基于离散近似迭代法的多阶段M-SAD投资组合优化

提出了具有交易成本和交易量限制的多阶段均值一半绝对偏差（M-SAD）投资组合模型,并用自创算法——离散近似迭代方法求解。该算法的基本思路为：首先,将连续型状态变量离散化,根据网络图的构造方法将上述模型转化多阶段赋权有向图;其次,运用嘉量原理求出起点至终点的最长路程,即获得模型的一个可行解;最后,以该可行解为基础,继续迭代直到前后两个可行解非常接近。文章还证明了该方法的收敛性和复杂性。     

具有借贷限制的多阶段M-SAD投资组合决策研究

针对资产投资不允许卖空的情况,提出了具有借款限制且借贷利率相同和不同这两种条件下的多阶段均值-半绝对偏差(M-SAD)投资组合模型,该模型的优化为连续型动态规划问题。文中运用自创算法——离散近似迭代法求解,其基本思路为:将连续型状态变量离散化,根据网络图的构造方法将上述模型转化为多阶段赋权有向图;运用极大代数求出起点至终点的最长路程,即获得模型的一个可行解;以该可行解为基础,继续迭代直到前后两个可行解非常接近。文中还证明了该方法的线性收敛性和复杂性,并以一个具体实例比较了两种情况下的最优投资策略。     

基于信息熵的模糊多属性决策方法

针对属性值为梯形模糊数的模糊多属性决策问题,给出一种基于信息熵的模糊多属性决策方法,并用实例进行检验.该方法利用信息熵求出各属性权重,利用简单加权法来计算方案的模糊效用值,根据梯形模糊数的期望值排序方法对方案进行排序和择优.用该方法选出的方案有效、可行而且计算简单,为解决模糊多属性决策问题提供了新途径.     

考虑路段充电和时间窗的电动车取送货问题

考虑路段充电和时间窗的电动车取送货问题，以最小化车辆总旅行距离为目标，结合车辆容量约束、时间窗约束和电量约束等限制，决策一组最优的车辆线路。该问题公式化为一个混合整数线性规划模型，提出一种变邻域搜索算法求解该问题。数值算例用于验证模型的性质和算法的性能。结果表明：在小规模算例中，提出的算法只比商业求解器CPLEX差0.08%;但在大规模算例中，算法能求出高质量的可行解而CPLEX在规定时间内无法得到可行解。     

基于线性倒立摆模型的双足机器人步态规划

为解决多关节自由度双足机器人的步态规划问题, 提出了一种改进的三维线型倒立摆模型步态规划算 法。 该方法将双足机器人简化为三维线性倒立摆模型, 在得到机器人的质心参考轨迹的同时规划摆动腿的轨 迹, 通过机器人的运动学逆解即可求出各关节运动序列。 在对质心轨迹求解过程中, 与传统方法通过双脚支撑 阶段调整质心速度实现步态稳定的方法不同, 该算法通过求解支撑腿最优交替时刻的方法最大化单脚支撑阶 段的范围, 实现机器人的高效稳定行走。 以 NAO 机器人为实验对象, 对算法进行了仿真实验, 实验结果表明, 该算法是可行、 有效的。     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

一种情感模型的研究

根据隐马尔可夫模型HMM的基本理论和算法设计了一个情感模型。该模型由三种心理情绪状态组成。外部刺激经过HMM模型识别,确定情感输出。Baum-Welch算法在训练时存在溢出问题,需要人工介入来调接。提出一种能消除HMM情感模型上下溢问题的算法,不仅不需人工介入,还保证了计算精度,从而提高了模型的准确性。仿真结果表明这种方案可行,且识别效果较好。     

区域基础设施布局的优化设计

建立了基础设施布局优化模型,提出了一种简化算法,并利用该模型对中心卫生院分布不均的问题进行了研究,给出了可行方案,为决策提供了依据。     

一种动态OD矩阵估计算法的理论及应用

首先比较几种动态OD矩阵的估计方法（如广义最小二乘法、最大似然法，最小信息量法和极大熵法），优选出极大熵法，用组合理论推导出该方法的数学模型，进一步用拉格朗日乘子法求出模型的隐式解，由于实际解需迭代求出，文中介绍了一种迭代算法，并证明了它的正确性，最后，把所建立的模型和介绍的算法用于仿真案例和江苏省常熟市的交通诱导系统中，效果令人满意。     

多备选方案的综合性能指标配煤优化

针对配煤过程中最优方案失效的情况,提出了一种能够具有多备选方案的综合性能指标配煤优化方法.该方法采用一种新型的群智能优化算法——多元优化算法进行优化,算法中的搜索元采用上三角的数据结构存储,并利用该结构实现有用信息记忆和共享,充分利用寻优过程信息,实现搜索过程记忆,在找到全局最优解的同时,保留多个次优解.以某火电厂为工程应用实例研究,将该算法与其他5个常用的群智能优化算法的优化结果进行比较验证,结果表明多元优化算法在配煤优化中能够提供多种备选方案且最优解精度更高.采用多元优化算法进行具有多备选方案的配煤优化是可行有效的.多备选方案的综合性能指标配煤优化研究对火电企业具有重要的现实意义.     

