约束多目标优化问题的进化算法及其收敛性

提出了带约束多目标优化问题的一种新解法。首先定义了个体的序值和个体的约束度,利用这两个定义给出了一种新的适应度函数和开关选择算子,从而对种群中的个体进行评估或排序时无需特别关心个体是否可行,避免了罚函数选择参数的困难。用概率论有关理论证明了算法的收敛性。用标准的Benchmark函数进行了仿真实验,仿真结果表明,新算法对约束多目标优化问题的求解是有效的。     

废弃物处理站选址问题及多目标演化算法求解

针对废弃物处理站选址问题,建立了一个总成本最小和负效用最小的双目标规划模型,从而确定建站的位置、处理容量以及分配给处理站的废弃物产生点.利用问题的启发式知识,设计遗传操作,提出了一种混合多目标演化算法.实例分析表明,混合多目标演化算法在求解质量上与约束法非常接近,而求解速度要远好于约束法.     

废弃物网络系统容量扩张模型及算法

随着城市固体废弃物产生量的增长,原有的废弃物网络系统将不能满足需求,需要新建处理站以扩张网络系统处理能力.建立了多阶段网络容量扩张的双目标规划模型,其中一个目标是最小化总的建设费用,另一个目标是最小化处理站所产生的负效用.设计了基于随机贪心算法的不可行解修补策略和邻域启发式算法,提出了一种混合多目标进化算法来求解模型. 实例说明了模型的有效性.通过和加权法比较证明了混合多目标进化算法有很好的搜索能力.     

一种新的求解复杂多目标优化问题的进化算法

复杂多目标优化问题通常有大量的Pareto有效解,并且存在部分Pareto有效解容易求出,而部分Pareto有效解很难得到的情况。已有的多目标进化算法在设计进化算子时都没有考虑Pareto有效解的求解难易程度,都是使用固定的杂交变异概率,因而在求解复杂多目标优化问题时效率不高。用带权重的极大、极小策略,通过专门设计的权重得到一组适应值函数,同时进一步构造了随进化代数变化的杂交、变异概率,其大小根据求解有效解的难易程度自动调节,提出的多目标进化算法的效率大大提高,并能求出有效界面上相对均匀分布的有效解。数值仿真表明了本算法非常有效。     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

基于多目标优化的传感器网络任务分配模型

由于网络节点资源受限,节点任务分配对传感器网络性能和网络服务质量影响很大.本文以优化系统时延、能量消耗及网络均衡度为目标,建立了基于多目标优化的传感器网络任务分配模型.同时为了有效协调多目标间的关系,采用目标协调优化方法构造目标函数.利用关键路径法解决通信路径选择,给出了基于遗传算法的最佳任务分配方案,进而最大限度地提高了传感器网络效率.最后,仿真结果表明了该模型和算法是合理的和有效的.     

多目标0-1规划问题的元胞蚁群优化算法

为求解多目标0-1规划问题,基于元胞自动机原理和蚁群算法,提出一种元胞蚁群算法.将元胞演化规则和蚁群寻优相结合,提高非劣解集的多样性和分布性.经数值实验和已有算法相比较,该算法具有较好的性能.     

考虑DNCVaR-利润-客户满意度的分销网络设计多目标优化模型

借鉴金融工程中条件风险价值理论, 提出了分销网络条件风险价值的概念和计算公式, 并用之度量分销网络风险水平. 构建了以DNCVaR、利润、客户满意度为目标的分销网络设计多目标优化模型, 该模型不仅能体现供应链核心企业风险偏好度, 而且还能解决分销网络风险水平-分销中心设立-分销中心购买量-分销中心服务对象-分销点购买量组合决策问题, 并应用多项式目标优化技术进行了多目标组合.这些工作为CVaR与分销网络设计优化决策类问题的结合研究作了有益的探索, 且算例的优化决策结果也说明了文中构建的模型能有效解决上述组合决策问题.     

基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

政府补贴下的再制造逆向物流多目标选址模型及算法

考虑政府行为对再制造逆向物流的影响,本文通过对社会成本、经济成本和回收收入的优化,构建一个多周期多目标的动态混合整数规划模型.在模型中对政府补贴行为进行定量描述,其补贴大小与实际回收率、规定回收率以及单位补贴等相关,以及据此设计多目标粒子群算法对模型进行求解.通过仿真实例,验证模型的有效性和算法的可行性,并对政府补贴参数进行了灵敏度分析.     

