低功耗片上网络映射的遗传及蚂蚁融合算法

针对带宽和时延约束下的低功耗片上网络映射问题,提出了基于遗传和蚂蚁算法融合的映射算法.该算法利用遗传算法的快速搜索能力,获得若干优化解,并按照这些优化解的最优顺序给蚂蚁路径赋初值,以初始化蚂蚁算法的信息素分布.然后,借助具有交叉和变异操作的蚂蚁算法,充分利用蚂蚁算法的正反馈特性,搜索低功耗映射问题的更优解.该算法具有收敛速度快、优化效果好的特点,可用于求解大规模片上网络映射问题.实验结果表明:当系统规模扩大时,该算法在搜索时间方面明显优于遗传类算法和蚂蚁类算法,如系统规模为64处理单元时,搜索速度提高率最高可达220.3％,在较快收敛的同时,还保持了较好的优化效果,与蚂蚁类算法的差别可保持在9.1％以内.     

一种5G网络低时延资源调度算法

针对现有资源调度算法难以满足5G低时延业务需求的现状,提出了一种基于联合遗传和禁忌搜索算法的资源调度(GATS)算法。首先利用整数线性规划建立了虚拟链路的动态带宽分配策略,然后在传统柔性车间调度模型的基础上引入了数据流量在虚拟链路中的传输时延,建立了相应的5G网络资源调度模型。为了求解这一调度模型,设计了采用联合遗传和禁忌搜索算法的启发式调度算法,该算法通过在遗传算法寻优过程中引入禁忌搜索,平衡全局搜索和局部搜索能力,有效解决了遗传算法早熟的问题,而且能够获得更好的调度方案。仿真实验表明,与GA-BA算法相比,GATS算法将服务完成时间减少了17%,不仅满足了5G低时延业务的需求,而且提高了用户体验和移动运营商的收益。     

基于莱维飞行和布朗运动的鲸鱼优化算法

针对鲸鱼优化算法存在的求解精度不高、收敛速度较慢和易陷入局部最优等缺点，设计了一种基于莱维飞行和布朗运动的鲸鱼优化算法.先利用莱维飞行方法对鲸鱼种群进行初始化，以增加初始种群的多样性；再根据布朗运动原理对鲸鱼种群的位置更新进行随机扰动，以避免算法提前陷入局部最优.将改进的鲸鱼优化算法与鲸鱼优化算法、粒子群优化算法、遗传算法和蚁群优化算法在7个不同的基准测试函数上进行对比测试，结果表明，改进的鲸鱼优化算法在求解精度、收敛速度方面均优于其他4种算法.对初始化阶段采用莱维飞行策略的改进鲸鱼优化算法与采用随机搜索策略的鲸鱼优化算法的初始解探索范围进行仿真对比实验，结果表明，改进鲸鱼优化算法一定程度上可以避免陷入局部最优.     

混沌PSO梯级优化调度算法及实现

利用切比雪夫(Chebyshev)映射在[-1,1]区间上的遍历性和随机性,提出了一种基于切比雪夫映射的新型混沌粒子群优化(CPSO)算法.该算法在粒子群算法求出的最优解附近进行混沌搜索.提高了混沌粒子群算法的全局优化能力,能有效避免算法容易陷入局部最优以及解决逻辑斯谛(logistic)映射不能在负值区间进行搜索的问题.针对模型中复杂的约束条件,采用分段线性插值函数实现了对目标函数的求解,并通过对采用丰枯电价时三峡梯级水电系统长期优化调度问题的计算及与其他算法的对比,验证了该算法可解决具有复杂约束条件的工程优化问题.     

一种求解炼油厂连续时间调度模型的Lagrange分解算法

在炼油厂连续时间调度模型中,随着调度问题规模的增大,求解耗时会显著增长。该文提出了一种基于Lagrange分解的求解算法。根据炼油厂生产流程特点,将调度模型分解成9个子问题,并在子问题中加入辅助约束加快Lagrange乘子收敛。针对问题特点设计了乘子初始化方案、乘子迭代方案和对偶解可行化方法。案例仿真选用了3个具有不同调度周期和订单数量的案例进行仿真,结果表明:采用该文提出的算法能够显著提高模型的求解效率,算法求解时间与直接求解和普通Lagrange分解算法相比都要少,且随着问题规模的增大优势会更明显。从求解结果上看,算法能够得到原问题的最优解或者近似最优解。     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性，通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子，提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法，改善算法初始种群的均匀性；通过引入基于NEWUOA算法的局部搜索算子，提高算法的局部搜索能力；在算法的越界处理方面，提出一种基于环形区间和随机波动的方式，降低算法陷入局部最优的可能；引入了非线性收敛因子和自适用权重，均衡算法的局部和全局搜索，并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验，验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法，在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题，考虑最小化装配线的节拍时间，将改进的鲸鱼优化算法用于问题求解；在解码阶段，设计一种基于阈值的解码方法，优化工序的分配过程；最后计算了21个混流装配线算例，结果表明，改进的鲸鱼优化算法在20个算例中求得了更优解，相较于其它算法，节拍时间平均降低3.02%。     

