基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.     

基于蚁群优化算法的无线传感器网络路由协议

提出了一种基于蚁群优化算法的无线传感器网络路由协议RPBAA.该协议通过修改蚁群优化算法以适应无线传感器网络无全局标识、节点较少移动、资源受限等特性,提供了一种智能、动态、可扩展的多径选路传输方法来获取有效且健壮的通信,并通过全网能量均衡使用以最大化网络生命期,另外引入了数据分片机制来进一步优化选路效率.最后通过仿真验证了RPBAA协议的有效性和数据分片机制带来的好处.     

Petri网系统的可达性分析

对Petri网系统的可达性问题做了综合性的阐述和分析, 提出了利用能量优化方法来解决可达性问题的方法, 并在此基础上结合计算代数方法和神经计算模型对可达性问题做了进一步的研究. 主要工作包括 1.给出了Petri网到线性空间的映射规则及其可达性的等价性定理; 2.建立了能量优化模型, 将可达性判断化为优化问题; 3.用神经网络来求解能量优化模型; 4. 最后综合了计算代数方法和能量优化模型的优点给出一个基于计算代数和神经计算的方法. 作者提出了一种利用基于硬件的大规模并行的神经计算来代替基于软件的串行的数字计算的可达性判断的解决方案.     

一种求解多处理器作业调度的Hopfield神经网络方法

多处理器作业调度是一类非常复杂的组合优化问题 ,而Hopfield神经网络通常被广泛用于求解各种组合优化问题。针对具有时间约束 (执行时间和最后执行期限 )和若干资源约束的多处理器作业调度问题 (已知是NP难解的 ) ,提出了一种基于离散的Hopfield神经网络的求解新方法。该方法直接把问题的各种约束表示为Hopfield神经网络的能量函数项 ,进而导出神经网络模型。实验仿真结果表明了该方法的有效性。     

集装箱港口多式运输系统资源配置协调优化研究

提出了基于仿真优化的集装箱港口多式运输资源配置协调优化方法.首先,建立了集装箱港口多式运输作业系统的排队网络仿真模型,建立了以作业效果与资源利用均衡协调为目标的优化模型:其次,运用仿真模型与启发式算法相结合的仿真优化方法进行求解:最后,案例分析结果表明该方法对集装箱港口多式运输作业资源协调优化问题的适用性和有效性.     

一种能量均衡的无线传感网络生命期优化算法

针对传统路由算法在无线传感器网络中的不足,选取能耗小、节点剩余能量多的路由以均衡网络能耗并最大化网络生命期。通过构造目标优化度评价函数,以达到网络路由能量均衡最优化的目的。算法通过调整各目标优化度函数的取值范围,以满足业务对能耗和剩余能量的不同要求。最后的仿真结果显示,与传统的路由算法相比,本算法在网络生命期、能量均衡分布及总体能耗等方面具有明显优势。     

一种基于分簇及蚁群算法的分布式能量高效路由算法

为了提高无线传感器网络中节点的能量使用效率,延长网络生存期,提出了一种基于分簇及蚁群算法的分布式能量高效路由算法.首先,网络中的节点采用改进的最小ID分簇算法对传感器网络进行快速分簇;然后,各簇头节点使用改进蚁群算法进行并行优化计算,寻找从簇头节点到Sink节点的数据汇聚路由.该算法是一种分布式算法,经仿真验证算法是合理的,和典型路由算法相比,能均衡节点能量消耗,具有更高的网络生存期.     

基于深度强化学习的网络路由优化方法

针对同一网络拓扑下不同网络负载的路由优化问题, 在深度强化学习方法的基础上, 提出了两种依据当前网络流量状态进行路由分配的优化方法。通过网络仿真系统与深度强化学习模型的迭代交互, 实现了对于流量关系分布的网络路由持续训练与优化。在利用深度确定性策略梯度(deep deterministec policy gradient, DDPG)算法解决路由优化问题上进行了提升和改进, 使得该优化方法更适合解决网络路由优化的问题。同时, 设计了一种全新的链路权重构造策略, 利用网络流量构造出用于神经网络输入状态元素, 通过对原始数据的预处理加强了神经网络的学习效率, 大大提升了训练模型的稳定性。并针对高纬度大规模网络的连续动作空间进行了动作空间离散化处理, 有效降低了其动作空间的复杂度, 加快了模型收敛速度。实验结果表明, 所提优化方法可以适应不断变化的流量和链路状态, 增强模型训练的稳定性并提升网络性能。     

能量有效的无线传感器网络可信路由协议

如何更有效地利用节点有限的资源是无线传感器网络研究的热点之一。提出的能量有效的可信路由协议(energy efficient reliable routing protocol, EERRP),采用了一种能量均衡策略,使网络中的能量均衡消耗,将网络生命周期最大化。同时,EERRP引入了信誉评价机制,通过节点在数据传输过程中对其他节点行为的监测以及信誉传播,使数据在通信过程中能够尽可能地避开问题节点到达目的节点,达到可信数据传输的目的。通过在NS仿真平台对EERRP进行测试与验证,并将其与传统路由协议进行比较,证明EERRP在网络能量有效性和数据可信传输方面具有明显优势。     

交互学习神经网络模型及其仿真研究

研究人们交互学习过程,建立神经网络模型,利用系统仿真技术探索发现和掌握知识的基本规律,有利于促进和提高人们的智慧.用博弈理论框架模拟交互学习过程;用人工神经网络完成学习功能;建立交互学习神经网络模型.在此基础上,研究交互学习模型特性,求解了混合策略博弈过程的均衡预测问题.在神经网络学习过程中,效仿人们回顾对比的学习方法,更新神经网络连接权值.利用建立的交互学习神经网络模型,进行系统仿真研究.仿真结果表明,该模型不仅能很好的模拟人类交互与竞争学习过程,还能对博弈过程的均衡状态做出有效预测.     

