CVRP中二维装载问题的研究

二维载重量限制的VRP（2L-CVRP）问题是一种新的组合优化问题,是VRP问题的一个现实延伸。2L-CVRP问题中包含了物流配送中的两个子问题：装载问题和路由选择问题。很多VRP的研究,往往只致力于在路由选择方面进行优化,而忽略装载问题。针对这个问题,本文阐述了三种常用的装载算法,通过提高车辆装载率,减少车辆数目,从而降低成本。最后给出了三种算法的实验对比。     

基于改进蚁群算法的车辆路径选择研究

给出了考虑软时间窗的物流配送车辆路径选择（VRP）模型,提出了一种改进的蚁群算法来求VRP模型的近似最优解。为了以最少的计算时间得出VRP问题的近似最优解,首先用贪婪算法产生初始蚁群,然后通过蚁群算法的评价、信息素释放、蚂蚁移动、信息素消散、判断收敛的循环过程对初始解进行优化。实践表明,在求解软时间窗物流配送车辆路径选择问题方面,改进蚁群算法具有更好的收敛性。该算法算法是求解VRP问题的较好方案。     

无约束优化的一个组合算法

将最速下降法与Newton法有机地结合起来,构造了无约束优化问题的一种组合迭代算法,并证明了算法的全局收敛性.该组合算法既继承了Newton法在极小点附近的快速收敛性,又解决了最速下降法难以求解的问题.     

约束直接搜索法求解螺旋桨参数优化设计问题

建立了螺旋桨参数优化设计的计算模型，包括初步设计和终结设计两部分，都可归结为三变量（螺旋桨盘面比、螺距比、进速系数）的非线性约束优化问题，提出了组合复合形法和自适应随机搜索法的混合方法，经过算例比较，可更有效地解决复杂的非线性优化问题。     

基于混合粒子群法的RLV上升段轨迹优化

针对可重复使用运载器(RLV)轨迹优化问题,提出了一种混合粒子群法(HPSO).算法采用改进粒子群算法与序列二次规划法相组合的优化方法,应用了一种新的粒子群划分方案,引入调节搜索速度的时变惯性因子,改进了速度和位置的更新策略.给出了上升段轨迹优化问题的飞行运动学方程、发动机模型、气动力模型、约束条件;确定了优化设计步骤,包括配点离散、多邻域改进PSO、HPSO混合策略;并对最小燃料消耗问题进行了优化分析.计算结果表明:HPSO算法在没有合适初始值的情况下,仍能得到满意的全局最优解,具有正确性、高效性和鲁棒性好等优点,可以很好地解决RLV轨迹优化问题.     

基于混沌优化算法的车辆路径规划问题研究

考虑节点连通关系约束和路段通行能力差异的车辆路径规划（Vehicle Routing Problem,VRP）问题比传统的路径规划问题更为复杂,有效的求解算法一直是研究的关键问题。本文分析了该类VRP问题的数学模型,提出了一种针对该问题的混沌优化算法,介绍了具体的编码方法和实现算子。最后通过仿真实验,验证了所提算法的有效性。     

混沌模拟退火法在下行链路功控中的应用

以混沌模拟退火法为基础，提出一种基于分形结构的全局最优化算法，并将其应用于解决同步码分多址（CDMA）移动通信系统的下行链路功率控制问题中，有效地避免了落入局部极小值的情况，通过将下行链路功率控制归结为形式简单的组合优化问题，并适当分析能量函数的连续性与可导性，以及求异过程的特殊性，说明了利用混沌模拟退火法解决此问题的可行性，模拟结果表明，该方法比一般的载波干扰比功率控制了方法性能更优，可获得更低的误码率和更高的信道容量。     

基于遗传算法的配送线路车辆优化调度

车辆路线问题(VRP,Vehicle Routing Problem),是组合优化领域中的著名NP难题,近20年来,VRP都是一个非常活跃的研究领域.在我国,由于物流业发展较晚,对配送路线问题的研究也比较晚,而且方法也多局限于传统的优化算法.随着我国物流业的发展,配送路线优化问题的研究有着巨大的实际价值.文章以VRP为基础,建立该问题的数学模型,利用遗传算法,通过计算机计算分析验证,遗传算法对VRP有良好的近似解和较高的收敛速度,并结合实例,说明遗传算法在配送中的运用以及效果.     

变邻域退火算法在CVRPTW中的研究

针对传统单一启发式方法解决VRP（Vehicle Routing Problem）问题解质量不高的问题,提出一种新的混合算法。该混合算法以随机近邻启发算法作为初始解,结合嵌入＂退火机制＂的变邻域VNS（Variable Neighbour Search）搜索算法解决车辆路径问题。实验结果表明,改进算法收敛速度较快,且解决了变邻域搜索易陷入局部最优的问题。     

骨架组合结构材料选择优化层合部件法

提出用于金属一复合材料骨架组合结构减振优化设计的层合部件法（1aminatecomponentmethod,LCM）。定义骨架结构中待设计杆件和梁为层合部件,杆件在有限元模型中必须用由待选材料构成的层合梁单元或层合板单元模拟,以避免弯曲振动模态丢失。结合结构拓扑优化SIMP（sotidisotropicmierostrueturewithpenaltymethod）法,建立了钢一复合材料组合骨架结构材料选择、拓扑与尺寸优化的综合数学模型,实现材料选择与拓扑优化设计变量的连续化。以桁架结构质量为目标函数,振级落差、加速度、位移和应力等为约束条件,给出金属一复合材料组合桁架结构减振优化设计实例。优化结果表明,LCM用于金属一复合材料组合骨架选材优化设计是可行的。     

