基于改进MOPSO的多级系统备件配置优化研究

备件是装备保障的重要物质基础,合理规划备件的配置方案是提高装备保障效能的关键。针对多级保障系统备件配置优化的高维、非线性问题,构建了以备件保障度最大、保障费用最小为目标函数,以其他准则为约束条件的优化配置模型。面向优化模型求解的难题,在传统粒子群算法的基础上,提出了一种改进的粒子群求解算法,给出了该算法的设计思路和优化流程,采用基于准则的方法以及改进惯性权重等措施,以两个目标作为引导,在备件配置方案生成时可以避免长时间的无效搜索,提高了粒子群优化算法的求解效率,最后通过算例证明该方法的可行性和有效性。     

复杂网络中简单路径搜索算法及其应用研究

将复杂网络理论应用于制造业中的产品族零部件关系领域,构建了产品族零部件关系网络.为进一步深入研究零部件关系网络,需要搜索零部件关系网络中的简单路径.提出了一种有向无环网络中任意两节点间所有简单路径的通用搜索算法.编制程序实现了该算法,对算法效率进行了分析.将算法应用于产品族零部件关系网络,对零部件关系网络进行了分析,对算法进行了验证.     

时变网络环境下旅行商问题研究

对时变旅行商问题进行描述,提出处理一般跨时段的新方法,并建立数学模型.在求解方法上构造动态搜索优化算法ds-k-opt(k=2,2.5,3)求解该问题.通过实验仿真,大部分动态搜索优化算法解质量优于动态规划启发式算法,且求解规模更大.动态搜索优化算法解随k值增大而更优,算法运行时间也随之增加.     

带二维装箱约束的物流配送车辆路径问题

现实物流活动中大量存在的易损、 易碎物品的运输问题属于带二维装箱约束的物流配送问题, 该问题是二维装箱问题与车辆路径问题这两个经典难题融合之后的一个新问题. 针对这一问题, 在对其进行明确定义的基础上, 建立了数学模型, 提出了解决该问题一个Memetic算法, 对算法中的几个关键算子: 深度优先的启发式装箱方法、染色体的编码方式及其路径分割程序、初始解的生成方法、 交叉算子、局部搜索算子, 进行了详细的阐述. 通过初步的实验, 确定了Memetic算法的最佳参数配置; 然后在Iori提出的30个顾客数在20-199个标准算例上对算法的鲁棒性、求解的质量、以及求解性能等几项指标进行了测试, 并与文献中的求解结果进行了比较. 试验结果表明, 该Memetic算法大大提高了现有算法的性能及求解结果的质量.     

基于离散状态转移算法的无等待流水车间调度研究

针对制造行业中广泛存在的无等待流水车间调度问题,提出一种改进的离散状态转移算法进行求解。基于流水车间调度问题的特性,设计工件的编码方式,采用基于工件加工时间标准差为优先级的NEH(Nawaz-Enscore-Ham)方法构造初始解,设计基于插入和交换的多邻域组合搜索策略以提高初始解的质量;提出一种基于群状态的离散状态转移算法,并利用带二次状态转移操作的三种离散操作算子扩大算法的搜索范围;为进一步提高离散状态转移算法的求解性能,设计了基于莱维飞行的破坏重构局部搜索方法,对全局搜索发现的优质解进行细致搜索。仿真实验表明,改进的离散状态转移算法能够有效求解无等待流水车间调度问题。     

采用非固定多段映射罚函数的非线性约束优化差分进化算法

采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法.结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率.用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

多目标选择性拆卸序列优化问题的分散搜索算法

针对多资源约束下顺序依赖的选择性拆卸序列优化问题,建立以最大拆卸收益和最小拆卸时间为优化目标的多目标数学模型,提出了一种多目标分散搜索优化算法进行求解.该算法针对本文问题的特点设计了一种保持足够多样性的初始解生成方法,满足拆卸优先关系的交叉组合算子以及改进的参考集更新策略.为了进一步提高解的质量设计了一种局域搜索策略,并利用外部存档方法存放pareto解集.应用多组实例进行计算实验,并与其他求解该问题的算法进行比较,实验结果表明本文算法优于对比算法,证明本文模型和算法求解本类问题有效.     

基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法.该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能.仿真实例的结果表明该算法对问题求解的可行性和有效性.     

基于自适应多局部搜索memetic算法的多跑道地面等待问题求解

建立了一种综合考虑航班延误成本差别、续航航班延误时间的单机场地面等待问题优化模型, 对独立运行的多条跑道进行合理、有效分配, 满足大型繁忙机场的运营需求; 然后提出了一种自适应多局部搜索memetic算法来加以求解. 鉴于问题模型的复杂性以及单一局部搜索memetic算法对复杂问题显露出的较弱的寻优能力和收敛性, 提出的自适应多局部搜索memetic算法在不同阶段采用不同的局部搜索策略, 其中自适应定向局部搜索策略使个体的搜索速度根据个体、最优个体以及群体信息进行调整. 通过对多组仿真算例进行计算, 并与其它典型算法的求解结果进行对比, 实验结果表明了所提模型与算法的有效性.     

