机场新增卫星厅对中转旅客影响的研究

针对机场新增卫星厅问题构建了多目标航班登机口分配优化模型,得到了在最大化航班找到固定登机口数量的前提下使得旅客行走时间、换乘紧张度及登机口的使用数量尽量小的方案。借鉴图论中求最短路问题的思想,针对此类问题建立了以Dijkstra算法与贪婪算法相结合的启发式算法进行求解,大大降低了该问题的规模与复杂度。以航班到达时间权重λ与停留间隔时间权重μ为搜索准则,找到全局最优解,保证在目标航班匹配到登机口数量尽量多的基础上对所有可行解采用层次分析法对其余目标进行评价。最后通过实证分析算例给出了航班分配情况、中转旅客换乘时间分布及紧张度分布。     

基于多处理机系统实时调度算法的飞机排班问题研究

提出了一种新的基于多处理器系统的实时调度算法有效求解飞机排班问题的方法.该方法以EDF算法和多处理机动态分配方法为基础,建立了航班队列模型,提出了基于多处理机实时调度的多目标的飞机实时分配算法.模拟实验表明,针对不同优化目标的飞机分配算法执行效率均比遗传算法和分支定界算法高至少一个教号级.     

线性规划的原有松弛-对偶单纯形算法

针对线性规划的单纯形算法中出现不可行基的情形,提出了一种原有松弛-对偶单纯形算法.忽略不可行基变量相应的约束构造一个原有可行的松弛子问题,根据最钝角原理作了进一步松弛,用原有单纯形法求解该子问题,然后用对偶单纯形法求解原问题.通过大规模数值试验对这种算法进行计算检验.结果表明,与经典单纯形算法相比,提出的算法简便且具有更高的计算效率.     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

改进的混合型蚁群算法在VRP问题中的应用

为提高物流配送中车辆路径的寻优效率,提高物流经济效益,介绍一种能够有效求解VRP问题的算法—改进的混合型蚁群算法。该算法在近邻法构造初始解的基础上,使用2-opt局部搜索策略对当前得到的最优解和次优解进行改进,在更新全局信息素时采用基于排序的蚂蚁系统对排在前2名的蚂蚁更新全局信息素,且为全局信息素设置最大值和最小值。使用Matlab仿真工具对N44K6等10个经典VRP问题进行了求解,得到的结果和已知最优解的误差很小,都在6%以下,并且N33K6问题得到了和已知最优解相同的解。与基本蚁群算法得到的解进行了比较,证明了该改进算法的有效性。     

运用基于GA的粗糙集方法改进经典AHP方法研究

传统的AHP方法解决多准则决策系统有着独特的优势,但对于有些非常复杂的决策系统运用AHP进行分析后,在求解过程中,或者判断矩阵求解比较困难,或者求得的判断矩阵不能够通过一致性检验,从而使得传统AHP方法在解决某些复杂决策系统时失效.针对这种情形,提出运用基于GA的算法去约简经过AHP分析后的知识系统,然后或者直接运用RST方法中的规则进行排序而得到结果,或者对约简后的知识系统仍然用经典的AHP方法求解而得到排序结果.在此基础上,除了提出4条转换规则外,还运用该方法求解区域信息化水平比较决策系统,并与经典AHP求得结果进行比较,得出该方法比经典AHP方法更简单且可行的结论.     

基于AHP的航班延误问题分析

随着中国经济的发展,越来越多的人出行方式选择飞机.随之而来的航班延误问题给航空公司和旅客出行造成很大的麻烦.为了减少航班延误的情况,利用层次分析法对中国主要机场公布数据进行分析,利用灰色模型对延误问题的主要影响因素进行关联度计算.结果表明,导致航班延误的主要因素是航空公司原因,大约占比39.52%,其次是天气原因,大约占比30.52%,排名第3的是流量原因,大约占比29.96%.     

智能算法求解TSP问题的比较

截至目前,针对如何解决旅行商问题(即TSP问题)的方法出现了很多版本,而且各具特色,毫不雷同。通过大量的搜集总结,可以归纳出目前被广泛使用的几种解法:禁忌搜索算法、蚁群算法、进化算法、Hopfield神经网络算法、粒子群优化算法和模拟退火算法。通过对6种方法优缺点的比较,可得出适合智能求解TSP问题的方法及改进措施。     

基于模拟退火算法的证券投资最优组合理论研究

诸多求解证券组合问题的方法是基于Markowitz模型中协方差矩阵是正定的前提条件，但该条件不具有一般性．本文着重对预期收益固定、风险最小的证券最优组合的投资比例向量的求解，提出了一种基于模拟退火算法的解决方法，避免了协方差矩阵是正定的问题，更具有实用性．     

