基于改进ESE算法的多目标优化试验设计方法

超立方试验设计是试验设计领域的热点问题。传统的拉丁超立方试验设计优化算法以试验点间正交属性度量准则或均匀性度量准则为单一优化目标,以单一优化准则求得的试验设计并不能确保其他的优化准则最优。以正交度量准则和均匀性度量准则为优化目标,提出基于改进ESE算法的多目标优化试验设计方法。算例测试证明,与已有算法相比,本文提出的新算法能得到更优的试验设计。     

基于枢纽魅力度的城市公交枢纽布局优化方法

本文提出一个两阶段的城市公交枢纽布局优化方法, 该方法首先从备选点易达度、公交线路聚集程度和公交线路的分布范围评价其魅力度, 进而确定备选枢纽点集. 基于备选枢纽点集, 综合考虑乘客和运营者双方利益, 提出一个以枢纽辐射域最大、枢纽间相似度最小和土地成本最少的多目标枢纽布局优化模型, 并设计多目标遗传算法进行求解. 最后, 以大连市主城区的公交系统为例, 对本文提出的模型和算法进行检验. 通过实例分析发现, 本文提出的备选枢纽筛选模型得到的备选点几乎涵盖了大连市主城区的主要集散点, 表明以魅力度评价备选枢纽点的方法是可行的, 可以有效地为枢纽布局优化提供较合适的搜索空间. 同时, 从枢纽布局优化结果看, 本文提出的多目标优化模型可以兼顾枢纽的数量、位置和土地成本, 优化结果也符合大连市的实际情况.     

基于多目标物资调配优化模型的复杂应急系统并行计算方法

为了解决大规模的应急系统中的物资调配的问题,以时间性,效率性为优化目标,建立了模糊目标集数学模型,给出了单事故点的优化算法;并提出了一个以应急事故点为中心对救援点进行聚类划分的方法,将复杂多事故点应急调配的问题分解为单事故点来计算,把任务分配到不同处理器中并行执行.实验结果表明,基于多目标优化模型的并行算法大大地提高了应急调配解算速度,能为决策者提供更有效、快速、智能的服务.     

基于局部搜索机制MOGA的多目标ADGHP建模及优化

依据航班的进离港过程,提出了一种航班优先系数计算策略,使得延误损失在进离港航班之间的分配合理化;在此基础上建立了一种进离港地面等待问题(ADGHP)多目标优化模型,以实现延误损失和续航航班延误时间的多目标优化.针对问题模型的复杂性以及现有多目标遗传算法(MOGA)的不足,提出了一种引入局部搜索机制的多种群遗传算法对问题求解,并改进优秀个体迁移策略,实现多目标的协同优化.最后,以国内某机场进离港航班为算例,使用所提算法进行计算,并与其它典型算法的求解结果对比,实验结果表明了所提模型与算法的有效性.     

基于邻域搜索的成品油多舱多目标配送路径优化算法研究

针对成品油配送中多车型,多车舱的优化调度难题,综合考虑路径安排,舱位指派及车辆指派等决策.以配送成本最小,路径风险最小以及油品准时送达为目标,建立了成品油配送多目标路径优化模型.基于邻域搜索的基本思想,提出求解成品油配送多目标路径优化问题的MOVNS算法框架,并结合不同的可行解运行策略和比较准则,衍生出三类MOVNS算法(MOVNS-1、MOVNS-2、MOVNS-3).采用12组算例进行数值实验,结果表明,三种算法均能有效的求解配送模型,提升成品油多舱配送问题的解决效率;且MOVNS-2算法具有较强的局部搜索能力,MOVNS-3算法容易跳出局部最优:同时,考虑节点关联性的可行解构造策略和并行邻域搜索策略能够增强算法的寻优能力.     

基于合作协同进化的多机空战目标分配

为寻找一种满足多机空战需求的目标分配优化方法,提升空战效能,提出了一种基于合作协同进化的多机空战目标分配方法。首先，该方法基于单机空战优势,建立多机协同空战优势评价指标体系。然后,对战机间的协同相关性进行分析计算,建立多机协同空战目标分配模型。在变长度染色体遗传算法(genetic algorithm, GA)的基础上,设计了基于交叉、嫁接、分裂和拼接算子的改进合作协同进化算法,提高了模型的进化效率。最后，设计实验分别对优势评价指标体系的有效性、静态算例、动态算例和大规模无人战斗机算例进行仿真验证,并将2种模型以及4种算法的计算结果和所提算法的实验结果进行对比。仿真结果表明，改进合作协同进化算法适用于该模型计算,结果收敛稳定,亲和度值显著提升,能够优化目标分配方案,在空战中具有一定的应用意义。     

多中心社区居家养老服务调度与服务网络优化

针对随机环境下的复杂多中心社区居家养老服务问题,以最小化总运营时间为目标,建立带机会约束的随机规划模型.设计改进的混合牧羊人优化算法,通过引入交叉算子,使新的步长更新仍基于当前和其他个体的位置信息,让算法能够用于解决具有离散特点的社区居家养老服务问题.最后,通过不同规模的算例试验和算法比较,验证了所提算法的有效性.     

