一种新的可调时间窗车辆调度问题研究

提出了一种新的时间窗可调整的车辆调度模型,设计了求解该问题的算法．设计了初始路径的构造算法、时间窗的分配以及动态调整策略和初始路径的禁忌搜索改进策略,实验计算表明,禁忌搜索算法能够显著改进初始解的质量,有效降低了运输成本,时间窗可调策略能够为顾客提供多个参考时间窗选择,增加了车辆调度的灵活性,与固定时间窗算法相比,本算法能够提高服务质量,不会产生拒绝顾客服务要求的现象．     

基于时间依赖网络的组合服务快速选择算法

针对在实时交互系统中海量信息服务的快速选择问题,提出一种基于时间依赖网络的组合服务快速选择算法。该算法所得到的组合路径是一个次优解,但其执行时间却比寻找最优解算法要少得多。实验结果表明,算法执行时间一般仅几秒钟,是一种适用于感知QoS动态变化的组合服务快速选择地有效算法。     

基于改进萤火虫算法的移动机器人多目标路径规划

针对复杂室内环境下移动机器人的路径规划问题,提出一种面向多目标同时优化的改进萤火虫算法;该算法利用栅格地图对机器人作业环境进行建模,将Pareto支配关系引入到萤火虫个体的亮度评价过程,构建精英库保留算法迭代过程中的Pareto非支配解,采用自适应网格划分策略维护种群的多样性;以路径长度、路径安全性和路径平滑度为目标进行运动路径的搜索与优化。仿真结果表明,与经典的带精英策略的非支配排序遗传算法相比,面向多目标同时优化的改进萤火虫算法求得Pareto非支配解集更优越。     

一种改进的分布约束优化算法MULBS+

完备算法虽然能够求得分布式约束优化问题最优解,但要消耗大量资源及时间,相反,非完备算法通过求得次优解来提高效率.MULBS作为一个有效的非完备算法,虽然在求解质量和时间上有所提高,但在解决赋值冲突时采用的回溯策略及并行搜索方面存在不足.通过对该算法的深入分析,本文针对上述问题进行了改进,提出其改进算法MULBS+.通过在回溯策略中引入最小冲突选择机制,以及在约束图密度较大时采用基于动态子图划分的并行搜索策略,进一步提高了算法的性能.实验表明,该算法除增加一定的通信信息外,其执行时间及求解质量均优于原算法.     

基于萤火虫算法的最大值最小化着色旅行商问题的求解

针对遗传算法在求解最大值最小化着色旅行商问题(min-max colored traveling salesman problem, MM-CTSP)中存在解质量欠佳、耗时多和收敛速度慢等问题,提出基于萤火虫算法的MM-CTSP求解方法,采用直接路径编码方式提高解码效率;采用翻转变异策略更新个体,提高算法的收敛速度.结果表明,该方法的解质量高,耗时少,收敛速度快,且城市规模越大其优势越明显.     

一种适用于ISA100.11a工业无线网络的路由算法

为了更有效地利用网络能量,针对工业无线网络数据可靠传输要求,提出了一种适用于ISA100.11a工业无线传感器网络的路由算法。该算法作用于ISA100.11a网络中的系统管理器,以网络中设备的链路质量和剩余能量为指标,依赖Floyd改进算法,在网关到终端设备的多条路径中选择一条最优路径进行数据传递。测试结果表明,该路由算法能够在有效延长网络生命周期的同时,较好地改善数据传输可靠性。     

基于ZigBee网络的自适应剪枝能耗均衡路由算法

在ZigBee网络中建立两个节点的通信时,为了既保证路径中总的能量耗费最低,又令路径中不包括剩余能量较少的节点,尽量延长网络的寿命,提出了基于ZigBee网络的自适应剪枝能耗均衡(AP-ECB)路由算法.该算法包括两个改进的策略:自适应剪枝策略和能耗均衡策略.自适应剪枝策略采用有效的剪枝策略令更多的节点进入休眠状态,节约了能耗;能耗均衡策略规避了将剩余能量较少的节点选入路径,保证了ZigBee网络的可用性.对AODVjr和AP-ECB路由算法进行了仿真验证,结果表明:AP-ECB路由算法选择的路径能耗更少,同时遇到的死亡节点更少.     

