DAG中最短路径简单算法

针对DAG的特点,以拓扑排序为基础,提出了解决DAG的最短路径问题的简单算法。通过理论分析,表明该算法具有理想的运算效率,其中,解决单源点问题的运算时间与E成正比,解决所有点对问题的运算时间与VE成正比。拓扑排序策略对于此类最短路径问题的研究,较传统的方法运算简单、求解直观。     

Dijkstra算法在室内移动导航最短路径寻址的改进

在室内复杂停车场的路径规划问题上,许多方法使用了单源最短路径的典型算法Dijkstra算法对最短路径进行规划,但该算法需要花费大量时间和空间来计算和存储与最终路径无关节点.为了提高算法效率,通过把地图中所有的结点进行顶点归一、区域集合划分以及区域编号排序等策略,大大提高了算法运行效率.实验显示,在随机对某结点目标进行最短路径搜索时,搜索时间可以缩短80.8%到98.9%,大大减少了时间复杂度和空间复杂度.     

一种用于车辆最短路径规划的自适应遗传算法及其与Dijkstra和A*算法的比较

提出了一种自适应遗传算法,并成功应用于车辆最短路径规划算法中. 所采用的编码方式、交叉及变异算子等均针对最短路径规划问题而专门设计;同时,提出了一种新的交叉概率、变异概率在线自适应调整策略,以便提高遗传算法的搜索速度和搜索质量. 将该算法同Dijkstra算法、A*算法进行了仿真比较. 对五种不同情况的仿真研究结果表明:同Dijkstra算法相比,该自适应遗传算法可以减少搜索到最短路径的时间;同A*算法相比,该自适应遗传算法则可以搜索到更多的最短路径.     

求最短路径问题的自适应路由遗传优化算法的设计与实现

从最短路径问题的研究背景、最短路径问题概述、求解最短路径问题的自适应路由遗传优化算法的设计及其实现等方面提出了一种新的求解最短路径问题的自适应路由遗传优化算法,实验仿真比较了该算法与Dijkstra算法的路由过程、算法的收敛性和执行的效率,结果初步证明该算法高效可行,尤其适合于大规模网络.     

A*算法与蚁群算法相结合的无人艇巡逻路径规划

针对无人艇海上巡逻路径规划问题,提出了一种A~*算法与蚁群算法相结合进行最短巡逻路径优化的方法.在传统A~*算法的八角度搜索基础上,设计了一种多角度A~*算法以获得更短的两点之间可行路径,并以A~*算法搜索结果构建任意两个巡逻点之间的最短路径网络.结合最短路径网络建立多点巡逻路径规划问题的目标函数,利用蚁群算法进行求解以获得全局最优的巡逻路径.针对巡逻路径转折角较大的问题,提出了一种平滑算法以获得更符合实际航行需求的平滑路径.仿真结果表明:该方法有效地去除了冗余节点,缩短了路径长度,提高了路径平滑度,规划出了一条更优的无人艇巡逻路径.     

基于异质信息对齐和重排序的跨模态行人重识别方法

可见光图像和红外图像成像原理不同,面向可见光和红外光的跨模态行人重识别面临较大的跨模态差异,行人异质信息对齐和挖掘异常困难。为此,提出基于异质信息对齐和重排序的跨模态行人重识别方法。在异质信息对齐方面,提出一种新的异质局部信息对齐算法,通过求取行人异质局部信息距离矩阵的最短路径,实现同一行人异质局部信息的动态匹配,解决行人异质信息对齐问题;在重排序方面,提出拓展k近邻重排序算法,通过动态地拓展查询图像k近邻异质信息,实现同一行人异质信息的融合,解决行人异质信息挖掘困难问题。实验结果表明,在SYSU数据集全场景查询模式上,所提方法与AGW模型结合k近邻重排序算法相比,在评价指标mAP和Rank-1上分别提升了10.12%和8.6%。     

基于改进双向探索A∗算法的医疗巡检机器人路径规划研究

针对传统导航机器人在复杂大型地图中路径搜索时间长、效率低等问题,提出了一种基于医院复杂环境下的导航策略.对移动机器人在路径规划过程中遇到障碍物、接到临时任务指令以及在同一楼层中两个行驶机器人相遇3种情况,分别讨论了较为合理的路径规划方案.在医院复杂场景模拟环境下的导航策略实验结果表明:该方法能够有效减少路径规划时间,提高搜索效率.EAI移动机器人在线的医院场景模拟环境下实验结果表明:相比传统路径规划算法,该方法能够提高探寻最短路径的效率,且在连续障碍环境下仍能寻找到一条安全性更高、用时最短的最优路径.     

