的多级退火遗传算法（ＭＬＡＧＡ）、基于Ｂｏｌｔｚｍａｎｎ生存机制的群体更新策略，以及在多级退火的初始阶段引入移民策略有效解决了“群体多样性”和“快速收敛”之间的矛盾。通过和ＣＧＡ在ＵＬＳＰ问题优化中的比较，验证了改进算法的有效性。     

ON THE CONVERGENCE OF CONJUGATE GRADIENT METHODS INVARIANT TO NONLINEAR SCALING

ＯＮＴＨＥＣＯＮＶＥＲＧＥＮＣＥＯＦＣＯＮＪＵＧＡＴＥＧＲＡＤＩＥＮＴＭＥＴＨＯＤＳＩＮＶＡＲＩＡＮＴＴＯＮＯＮＬＩＮＥＡＲＳＣＡＬＩＮＧＤＥＮＧＮａｉｙａｎｇ；ＬＩＺｈｅｎｇｆｅｎｇ（ＤｉｖｉｓｉｏｎｏｆＢａｓｉｃＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＡｇ...     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

局外k-卡车调度问题及其MCMF法求解

局内问题及其解法的研究是优化领域研究热点之一,而有关局内问题解法的研究必将涉及相应的局外问题.针对局外k 卡车调度问题,给出了如下研究结果:给出了一种通过构造加权有向图,进而应用最小费用最大流法(MinimalCostMaximalFlow,简记为MCMF)求解该问题的方法;给出了应用动态规划(DynamicProgramming,简记为DP)以及MCMF求解该问题的算法复杂性并给予证明;通过一个具体的实例来说明MCMF求解的思路.     

电子商务中订单配送优化模型及两阶段算法

针对电子商务环境下订单配送问题的特点,建立了以最小化车辆行驶费用及订单惩罚费用为目标的数学模型.设计了两阶段启发式求解算法.第一阶段用禁忌搜索算法求解在作计划日当天已到交货期的订单的基本配送问题;第二阶段考虑了订单的未来信息,用基于评价值的贪婪插入算法将未到交货期的订单与已有的配送方案进行整合配送,该方法能够提高车辆的使用率及配送企业的配送效率.实验结果验证了模型的合理性及算法的有效性.     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

车辆路径问题的遗传算法研究

在分析车辆路径问题的现有启发式算法的基础上,本文构造了车辆路径问题的染色体表达,并对染色体进了可行化影射,建立了此问题的遗传算法．实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

按照装备编组平车装载问题的混合型遗传算法

按照装备编组进行平车装载是兵力机动铁路输送时经常采用的一种方式。分析了按照装备编组进行平车装载问题的模型，在Next Fit算法和基本遗传算法的基础上，提出了求并按照装备编组进行平车装载问题的混合型遗传算法，给出了这种混合型遗传算法编码方法、遗传算子的设计和适应度函数的定义，并用实例验证了所给算法的有效性。     

基于活动-出行超网络的交通流分配模型研究综述

传统基于出行的交通流分配模型未考虑个体的出行需求源于参与活动的需要这一内在驱动力，忽视了出行与出行之间的连贯性。基于活动的交通流分配模型能够弥补传统交通流分配模型的缺点，综合考虑活动时间窗、活动地点、活动性质等活动属性对道路交通流时空分布的影响，从而更准确地为城市道路规划、城市规划提供理论指导。围绕现有文献，首先介绍描述出行者活动-出行行为过程的超网络结构模型；然后，评述基于活动-出行超网络的交通流分配模型研究；最后，分别从决策主体、决策内容与决策情境视角探讨未来的研究内容。     

毫米波实孔径三维成像研究

用WehnerDonaldR .提出的实孔径三维成像技术 ,可以利用实孔径高分辨率雷达获得目标的三维图像。但是该方法的缺陷在于 ,如果雷达的参数一定 ,即距离维分辨固定 ,则在距离上不能分辨的散射点在方位上亦不能分辨。针对这一问题 ,提出通过在距离维采用超分辨技术 ,提高距离维的分辨率解决了以上问题 ;同时使用全局最小二乘法解决了由于采用超分辨方法而带来的振幅估计问题。仿真结果表明 ,新算法可以较好地解决以上问题 ,是可行的。     

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。