全局混沌蝙蝠优化算法

为提高蝙蝠算法进行特征选择的正确率,提出全局混沌蝙蝠优化算法(GCBA).首先,GCBA采用混沌映射方法使种群的初始化能够遍历整个解空间,获取蝙蝠初始的最优位置,使其具有更加丰富的种群,解决了初始化种群随机性的问题.同时,GCBA引入当前粒子的最优解和当前种群的最优解跳出局部最优解,可有效避免算法早熟,有利于提高算法的全局搜索能力.蝙蝠算法(BA)、粒子群算法(PSO)与遗传算法(GA)在10个数据集上的测试结果表明,所提算法具有更高的分类精度和更强的跳出局部最优的能力.     

基于改进克隆选择算法的含调整时间并行机调度

针对实际工业生产中广泛存在的带调整时间的并行机调度这一类NP难问题,研究并提出了一种改进的克隆选择算法(HSMCSA).为了提高算法的求解效率,特别是对大规模问题的优化性能,提出了一种基于单机排序的均匀插入分割点的编码方法;在此基础中进一步研究了基于单机调度最优解与随机解混合启发式初始化策略,有效提高了初始解性能;最后详细对比和分析了克隆选择算法中4种变异操作的优化性能,实现了基于改进的克隆选择算法的带调整时间的并行机调度问题的优化求解.仿真实验结果表明:所提出的改进克隆选择算法具有更好的优化性能;与遗传算法相比,求解性能提高了18.5%,与基本克隆选择算法相比提高了7.2%.     

虚拟单元跨单元动态调度问题研究

针对虚拟单元生产过程中随机扰动所导致的资源冲突、虚拟单元协同生产及共享资源的特点,结合时间约束网络和图论的相关知识,对虚拟单元跨单元动态调度问题进行研究。同时考虑设备资源约束和交货期时间约束,建立具有虚拟单元特色的虚拟单元跨单元动态调度的时间约束网络模型,并运用协同优化思想,提出双层时间约束网络的单元间协同优化算法和基于度的反应式人机协同算法用于模型的求解。最后对算法进行了实例验证,结果表明,该方法可为生产计划制定人员快速调整原生产调度计划方案提供便利和一定的理论基础。     

贪婪初始种群的遗传算法求解柔性作业车间调度

针对柔性作业车间调度问题,文章以最小化完工时间为目标,提出了基于贪婪算法的贪婪初始化,设计了贪婪初始化与随机产生相结合的初始化方法;为克服遗传算法陷入局部最优的缺点,设计了一种结合种群多样性筛选及初始化种群替换的选择操作;最后运用提出的优化算法求解了基准实例。与其他文献算法优化结果的比较表明,该改进算法稳定性高、收敛速度快,算法有效且可行。     

多纤芯弹性光网络中虚拟网络映射模型及算法

为解决多纤芯弹性光网络虚拟化中的虚拟结点映射、链路映射和频谱分配问题,首先建立了一个以最小化占用的频谱数及最小化最大占用频隙号为目标的全局约束优化模型.其次,设计了具有高效的交叉、变异及不可行解可行化算子的全局优化遗传算法,以有效求解该模型得到最优的虚拟节点、链路映射方案.最后,为验证算法的有效性进行了不同的仿真实验.结果表明,所设计的算法能够有效地减小网络中占用的频谱数和最大占用频隙号.     

求解作业车间调度问题的改进飞蛾扑火优化算法

针对作业车间调度问题,为了克服早熟收敛和容易陷入局部最优等不足,提出一种基于Lévy飞行的改进飞蛾扑火优化模型(LMFO)。首先,采用MFO算法求解作业车间调度问题,并与粒子群算法(PSO)、遗传算法(GA)进行对比研究,证明了MFO算法求解此类问题的有效性;然后,采用改进的随机键编码,引入Lévy飞行对MFO算法进行改进;最后,仿真实验表明,LMFO算法在求解作业车间调度问题时优于MFO、PSO和GA算法,能够跳出局部最优找到更好的解,且具有一定的鲁棒性。     

基于可靠性保障的车联网中服务功能链映射算法

为支持未来交通系统中的海量服务,网络运营商将车辆作为移动智能终端加入物理设施网络来参与网络功能虚拟化是一种有前景的解决方案.然而,与静态网络不同,车联网的动态拓扑会使部分物理链路发生中断,使承载的虚拟链路失效,导致服务失败.以保障链路可靠性为约束,以提高服务映射成功率为优化目标,提出一种针对动态网络的服务功能链优化映射算法.首先,采用随机几何以及矩生成函数理论分析得出链路可靠性解析表达式,建立移动性物理网络中服务功能链的成功映射条件集合;其次,构造基于可靠性保障的服务功能链映射优化模型;最后,为了实现低复杂度求解,在可靠物理链路提取方案的基础上,采用子图同构的基本思想,结合匹配发散概率优化剪枝效率,并引入适应度匹配以提升映射成功率,从而提出高效映射算法.实验结果证明,与经典的属性排序映射算法以及设备位置映射算法相比,提出的算法能保障链路的可靠性,提高服务映射的成功率.     

