改进蚁群算法在多目标下路径长度的研究

为解决蚁群算法规划时易陷入局部最优问题,提出一种适合多目标下全局路径规划的改进蚁群算法。将粒子群算法所得到的最优结果路径作为蚁群算法的初始信息素增强值,利用平均距离与当前距离比值和最优与最差路径正负反馈相结合来调节信息素更新策略,根据不同阶段中信息素挥发系数的影响将其动态划分来求解最优遍历顺序,得到最短路径长度。att48实例结果显示,相较于传统算法,改进算法在路径长度上缩短了6.76%,鲁棒性能提高了4.87%,证明了改进蚁群算法的有效性。     

多目标路径规划问题的算法综述

单目标路径优化模型难以更好的模拟实际生活中复杂多变的状况,相比而言多目标路径优化更贴近于现实,对实际问题更具有指导意义,也是近年来计算机科学和物流科学研究的一个热点问题,产生了众多的研究成果;为全面总结多目标路径优化算法的研究现状,综述了国内外多目标路径优化算法在不同背景下的应用及取得的进展,并按算法的构造方法进行了相应的分类;最后进行了总结分析了存在的问题,并指明其进一步的研究方向。     

多目标车辆路径问题的粒子群优化算法研究

针对粒子群算法(PSO)及其变种在约束多目标等复杂问题优化过程中所遇到的易陷入局部最优和收敛性问题,提出了一种基于动态学习和突变因子的粒子群算法(DSPSO)。首先,通过分析粒子群群体的学习机制,采用动态的学习策略,使粒子自适应动态调整认知成分和社会成分在迭代更新中的权重,以引导自身向最优解的方向探索,有效改善了群体的收敛速度;其次,通过引入阶梯突变因子的概念,使粒子在陷入局部最优时进行试探跳跃,阶梯突变赋予粒子突破更新步长限制的能力,使粒子在当前位置速度矢量方向上的二维空间邻域内进行试探寻优,当发现更优解时则跳出当前局部最优;最后,通过在BenchMark基准函数测试集中典型函数上的实验,证明了DSPSO的求解精度和收敛速度均优于对比算法。在多目标车辆路径问题实例优化中,解的可接受率和成功率分别为0.91和0.66,远优于对比算法中最优解的0.16和0.11,体现了所提改进算法在车辆路径问题中的优越性。     

差分进化算法在多目标路径规划中的应用

针对差分进化算法其算法思想简明、实现方便而得到了国际进化计算研究领域的认可,多目标问题中,由于各目标之间经常是相互制约的,因此优化难度相当大。带时间窗的多目标物流配送车辆路径优化的多约束性使得它很难应用进化算法进行优化。为了解决这个问题,本文通过变异操作算子改进,成功将改进的差分进化算法应用于该问题。数值仿真实验结果表明:这种改进的差分进化算法得到了较稳定的非支配解集,实现了客户间的路径优化。     

多种群蚁群算法在多目标优化中的研究

本文针对多目标优化问题提出了一种多种群蚁群算法,按照目标函数的个数建立蚁群种群数,在各个种群搜索过程中,创新性的引入了种群间的全局信息素更新和局部信息素更新,既提高算法对pareto解的搜索效率又避免了陷入局部最优,并针对多目标优化问题进行了仿真,证明了算法的可行性。     

基于改进蚁群算法的多目标路径规划研究

传统蚁群算法因在复杂环境中容易产生死锁，导致部分蚂蚁失效，造成效率低下，迭代次数增多。为此，提出了一种利用环境信息引入环境因子来调整启发函数的方法从而降低死锁情况的发生，增加了有效蚂蚁的数量，从整体上提高了蚁群的搜索速度，扩大了搜索范围。同时，传统蚁群算法在路径规划中仅在理想地域内寻求最短路径，而多因素环境中最短路径往往并非最优解。为解决此问题通过在不同环境中对转移概率进行加权优化在追求路径最短的基础上提出多目标路径规划，丰富了蚁群算法的实用性和现实意义。最后经仿真实验对优化算法进行验证，证明了上述优化的可行性。     

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。     

热轧轧制计划的多目标优化模型及算法

针对热轧轧制计划优化问题,建立基于奖金收集车辆路径问题（PCVRP）的多目标优化模型,其中包含两个目标：目标1为最小化相邻板坯的宽度、厚度与硬度的跳跃惩罚;目标2为最大化收集的奖金,即使得尽可能多的板坯编入轧制计划。在此基础上,提出一种基于Pareto最优的多目标蚁群系统算法（MOACS）,避免了传统加权法需要确定目标权重系数的缺点,一次运行可产生多个Pareto最优解,给决策者带来了更大的决策自由度。现场数据测试表明该算法具有良好的优化性能和实用性。     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