基于DNA计算的指派问题

给出了推广的闭环DNA计算模型及其生化实验.用闭环DNA计算模型设计出了指派问题的DNA算法.对决策变量进行4组DNA编码来存放决策变量和效益值;通过有目的的终止技术和删除实验得到指派问题的全部可行解;通过批接入实验、电泳实验和检测实验获得最优指派问题的最优解.举例说明了算法的可行性.最后讨论了推广的闭环DNA计算模型的应用前景和不足之处.     

求解约束优化问题的多成员人工蜂群算法

针对约束优化问题提出了一种多成员人工蜂群算法.新算法设计了一种多成员机制,增强了在可行域内的搜索能力.在进行选择操作时,允许拥有较优目标函数的不可行解战胜可行解,增强了种群的分散性;在处理等式约束时,引入一种约束放松程度从大到小变化的机制,充分利用了等式约束周围不可行解的信息.针对13个标准测试函数的仿真实验表明:当处理含有等式约束且可行域较小的问题g13和最优解位于可行域内部且可行域较大的问题g02时,与改进人工蜂群算法相比,新算法最优解的均值误差分别减小了76%和80%.     

异构传感器网络成本最优节点部署机制

针对异构无线传感器网络中节点的高密度部署情况,研究了异构传感器节点的优化部署问题。提出一种基于遗传算法的异构节点成本优化部署方法。算法以网络的容错性和覆盖性为约束条件,以部署的成本为目标函数进行优化计算得到保证网络覆盖和网络容错性所需的节点位置和节点类型。算法既适用于布尔传感模型,又能应用于概率传感模型。仿真结果表明该算法能快速收敛于最优解,降低网络部署的成本,是一种可行的异构无线传感器网络节点部署的解决方案。     

一种基于改进遗传算法的最小化停电损失费用的配电网重构

提出一种基于操作簇改良策略的配电网重构遗传算法。将以操作簇为单位的遗传操作中出现的不可行解改良为可行解，建立了以停电损失费用最小为目标函数进行网络重构的数学模型，并采用IEEE RBTS配电系统进行了测试。结果表明，该优化算法可有效地降低配电系统的停电损失费用，且性能优良。     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

基于混沌神经网络的QoS组播路由算法

为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。     

允许延期交货的制造/再制造受限批量模型研究

文章研究了制造/再制造混合生产场景下的经济批量问题,建立了一个生产能力受限的制造/再制造混合批量模型,并根据问题模型的特性设计了一种启发式蚁群优化求解算法;该算法根据前一轮选择的路径调整可行解的信息素,再按转移概率选择保留路径,或启动相应的局部启发式过程来调整路径,最后编程实现了算例,验证了所提算法的有效性和效率。     

一种求解最大二等分问题的分散搜索算法

最大二等分问题是图论中的一个NP困难问题.本研究提出一种基于分散搜索框架的启发式算法求解最大二等分问题.该分散搜索算法采用Kernighan-Lin算法作为局部搜索算法,利用解的质量和解之间的距离构造参考集,通过两个可行解构造新的可行解.利用一些标准测试例子测试算法,实验结果与现存算法所得结果比较,表明该算法是有效的.     

求解多目标0/1背包问题的克隆选择算法

提出一种用于求解多目标 0/1 背包问题的新算法.新算法将抗体群中的抗体分为支配抗体和非支配抗体代替传统算法中对所有个体分配适应度值,解决了多目标优化问题中解的多样性的问题.先通过克隆操作实现全局择优,得到分布较广的Pareto-前端,接着采用免疫基因操作提高算法的局部搜索能力,同时采用抗体修正操作对由免疫基因等操作产生的不可行解进行修正,保证抗体在可行解范围内,并实现局部搜索.该算法与已有算法相比能更好地保持解的多样性、均匀性以及收敛性.仿真实验表明,新算法所得的 Pareto-前端分布最广,所得的解能较好地收敛到 Pareto-前端,并且将均匀性评价指标降低到1%以下.