一类随机规划的蒙特卡罗回溯优化求解方法

针对一类随机规划问题构造了基于蒙特卡罗的回溯优化求解法,该方法本质属于一种动态搜索算法,通过迭代求解一系列样本确定性优化问题并经样本容量逐渐增加过程而逼近随机问题的最优解,而迭代终止条件由需求的计算精度确定,并具体给出了近似解的计算方法及迭代终止条件.最后,通过算列验证了该方法的有效性.     

基于贪婪策略整体分布优化算法的0-1背包问题求解

提出了一种思想简单且可用于0-1背包问题求解的基于贪婪策略整体分布优化算法.该算法首先随机产生一个初始种群,经贪婪策略将种群变成价值相对较高的可行解,保留本次最优解;然后以最优解为中心,用柯西分布产生新的种群,经贪婪策略将新种群变成相对价值较高的可行解,再保留本次最优解,重复以上过程,达到最大迭代次数,求出问题的全局最优解;最后,对不同规模的问题进行了实验.结果表明:该算法在求解0-1背包问题上是有效的,比遗传算法、贪婪算法具有更强的寻优能力.     

基于L形算法的多阶段电网规划

提出了一种计算精度能够满足工程需要,而计算效率显著提高的多阶段网络规划新算法．该方法在灵敏度分析方法上构建输电网多阶段网络规划的线性近似模型,采用Ｌ形算法对该模型进行分解处理,将一个多阶段的高阶电网规划问题转化为多个规划子事件进行降价迭代计算,最终收敛到原始规划问题的满意解．所提方法不仅可以显著提高求解速度和减少内存消耗,而且可以获得与其他方法等效的网络优化扩展方案．通过一个测试算例,验证了该方法的有效性和可行性．     

基于鱼群算法的油田多级站定位优化方法研究

为了解决油田多级站定位优化问题,建立了该问题的大规模非线性MIP模型,该模型用传统方法求解相当困难.为了方便鱼群算法对该问题的求解和提高解算速度,对模型中的连续实型变量进行离散化处理,从而使整个优化模型变成纯0-1非线性IP模型.在解算过程中,用人工鱼体能累计和消耗程度来调度人工鱼行为;用海明距离度量人工鱼个体间的距离;采用随机步距移动的贪婪法描述个体追尾行为;采用鱼群规模、视野大小、拥挤程度和最低生存体能控制等方法实现局部最优解逃逸策略;采用最大迭代次数和迭代过程中最优解平均值变化程度来控制迭代终止时机.算例结果表明,该算法计算速度和稳定性有较大提高,可在微机上稳定地获取问题的最优解.     

一种求解多维背包问题的小世界算法

针对遗传算法求解复杂组合优化问题时出现早熟收敛和种群多样性丧失等问题,提出了一种解决多维背包问题的二进制编码小世界算法(BSWA).BSWA算法依据社会学中的小世界现象搜索机理,采用类似遗传变异操作的局部搜索,而非遗传算法中的交叉操作.针对多维背包问题的多约束性,BSWA算法还按照价值资源比大小对不可行解进行贪婪修正,以保证求解的正确性.与遗传算法相比,BSWA可以在一定程度上克服早熟收敛,在保持种群多样性和求解精度方面均体现出较大的优势,具有解决复杂组合优化问题的潜力.对55个标准的多约束0-1背包问题进行了50次随机实验,结果表明,BSWA算法对于其中72.73%的问题可以次次获得最优解,对于其他不能次次求解到最优解的问题,也可以获得非常接近全局最优解的满意解.     

基于贪婪启发式的多期多目标动态网络选址

为弥补现有选址模型考虑需求变化及客户满意度的不足,研究了随机需求环境下的配送中心选址并设计了衡量客户满意度的函数. 运用随机机会约束规划为基本建模工具,将模型设计拓展到多期规划决策领域并构建了动态多期多目标选址模型,模型不仅考虑了最小化配送中心运作成本,而且考虑了客户最大满意度;运用主要目标法将多目标选址模型转化为单目标选址模型,采用满意度高优先的客户指派原则设计了贪婪启发式求解算法. 算例结果表明,模型的非劣解包含了传统的以最小化物流成本为目标的选址模型的最优解,从而为配送中心选址提供更加灵活全面的决策依据.     

