确定性联合补充库存问题的模拟退火算法

对确定性需求的联合补充库存问题许多文献已有不少启发式算法,这些算法都是基于枚举方式计算。通过分析该问题,应用现代优化理论,提出一个有效的模拟退火算法,通过算例表明,该算法可得出较优的、与最优解偏差较小的可行解,可以有效地解决此类问题。     

模拟植物生长算法在设施选址问题中的应用

以模拟植物生长算法为工具，提出了一种解决设施选址问题的智能优化算法, 结合配送中心选址的实际案例，将模拟植物生长算法与遗传算法的计算结果进行比较，结果表明该算法比遗传算法在精度上有所提高；在此基础上，以50个随机选取的用户为背景，解决了韦伯型多设施选址问题, 不同于其它启发式算法，模拟植物生长算法在得到全局最优解的同时，还可以根据设施数量的不同，将全局最优解与局部最优解进行组合，可以建立整体最优的设施布局, 本算法在应用中显示了精确性、稳定性和通用性特点，是模拟植物生长算法在解决选址问题上的具体应用。     

0/1背包问题快速降价法及其应用

用数学方法分析了0/1背包问题的特性,提出了一个快速降价算法,该算法能成批确定一定在最优解中的物品和成批排除一定不在最优解中的物品。该算法既可单独使用,又可与启发式算法结合达到更好的结果。文中给出了应用实例及其分析。     

多星联合对地观测调度问题的列生成算法

多星联合对地观测调度问题作为一类大规模组合优化问题, 其求解算法往往采用启发式或超启发式. 运用列生成思想对该问题设计了完全搜索算法. 在建立了问题的整数规划模型之后, 将原问题分解为集合配置主问题和含时间窗口的最短路径子问题, 其中集合配置主问题采用主单纯型法通过CPLEX求解, 含时窗的最短路径子问题采用动态规划求解, 该动态规划算法围绕观测冲突时段这一关键资源进行最优子路径的扩展. 只有在子问题的最优解对主问题的优化目标仍有改进时, 主问题的约束矩阵列才被扩展. 该算法针对部分算例得到了最优解, 其余算例也在指定的时间内得到了相比一种基于优先级的启发式算法更优的解.     

单抓钩动态排序的启发式算法

计算机控制的抓钩被广泛地用于先进制造系统中的材料搬运.由于抓钩排序问题直接影响这些系统的生产率和安全性,因此,有必要对此进行研究.研究了单抓钩动态排序的问题,提出一个启发式算法,该算法是通过解一系列静态问题来解动态问题的.静态问题的解是使用顺序搜索和线性规划结合的方法,而线性规划模型对给定的顺序求最优解.量化的示例表明所使用的方法是有效的.     

带不可用时间段和恶化加工时间的单机调度

对机器带有一个不可用时间段并且加工时间恶化的不可续型单机最大完工时间调度问题进行了研究,简单说明了此问题的NP-困难性,提出了一种动态规算法以得到最优解,并给出了最短正常加工时间优先规则的最坏情况误差界限,最后提出了一种启发式算法采寻求近似解.实验结果表明该启发式算法无论从时间上还是解的质量上都是非常优异的,与动态规划给出的最优解相比,其平均相对误差仅为0.082%,最大误差也仅为3.448%,并且将近有一半的算例能得到最优解.     

能力受限的应急抢修点选址问题的两阶段启发式算法

在研究能力受限的应急抢修点选址模型的基础上,通过分析该模型拉格朗日松弛对偶问题,设计了两阶段启发式算法。第1阶段,根据原问题拉格朗日松弛对偶问题近似最优解得到原问题的核心问题,降低了原问题的求解难度;第2阶段,设计了拉格朗日松弛启发式算法求解该核心问题,从而得到原问题的近似最优解。算例计算的结果表明,该算法得到的结果优于商业优化软件MOSEK的求解结果。     

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.     

解二维分配问题的行列启发式算法

二维 (2 D)分配算法在实际中具有广泛的应用 ,本文提出求解该问题的一种新的算法———行列启发式算法。该算法采用交替消去代价矩阵行与列中多余元素的方法得到分配问题的最优解。算法简单易懂 ,避免了其它 2 D分配算法中存在的算法实现难、处理速度慢的不足。给出相关原理的理论证明及算法的具体步骤 ,并通过实例验证了该算法的有效性     

基于蚁群算法的拣选作业优化问题

蚁群算法是一种新型的启发式算法,研究表明该算法具有较强发现较好解的能力,但同时存在一些缺点如易出现停滞现象、 收敛速度慢等.在蚁群算法的基础上结合自动化立体仓库固定货架拣选作业的特点,构建了货物拣选路径问题的数学模型,设计了新型的改进蚁群算法用于合理优化货物拣选路径以减少作业时间,并在算法中 采取了三个改进措施, 改善基本蚁群算法的搜索能力.候选节点集合策略和自适应调整算法参数能有效提高算法的搜索速度,选择算子使问题的解始终保持最优.实验表明该算法具有较好的全局寻优能力, 收敛速度大幅度提高,能够很好地满足中大规模的拣选作业要求.