基于改进萤火虫算法的移动机器人多目标路径规划

针对复杂室内环境下移动机器人的路径规划问题,提出一种面向多目标同时优化的改进萤火虫算法;该算法利用栅格地图对机器人作业环境进行建模,将Pareto支配关系引入到萤火虫个体的亮度评价过程,构建精英库保留算法迭代过程中的Pareto非支配解,采用自适应网格划分策略维护种群的多样性;以路径长度、路径安全性和路径平滑度为目标进行运动路径的搜索与优化。仿真结果表明,与经典的带精英策略的非支配排序遗传算法相比,面向多目标同时优化的改进萤火虫算法求得Pareto非支配解集更优越。     

PL/SQL在求解最短路径问题中的应用

图论中的一个典型的问题就是最短路径和最小代价问题.本文介绍了一种基于Oracle的表、视图及存储过程求解最短路径(最小代价)的方法,该方法使得解决复杂的有向图问题更加容易,而且不需要很多代码.     

基于路径缓存的并发扩散式服务质量路由算法

服务质量路由算法是一种多约束多目标的优化问题，该问题属于计算复杂度完全类(NP-CompIete)问题．基于一些扩散式服务质量路由算法，提出了一种基于路径缓存的并发扩散式服务质量路由算法(PCB-CFQR)，该算法是一种分布式算法，它将资源预留、接纳控制和路由选择进行有效的结合，能同时完成多个请求的路径建立，大大提高路由算法的效率．分析和仿真结果表明，PCB-CFQR算法具有较强的稳定性和实时性，与最短最宽(WSP)路由算法相比，它无须进行路由信息的定时刷新，却具有较低的呼叫阻塞率．     

基于目标级联法的作业车间调度的研究

作业车间调度是一种典型的组合优化问题，大规模的调度优化是该类问题的难点。本文针对求解大规模的车间调度问题的需要，基于层次性优化的目标级联法，建立一种带层次性的车间调度模型，并以由两个零件族制造单元组成的车间调度为例，验证所建立的车间调度模型。研究表明，基于目标级联法的车间调度模型为大规模车间分层调度问题解决提供一种有效方法，而且能根据加工时间和工件数量动态合理地分配各制造单元的机器数量和工件的加工路径。     

复杂供应链网络资源传输数据自动调度方法

为了解决传统方法实时性较差、公平性极低、容易造成复杂供应链网络崩溃,以及无法有效调度拥塞情况下数据,导致调度性能下降的问题。研究了一种新的复杂供应链网络资源传输数据自动调度方法。分析了传输数据过程中出现数据包乱序现象的原因,发现在复杂供应链网络出现拥塞的情况下,拥塞部分和网络路由部分会出现很大的改变。针对拥塞部分进行调度时,对数据传输过程中拥塞状态下数据调度问题进行描述。结合公平性考虑,通过粒子群算法进行求解。针对路由部分进行调度时,考虑带宽预测与前向传输时延。对各子路径接收端成功接收数据包数量进行预测,依据子路径往返时延,完成对子路径的排序,按照顺序调度数据传输。在出现丢包情况时,通过最大ssthresh优先法对丢包重传路径进行选择。结果表明:所提方法可动态自适应调度不同路径的传输数据,分配比率相对稳定;接收缓存空闲空间变化较少,乱序数据包数量明显降低,拥塞窗口数量最低;公平性因子值明显低于其他方法。可见所提方法调度性能优,可达到复杂供应链网络资源传输数据调度要求。     

用Hopfield神经网络解决作业车间调度问题

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的 Hopfield 神经网络计算能量函数表达式,然后提出改进的 Hopfield 神经网络作业车间调度方法。为了避免 Hopfield 神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于 Hopfield 神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