基于软件容错的抢占阈值调度算法设计与仿真

为了提高硬实时系统的容错能力,同时减少任务间的抢占次数,基于软件容错模型提出了抢占阈值容错调度算法(FT-FPPT).为了获得系统中任务抢占阈值分配的最佳策略,基于任务最坏响应时间的可调度性分析,提出了一种最优的抢占阈值配置搜索算法(PTCSA).PTCSA算法能够将搜索空间由O(n!)减少到O(n 2),其中n为任务的个数.最后给出了该算法的最优性证明.仿真实验表明,抢占阈值容错调度算法能够在抢占式容错调度算法的基础上,进一步提高系统的容错能力。     

一种逆向改进型A*路径搜索算法

针对路径搜索和路径优化问题,提出了一种改进的A＊搜索算法。通过逆序搜索和优化估价函数两种方法,将无向搜索转化为有向搜索,将全局估价转变为局部估价,提高了算法效率,使之更适合处理大规模的路径优化问题,消除了复杂环境下路径搜索中可能出现的假“死”现象,同时也提供了一种提高大规模仿真速度的新思路—路径搜索与仿真过程分离。最后,通过仿真试验验证了算法的可行性和有效性。     

基于自动规划的完备行动方案集生成及其在体系毁伤分析中的应用

提出使用匀动规划研究作战体系的易损性. 通过目标、能力、状态和行动对体系进行概念化描述, 将体系的易损性分析转化为给定初始状态下体系目标的可达性判定和所有可能规划解的生成问题. 修改了经典图规划算法的搜索策略, 将与或图的搜索转化为带有目标和动作节点的树的深度优先搜索. 买现了不包含冗余动作意义下的完备行动方案集生成, 证明了算法的可靠性和完备性. 算法对于可选行动和行动前提都较少的情况具有较好的执行效率. 算例说明算法用于体系易损性分析是可行的. 但对于大规模问题, 需要探索通过附加约束条件限制搜索规模的方法.     

用GA求解敏捷供应链质量兼容生产计划问题

在考虑产品质量控制过程的基础上,建立了极大化生产利润的敏捷供应链质量兼容生产计划模型,并利用遗传算法对这个复杂的组合优化问题进行了求解,从而提出基于遗传算法的敏捷供应链质量兼容生产计划算法。在改进的遗传算法中,染色体编码被设计成一种位串式的整数编码形式,遗传算子采用了一种引导遗传变异操作的运算方式,惩罚技术和精华选择策略被用来引导遗传搜索达到可行解空间的最好区域。大量仿真计算表明所提算法是有效性的。     

Solving DCLAP-MSN based on hybrid genetic algorithm

The dynamic capacitated location allocation problem in the military supportive network (DCLAP-MSN) is a representative of combinative optimization problems, and its optimization process is complicated. For this reason, a dynamic capacitated location allocation model is provided firstly. Then, a hybrid heuristic algorithm which combines genetic algorithm, repair algorithm of solutions and greedy search, is proposed as the solving method.The optimization performance is improved by effectively integrating the repair algorithm of solutions and greedy search with genetic optimization. The experiment results indicate that the proposed algorithm is a feasible and effective method for the problem.     

面向订单基于Agent的启发式产品组合生产计划研究

由于需求的不确定,很多企业在综合生产决策中渐渐采取面向定单的生产计划方式.当订单需求大于企业最大生产能力时,需要进行产品组合决策,以确定使利润最大的多产品混合生产的产量.本文针对一个面向订单生产的半离散制造型企业,结合Agent,建立了一个不依赖于特定成本和利润函数形式的基于作业流程和BOM结构的分布式生产决策模型,并给出了基于粒子群优化算法的启发式求解方法.该算法通过一维搜索调整粒子群"飞翔"的速度系数以解决寻优过程中粒子"飞出"可行域的问题,通过算例验证了求解算法的有效性.为将算法融合到所研究企业的ERP系统中,开发了试验性原型系统,并进行了模拟决策,结果表明所提出的模型和算法是可行的.     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

Dominance property based tabu search for single machine scheduling problems with family setups

The problem of minimizing the maximum lateness on a single machine with family setups is considered. To solve the problem, dominance property is studied and then introduced into the tabu search (TS) algorithm. With the dominance property, most unpromising neighbors can be excluded from the neighborhood, which makes the search process always focus on the most promising areas of the solution space. The proposed algorithms are tested both on the randomly generated problems and on the real-life problems. Computational results show that the proposed TS algorithm outperforms the best existing algorithm and can solve the real-life problems in about 1.3 on average.     

预警网络优化配置算法研究

由于我国军事防护海域及试验场区众多且较分散,当前迫切需要采用经济有效的方法建立预警网络,提早发现异常并立即告警和处理。为此首先借鉴入侵图思想构造警戒区域的有向图模型,以此描述可能的入侵路线及监测站候选部署位置。随后针对预警网络中固定监测站和移动监测站的部署数量、位置及巡逻航线等配置问题,建立了随机性数学模型,旨在保证一定目标检测概率的条件下尽量缩短预警时间,并提出了一个基于仿真抽样的启发式优化算法对该模型求解。最后通过仿真实验证明,相较于随机部署和层次部署方法,优化配置算法具有较高的预警性能。