改进的蚁群聚类算法及在多属性大群体决策中的应用

多属性复杂大群体决策中,对决策人员的决策结果进行有效地聚类,是分析以及完成群体决策的基础。针对蚁群聚类算法参数选取复杂、自适应性差以及随机性等缺点,提出了一种改进的蚁群聚类算法,该算法将决策群体成员对决策问题的若干个评价准则值转化成偏好矢量,以偏好矢量相聚度作为邻域相似度的计算公式,形成一个启发式聚类算法。通过一个算例计算说明该算法具有聚类质量高、自组织和鲁棒性的特点,适用于解决多属性复杂大群体聚类与决策问题。     

核模糊C均值聚类算法优选BDS-3三频组合观测值

目前对全球导航卫星系统(global navigation satellite system, GNSS)三频组合观测值优选的研究,主要集中在全球定位系统(global positioning system, GPS)和北斗二号(beidou navigation satellite system, BDS-2)上,对BDS-3的研究相对较少。为克服以往聚类优选算法中存在的仅适用于类球形簇、聚类数目和初始聚类中心的确定主观性强、对离群点敏感、易陷于局部最优等不足,提出一种改进的核模糊C均值聚类算法,引入核函数与抑制离群点的新距离度量,基于多类广义核极化准则优化核参数,用改进爬山法确定聚类数目与初始聚类中心。然后,以模糊C均值聚类算法为对照进行了对比实验,在短、长两种基线下分别解算组合模糊度。通过对优选所得代表性组合的模糊度固定成功率进行对比分析,验证了该算法的可行性与算法改进的有效性。     

考虑退化相关的装备多部件系统维修决策优化模型

针对装备多部件系统维修决策优化问题, 考虑分析系统中多部件之间的退化相关性, 将系统连续退化过程离散化为有限个状态空间, 计算给出系统稳态概率分布。在此基础上,建立长期运行下系统可用度最大为目标的维修决策优化模型, 采用改进人工蜂群算法进行求解, 以获得各部件最优机会维修阈值、预防性维修阈值和系统最优检测间隔期。最后, 通过算例验证了所提模型的可行性和有效性。     

Stochastic focusing search: a novel optimization algorithm for real-parameter optimization

A novel optimization algorithm called stochastic focusing search (SFS) for the real-parameter optimization is proposed. The new algorithm is a swarm intelligence algorithm, which is based on simulating the act of human randomized searching, and the human searching behaviors. The algorithm’s performance is studied using a challenging set of typically complex functions with comparison of differential evolution (DE) and three modified particle swarm optimization (PSO) algorithms, and the simulation results show that SFS is competitive to solve most parts of the benchmark problems and will become a promising candidate of search algorithms especially when the existing algorithms have some difficulties in solving certain problems.     

基于关键链和混合优化算法的舰船多项目并行建造进度管理方法

针对舰船多资源约束、多项目并行建造条件下进度优化与管理能力的不足,提出了一套进度管理方法。首先,基于关键链理论给出了多资源约束下舰船多项目并行建造进度管理步骤。其次,构建了舰船多项目并行建造进度优化模型,可实现在优化并行项目总工期的过程中通过合理分配各种资源获取最佳项目实施组合。最后,设计了适合于舰船建造等大型复杂工程项目求解的混合优化算法,并通过算例验证了方法的实用性。     

基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

GSVM优化问题的一种新的光滑函数法

提出求解广义支撑向量机(GSVM)优化问题的一种新的光滑函数法,克服了已有算法收敛速度慢且计算结构复杂的缺陷。首先利用最优化理论的KKT互补条件,将GSVM转化为无约束优化问题,然后给出了基于Newton型迭代的光滑函数的迭代方法。给出了这种光滑函数的有关性质、迭代算法的迭代格式及其收敛性。通过理论分析及数值实验证明了该算法对初始点不敏感,且收敛速度快、数值稳定。从而验证了算法的可行性和有效性。     