考虑时空相关随机行驶时间的车辆路径问题模型与算法

本文对一类在真实道路网络中考虑时空相关的随机行驶时间的车辆路径问题进行了研究. 首先我们建立了该问题的两阶段随机规划模型. 然后我们将用于候选解寻优的智能优化算法与用于产生评价解的随机场景的情景生成技术相结合,提出一种智能随机优化方法求解该问题. 为了有效地进行解的寻优,本文结合可变邻域下降算法提出了一种混合粒子群优化算法.最后通过一系列基于北京市区道路网络的算例实验,我们验证了所提出的混合粒子群优化算法的有效性.实验结果还表明,考虑实际交通环境中道路网络上车辆行驶时间的时空相关性,会影响最优车辆路径决策方案.     

线性约束最优化的一个超线性收敛可行方向法

利用二次规划技术,给出线性约束最优化问题的一个超线性收敛的可行方向法。方法的特点是:1.取可行点作为初始点,每次迭代仅解一个确实有解的二次规划,避免了校正的程序,只经一步迭代便得到搜索方向。2.方法所进行的线性搜索是通常的直线搜索,具有很小的计算量和广泛的实用性。3.每一步迭代都保证迭代点的可行性。4.以二次规划的解向量作为可行下降方向。5.在适当假设条件下,证明了算法的全局收敛性和超线性收敛性。     

基于MMHC算法的贝叶斯网络结构学习算法研究

贝叶斯网络是人工智能领域研究不确定环境下知识表示和因果推理的有效工具之一,迄今为止已经提出了许多贝叶斯网络结构学习算法.MMHC算法是一种较新的贝叶斯网络结构学习算法,该算法的评分搜索阶段应用了贪婪搜索算法,但该算法容易陷入局部最优而无法得到全局最优网络,针对该缺点,在MMHC算法的评分搜索阶段应用模拟退火、随机重启爬山搜索、禁忌搜索3种搜索策略取代贪婪搜索,详尽的实验结果表明在MMHC算法中这3种搜索算法的效果普遍优于贪婪搜索,其中模拟退火搜索学习效果最好,MMHC算法的评分搜索阶段可以用模拟退火搜索替代贪婪搜索达到提升算法的学习效果.     

随机规划问题的两种分解算法研究

以二阶段随机规划为例,给出了两种分解算法:基于内点的原始-对偶分解算法和基于Benders分解的算法,此两种算法都是通过将多阶段随机规划中的变量加以分解,生成一系列只含有单变量的规划问题,通过对这些小规模确定性规划问题的求解构造迭代过程,最终收敛到原问题的最优解。     

基于双种群差分进化算法的输电网规划

提出双种群结构的差分进化算法,子种群通过个体迁移实现信息共享,达到平衡算法探索与开发能力的目的。将所提双种群差分进化算法用于输电网规划的结果显示,该算法能够快速精确搜索到输电网规划全局的最优解和最优方案。     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。     

求解ICPT电源规划问题的改进混合蛙跳算法

针对城市电气化交通车辆的供电解决方案,提出一种感应耦合电能接入模式,并从电源技术方案、电源布局等方面对该供电模式展开研究。为了以最低的成本实现城市电气化交通车辆的感应耦合供电,提出了一种基于变尺度混沌机制混合蛙跳算法的城市电气化交通车辆的供电系统优化规划,该算法拥有混合蛙跳算法局部搜索和全局信息交换的平衡搜索策略与快速收敛的优点,同时还具有变尺度混沌优化算法能够通过变尺度不断缩小优化变量的搜索范围来实现局部深化寻优的特性。应用该算法得出的最小年综合费用相比混合蛙跳算法优化结果节约2.39%,验证了所提算法的优越性。     

一种基于RRT-ConCon改进的路径规划算法

针对RRT算法缺乏稳定性和收敛速度慢的问题,基于RRT-ConCon算法和朝向目标搜索的策略,提出了一种改进的双向搜索路径规划算法.该算法通过改变两条搜索路径的临时扩展目标点,使搜索路径不仅易于朝着目标点方向生长,而且提高了算法的稳定性,同时可以保证规划的路径接近最优解.改进的RRT-ConCon算法利用随机节点生成函数,使朝着目标点生长的搜索路径避免陷入局部极小值.同时,为了测试各种仿真实验环境,还设计了一种仿真实验环境平台,实验结果验证了本算法的有效性和稳定性.     

