基于改进遗传算法的Flow Shop调度算法研究

给出了Flow Shop调度问题的数学模型，介绍了三种用于求解该问题的启发式算法，根据普通遗传算法与启发式算法的互补特性，提出了结合两者各自优势的改进遗传算法．通过两个不同规模的经典算例对算法的优化性能进行了对比分析，结果表明，采用了保优策略的改进遗传算法的搜索能力优于启发式算法及普通遗传算法，并具有较强的鲁棒性．     

状态空间搜索的几种算法讨论

论述了状态空间搜索的几种算法，给出了深度优先搜索、广度优先搜索和启发式搜索之间的算法比较。通过比较，得到了这样一个结论：在通常情况下，采用启发式搜索算法来进行状态空间搜索更为方便、快捷。     

模拟退火法与禁忌搜索法求解VRP的对比分析

模拟退火法（simulated annealing,SA）和禁忌搜索法（tabu search,TS）都是解决组合优化问题的强有力启发式算法。本文首先给出组合优化问题和VRP问题的基本概念,然后在分析这两种算法的特点基础上,通过实例验证它们在解决VRP问题上各自的优缺点,并给出未来研究方向的建议。     

状态空间搜索的几种算法讨论

论述了状态空间搜索的几种算法,给出了深度优先搜索、广度优先搜索和启发式搜索之间的算法比较.通过比较,得到了这样一个结论在通常情况下,采用启发式搜索算法来进行状态空间的搜索更为方便、快捷.     

基于A*算法八数码问题的一种程序实现方法

介绍了解决八数码问题的一种基于图搜索的启发式搜索算法——A*算法，并给出了用PASCAL实现的八数码问题的程序。     

微粒群优化在Job-shop调度中的应用

Job-shop调度问题是典型的NP-难问题，利用微粒群优化的全局搜索能力和高搜索效率以及模拟退火算法的局部搜索能力，发展了一种快速、且易于实现的新的混合启发式算法，并将其应用于求解标准Job-shop调度问题，计算结果以及与其他算法的比较说明，该算法是一种求解Job-shop调度问题的可行且高效的方法。     

求解非光滑优化问题的改进大洪水算法

应用启发式算法求解非光滑优化问题,解决基于次梯度信息的确定性算法在求解时困难较大的问题.首先分析了基本大洪水算法的优化机理及特征并给出其求解步骤,然后针对无约束及盒子约束问题分别设计了改进的大洪水算法,将基本大洪水算法所依赖的参数up省去.对于无约束情形,提出了进行邻域搜索的随机行走法;对于盒子约束情形,提出了选择初始可行点的方法和进行邻域搜索的混沌优化算法.最后通过算例进行测试并与其他算法进行对比,测试结果表明了改进的大洪水算法在求解非光滑优化问题时的有效性与优越性,故其可作为求解非光滑优化问题的一种实用方法.     

基于MATLAB的改进型基本蚁群算法

蚁群算法是一种新型的模拟进化算法。是继GA、SA、TS等算法之后求解组合优化问题的一种新思路。人工蚁群算法通过模拟蚁群搜索食物的行为,采用正反馈结构、分布式计算与某种启发式算子相结合的方法,能够很快地发现较好解。本文给出一种基于MATLAB的改进型基本蚁群算法,有效地降低了算法的复杂度,缩短了搜索时间,具有较强发现最好解的能力。     

基于遗传算法的多约束背包问题求解方案

采用混合遗传算法求解多约束背包问题.首先构建多约束背包问题的数学模型,然后采用多维实数编码方式的遗传算法,结合附带染色体库技术、局部启发式算子和扰动算子对问题进行求解,并给出了一个实验实例.实验证明文中采用这种混合遗传优化算法解决多约束背包问题切实可行,有较高的搜索效率.     

