露天矿生产车辆调度的最优化模型

用运筹学中目标规划的最优方法,针对露天矿生产的实际要求,分别建立了多目标的车辆安排最优化模型和多层次的目标规划模型.根据调整优化算法和多层次目标规划算法,利用数学软件Matlab和LinGo软件进行计算,得出最优调度方案.     

基于启发式算法对木板切割方案的优化模型设计

针对尺寸固定的木板的切割下料、利用率最优和求总利润最大求最优解等问题,可以通过建立整数规划、最大利润等模型,幵基于启发式算法中的GA遗传模型算法和蚁群算法,综合使用MATLAB、LINGO等软件编程进行求解。在原有数据的基础上,最终的模型结果显示了单块木板利用率最高的设计方案以及利用率最高所需要的板块数。基于前两者的结论进而利用蚁群算法寻求仸务确定条件下木板切割全局最优解以及依赖木板成本构建出最大利润模型。     

基于元胞自动机的启发式算法的改进

将元胞自动机应用于机器人路径规划,对移动机器人及其周围环境建立元胞自动机模型。机器人环境空间完全已知时,利用启发式算法与元胞自动机模型结合的方法,通过反复遍历具有最低耗费值的一系列元胞生成最优路径。并利用多层次的交互式元胞自动机,在方向有约束和地形耗费不同的环境中实现机器人的路径规划。     

多目标分层规划问题的最优均衡宽容值序列算法

对多目标分层规划问题的宽容完全分层序列算法做改进，寻求各层次多目标子问题的最优均衡值和最优均衡解，针对上级优先层次对下级层次的宽容值，求出所有层次按优先级顺序的最优均衡解；给出多目标分层规划问题的最优均衡宽容完全分层序列算法，得到在一定宽容限下所有层     

三维水平井井眼轨迹设计最优控制模型及算法

针对三维水平井井眼轨迹优化设计问题，首次建立了以非线性状态方程为主要约束条件的目标控制模型，依该模型的特点，构造了改进的Hooke-Jeeves优化算法，为获得全局最优解，采用均匀设计方法选取初始点，计算结果证明了模型、算法及研制软件的正确性与有效性，而且具有计算时间短，结果精度高等特点。     

基于改良圈算法与线性规划的全国自驾游线路优化研究

自驾游以自由与个性化、灵活与舒适性等特点深受广大旅游爱好者喜爱,而其线路规划质量直接影响自驾游者的满意度。以全国5A级旅游景区为目的地,选取了一名西安市自驾游爱好者为研究对象,最初运用改良圈算法规划出各省份的游览线路,然后分别以时间最优和费用最优为目标函数,以年旅游时间限值、单次旅游时间限值为约束条件,建立了整数线性规划模型;采用LINGO软件,求解出一条全国5A级景区的自驾游最优方案,具有一定的适用性。     

油田开发多目标产量分配模型及其应用算法研究

利用功能模拟原理（微分模拟方法及神经网络方法）建立的油田开发指标关联关系,研究并建立了油田开发规划的多目标产量分配优化模型。该模型成功地解决了油田的总产量及对应的工作量、成本等其它开发指标最优地分配到各二级开采单位的产量最优分配问题。针对非线性多目标规划问题,采用改进的HookeJeeves算法求解,并将该模型及算法应用于国内某中后期开发油田的开发规划中产生了较好的经济效益。     

基于蚁群算法的物流配送路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中最重要的问题之一。首先,针对物流配送路径优化问题,充分考虑了车辆路径的约束条件,以成本最小化和最大限度减少碳排放量构建了一种路径规划多目标优化模型;然后利用蚁群算法对其进行了求解,该算法在问题空间的多点同时开始独立的解搜索,保证了算法具有较强的全局搜索能力,并且具有较强的鲁棒性;将该算法应用到实际问题上运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案;仿真结果表明:该模型和算法能较好地解决相关物流配送路径问题,从而提高物流服务的质量。     

优先发展策略下的高等教育最优投资双层规划模型

高等教育投资具有“双层”的特点，上层为主管部门，下层为高等学校．分析了优先发展策略下高等教育最优投资的层次及步骤，分别建立了保证优先发展学校最优投资和用剩余资金对全部学校无差别最优投资双层规划模型，给出了上、下层最优投资方案的确定方法．通过扩大可行解范围，将双层规划模型转换为单层线性规划模型，证明了两者最优解的等价性，设计了求得模型最优解的多项式算法，最后给出了应用举例．     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛，为了达到自动引导车在路径规划中要达到全局最优，实时避障的要求，提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径，根据A-Star算法进行优化，引入自适应启发函数，并进行路径关键点选取，删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低，路径不平滑的问题。动态障碍物躲避采用DWA算法，优化评价函数，提升了规划效率。仿真结果表明，融合优化后的A-Star算法与优化后的DWA算法，减小了搜索范围，提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升，最终实现全局最优路径规划和局部动态实时避障。