基于混合混沌优化法的Hopfield网学习算法

提出了一个基于混合混沌优化法的Hopfield网学习算法。通过对Hopfield网权值不等式的处理,训练Hopfield网。利用混合混沌法的优点,即混沌的遍历性和禁忌搜索的“记忆性”和期望准则,有效地避免了局部最小解,克服了原Hopfield网学习的局限性,还能找到多个优化解。实验证明了该算法的有效性。     

基于多种群免疫遗传算法的配电网网架规划

配电网网架规划是一个复杂的组合优化问题,传统的优化方法往往难以解决此类问题.提出一种多种群的免疫遗传算法进行配电网网架优化规划,采用多个种群针对优化目标的不同方面进行优化搜索.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,种群之间通过优秀个体转移进行交互,有效防止了种群退化,提高了种群的多样性和遗传算法的全局寻优能力.以网络年费用最小为优化目标建立配电网网架规划的数学模型,利用多种群免疫遗传算法求得优化解,通过具体实例验证了该算法的有效性.     

Network coding resources optimization with transmission delay constraint in multicast networks

Minimizing network coding resources of multicast networks,such as the number of coding nodes or links,has been proved to be NP-hard,and taking propagation delay into account makes the problem more complicated.To resolve this optimal problem,an integer encoding routing-based genetic algorithm (REGA) is presented to map the optimization problem into a genetic algorithm (GA) framework.Moreover,to speed up the search process of the algorithm,an efficient local search procedure which can reduce the searching space size is designed for searching the feasible solution.Compared with the binary link state encoding representation genetic algorithm (BLSGA),the chromosome length of REGA is shorter and just depends on the number of sinks.Simulation results show the advantages of the algorithm in terms of getting the optimal solution and algorithmic convergence speed.     

基于个体强度的自适应差分多目标免疫算法

考虑到支配解可能携带有利于算法搜索到最优解的信息, 在克隆阶段选择一部分非支配解和支配解克隆以提高种群多样性和避免算法早熟收敛。在进化阶段, 先采用自适应差分进化算子交叉变异, 然后用多项式变异算子进行扰动以有效地平衡算法的全局搜索和局部搜索。基于个体强度建立外部文档储存一定数量的较好解, 并让这些较好解在每次迭代中参与进化且被更新。对10个标准测试函数进行仿真实验, 并与其他5种算法进行比较, 结果表明所提算法在收敛性和解的分布性方面均表现出明显优势。     

货郎问题求解算法分析

介绍了求解货郎问题的4个算法：贪心算法、MST近似算法、MM近似算法和回溯搜索算法。分别使用各个算法对一个货郎问题的具体实例进行求解，并对各个算法的性能进行了分析比较。贪心算法的运行速度较快，但在大多数情况下该算法找到的是次优解而非最优解。MST和MM近似算法用以求解满足三角不等式的货郎问题，其近似性能比（即精确度）分别为：RMST（I）＜2，RMM（I）＜3／2。回溯搜索算法可以求出货郎问题的最优解，随着城市数目的增加，其搜索效率会下降。     

输电网络优化规划的两步算法

输电规划是要选译一组待建线路，消除输电网络中某些线路的潮流过载现象，同时使所需总投资和运行费用最小。这是一个变量数目很大的非线性整数规划问题。本文提出两种新模型，组成一个实用的两步求解算法。第一步不考虑变量的整数约束，用修正单纯形法求解，由此可确定一部分线路是否需要建设。第二步在缩小的可选线路范围内进行整数规划计算，从而快速形成电网发展方案。文中通过算例说明了方法的功能和算题过程。