边远群岛物流体系的选址-库存-路径优化

针对边远群岛海运物流体系在构建与优化中所面对的选址-库存-路径问题,从边远群岛的地理结构和自然环境出发,分析了这一特殊背景下物流体系的内在运作机理和特点.以物流节点选址、港口布局、仓储规划和航线配置为基本内容,以各岛屿物资供应不问断为前提,构建出物流成本最低的优化模型.根据问题特点,提出一种基于遗传算法和模拟植物生长算法的混合算法.通过对我国南海某群岛海运物流体系实例计算和不同算法的对比,说明所建模型和算法的合理性与有效性.最后,经过灵敏度分析,指出了决策时应更关注运输系统优化的内容.文中提出的模型、算法为边远群岛海运物流体系的构建提供了理论支撑和优化方法,对于我国南海群岛建设决策及物流体系的构建具有重要的理论意义和实用价值.     

考虑客户时间偏好的第四方物流路径优化问题

为使第四方物流系统能够在不确定环境下为客户提供有效的运输方案,在一定费用投入下获得更高的客户满意度,研究考虑客户时间偏好的第四方物流路径优化问题.基于累积前景理论,以最大化总运输时间的前景值为目标,建立考虑客户时间偏好的数学模型,并采用蚁群算法对模型进行求解,数值算例验证了算法的有效性·并且,将该模型与传统的期望值模型和期望效用模型进行对比,算例分析表明,考虑客户时间偏好模型可以更有效地描述客户心理行为,并适用于具有不同风险态度的客户群体,验证了模型的有效性.     

一个物流网络的双层规划模型

物流网络的规划与布局不仅影响企业的经营活动，而且影响城市的交通运输功能．在一个物流周期内，用广义费用的概念描述了物流成本的相关内容，从物流成本的角度对物流中心的规模和位置进行优化．通过考察物流中心布局与配送作业成本之间的关系，以物流总费用最小为目标函数建立了一个双层规划模型．随后，用遗传算法得到一个该模型的近似最优解．实例所得结果证明了模型的实用价值及其有效性．     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

B2C物流配送网络双目标模糊选址模型与算法

基于B2C"配送-退换同时"的物流模式及配送业务特点,集成设施选址-分配和路线优化,研究模糊需求下的B2C物流设施选址问题.针对选址-分配的模糊性和静态性、配送的确定性和动态性特征,以物流总费用为主目标函数,以配送中心流通费用、车辆派遣费用、配送费用总和为子目标函数,建立了有配送中心容量静态约束和车辆动态负载量约束的双目标模糊选址模型,设计了嵌入随机算法和禁忌搜索算法的遗传算法求解.选取合适的测试算例验证了算法的有效性,探讨了客户需求模糊区间宽度和商品退换率对物流选址结果和各项费用值的影响.实验结果表明,所设计的算法对解决这类复杂问题合理有效.客户需求模糊区间宽度与车辆利用率和车辆路线总长的波动区间、平均车辆路线总长度、配送费用正相关,且宽度较窄时,选址结果、车辆派遣费用和配送中心流通费用不变,超过一定范围,选址结果、车辆派遣费用和配送中心流通费用改变.商品退换率与流通费用和物流总费用正相关,但不会影响选址结果和其他费用.     

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

基于改进蚁群优化的多目标资源受限项目调度方法

多目标资源受限项目调度是一类典型的NP难组合优化问题,具有广泛的实际应用背景.本文提出了一种带局部搜索的改进蚁群优化算法用于求解多目标资源受限项目调度问题,优化指标为最小化项目工期和资源投资.首先,采用改进的蚁群优化算法获取Pareto解集;其次,通过基于带逻辑约束的Insert和Swap邻域搜索方法对已获得的非支配解进行局部搜索,进一步提高算法的性能;最后,基于PSPLIB国际标准测试集的数值仿真实验与现有最好的算法比较,验证了所提算法的有效性和高效性.     

一类随机需求VRP的混合粒子群算法研究

针对一类随机需求车辆路径问题(stochastic vehicle routing problem,SVRP),结合现实生活中长期客户服务记录所隐含的统计性知识构建新的统计学模型,并将种群搜索与轨迹搜索算法相结合提出了一种新的混合粒子群优化算法。该算法通过引入导引式局部搜索,来减小粒子群搜索陷入局优的可能性以获得更优化解。仿真计算证明混合粒子群优化算法的有效性。同时,该算法也拓展了VRP的算法空间。