一种噪声启发式聚类算法

启发式聚类算法的搜索空间中布满了局部极小值"陷阱",从而使得算法容易过早收敛而无法获得高质量聚类结果.文章给出了一种噪声启发式聚类算法NHCA (Noising Heuristic Clustering Algorithm),该算法在搜索空间中增加一组由强至弱的噪声来扩大启发式搜索的局部范围,以保持搜索空间的多样性,达到避免局部极小值影响和提高聚类质量的目的.大量实验结果表明,噪声法对提高启发式聚类算法质量是十分有效的.     

含分布式电源配电网重构的改进混合型粒子群算法

建立了含分布式电源的配电网重构问题数学模型,重点研究了求解该问题的混合型粒子群算法.针对该算法稳定性差以及收敛速度慢等缺点,提出了改进算法的3个解环启发式原则.并利用一个实际算例对算法的改进效果做了检验.结果表明:针对该问题,改进后的混合型粒子群算法的稳定性和计算效率均有明显提高.     

线性广义系统的最优控制

研究线性广义系统的最优控制问题·引入线性广义系统的Riccati方程,给出了该系统在二次性能指标下存在线性最优控制的充分必要条件·     

基于双层启发式遗传算法的三维装箱问题

三维装箱问题是一类组合优化问题,多用于物流运输业的货物装载,具有重要的实践意义。它的最优解受多种条件因素的影响,求解形式复杂且计算量较大,所以常用启发式算法来解决。以空间分割为原则的启发式算法融入遗传算法中并结合二层规划的思想,提出一种基于双层启发式遗传的三维装箱算法。通过双层启发式遗传策略分别对可行解进行广度和深度的搜索来提高寻优效率,从而得到最优的三维装箱方案。在此基础上利用具体算例进行运算和分析,证明该算法在空间利用率和稳定性上都有较好的效果,同时装箱方案可以依托计算机技术进行三维可视化,可为三维装箱问题的信息可视化提供理论依据。     

JOBSHOP中零件排序的一种启发式算法

Ｊｏｂｓｈｏｐ中的零件排序问题是生产作业计划安排与调度中的重要内容之一，作业已证明，这类问题属于ＮＰ难题，不存在有效的解析解．本文针对一般作业车间的具体情况，考虑到零件在工序间的批移动方式，提出了平行顺序移动方式下以极小化零件生产周期为目标的启发式算法，并设计了相应的计算机程序，它可以方便地进行作业计划安排，对于实际生作业计划与调度具有重意义     

二维不规则贯通排样的模拟退火算法

提出一种获得不规则零件的最佳包络矩形的方法,根据矩形件的启发式算法,设计模拟退火智能算法将最佳包络矩形排样.模拟退火算法是全局优化概率的搜索算法,可以在优化排样中将排样次序优化,再利用最低水平线算法将不规则多边形排样.结果显示:同一排样问题,初始温度、冷却参数以及终止温度有一组最佳组合值,使得问题解的质量较高.该算法在排样效果和时间效率上更为优秀.     

知识库上逻辑程序图搜索的一种启发函数

本文把A~*算法的启发搜索应用到逻辑程序的求解过程中,就逻辑程序这一特定的问题领域,构造出A~*算法相应的一种启发函数。利用该启发函数,通过A~*算法可求得逻辑程序的“最佳解”。     

多种物品三维装箱问题的一种启发式算法

针对多种物品单箱三维装箱的问题,设计了一种新的启发式算法.该算法基于"平面"和"块"的概念,采取树搜索策略,允许货物在任何可行方向上旋转,在保证箱空间利用率足够高的同时,满足货物摆放稳定性的要求.实验结果表明,该算法是解决此类问题的一种有效的方法.     

蒸发流程终点浓度智能控制系统

提出了蒸发流程终点浓度智能控制算法，应用启发式最优控制方法，将系统动态过程信息用节点表示，建立了启妇式最优控制规则。该算法可据系统特征状态，控制效果及评价函数选择控制规则，修正控制输入，仿真实验证明，该算法有较好的适应性。     

具阶段结构捕食开发模型的全局渐近行为

考虑一类具有阶段结构捕食开发模型,运用特征根分析法和迭代法得到了系统惟一正平衡点全局渐近稳定的简练条件,进一步分析了最优收获策略问题.并举例说明所得结论.