基于网络流理论的停机位分配多目标优化模型

随着航空运输业的快速发展,如何利用有限的机场设施资源是机场需要解决的主要问题。而停机位作为运输资源的核心,其高效合理地分配使用至关重要。本文基于网络流理论建立了平衡旅客、航空公司和机场的多方利益的停机位分配多目标优化模型,并利用ILOG CPLEX优化器求解,采用线性加权法对多目标权重赋值,以得到综合效能最大化的停机位分配方案。以某国际机场为例予以验证,结果表明：在大规模停机位分配问题中,多商品网络流建模方法的平均求解速度相对于传统建模方法提高38.31%;相比于贪婪启发式方法,该模型得到的分配方案使得旅客步行距离减少2.08%,停机位浪费率减少4.69%,同时也降低了航空公司的成本。通过分析不同权重下的停机位分配结果,可为机场实际运行提供理论指导。     

基于多目标差分进化算法的机场停机位分配问题研究

科学合理的停机位分配方案或对现有方案进行优化,能够有效提升机场的运行效率,降低机场运行成本.笔者依据停机位分配的相关概念和约束条件建立基于航班-航班,航班-停机位的加权分数矩阵的停机位分配模型.然后将经典的差分进化算法加以改进来解决停机位分配问题,有利于更好地实现机场停机位分配多目标的优化.最后使用标准测试函数和停机位...     

基于离散粒子群的SDN动态流调度算法

针对数据中心网络中流量路径分配不合理、易导致大流冲突的问题,提出一种基于离散粒子群的软件定义网络(SDN)流量调度算法.该算法重定义粒子群内部的寻解过程,以最优化网络性能为目标,动态地为数据中心的流量分配最优路径,以减少大流量冲突;并引入Metropolis设计多元化最优调度方案,确保数据中心流量的合理调度.与其他流量调度算法进行对比验证的实验结果表明,该算法提升了网络质量,降低了大流时延,实现了更好的负载均衡.     

基于粒子群算法的泊位分配集成优化研究

泊位分配直接影响着港口船舶的进港靠泊时间和作业效率.为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解.通过与Gurobi软件求解结果进行对比,发现在求解大规模的船舶调度问题时,粒子群算法在求解时间上比Gurobi更有效.     

基于多商品网络流理论的铁路车流分配及径路优化模型

根据多商品网络流理论构建铁路车流分配及径路优化模型,模型中设置0-1型决策变量表示该股车流是否通过路网中的弧段,使优化结果既能体现各个弧段的车流构成情况,又能反映每股车流的走行径路.模型的约束除了考虑传统模型中的弧段通过能力限制和车流不可拆散的原则外,将路径的合理绕行纳入约束体系,使结果更加符合铁路运输实际.最后,在MATLAB软件中调用CPLEX优化器,采用模拟车流OD数据在我国某地区局部路网中对模型进行验证.结果表明该模型能得出比较理想的车流分配的优化方案,验证了模型的合理有效性.     

一种离散型多目标粒子群优化算法

为获得更好的非劣前端,提出一种离散型多目标粒子群优化算法。该算法根据离散型多目标优化问题的特点,将种群分成多个子种群,在各个子种群中利用表现型共享的适应度函数选择每个子种群的最优粒子。通过多个最优粒子的引导,使整个种群分布更均匀,避免陷入局部最优,保证了解的多样性。实验表明了该算法的有效性。     

WMSNs中粒子群优化的多径流量分配路由算法

针对无线多媒体传感器网络(WMSNs)节点能耗问题,提出了一种基于粒子群优化的多路径自适应流量分配路由MATDR-PSO算法。通过建立能效优化模型,将最小能耗和能耗均衡2个特性转化为多目标优化问题;利用粒子群优化算法动态分配多路径上各条链路流量来实现网络的能效优化。仿真实验表明:MATDR-PSO算法能够在降低全网节点消耗总能量的同时保证能耗的均衡特性,显著提高了网络的生命周期。     

基于粒子群算法的多效益交叉口信号配时模型

城市交通的延误主要发生于交叉口,提高交叉口信号的运行效率对缓解交通拥堵具有重要作用。本文建立了基于车辆平均延误、停车次数和通行能力的多效益信号配时优化模型,并使用了粒子群算法进行编程求解。实际案例分析结果表明,模型求解出的优化配时方案降低了交叉口车均延误和停车次数,同时提高了交叉口的通行能力,综合改善了交叉口的多个指标,对提高交叉口的运行效率具有显著作用。     

基于Logit分配的交通网络设计模型的改进粒子群算法

基于随机平衡分配模型与由效用理论推导的Logit交通分配模型的等价性,提出了基于Logit分配的交通网络设计模型。模型求解中,上层模型采用改进的自适应变异粒子群算法,而下层问题直接利用Logit模型求解。仿真结果表明该模型与算法是有效的。     

采用离散粒子群算法的复杂网络重叠社团检测

针对复杂网络重叠社团检测的问题,建立了衡量重叠社团划分优劣的评判函数,并基于该函数提出了一种采用混沌量子粒子群优化的复杂网络重叠社团检测算法。该算法采用量子编码,利用Logistic映射初始化粒子种群,并以粒子群速度改变方式更新转角的大小,以概率为1收敛。实验结果表明,所提算法具有较高的检测正确率,能更好地反映实际社团划分情况。     

