面向多旅行商问题的多目标模拟退火算法研究

多旅行商问题是经典旅行商问题的一种演化,考虑一些约束,可以转换为一些较现实的问题,具有较高的理论研究和应用价值.在多旅行商问题中,一个任务由多位旅行商共同完成,问题的求解难度较经典旅行商问题更大.现有的研究中指定旅行商个数,将问题转换为固定数量的多旅行商问题.本文构建了求解pareto解的多目标多旅行商问题模型,针对一定规模的城市数量和约束的问题,获得多旅行商问题中旅行商的合适数量.本文将旅行商的个数和多旅行商的最长访问路径作为优化目标,采用改进的多目标模拟退火(IMOSA)算法和传统的多目标遗传算法对问题进行了求解.采用30个城市的旅行商问题对两种算法进行了测试,发现改进的多目标模拟退火算法相较于多目标遗传算法计算复杂度低,且能发现较好的pareto解,算法性能更优.     

求解多起点多旅行商问题的-K-means聚类信息传播算法

多旅行商问题在实际生活中有着较为广泛的应用价值,该问题的求解受到越来越多学者的关注。信息传播算法是一类求解组合优化问题最为有效的方法,基于K-means聚类技术,给出了求解多起点多旅行商问题(Multiple depots Multiple Traveling Salesman Problem, MMTSP)的信息传播算法,该算法采用k-means聚类算法将旅行商问题进行聚类,从而形成若干类,对每一个类采用信息传播算法进行旅行商搜索,将每一个类的搜索结果进行综合,得到MMTSP问题的解。通过对旅行商标准测试数据集中的多种实例进行测试,并与其它同类算法进行试验对比分析,结果表明：该算法优于同类算法。     

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛.采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况.     

一类多旅行商路径均衡规划算法

本文研究了多个旅行商旅行多个城市的路径规划问题,提出了基于系统科学中的"吸引子"意义下的路径规划算法.路径规划的目标是均衡各旅行商的旅行路径长度并使得路径总和得到优化.为此提出了一种求解该问题的启发式算法思想,并结合邻近点和最短路径设计了算法,同时由复杂度分析知该算法的计算时间复杂度比以往的要低.     

基于模拟退火算法的均衡路程MTSP

本文提出了总行程最小和任务均分的多目标的多旅行商问题,并建立了相应的数学模型和求解算法。最后利用模拟退火算法对中国31个主要城市（以武汉为同一始发站）的任务均分的多旅行商问题进行仿真。     

具有局部重复路径的多路旅行商问题的研究

首先对连通图上允许旅行商走回头路的TSP的问题进行了研究,证明了问题解的存在性,给出了利用连通图的顶点间最短路径构造完全图的求解方法.然后,对连通图上允许路径部分重复的MTSP问题进行了初步的研究;采取"分治"的方法并结合遗传算法,设计了求解路径部分重复的MTSP问题的有效算法.讨论了关于求解多个旅行商完成任务的最短时间和最短路径的问题;并给出了在限定时间内完成任务的条件下,求最小分组(人员配置)的问题的方法.可重复路径的MTSP问题的研究,在现实中有很大的使用价值.诸如:交通运输、管道铺设、路线的选择、计算机网络的拓扑设计、邮递员送信等,都可以抽象成TSP或MTSP问题来求解.     

一种求解旅行商问题的信息传播算法

针对旅行商问题求解精度较差、容易陷入局部最优等缺点,提出一种新的求解旅行商问题的信息传播算法.根据旅行商问题的特征,将线性方程嵌入信息传播算法方程中得到旅行商问题的势函数,进而将其转换为因子图,在因子图上利用信息传播算法的迭代方程进行迭代计算.在迭代过程中选择边际信念的最小值,从而得到旅行商问题的初始解,在算法达到设定...     

粒子群与遗传算法的混合算法

针对粒子群算法直接用于求解离散旅行商优化问题会存在诸多困难,通过分析粒子群算法、遗传算法各自优缺点,将粒子群算法、遗传算法有效结合组成混合算法用于求解离散旅行商问题.混合的目的在于保持两种算法各自的优点,并有效地避免各算法原有的不足.对3个不同规模的巡回旅行商问题进行实验,结果表明:混合算法提升了算法的局部搜索能力.     

多输入多输出的异构无线传感器网络时分多址调度算法

针对基于多输入多输出技术的无线传感器网络中节点接入信道过程复杂、容易产生碰撞等问题,提出了采用异构无线传感器网络模型和基于该网络模型的集中式时分多址调度算法．网络模型中的节点分为普通节点和带有多天线的特殊节点,节点被分为多个簇,特殊节点担当簇头角色,且在特殊节点间建立树形路由．该网络模型有效解决了分配时隙时节点的传输方向性问题．基于该模型的时分多址算法首先根据特殊节点的冲突节点度大小为节点染色,然后根据节点的数据包数与距基站跳数的乘积确定节点分配时隙的先后次序．实验结果表明,该算法可以有效避免冲突,提高时隙利用率,具有时延小、吞吐量大、适用于基于多输入多输出技术的无线传感器网络等优点．     

求解旅行商问题的一个有效算法

采用统计方法,以中国旅行商问题为例给出了一个求解旅行商问题的有效算法.首先对每个点到其他各点的距离进行求和,然后对每点的距离之和排序,取距离之和最长的3个点连成一回路,再按距离之和的大小顺序选取其余节点,插入到回路的最佳位置上,使得新回路增加的长度越来越短,最后得到旅行商问题的回路.算法实现容易、运行速度快,生成的结果接近其最优解.     

