带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.  

一种求解集合组合问题的离散粒子群优化模型

针对变长集合组合优化问题，提出了一种离散粒子群优化模型。为了符合集合的特点，该模型将集合的概念和运算引入到粒子群优化中，定义了一个可变集合搜索空间，重新定义了粒子的位置、速度及作用于此空间的运算规则。为了验证此模型的性能，将其应用到典型的变长集合组合优化问题—背包问题中。实验结果表明，基于该模型的算法具有强的寻优能力和好的稳定性。  

基于改进PSO算法的电力系统机组优化组合

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化（PSO）算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域．采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快．方法的可行性在10台机组系统中检验．模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点．  

基于离散粒子群算法的城市物流节点选址模型

在考虑城市物流系统运行费用最小的基础上构建了城市物流节点的选址模型，使用离散粒子群优化算法对该模型进行求解，算例分析表明该算法计算效率较高且易于实现，在求解城市物流节点选址问题时可以快速搜索到问题的最优解，具有较高的达优率．  

突发事件交通网络VMS发布点优化

交通事故发生时路段因通行能力下降会产生拥堵,在事故路段上游合理布置可变情报板（Variable Message Sign,VMS）能有效疏导车流。研究了道路网络中VMS发布点的优化模型,分析了VMS在路网诱导中的转移率模型和VMS对于减少拥堵效用的计算方法;建立了路网中VMS发布点的优化模型,通过VMS信息发布点的优化减少出行时间;提出应用离散离子群算法求解优化模型;在虚拟路网中的数值实验表明,模型能有效减少总的出行时间,但是随着VMS数量的增加,出行时间的减少不明显。  

集装箱船多港bay 位排箱的优化方法

在后续港装载状态未知情况下,针对始发港混装bay位的排箱问题提出不出现倒箱条件下,实现bay位重心位置和横倾力矩最优的多目标优化数学模型,并通过离散粒子群算法进行求解,给出粒子位置的矩阵表达形式,并通过交叉和局部搜索策略对粒子位置进行更新.该算法简便有效,收敛速度较快,可增加种群的多样性,有效抑制早熟出现.实例结果表明,该模型和求解算法可实现多港bay位排箱优化.  

基于离散微粒群优化的MIMO系统多用户盲检测

充分利用移动通信发送信号属于有限字符集的特点。把MIMO（多输入多输出）系统多用户盲检测问题转换为带二值约束的二次规划问题，从而突破信道辨识条件即MIMO信道传递函数必须不可简约且列简化的苛刻限制。采用离散微粒群优化算法求解二次规划问题，利用接收数据阵的补投影算子构成适应度函数。仿真实验表明：不管传统的信道辨识条件是否满足，该算法都具有较低的信号误码率和较好的稳健性。  

基于离散粒子群优化算法的块匹配运动估计

文章提出了一种基于离散粒子群优化算法的块匹配运动估计算法。该算法将块匹配运动估计的局域性搜索与离散粒子群算法的全局性搜索结合起来,并针对运动矢量的特点,采用了Gray码编码、运动矢量预测以及有效的迭代提前终止准则等策略,克服了以往快速搜索算法容易落入局部最优的问题,在获得与全搜索算法相近的搜索精度的同时,降低了平均搜索点数。实验结果表明,对于运动复杂度较高的序列,该算法仍能保持较好的性能。  

云制造系统中基于粒子群优化的多任务调度

为解决云制造系统的同类型多任务调度问题,建立了该问题的数学模型,提出了一种离散粒子群遗传混合算法,以所有任务的总完成时间及成本最优为目标进行求解.该算法采用整数编码方法建立粒子的位置矢量与服务分配的映射关系,在采用标准粒子群算法更新粒子位置时,引入了遗传算法的交叉和变异操作思想,使用4种方法按条件“逐级叠加”的方式对粒子位置进行更新,以保证种群的多样性.算例仿真结果表明,该算法是有效的且具有较高的执行效率.  

基于零件库绿色模块划分EHDPSO不确定优化

针对绿色模块划分过程中基本单元本身属性的多样性和其绿色属性的模糊不确定性，研究了绿色设计中包含不确定因素的产品模块划分问题，论述了基于零件库的产品绿色模块划分，既考虑模块之间功能相关性和结构相关性，又考虑零件库中零件本身的绿色属性，以模块内部最大聚合度、模块之间最小耦合度和零件库中零件之间组合绿色度最高为目标函数，建立了产品绿色模块划分的不确定优化模型，提出EHDPSO（十一进制离散粒子群，Eleven hexadecimal discrete particle swarm optimization）方法，求出最优模块划分以及相应各零件库中最优零件记录数。以双梁桥式起重机桥梁作为实例，得出最优编码10，10，10，10，8，8，9，9，9，6，3，库记录数2，1，1，2，1，2，2，1，1，2，2，可得主梁库中记录2、轨道库中记录1、端梁库中记录1和端梁栏杆库中记录2为同一模块，走台库中记录1和走台栏杆库中记录2为同一模块，直梯库中记录2、斜梯库中记录1和司机室平台库中记录1为同一模块，司机室库中记录2和检验平台库中记录2分别为独立模块；三次实验结果均验证其合理可行性，在目前日益丰富的零件供应时代和零件本身因属性各异而需定性处理的情况下，本研究贴近企业生产，具有很好的实用价值。