基于量子粒子群优化算法的Web服务组合问题

使用量子粒子群优化算法（QPSO）,将可能的web服务工作流执行路径看作粒子,按照QPSO算法进行进化,从而解决了基于服务质量（QualityofService,qos）~束的Web服务组合问题,此为解决Web服务组合问题提出了一种新的思路．实验表明,使用QPSO算法求解复杂web服务组合问题在组合时间上具有一定的优越性．     

基于空间聚类和蚁群算法的车辆路径问题的研究

针对蚁群算法在解决车辆路径问题（VRP）上易陷入局部最优解的缺陷,首先利用加权K-means算法对客户进行区域划分,再利用蚁群算法对每个区域进行求解,实验结果表明方法具有良好的性能。     

软时间窗与随机航行时间的不定期船舶航线规划

为优化航线设计,降低船舶企业运营成本,在研究VRP(Vehicle Routing Problem)的基础上,将其方法扩展应用到不定期船舶调度问题,船舶运输需要在路径优化时同时考虑不确定航行时间及需求时间窗,用线性近似的方法来消除不确定航行时间的影响,通过惩罚函数的引入表示需求时间窗,建立充分考虑时间因素的数学模型,以总成本最小为目标.运用扫描法和禁忌搜索算法,将问题分为二个阶段,第一阶段,通过扫描法将VRP转化为TSP(Traveling Salesman Problem),然后用禁忌搜索算法解决TSP,通过算例证明了提出算法的有效性,为实际不定期船舶的航线规划提供了参考.     

基于梯度法的高效全局优化算法

用极大似然估计法和交替方向法估计Kriging模型参数, 提出一种基于有效集共轭梯度法的Kriging模型参数优化算法, 并在此基础上改进了高效全局优化算法. 结果表明, 利用改进的全局优化算法可解决高效全局优化算法的过早收敛问题.     

路径长度受限的随机需求VRP的模型和算法

路径长度受限的随机需求VRP在生产、生活中有着广泛的应用。给出了路径长度受限的随机需求VRP问题的线性整数规划模型，在不允许部分服务和仅能服务失败一次的策略下设计了一个启发式算法。该算法以离散优化中广泛应用的扫描算法为基础生成服务的一个初始可行方案，然后利用模拟退火算法改进得到近似最优解。对需求为二项分布的50个结点、1个服务中心的问题进行了数值试验，数值结果表明该算法对求解路径长度受限的随机需求VRP是有效的。     

非光滑无约束优化次梯度法

次梯度法是求解非光滑优化问题的一类经典算法,也是解决大规模问题的有效方法.它在经济学、力学、工程和最优控制等许多实际问题中有着广泛应用.本文概述了经典次梯度法的来源、算法基本框架及进一步的改进方法,为次梯度方法的进一步研究提供参考.     

斜拉索大桥的稀疏复指数与基频识别法

针对复指数法（CE）需要准确定阶且对噪声敏感的问题,提出一种稀疏改进的复指数算法。先用高阶次的拟合模型进行模态计算,然后用稀疏优化法代替最小二乘法计算振型系数,从众多振型系数中自动选出真实模态对应的系数,最终达到剔除虚假模态的目的。通过引入稀疏优化方法解决了使用高阶拟合模型难以有效剔除虚假模态的问题,突破了模型阶次不能过高的限制,提高了算法的精度和抗噪声性能,令其在斜拉索基频测试中表现出更高的识别精度。     

基于密度法的传热结构拓扑优化设计

传统的传热结构设计一般是基于热力学计算及工程经验,然而这种方法很难解决复杂边界条件的传热结构的设计问题.采用传热结构拓扑优化设计方法可有效解决传统设计方法难以解决的复杂边界问题.以密度法为基础,建立了散热弱度为目标函数的传热结构拓扑优化数学模型,推出了满足KKT(Karush-Kuhn-Tucker)条件的最优准则法迭代公式.采用高阶单元的方法消除了优化过程中的数值不稳定现象.通过Dirichlet边界和Neumann边界不同组合下的数值算例,验证了算法的有效性.薄壁管的算例也表明,该算法也适用于三维壳体问题.     

一种具有充分下降性的新混合型共轭梯度法

对PRP法和FR法进行凸组合,提出了一种求解无约束优化问题的新共轭梯度法.该方法总是能生成一个充分下降方向,且它的凸组合参数为Babaie-Kafaki和Ghanbari的推广形式.在Wolfe线搜索条件下,新算法的全局收敛性得以建立,数值结果也说明提出的算法是有效的.     

稳态大系统中关联预测法的改进

对于子系统的性能指标按一定顺序耦合的稳态大系统,采用两级递阶优化控制算法。利用关联预测法对子系统的关联进行解耦,利用下级子系统之间的横向信息传递对目标函数进行解耦。该方法是对关联预测法的改进,从而解决了一类不可分稳态优化问题。对算法的收敛性给出了严格证明,仿真效果好。