基于改进分布估计算法的带并行机模糊混合Flow Shop调度

针对处理时间不确定情况下带并行机的混合Flow Shop调度问题,基于模糊规划理论,采用一种模糊数排序的方法建立了调度模型;以最小化加权模糊最大完工时间的平均值和不确定度作为调度目标,提出一种改进分布估计算法(IEDA)求解上述问题。IEDA算法采用基于NEH(Nawaz-Enscore-Ham)和破坏重建策略的初始化方法,对较优个体进行变邻域局部搜索以提高算法的局部搜索能力,同时采用破坏重建策略增加种群多样性,在最优解连续若干代没有改进时对其进行基于破坏重建策略的变邻域局部搜索,增强算法跳出局部最优的能力,并用正交设计的方法调节算法参数。仿真实验结果验证了本文算法的优越性。     

一种文化算法优化

工程中复杂的优化问题很难获得其解析解,通过数值计算方法去获取数值解容易陷入局部最优解。为提高求解高维问题数值最优解的速度和准确性,在传统文化算法基础上将种群分为精英群体和普通群体,分别按照不同的方式进化并对种群做初始化优化,通过MATLAB编程用实例分别对优化前后的算法进行仿真。实验表明,优化后较优化前在速度上有较大的提升,进行初始化改进的文化算法在高维优化问题中能更快、更准确地逼近最优解,为求解复杂的问题提供了一种新的参考方法。     

基于混合微粒群算法的网格服务工作流调度

采用微粒群优化的种群搜索方式,融合了局部搜索和全局搜索,引入了模拟退火算法和遗传算法思想,利用模拟退火随机概率来避免陷入局部最优,提出了一种混合微粒群优化算法,以便更好地满足用户期望的服务质量,解决网格服务工作流调度问题.网格仿真试验结果显示:对于具有全局QoS约束条件的Web服务选择,在执行效率上混合微粒群优化算法明显优于其他混合遗传算法,可在较短时间内获得较好的解,是求解多目标网格服务工作流调度问题的有效方法.     

应用最小费用流求解活动网络时间-费用模型

提出了利用最小费用流原理求解时间-费用优化模型的方法.应用对偶理论将费用-优化模型转换为适用于状态算法求解的最小费用流问题,采用互补松弛定理和状态算法推出了由对偶问题最优解求出原问题最优解的等式,以一个实例说明了利用上述方法求解时间-费用优化模型最优解的步骤.所提出的求解时间-费用优化模型的算法,提高了求解问题的效率,可用于大型工程网络的费用优化.     

基于混合遗传算法的物流车辆调度优化

针对遗传算法在求解车辆调度问题时容易出现早熟现象,导致求解精度不高的问题,本文用混合算法构建了物流配送总成本最小的目标函数。首先,定义了车辆调度问题的数学模型,在此基础上提出了一种遗传算法中对交叉和变异概率的自适应调整的方法。其次,通过局部搜索算法求得初始解,采用遗传算法初始解优化,并且在配送时刻改变以后,利用TS算法搜索最优解迅速的特点改进配送方案,最终求得配送时刻不断变化下的车辆调度方案。最后通过算例分析,得到本文提出的算法与单一局部搜索算法和单一TS算法相比,在求解精度、求解时间方面都具有更大的优越性。     

基于混合遗传禁忌的多目标柔性作业车间调度

针对多目标柔性作业车间调度问题(Flexible job-shop scheduling problem,FJSP),提出了一种结合遗传算法和禁忌算法求解FJSP的调度算法。首先,定义了FJSP问题模型,然后提出采用改进的遗传算法对其进行求解,采用双链进行染色体编码和NEH方法获得初始解,并提出了自适应的选择策略、混合交叉策略和复合变异策略以实现个体保优和更新,当遗传算法陷入局部最优解时,采用禁忌算法跳出局部最优,以实现全局最优解的获取。仿真实验证明文中的方法能有效地解决FJSP问题,获得全局最优解,且与其他方法相比,文中方法具有收敛速度快和求解效率高的优势。     

函数最优极值问题的组合优化求解

提出基于组合优化的函数极值优化问题求解方法.首先采用遗传算法对函数极值优化问题进行初步求解,然后将该解作为蚁群算法的初始化信息素,再对函数极值优化问题进行求解,找到函数极值优化问题的全局最优解.实验测试结果表明,通过组合优化对函数最优极值问题进行求解,有效地提高了函数最优极值问题的求解精度和求解效率.