基于双种群粒子群优化新算法的最优潮流求解

提出一种带赌轮选择的双种群粒子群优化算法(TSPSO)求解最优潮流问题。在该算法中,对2个种群采取不同的参数设置,使得粒子在进化过程中具有不同的飞行轨迹,从而尽可能地探索解空间,增强算法的全局搜索能力;基于赌轮算法的概率选择机制使粒子可以在较好的可行解邻近范围内高强度搜索,增强了算法的局部搜索能力;采用自适应惩罚因子能有效区分最优潮流的目标函数和约束条件对种群进化的影响,使种群可以跨越不可行域到可行域进行搜索。通过IEEE30节点系统对该算法进行测试,结果表明,采用该算法可以有效求解最优潮流问题。     

离散粒子群优化算法研究综述

粒子群优化(PSO)算法最初是基于连续空间的优化,然而现实世界中许多问题是离散的,近年来其离散化策略和方法受到广泛的关注.本文简要介绍PSO算法的工作原理和粒子更新机制、算法参数的分析与设置,详细介绍PSO算法的三种常见离散化策略的机理及其粒子更新机制,阐述离散PSO算法的应用成果,最后对其未来的研究方向进行展望.     

混沌免疫粒子群优化算法在BP网络训练中的应用

将人工免疫系统中的克隆选择和混沌算法引入粒子群优化算法,提出一种混沌免疫粒子群优化算法.算法的主要特点是利用克隆和混沌变异等操作,提高收敛速度和种群的多样性.结合Iris分类问题,将新算法应用到BP网络的权值优化中,并和基于标准PSO算法的方法和单纯BP网络训练进行比较.实验结果表明,该算法性能优于所比较的两种算法,并且具有良好的收敛性和稳定性.     

求解可重入作业车间调度问题的改进离散微粒群优化算法

本文针对可重入作业车间调度问题,对离散微粒群算法的搜索方式进行改进,混合一种变异机制,并结合Interchange邻域局部搜索机制,设计与开发有效的混合离散微粒群算法。通过实验仿真结果的比较,有力地证明了所提算法的有效性。     

二进制改进粒子群算法在背包问题中的应用

提出了用于求解0 1背包问题的二进制编码的粒子群算法,阐明了该算法求解背包问题的具体实现过程.为了提高粒子群算法的收敛速度,在传统的二进制编码的粒子群算法中嵌入了记忆功能.通过对其他文献中仿真实例的计算和结果比较,表明该算法在寻优能力、计算速度和稳定性方面都超过了文献中提到的遗传算法和模拟退火算法.提出的求解背包问题的二进制改进粒子群算法,同样可以应用于其他离散优化问题.     

基于粒子群优化算法的环状管网优化设计

给水工程中环状管网的优化设计对于降低整个工程造价起到重要作用.基于粒子群优化算法的基本原理,引入了无纲量化的新理念进行建模,寻求目标函数w0(管网年费用的折算值)在水力约束条件下的最小值.采用粒子群优化算法求解该非线性规划模型.算例结果表明算法及其模型在环状管网优化设计中是非常有效的.计算的时间复杂度降低了26.89%左右,充分体现了粒子群优化算法具有较强的寻优能力.     

求解任务分配问题的一种离散微粒群算法

以交通运输领域中的装卸货任务分配问题为例对任务分配问题进行数学描述,提出一种用于求解该类问题的离散微粒群算法（DPSO）。在分析基本微粒群算法的收敛性能和任务分配问题解分布情况的基础上,采用惯性权值非线性下降策略更新微粒速度,以提高算法的收敛性,并且引入一个反正切函数对基本微粒群算法的位置公式进行进一步处理,以保证解的可行性。提出的DPSO用于求解某企业铁路货运站的装卸任务,在相同实验条件下,求解同一任务分配问题,提出的改进DPSO寻优率为76％,明显高于寻优率仅为40％和4％的其他2种DPSO算法;不同规模问题的求解试验中,综合比较寻优结果和计算时间,所提DPSO算法优于枚举法和遗传算法,且计算简便,可推广用于其他任务分配问题与组合优化问题。     

应用改进粒子群算法优化管壳式换热网络总成本

壳式换热网络的优化设计一直是众多学者关注的难题.从热交换总面积出发,对管壳式换热网络各项参数进行建模,得出设计的总成本优化函数.采用基于自适应排斥因子的改进粒子群算法(BARFPSO)进行优化举例.结果表明:BARFPSO能有效地跳出局部最优解,具有计算精度高、有效减小计算复杂度的特点,并能得出最佳的管壳式换热网络各项参数值.优化结果中,换热网络总成本减少了4.3％和1.0％,优化效果明显.     

文化粒子群优化算法

为了提高粒子群优化(PSO)算法的计算精度和计算效率,避免"早熟",给出了文化粒子群优化算法.该算法模型将PSO纳入文化算法框架,组成基于PSO的主群体空间和知识空间,两空间具有各自群体并独立并行演化.下层主群体空间定期贡献精英个体给上层知识空间,上层知识空间经演化后,定期贡献精英个体给下层主群体空间,于是形成"双演化双促进"机制,从而实现增加PSO的群体多样性.在以卫星舱和印刷电路板布局设计为背景的算例中进行了数值验证,结果表明对于该算例,该方法的计算精度和计算效率比遗传算法、PSO算法高.