改进的遗传算法及在物流配送路径优化中的应用

物流配送中带有时间窗车辆路径问题（vehicle routing problem with time window,VRPTW）是复杂的NP-Hard难题,本文针对这个问题提出一种改进的遗传算法．针对简单遗传算法容易出现“早熟收敛”的问题,算法设计了一种基于个体浓度的群体多样性保持策略,将其作为选择算子,依据个体期望繁殖率来选择子代,引入新颖的CX交叉算子．通过对实际的物流配送实例进行实验和计算,实验结果表明,该遗传算法可以更加有效地求得有时间窗车辆路径问题的优化解。是解决物流配送车辆路径安排较好的方案．     

改进的克隆选择算法求解0——1背包问题

提出了一种改进的克隆选择算法(Improved CSA),该算法采用贪婪策略与宽限边界值相结合的方法,利用未成熟优良子群体提供的信息修改个体基因位来改善种群质量;同时增加一个历史至当前代最佳个体记忆单元防止种群退化.通过对2个0-1背包问题的仿真实验表明:该算法比一般CSA算法和遗传算法能更快的找到最优解;其搜索效率更高,性能更加稳定.     

基于多目标规划的WSN路径动态选择算法

为解决无线传感器网络中查询的能量有效和实时性之间的矛盾,提出一种基于多目标规划理论的动态路径选择算法(MOPEH).该算法结合了最低能耗路由策略(ME)和最小跳步数路由策略(MH),运用多目标规划模型,将能量代价和传输时延同时作为路由算法的设计目标,利用深度优先搜索策略建立了节点间的所有可行路径集合,并从中选择能耗低于平均能耗的路径.根据查询要求设定网络性能函数,动态调整两项性能指标,从可行路径集合中选择满足要求的路径,得到最优解.实验证明该算法能够能量有效地处理实时查询.     

一种改进的基于云环境的蚁群优化算法

在研究标准蚁群优化算法的基础上,提出一种旨在改善网络路由的蚁群优化算法以应用于云环境下多元化复杂的网络结构环境.新算法在原有蚁群算法智能寻优的基础上,加入网络节点在网审查机制,实时判断网络节点是否在网,选择最优解路径.仿真实验表明,改进算法能有效地改善因为网络节点在网情况的多变性而造成的部分路径失效的情况,进而缓解网络拥塞.     

露天矿运输道路网络的建立及其路径优化

 分析露天矿道路组成,对露天矿道路的不同路段进行合理划分,划分方法涉及到道路的路面质量、坡度和承载能力等因素,从而完成对露天矿道路的描述。提出露天矿道路网络节点的选取原则及其网络边权值的计算方法。建立起露天矿道路网络模型,设计露天矿道路网络数据库作为道路网络模型的后台数据库支持,数据库中包括网络节点数据表和节点间关系数据表,每个网络节点对应一个路段端点,每个关系对应一条网络边。设计出网络图节点的自动提取程序,并将节点数据信息自动存储到露天矿道路网络数据库中。选择粒子群算法作为道路网络路径的优化算法,实现了求解指定两点间的最短路径的粒子群算法。程序将搜索到的最优路径自动显示到网络图中,并达到了较高的搜索精度。     

采用节点流守恒求取多状态网络d-最小路集的改进算法

针对多状态网络可靠度的计算问题,给出一种求解多状态网络d-最小路集的改进算法.引入可行流向量,并将网络中的双向边等效为单向边,使算法对网络中边的容量取值无特殊要求,且可用于含双向边的网络,适用性更强.通过引入边的容量下确界,并将网络中的反向边等效为单向边,减少求取d-最小路集可行解时需枚举的解数目,降低算法复杂度.以多状态网络为例,进行分析验证.结果表明:该算法可以准确得到多状态网络所有d-最小路集.     

时变路网双目标动态路线优选有约束A*算法

为了解决现有交通时变网络(网络中的路权为时间的函数)模型中计算所得的最短路不稳定的问题,构建符合首进首出原则的时变网络,进而将时变网络扩展为一系列静态网络,并在扩展的静态路网上应用A*算法求解时变最短路;同时,为满足用户多重喜好,借助道路延误风险分析,设计有约束的时变A*算法,在路径寻优过程中对高延误风险路段进行启发式规避,从而实现在绕行许可范围内有效减少延误风险的可靠路径的快速搜索。数值试验结果表明:本算法由于利用了离线计算的信息,大大增加了有约束的动态A*算法的效率;考虑了阻塞发生的可能性,提高了导航的准确性,减少了出行延误风险;该方法具有路径搜索速度快、可有效避开延误高风险路段的优点。     