智能算法求解TSP问题的比较

截至目前,针对如何解决旅行商问题(即TSP问题)的方法出现了很多版本,而且各具特色,毫不雷同。通过大量的搜集总结,可以归纳出目前被广泛使用的几种解法:禁忌搜索算法、蚁群算法、进化算法、Hopfield神经网络算法、粒子群优化算法和模拟退火算法。通过对6种方法优缺点的比较,可得出适合智能求解TSP问题的方法及改进措施。     

一种基于最优化模型的数字电路测试生成方法

基于基本门电路的特征函数及被测电路的约束网络结构模型,首先提出了一种用于数字电路的模拟退火（ＳＡ）测试生成算法,然后在ＳＡ算法中采用梯度长法的退火梯度法,该方法的特点是具有全局收敛性和较高的计算效率,它不仅加速了数字电路的测试生成过程,而且也可应用于其他类型的优化问题。     

解决作业车间调度问题的改进蚁群优化算法

针对作业车间调度问题,提出一种改进的蚁群优化算法.首先设计禁忌表以产生活动调度,然后对传统的蚁群优化算法进行简化,并提出一种新型优先规则作为启发式信息.为增强算法的收敛性和提高求解质量,引入基于作业车间调度问题邻域结构的局部搜索.实验表明该文算法有效.     

基于混合粒子群优化的巡航导弹低空突防航迹规划

将模拟退火算法嵌入到粒子群优化（partical swarm optimization, PSO）算法中,并对PSO产生的最优适应值进行重新评价,以此构成混合粒子群优化算法（PSO-SA）. 将PSO-SA 算法应用于巡航导弹的航迹规划,不仅可以避免PSO陷入局部最优,而且能快速有效地完成离线和在线规划任务,获得理想的三维航迹. 仿真结果验证了该算法的有效性,且对同一起始位置所规划出的航程较PSO算法短,可有效节约导弹燃料.     

三轴磁航向传感器误差补偿

用椭球拟合法进行磁航向传感器误差补偿时,约束矩阵奇异导致算法不稳定. 对此提出改进的最小二乘椭球拟合算法,讨论了磁航向传感器的误差来源,建立了误差数学模型. 结合对约束矩阵的奇异性分析,提出矩阵分块分解方法解决奇异性问题,并用最小二乘法求解椭球系数. 该算法消除了传统算法的不稳定性,降低了计算量. 计算机仿真和转台实验表明它能有效补偿磁航向传感器的测量误差,补偿后航向最大误差小于0.42m.     

一类新的并行排序算法

提出了两种新的并行排序算法，在第一部分设计了一种有效的异步并行算法，可应用于多指令和多数据流计算机，且提供了该算法的最小和最大的运算时间，第二部分给出了一种新的并行排序网络，对于n个元素的排序序列，可以使用n(n-1)/2个比较元素和n(n-1)/2个反转换元素及n个转换元素能达到常数数量级的运行时间进行快速排序，同时给出了以{0，1}元素组成的序列的排序过程。     

二阶动力学系统的P-D反馈鲁棒极点配置

考虑二阶动力学系统中比例加微分反馈的鲁棒极点配置问题,即求取一比例加微分反馈控制器,在满足闭环系统特性要求的前提下,使得闭环系统特征值关于参数摄动具有最小的灵敏度.基于特征结构配置参数化结果,该问题可转化为含有约束条件的优化问题.给出求解该控制问题的算法,直接基于二阶动力学系统原型,只涉及n-维矩阵计算,便于工程应用.三级质量弹簧系统的仿真表明所提方法的有效性.     

基于运动波理论的城市动态交通分配研究

根据交通波理论导出在路段产生拥挤排队时的交通阻抗,并把该阻抗应用到动态交通流分配中,在此基础上建立离散化条件下动态用户最优配流问题的变分不等式模型,并用投影算法求解此模型,给出算例验证模型的实用性.     

基因表达式算法的并行化及其在函数发现中的应用

分析了基因表达式编程(GEP)算法的优点与不足,提出了一种基于消息传递接口(MPI)的并行GEP算法(PGEP),并将该算法应用到函数发现问题中.与传统GEP算法的对比实验表明并行的GEP算法具有更好的求精能力.     

浅析遗传量子算法与遗传算法在函数极值问题中的比较法

遗传算法是一种模拟生物进化的算法．它被广泛利用在信号处理、模式识别、人工生命等领域.遗传量子算法是将量子计算和遗传算法相结合算法．采用量子位染色体的表示形式．该算法具有量子计算的量子位和量子位的迭加特性,同时加入了量子旋转门干涉策略,使得进化染色体更好的呈现多样特性．实验表明,遗传量子算法在解决一般函数极值问题中,比遗传算法更具有优势．     

关于分裂凸可行性问题的粘性迭代算法1

研究了分裂凸可行性问题，给出了该问题的一个新的近似解算法，并证明该算法具有强收敛性，所获得的结果改进了前人的工作。