一类二阶线性常微分方程两点边值问题的数值解

采用有限差分法,将一类二阶线性常微分方程两点边值问题转化为绝对值方程,并给出了一个迭代算法,证明了算法的收敛性.数值实验结果表明,该方法迭代次数少、精度高.     

两种智能值排序启发式研究

为提升约束满足问题求解效率, 对最受推崇的智能值排序启发式Look-ahead 和Survivors-first 进行深入研究。比较两种值排序启发式在常规和自适应两种环境下的效率表现。结果显示, 在多数问题类上, 常规情况下Survivors-first效果更好, 而在自适应环境下效率有所下降; 在不同环境下使用不同启发式可提升约束满足问题求解效率。     

带有预知信息的在线Homing ATSP问题

针对快递服务网络结构上的非对称性以及可提前获知待服务需求的位置和释放时间的特征,将预知信息引入可返回原点的非对称TSP问题中,提出以服务总成本最小为目标的带有预知信息的在线Homing ATSP问题.分析了该问题竞争比的下界,并且在一般网络图上设计了SSdd(α)算法和PAH-dd算法,分析了算法各自的竞争比.结果表明在线车采取适时等待策略比采取zealous策略更优;并且预知信息越多,在线算法的竞争性能越优.     

求解TSP的离散人工蜂群算法

针对旅行商问题,提出了一种新型的离散人工蜂群算法.根据该优化问题及离散量的特点,对引领蜂、跟随蜂和侦查蜂角色转变机制和搜索策略进行了重新定义.蜂群角色转变基于定义的收益比因子.引领蜂邻域搜索采用2-Opt算子和学习操作来加速算法收敛速度;跟随蜂搜索引入禁忌表来提高算法的局部求精能力;侦查蜂搜索定义了排斥操作来保持种群的多样性,从而较好地平衡了算法的探索及开采能力.实验结果表明,算法能够在较短时间内找到相对满意解,提高了TSP的求解效率.     

一种基于地理位置预测的高性能路由算法

提出了基于ARIMA预测模型的高效路由算法.该算法中节点通过前向与反向成功转发率、数据传输速率等计算链路的丢包率和期望传输次数来获取干扰感知期望传输时间(i ETT),代替DSR路由算法中的最短跳数判据.并引入ARIMA模型来预测节点下一时刻的运动位置,防止链路频繁断裂造成的网络丢包,并在链路失效之前预先选择最稳定的路径进行数据传输.仿真结果表明,所提路由算法相比DSR判据吞吐量提高6%~9%,平均端到端时延降低2%~6%,提高了网络整体性能.     

集装箱码头同贝同步装卸调度的多阶段混合流水线模型

针对同贝同步装卸的无等待、阻塞和批处理等特征,将其抽象为一类特殊的混合流水线问题,建立同贝同步装卸的优化调度模型,并进行模型的下界推导.为求解模型,设计基于禁忌搜索与启发式分配规则的求解算法.最后,通过算例验证模型与算法的有效性.结果表明:所建立的模型有利于实现装卸、以及各环节的同步调度;所设计的求解方法,可以保证调度方案的科学性和有效性.     

P*-型非线性互补问题解的存在性

首先利用Poincare‐Bohl定理给出择一性定理,然后用该定理证明非线性互补问题解的存在性,并获得互补问题有解的充分条件。     

蚁群算法求解离散最小约束去除问题

摘要： 引入蚁群算法解决最小约束去除运动规划问题,在求解过程中对蚁群算法的启发函数以及信息素更新策略进行改进,使其不再易于陷入局部极值并适合求解该问题.仿真实验结果表明,该算法在解的质量和收敛速度上优于精确搜索与贪心算法.     

考虑GIS的物流配送区域划分与路径规划算法

针对大规模VRP配送问题,提出一种配送区域划分的启发式-模拟退火混合搜索算法.针对GIS中实际路网建立路网数学模型,并在大规模VRP路径规划问题研究中与实际GIS路网相融合.对配送路径规划问题提出一种结合GIS模型约束的启发式路径搜索算法.对杭州市某配送区域实际问题求解并与另一种启发式算法对比,验证了算法的有效性.     

双α-链对角占优矩阵线性互补问题的误差界

根据双α-链对角占优矩阵的定义与性质,给出其线性互补问题的误差界.数值实例显示该误差界在判定线性互补问题近似解的精确性中是有效的.