一种基于分解的改进的多目标蚁群算法及其应用

提出一种基于分解的、改进的多目标蚁群算法。该算法首先利用Tchebycheff聚合方法将整个Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用蚁群算法同时求解这些子问题。为使解集均匀分布在Pareto前沿,采用基于试探的聚类方法对解集聚类;依据解集的分布重置分解策略中的权重向量集,使其适配于特定的Pareto前沿;蚂蚁按照对应的权重距离被分组,同一组蚂蚁共享一个信息素矩阵,该矩阵容纳学习到Pareto前沿子区域的位置信息;每个蚂蚁求解一个子问题,每个蚂蚁拥有自己的启发式信息矩阵;每个蚂蚁拥有多个邻居,蚂蚁选取邻居中的最优解来更新当前解;蚂蚁依据小组信息素,当前解和启发式信息构建新的解。引入自适应变异算子,动态调整蚂蚁邻居的个数,提高算法的收敛速度和解的质量。将该算法与其他相关算法在标准的双旅行商问题进行性能对比,证明该算法有效。     

遗传算法在WSNs多Sink节点布局中的应用

无线传感器网络应用一直受到有限资源及能量的约束,sink节点布局算法是长时期内需要研究的一个关键问题.实际情况下,由于节点资源受限或无线链路的问题,sink节点经常存在服务失败的情况.因此,提出一种无线传感器网络中多sink节点的P中值布局模型,同时使用遗传算法对属于NP完全问题的sink节点布局模型进行求解计算,并对算法的计算精度、效率进行了分析.仿真实验结果表明,基于遗传算法而提出的布局模型能够有效降低无线传感器网络的能量消耗,提高网络服务效率,延长网络的生存期.     

求解旅行商问题的混合量子算法

提出了求解旅行商问题的混合量子算法(HQA).HQA以量子计算为基础,设计了移位解码,解决了构造路径难的问题.并采用微粒群算法的进化模式和跟踪保优模式,构造了动态惯性权重使量子角更新、更有效,增加了局部优化进行精细搜索.对多个算例的测试结果表明,HQA具备了求解旅行商问题的能力.     

基于阈值深度优先策略求解非对称旅行商问题的混合分枝定界算法

针对非对称旅行商问题(ATSP)模型计算难问题,提出了一种基于深度和广度方向混合搜索的启发式策略的分枝定界算法.该算法采取有阈值的深度优先加广度加权随机搜索的策略确定分枝节点,通过求解附加弧段约束的分配问题确定下界,通过消除子环的修补算法确定上界,从而有效综合了确定性方法的准确性和启发式方法的快速性.将此算法应用于求解经典TSPLIB库中的全部ATSP问题和热轧调度的仿真研究,表现出了较高的效率和可行性.     

多区域互联系统潮流解耦算法

针对大规模多区域互联电网潮流计算提出了一种基于对角加边结构(BBDF)矩阵的解耦算法.采用节点撕裂法进行区域分解,再利用在联络线中插入虚拟节点的办法,使整个潮流计算的修正矩阵具有对角加边特点.利用对角加边矩阵易于分解的特点,对大规模线性方程进行分解求解,个别修正量采用异步迭代,从而实现快速求取潮流解.采用IEEE118节点系统,验证了算法的可行性和有效性,表明该算法非常适合大电网潮流计算.     

基于互信息的混合蚁群算法及其在旅行商问题上的应用

为了提高蚁群算法的求解性能,从医学图像配准算法的思想出发,提出了一种基于互信息相似度的混合蚁群算法.为了表示最优路径和待配准路径之间的互信息熵,在蚁群算法的概率算子中增加了一个新的相似度影响因子,从而可以增加原算法的全局搜索能力,同时可以加速算法在解空间的搜索速度.将该算法应用在旅行商问题上,根据旅行商问题的特定环境,...     

改进的蚁群禁忌搜索混合算法

蚁群算法作为一种全局搜索的方法,具有正反馈性、并行性、分布性、自组织性等特点,在求解复杂组合优化问题上具有强大的优势.但是,蚁群算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟停滞现象.为了更优地解决旅行商问题,改进单纯用蚁群算法求解旅行商问题的结果,通过蚁群算法、免疫算法和禁忌搜索算法自身的特点,分别对三者的优势和不足进行分析,提出一种将三者混合使用的求解旅行商问题的算法.     

多群体阶段性杂交遗传算法

借鉴生物遗传学提出了一种多群体阶段性杂交遗传算法。引入相对顺序交叉算子对标准遗传算法进行了改进。为验证该算法的性能，对旅行商问题进行了求解，采用多群体和阶段性杂交的改进策略，并分别和标准遗传算法进行了比较。计算结果表明，该方法能较好地保证个体多样性，并能促进优秀基因型的杂交和遗传，在收敛和鲁棒性方面优于一般的单群体、非杂交算法。另外，将其应用于水电站优化调度也取得了较好的效果。     

改善分支限界法求解旅行商问题效率的策略

叙述了NP完全问题的复杂性及分支限界法求解问题最优解的策略,分析了利用分支限界法求解旅行商问题过程中影响算法求解效率的主要原因。针对欧氏空间的旅行商问题求解,提出了通过化简初始边集的策略,改善算法的求解效率,通过实验说明了该策略的有效性。该策略可应用到求解旅行商问题的其他算法中。     

解TSP问题的蚁群算法及其收敛性分析

研究和证明求解旅行商问题(TSP)的蚁群算法收敛性.针对蚁群算法搜索时间长、收敛速度慢、易陷入局部最优等缺陷,改进Dorigo提出的基本蚁群算法.最后,用典型的旅行商问题CHN144进行仿真实验,结果表明,改进蚁群算法在收敛速度及求解能力上都有较大改善.