随机需求下多商品采购的多阶段优化模型

针对企业实际采购过程中的多阶段性和需求不确定性的特点，建立了一个随机需求下的供应商选择和采购量分配的模糊多目标规划模型。通过对数值算例的分析表明，目标约束法较好地解决了企业采购过程中的多目标问题，并且此方法可以根据采购商采购目标的变化对不同阶段、不同供应商的采购量进行合理调整，从而优化了企业的采购活动。     

复杂金融网络中洗钱效用与路径分析

提出了基于成本约束的效用最大化条件下的洗钱路径计算方法;在进行了试验分析之后,得出三条结论:在交易费用较高的条件下,洗钱者以较少次数结束转账过程,不会为了太大的安全而去无限次的进行交易;在交易费用递减的条件下,洗钱者会在效用最大化或交易费用极限的情况下终止交易;在交纳第一次的交易费用之后,即使后续交易费用为0,洗钱者还会在效用极大化的原则下进行交易,而不会无限制进行交易.     

高校教师工作分配问题的多目标模型及其应用

针对传统分配问题在实际应用中的局限性,提出了基于高校教师工作任务分配问题的新型多目标数学模型,并将多目标化为单一目标获得满意解.同时,模型中还涉及了可供教师多次选择机会的问题,并通过实例分析为高校工作任务分配者提供了行之有效的参考方案.     

论掩饰、隐瞒犯罪所得、犯罪所得收益罪对洗钱罪的补漏

我国刑法修正案（六）在修改了洗钱罪条款的同时,将原来的窝藏、转移、收购、销售赃物罪修改为掩饰、隐瞒犯罪所得、犯罪所得收益罪,弥补了刑法第191条沈钱罪条款涵益砸过窄的固有缺漏。对于木构成开珏法第191条洗钱罪的其他洗钱犯罪行为,可以刑法第312条掩饰、隐瞒犯罪所得、犯罪所得收益罪定罪处罚。     

动态模拟模型与动态模拟时间路径

在经济政策分析及政策方案评估中,采用动态模拟模型模拟政策所引起的经济现象变化的时间路径,是评价政策的重要“实验”方法。动态模拟时间路径的性状一般并非由动态模拟过程所决定,而是由动态模拟模型所决定。因此,如何选择不同的动态模拟模型,如何解读不同的动态模拟时间路径,便成为越来越受关注的政策模拟“实验”的焦点。     

AR模型应用于振动信号趋势预测的研究

振动信号的趋势预测是设备状态监测与故障诊断中的一个重要内容.本文讲述了对随机信号进行建模的基本方法和模型定阶的准则,并且讨论了轴承振动信号最佳阶数选取的问题.利用现场实测数据进行验证,计算结果表明使用Burg算法的AR模型能够较好地拟合轴承振动信号时间序列,并具有一定的预测精度,可以达到预测要求.     

我国货币供给函数的协整与误差校正模型

传统的线性回归建模常假定时间序列是平稳的,以保证普通最小二乘法得到的估计量一致.而多数经济时间序列却是非平稳的,对其做线性回归可能产生所谓的“伪回归”.在协整理论基础上,借助统计和整理的经济数据,运用计量经济学的Eviews统计软件对我国货币供给进行实证分析,建立了误差校正模型.对误差校正模型残差的自相关性、异方差性进行检验,结果表明该模型在我国货币供给中是有效的,克服了“伪回归”现象,且具有很好的经济解释意义.     

我国货币需求的协整分析与误差校正模型

运用协整方法和误差修正模型，分析我国货币需求的主要决定变量，估计我国货币需求函数，指出进入20世纪90年代后我国货币需求关系有了明显的改变，并对结论作出解释。     

褶积模型参数估计的递归算法及其收敛性

讨论褶积模型参数估计问题，通过对数据的正交化得到了模型参数的递归算法，从理论上分析这种递归算法的收敛性，并得到一个判断正交化过程收敛性的充分条件，在此条件下递归算法必收敛到褶积模型中的子波A=（1，a1，…，aq）。     

拖后率随时间变化且资金折现的变质性产品库存模型

为了确定变质性产品库存最优补货次数和补货量,在假设缺货量拖后率是等待时间的减函数条件下,利用折现现金流法建立一种新的变质性产品库存模型,给出寻找该模型最优订购策略的算法,并用数值例子来验证新模型的有效性.     

公交网络最优路径选择算法研究

公交乘客出行路径的选择是公共交通信息查询的重要内容.依据公交线路网络的特点以及公交路径选择的需要构造了公交线路网络的数学模型,在Dijkstra算法的基础上综合考虑乘客出行的乘车习惯、线路距离、换乘次数和乘车费用等因素,并考虑了多种不同的换乘方式和不同的线路类型对选路的影响,设计并验证了能够满足多种出行特点的路径选择算法.