具有禁忌算子的遗传算法目标优化分配

针对地面防空作战中的多通道目标优化分配问题,给出了一种具有禁忌算子的混合遗传算法。该算法结合禁忌搜索算法和遗传算法二者的优点,既克服了禁忌算法全局搜索能力的不足,又提高了遗传算法的爬山能力,还解决了遗传算法容易陷入局部最优的问题,并使搜索过程具有记忆功能。仿真结果表明,该算法可有效给出求解多通道目标优化分配问题的满意解。     

机场登机口分配问题的顶点着色模型与算法

对航班-登机口分配问题进行研究,将其看成顶点着色问题进行求解,设计了简单有效的可以应用于具有卫星厅的登机口分配的贪婪算法策略.将按照"先到先服务"的原则,依次运用启发式规则为当前航班选择登机口,即优先使用可供航班类型种类数量少的登机口,并选择已空闲时间最长的登机口.这样有助于减少使用可供多种类型航班使用的登机口的数量,...     

基于航空排放的机场停机位分配优化

随着航空业的快速发展,航空排放对大气环境的影响日益严重。机场停机位分配优化研究,对航空绿色发展具有重要意义。基于场面运行规则,航空器排放、近机位利用率等多目标,建立一种使航空器排放量最小,近机位利用率最大的机场停机位分配优化模型,并通过南京禄口国际机场某日航班数据实例验证。结果表明:由于近机位利用率的提升,航空器的HC、NOx、CO、SOx和颗粒物(particulate matter,PM)排放量分别减少12. 33%、7. 81%、12. 66%、11. 06%和11. 17%;地面保障设备(ground support equipment,GSE)的HC、NOx、CO、PM排放量分别减少9. 59%、4. 63%、14. 34%、13. 64%;远机位旅客平均花费时间减少42. 31%。可见提出的优化模型增加了近机位利用率,减少了机场航空排放,减少了远机位旅客平均花费时间,验证了模型有效性。     

机场停机位实时分配研究

航班提前、延误和取消的情况发生的频率逐年增加,给机场运营指挥中心的调度计划造成了很大的干扰。建立了应对机场非正常运行的停机位实时分配模型,目标是对原停机位分配方案干扰最小。模型的计算结果不仅包含飞机停机位实时分配方案,还包括飞机的降落时间。在建立模型后,使用CPLEX优化软件对模型进行求解,数据采用某枢纽机场的实际航班数据,验证了模型的有效性。最后进一步研究了解决停机位使用次数和使用时间的均衡化问题,更加贴近实际情况。     

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...     

基于禁忌搜索算法的计算机通信网络中容量与流量分配问题的优化研究

为了降低网络的运营费用与改进网络性能,首次采用近年来新出现的一种高效的现代超启发式搜索方法——禁忌搜索算法求解计算机通信网络中链路容量与流量分配(CFA)问题,讨论了计算机通信网络中链路的固定费用、时延费用与可变费用对运营总费用的影响．大量的计算机仿真实验结果不仅验证了禁忌搜索算法对求解CFA问题的有效性,而且与传统的拉格朗日松弛及子梯度寻优算法相比,解的质量有大幅度提高;与遗传算法相比,对大规模或负荷很重的网络,该算法更具优越性．     

分配问题的启发式算法求解

禁忌搜索算法和蚁群算法是近几年优化领域中出现的两种启发式算法.简单介绍了这两种启发式算法的基本原理,给出了应用这两种算法以及其混合算法解决分配问题的求解过程.仿真结果表明混合算法取得的结果较好.     

基于改进的禁忌搜索算法在有序用电中的应用

国家电力系统负荷与日俱增,用户用电数据海量增长,需要高性能优化算法来解决此类复杂的有序用电问题.为了填补有序用电系统调度中的负荷缺口,提高供电效能并合理选择用户,本文提出了一种改进的禁忌搜索算法来求解电力供需平衡的多目标优化调度问题.使用融入了莱维飞行的野狗优化算法对禁忌搜索算法中的初始化阶段进行优化,得到一种改进的禁忌搜索算法.该方案增强了原始算法的搜索能力,加快了算法的收敛速度,提供了一种更优的解决方案.最后通过消融实验以及与5个经典的启发式算法进行对比实验来验证所提出的算法的性能.     

带有等待时间窗的补给运输船航路规划

在渔船补给运输工作过程中,补给运输方案的选择对运输成本和效率有着至关重要的作用.为了降低补给运输的成本和提高运输效率,提出了一种以减少运输距离和运输作业时间为目标的航路规划方法.首先分析了渔船补给运输船的工作方式,以\"送报男孩\"方式作为补给策略.在此基础上,采用回归分析法预测渔船完成生产任务的初始等待时间,建立了以最短航路和最少补给时间为目标的多目标优化模型.鉴于模型决策变量的多维性,设计了模型求解的禁忌搜索算法,最后通过算例仿真验证了模型的可行性.     

异构无线网络业务速率分配算法研究

随着网络异构化和终端智能化,如何有效利用网络资源和充分发挥终端能力,为用户提供更好的业务体验,成为研究的重点.当一种无线网络不能满足用户的业务需求时,可以考虑由多个网络协作向用户提供该业务.针对多网络协作业务提供问题,采用多目标优化的决策算法,提出一种考虑多约束的业务速率分配算法,在完成异构网络选择的同时实现了业务速率在各网络中的分配.仿真结果表明,所提算法能够有效实现特定目标下的业务速率分配.     