资源均衡问题的峰值最小化模型

将资源峰值作为资源均衡程度的一种度量,以资源峰值最小化为优化目标,分别建立了工序不可分拆、可分拆和有条件分拆的资源均衡问题的整数线性规划模型,通过算例和工程案例验证了模型的有效性,并给出了多种资源情形下资源均衡问题的序贯解法.所建模型不涉及关键路线的确定和非关键工序浮时的计算,且各种资源峰值表述相互独立,因而对部分资源用量受限和对工序开(完)工时间有特殊要求的广义资源均衡问题也有较好的适应性.     

多资源约束的网络计划的启发式优化方法

多资源约束的网络计划的启发式优化方法白思俊（西北工业大学管理学院，西安７１００７２）ＨｅｕｒｉｓｔｉｃＭｅｔｈｏｄｆｏｒＭｕｌｔｉｐｌｅＲｅｓｏｕｒｃｅ－ＣｏｎｓｔｒａｉｎｅｄｉｎＰＥＲＴ／ＣＰＭＮｅｔｗｏｒｋＢａｉＳｉｊｕｎ（ＭａｎａｇｅｍｅｎｔＳ...     

一种求解工程调度中资源水平问题的遗传算法

结合资源受限情况下工程调度中资源水平问题的特点 ,提出了一种有效的遗传算法 .文中对解的编码方式、遗传算子的定义及算法结构进行了描述 .通过对大量被普遍应用的标准问题的求解实验表明 ,遗传算法是求解 RLP的一种有效算法 .     

一类带交货期约束的资源选择问题研究

研究生产计划和控制中带交货期约束且子任务之间具有先序关系的资源选择问题,证明了该问题是NP完全问题,目前该问题还没有多项式时间求解算法.建立了该问题的非线性整数规划模型,分析了模型中目标函数和约束函数的单调性,并根据该单调性构造了分支定界求解算法.与招投标算法比较,表明分支定界算法具有求解问题的规模大、运算速度快的优越性.     

多执行模式资源受限工程调度问题的优化算法

近几年来，模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力，许多文献报告了它们在这类问题上的应用，有些文献则报告了一些它们的混合算法，然而，定些算法对问题的求解效果因问题的结构不同而有限大差异，它们的成功必须充分结合问题本身的特点，本文针对多执行模式资源受限工程调度问题的特点，设计了一种ＳＡ／ＧＡ混合算法，利用被普遍应用的标准问题对该算法进行了测试，取得了令人满意的结果。     

净收益最大化的时间-费用交换问题研究

有关时间－费用交换问题的研究主要集中在对活动的时间－费用函数关系类型与求解方法的讨论上，而没有考虑收入与资源对决策的影响，本文讨论了当收入与项目进程中里程碑的实现时间相关的时间一费用交换问题，提出了以净收益最大化为目标的优化模型，并设计了３种利用不同新解生成机制的模拟退火过程。通过对一个实例的对比计算说明了该模型的有效性，同时还利用随机产生的６０个实例对３种模拟退火过程的性能进行了测试。     

线性减少加工时间的资源约束单机排序问题

讨论具有连续资源的单机排序问题。在这一模型中,工件的准备时间是所消耗资源的非负严格减少连续函数,工件的加工时间是开工时间的严格减少线性函数。考虑两类问题,第一类问题的目标函数是在满足最大完工时间限制条件下极小化资源消耗总量。第二类问题的目标函数是在满足资源消耗总量限制条件下极小化最大完工时间。对两类问题讨论了最优排序的某些特征。基于对问题的分析,分别给出了求解最优资源分配的方法。结果表明,加工时间为常数情况的结论对于加工时间是开工时间线性函数的情况仍然成立。     

一类资源约束单机排序问题

讨论具有连续资源的单机排序问题．在这一模型中，工件的释放时间是所消耗资源的非负严格减少连续函数，工件的加工时间是开工时间的严格增加线性函数．考虑两类问题，第一类问题的目标函数是在满足最大完工时间限制条件下极小化资源消耗总量、第二类问题的目标函数是在满足资源消耗总量限制条件下极小化最大完工时间．对两类问题讨论了最优排序的某些特征．基于对问题的分析，分别给出了求解最优资源分配的方法．结果表明，加工时间为常数情况的结论对于加工时间是开工时间线性函数的情况仍然成立。     

Resource Planning and Allocation Problem Under Uncertain Environment

This paper generalizes the classic resource allocation problem to the resource planning and allocation problem, in which the resource itself is a decision variable and the cost of each activity is uncertain when the resource is determined. The authors formulate this problem as a two-stage stochastic programming. The authors first propose an efficient algorithm for the case with finite states.Then, a sudgradient method is proposed for the general case and it is shown that the simple algorithm for the unique state case can be used to compute the subgradient of the objective function. Numerical experiments are conducted to show the effectiveness of the model.