Optimal Active Power Dispatching of Microgrid and Distribution Network Based on Model Predictive Control

First, a three-tier coordinated scheduling system consisting of a distribution network dispatch layer, a microgrid centralized control layer, and local control layer in the energy internet is proposed. The multi-time scale optimal scheduling of the microgrid based on Model Predictive Control(MPC) is then studied, and the optimized genetic algorithm and the microgrid multi-time rolling optimization strategy are used to optimize the datahead scheduling phase and the intra-day optimization phase. Next, based on the three-tier coordinated scheduling architecture, the operation loss model of the distribution network is solved using the improved branch current forward-generation method and the genetic algorithm. The optimal scheduling of the distribution network layer is then completed. Finally, the simulation examples are used to compare and verify the validity of the method.     

基于负载均衡的大规模TTE消息调度表生成方法

在复杂拓扑条件下，机载网络存在大规模数据的高效传输需求.此时，传统的调度表生成方法存在高时间复杂度问题.为了有效解决这个问题，本文提出了一种基于负载均衡的时间触发以太网(Time-Triggered Ethernet, TTE)消息调度表生成方法.该方法首先生成消息传输备选较短路径集，综合地考虑消息长度和链路负载来选择消息路径、得到具有负载均衡特性的路径规划结果，然后以提高时序规划效率为目标，基于静态优先级生成调度表，依据消息长度和周期进行消息排序，并使用“背靠背”规则进行传输调度分配，以保证消息的实时性和确定性.仿真结果表明，当可调度消息帧数超过6000条时，在保证消息实时性的前提下，该方法比传统的满足性模理论(Satisfiability Modulo Theory, SMT)时间规划方法减少90%以上的计算时间，计算效率提升10～100倍，可见该方法适合于求解复杂大规模数据调度表的生成问题.本文的研究为改善机载网络的消息调度性能提供了一种可行方案.     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。     

一种求解容量制约下交通网络流模型的新梯度方法

容量制约下的交通网络流模型是一个非线性规划问题，表现为在路段容量约束条件下的用户均衡网络的优化，这个模型能够描述交通网络的拥挤特征．容量制约下的交通网络流模型可以转换成传统的用户均衡模型的形式，为此对于任意一个给定的结点对，定义了一个新梯度，这个新梯度等于所有使用路径的费用的均值．利用新梯度的特征，并结合惩罚函数方法，可以获得容量制约下的交通网络流的解．数值实验表明所提出的方法表现出优良的收敛性能．     

基于带随机网络的多种群粒子群优化算法求解多资源受限柔性作业车间调度问题

多资源受限柔性作业车间调度问题(MRC-FJSP,multi-resource constrained flexible job shop scheduling problem)是一类复杂的组合优化问题。针对以最小化最大完工时间为目标的MRC-FJSP,提出了一种带随机网络的多种群粒子群优化算法(MPSO-RDnet, multi-population particle swarm optimization algorithm with random network)。首先,设计了一种半主动解码和基于启发式规则解码相结合的新型解码方式,对原有解空间进行有效裁剪。其次,提出了基于关键路径的两种邻域结构,提高算法局部搜索能力;引入了基于随机网络的多种群策略,提高算法全局搜索能力;提出了面向算法搜索停滞问题的重新初始化策略,增强算法的鲁棒性。最后,采用MRC-FJSP基准算例SFTSP进行测试,验证了算法的可行性和有效性。     

主动配电网下分布式能源系统双层两阶段调度优化模型

为解决当前能源系统调度优化模型分层调度能力不高的问题,在控制分布式能源系统运行成本的前提下,构建主动配电网下分布式能力系统双层两阶段调度优化模型。优化调度模型分层调度函数,并设定能源系统调度约束条件。使用帝国竞争优化算法对能源系统调度优化模型进行求解,获取最佳调度方案。构建算例分析环节,引入IEEE-33节点配电网测试系统完成分析过程。算例测试结果表明：此模型在日前阶段与日内阶段均可提高能源利用率,确保了能源系统的经济性。可见此模型可有效提高分布式能源的消纳能力,使主动配电网的经济效益最大化。