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高，一直是一个非常重要而且又非常困难的问题，特别是问题的规模很大时，目前各种算法计算就非常困难，有的甚至无法得到合理的方案，蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法，根据工件排序问题的特点，建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型，在蚁群算法的基础上对其进行改进，成功地把改进的蚁群算法用于工件排序问题的优化中，通过与其他算法的仿真比较，表明基于蚁群系统的算法是有效的，特别是问题规模很大时更显示其快较的收敛速度和较高的精度。     

Ant System Based Optimization Algorithm and Its Applications in Identical Parallel Machine Scheduling

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＩｄｅｎｔｉｃａｌｐａｒａｌｌｅｌｍａｃｈｉｎｅｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｆｏｒｍｉｎｉｍｉｚｉｎｇｔｈｅｍａｋｅｓｐａｎｈａｓｂｅｅｎｐｒｏｖｅｄｔｏｂｅａｎＮＰｐｒｏｂ ｌｅｍ[1,2 ] .Ｉｔｗａｓｔｒａｄｉｔｉｏｎａｌｌｙｓｏｌｖｅｄｂｙｏｐｅｒａｔｉｏｎａｌｍｅｔｈｏｄｓｓｕｃｈａｓｄｙｎａｍｉｃｐｒｏｇｒａｍｍｉｎｇ ,ｂｒａｎｃｈａｎｄｂｏｕｎｄｍｅｔｈｏｄ ,ａｎｄｉｎｔｅｇｅｒｐｒｏｇｒａｍｍｉｎｇ[3～ 7] .Ｔｈｅｓｅｍｅｔｈｏｄｓｃａｎ ｇｉｖｅａｎｏｐ…     

基于进化计算的多目标鲁棒优化方法

工程应用中求解多目标优化问题时,所求的解既要具有较高的质量,又要满足指定的鲁棒性要求.对已有的多目标优化解的鲁棒性度量方法进行了分析,基于用户提出的严格鲁棒性要求,给出了一种严格鲁棒性度量方法并建立了求多目标鲁棒Pareto最优解的数学模型.模型归结为一个嵌套的双重优化过程,外层优化过程用于搜索高质量的解,内层优化过程用于测量候选解的鲁棒性度量指标.以进化计算作为搜索引擎,给出了实施模型的算法,仿真结果表明了方法是有效的.     

A Quantum Computing Based Numerical Method for Solving Mixed-Integer Optimal Control Problems

Mixed-integer optimal control problems (MIOCPs) usually play important roles in many real-world engineering applications. However, the MIOCP is a typical NP-hard problem with considerable computational complexity, resulting in slow convergence or premature convergence by most current heuristic optimization algorithms. Accordingly, this study proposes a new and effective hybrid algorithm based on quantum computing theory to solve the MIOCP. The algorithm consists of two parts: (i) Quantum Annealing (QA) specializes in solving integer optimization with high efficiency owing to the unique annealing process based on quantum tunneling, and (ii) Double-Elite Quantum Ant Colony Algorithm (DEQACA) which adopts double-elite coevolutionary mechanism to enhance global searching is developed for the optimization of continuous decisions. The hybrid QA/DEQACA algorithm integrates the strengths of such algorithms to better balance the exploration and exploitation abilities. The overall evolution performs to seek out the optimal mixed-integer decisions by interactive parallel computing of the QA and the DEQACA. Simulation results on benchmark functions and practical engineering optimization problems verify that the proposed numerical method is more excel at achieving promising results than other two state-of-the-art heuristics.

     

Adjustable entropy function method for support vector machine

Based on KKT complementary condition in optimization theory, an unconstrained non-differential optimization model for support vector machine is proposed. An adjustable entropy function method is given to deal with the proposed optimization problem and the Newton algorithm is used to figure out the optimal solution. The proposed method can find an optimal solution with a relatively small parameter p, which avoids the numerical overflow in the traditional entropy function methods. It is a new approach to solve support vector machine. The theoretical analysis and experimental results illustrate the feasibility and efficiency of the proposed algorithm.     

基于邻域粒化的小生境微粒群混合数据约简

混合决策系统中同时包含了符号型属性和数值型属性,经典粗糙集处理数值型属性时需要进行离散化,这样会造成信息的丢失。基于邻域粒化的思想,提出了小生境微粒群约简方法,分析了邻域距离函数的选择和大小对分类精度和约简属性数量的影响。邻域粒化的方法可以直接处理数值型属性,微粒群全局优化的特性可以有效的求解全部约简,小生境技术的采用避免了微粒群算法的早熟收敛。选取UCI数据集进行了仿真实验,结果表明该方法可以快速有效地求解混合决策系统的约简,而不影响系统的分类精度。