危险天气下进离场航线网络优化

针对危险天气的动态特性,采用卡尔曼滤波对危险天气的未来位置进行预测,为进离场航线的网络优化提供基础,消除其对进离场航线网络的影响。提出先水平后垂直的航路点搜索策略,通过负反馈惩罚因子,加速最优解的收敛速度,实现了三维空间路径搜索蚁群算法。根据航班运行特点,制定优化次序,逐个优化单条航线,实现整个航线网的优化。实验表明,该方案可有效解决危险天气下进离场航线网络优化问题,在保证航线安全性、经济性的同时,算法运行效率明显提高。     

移动无线网最短路径优先协议的设计

目的研究实现分组无线网在移动条件下的应用,方法采用邻接表监视无线链路的连通性,链路状态表跟踪网络拓扑结构的变化,在此基础上采用Ｄｉｊｋｓｔｒａ算法实现了分的最短路径优先寻径。结果设计的分组无线网最短路径优先协议可提高网络的可靠性和抗毁性,并充分利用无线信道的广播特性。结论由此验证无线最短路径优先协议适用全分组无线网。     

基于改进非支配排序遗传算法的配电网动态重构

针对分布式电源大规模接入配电网情况下配电网的动态重构问题,提出一种基于改进非支配排序遗传算法(non-dominated sorting genetic algorithms Ⅱ,NSGA-Ⅱ)的配电网动态重构策略.首先,以系统运行成本和电压偏移最小为目标建立配电网动态重构模型.其次,结合参数自适应策略和基于可行解优越性的约束处理技术提出NSGA-Ⅱ改进算法对模型进行求解.再次,用超体积(hypervolume)指标选择最佳的帕累托解集,并通过模糊决策技术从帕累托解集中选择最佳方案.最后,以IEEE 33节点系统为例进行仿真.结果 表明:该模型可以在降低系统运行成本的同时提高系统电能质量.     

基于启发式规则与和声搜索的配电网重构算法

提出一种基于启发式规则与和声搜索算法的配电网经济性重构方法.首先,根据配电网重构网络拓扑要求及和声搜索算法的特点,采用基于重构环解的和声向量编码方式,通过构建重构环特殊支路组、设定支路断开原则避免不可行解的产生;然后,以网损最小为目标分析初始网络,利用启发式规则将各重构环搜索范围压缩到最有可能的有效解范围之中;最后,利用和声搜索算法在有效解范围中全局寻优.该方法显著减少了候选解数目,能够快速搜索到全局最优解,且搜索性能不随网络规模的扩大而变差.IEEE典型算例的仿真结果验证了本文方法的正确性和有效性.     

基于Petri网与改进A星搜索算法的矿井机车调度优化

为了提高煤矿井下机车调度效率、防止机车碰撞、堵塞,根据井下调度特点建立了机车运行赋时Petri网模型。针对原有启发式A*搜索算法存在的易陷入局部最优的缺点,提出了基于petri网的并发变迁遴选算法,引入变迁并发度概念,与启发式A*搜索算法相结合,得到改进的A*搜索算法。经过改进后算法的回溯计算,得到Petri可达图上的最佳路径,从而得出最优调度策略。根据以上算法进行MATLAB建模,最终仿真结果表明,经过改进的启发式A*搜索算法有效的避免了陷入局部最优解,其计算得出的调度路径及调度策略资源消耗量最少,调度效率较高且未出现机车堵塞碰撞等问题。     

移动自组织网中MP-QAODV协议的研究与性能评估

为了在移动自组织网络中提高数据包路由的可靠性以及效率,研究了在移动自组织网中一种基于QoS(quality of service)的改进路由协议。该协议基于一种路径长度限制的路径稳定的路由算法,该算法用一种确定性的最优权值约束算法,通过一般化方法,把确定性算法转换成多项式复杂程度的非确定性算法;最后引入QoS的判定因子实例化算法而形成,结合对MP-QAODV(multi path-quality of ad hoc on-demand distance vector routing)路由协议数据包、路由机制的分析与设计,利用NS2设定移动自组织网仿真环境参数,仿真结果表明,该算法是一种能满足QoS需求的路由策略。通过与同类路由协议的比较,该路由协议具有提高现有网络性能的特点,为实时大流量业务提供了有效的通信服务保障。