基于遗传禁忌搜索的单车场多目标区域调度优化

区域调度是公交营运调度的发展方向,但区域调度相对于传统的线路调度,其影响因素多,模型构建难度大,求解也较为复杂。以单车场区域调度为对象,选择公交车辆空驶时间、等待时间、跨线次数以及运力规模最小等主要目标,构建了多目标区域调度优化模型。考虑到多目标函数优化问题的复杂性,将禁忌搜索融入遗传算子,设计遗传禁忌搜索求解算法,最后将已建模型和设计算法运用到算例中。计算结果表明,遗传禁忌算法较一般遗传算法更能高效地解决公交车辆的单车场多目标区域调度问题。     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

柔性作业车间调度的精确邻域结构混合进化算法

为解决现有基于关键路径的邻域搜索存在无效移动多、盲目性大以及仅优化单一目标的问题,设计了更加明确精准有效的邻域结构,包括同机器移动和跨机器移动两步操作;在此基础上,给出相应的关键工序精确移动条件,并将其从优化最大完工时间推广到多目标优化;为兼顾算法局部搜索和全局搜索,将其与进化算法进行混合,实现局部与全局的优势互补,并给出相应的混合算法框架;最后,通过两个国际通用的案例集进行测试,并将测试结果与成熟的算法进行对比,验证了所设计算法的有效性和高效性。     

基于多目标遗传局部搜索算法的航空导航台频率指配

随着运输航空和通用航空的快速发展,航空导航台站的频率指配问题变得越来越重要。本文首先提出了目前单个航空导航台站频率指配的一般算法。然后针对多个航空导航台频率率指配问题,建立了民航导航台频率指配模型。最后根据传统多目标遗传算法所存在的收敛速度慢,易陷入局部最优解等缺陷,提出了优化权重分配的多目标遗传算法和基于多目标遗传局部搜索算法来解决航空导航台频率指配问题。该问题涉及多个目标,包括最小化频率干扰和最小使用频率个数指配。仿真结果表明,所提出的多目标遗传局部搜索算法能够有效地解决航空导航台频率指配问题,与传统多目标遗传算法和优化权重分配的多目标遗传算法相比,本算法在解的质量、收敛速度和稳定性方面都有显著提升。     

机坪管制移交后机场运行控制中心大厅人员动态排班优化

立足智慧机场的数字化转型要求,针对传统机场运行控制中心（Airport Operational Control Center,AOCC）全时段以最大峰值的静态排班导致工作时长不均、人力资源利用率低、调整灵活性差等问题,以机坪管制移交后的人员分工要求确立动态排班原则,构建AOCC大厅的多目标组合优化的员工排班模型,提出父代班组非支配交叉的基因排序、子代班组拥挤变异算子的遗传算法进行智能搜索最优可行解,并基于Matlab平台进行建模仿真验证,结果表明：手工排班方案作为“父代初始解”确保了飞行安全,交替航班任务实时产生子代班组种群,接班变异保留子代班组精英个体,降低了人力成本、班组人员的工作时长方差和疲劳度     

求解约束优化问题的一种新的进化算法

分析了现有的约束优化进化算法的一些不足之处,提出了一种处理约束优化问题的新算法。新算法将多目标优化思想与全局搜索和局部搜索机制有机地结合起来:在全局搜索过程中,作为一种小生态遗传算法,排挤操作利用Pareto优劣关系比较个体并接受具有相似性的父代个体和子代个体中的优胜者;在局部搜索过程中,首先对局部群体中的个体赋予Pareto强度,然后根据Pareto强度选择个体。通过一个复杂高维多峰测试函数验证了新算法的有效性。     

一种改进的多目标人工蜂群算法

由于基本多目标人工蜂群算法存在着种群盲目搜索、算法开发能力有限等缺点,在利用人工蜂群算法求解多目标优化问题时,提出了一种改进的人工蜂群算法.通过在算法中引入自适应搜索机制和变异机制等操作,使得种群个体可以有针对性地进行更新,同时也大大提高了种群个体的多样性.最后利用几种多目标的测试函数对改进前后的多目标人工蜂群算法的性能进行测试,结果表明:改进后多目标人工蜂群算法具有良好的算法收敛性和均匀性.     

基于多目标粒子群算法的卫星结构动力学优化

针对卫星结构的多目标动力学优化问题,在其优化过程中建立了一种多目标粒子群优化(MOPSO)算法.该算法采用惯性权重递减策略,对违反约束的粒子给予不同惩罚,并在算法后期引入变异算子,增强种群的多样性,使算法更好地进行全局寻优.结合支持向量机近似模型,将MOPSO方法用于卫星结构动力学优化,并与多目标遗传算法(NSGA-II)的结果进行了对比.数值结果表明,MOPSO可以有效地搜寻优化问题的Pareto前沿,具有良好的分散度和均匀性.     

多目标优化问题的非单调对角最速下降算法

【目的】为了更高效的求解多目标优化问题,得到更有效的Pareto前沿面。【方法】通过引入非单调Armijo准则,得到新的步长搜索方式,进而提出了多目标优化问题的非单调对角最速下降算法。【结果】在目标函数无凸性、梯度Lipschitz连续性和下有界假设下,证明了算法产生序列的每个聚点均是多目标优化问题的Pareto弱有效解,并在适当条件下证明了算法的次线性收敛性。【结论】数值实验表明提出的算法目标函数值的平均值更小。