多约束条件车辆路径问题的二阶段遗传退火算法

针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第1阶段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第2阶段,采用二维变长染色体编码及相应的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免无效解,并利用退火选择来提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效率,在模糊分区上的搜索速度较之标准遗传算法提高了3～10倍.     

基于改进遗传算法的煤矿探测机器人路径规划

针对煤矿井下环境的复杂性和不确定性,提出了一种改进遗传算法用于煤矿探测机器人的路径规划。采用栅格法在三维空间中对机器人工作环境进行建模,对染色体编码,初始种群生成、适应度函数的设计等操作进行了改进;算法采用了可变长度的染色体编码方式,使用随机指导式搜索策略来生成初始种群;根据路径长度最短且能耗最少的评价指标设计了适应度函数,并优化设计了遗传算法中的交叉和变异算子,解决了传统遗传算法"早熟现象"和"收敛速度慢"的问题,仿真实验证明了该方法的有效性和可行性。     

A*算法与蚁群算法相结合的无人艇巡逻路径规划

针对无人艇海上巡逻路径规划问题,提出了一种A~*算法与蚁群算法相结合进行最短巡逻路径优化的方法.在传统A~*算法的八角度搜索基础上,设计了一种多角度A~*算法以获得更短的两点之间可行路径,并以A~*算法搜索结果构建任意两个巡逻点之间的最短路径网络.结合最短路径网络建立多点巡逻路径规划问题的目标函数,利用蚁群算法进行求解以获得全局最优的巡逻路径.针对巡逻路径转折角较大的问题,提出了一种平滑算法以获得更符合实际航行需求的平滑路径.仿真结果表明:该方法有效地去除了冗余节点,缩短了路径长度,提高了路径平滑度,规划出了一条更优的无人艇巡逻路径.     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

多因素改进势场蚁群算法的路径规划

针对路径规划算法中蚁群算法对目标点盲目性较大且无法应对多路况等问题,提出了一种多因素改进势场蚁群算法.首先,算法引入人工势场法重新构造路径长度启发函数并加入势场力递减系数,从而解决蚁群算法迭代时间长且易陷入局部最优解的问题;然后,综合考虑了势场路径长度因子,路径平缓性因子以及平滑性因子,构建新的多因子启发式函数,以适应复杂多变的路面环境;最后,运用动态切点法对路径进行平滑处理,提高路径整体质量.仿真实验表明,该算法在复杂颠簸路面情况下具有较好的适应力,能够有效解决机器人路径规划问题.     

分布式SDN控制平面下可靠的控制流传输路径选择

针对分布式SDN控制平面中控制流传输路径选择问题,分析控制流传输的可靠性并提出一种控制森林的控制流路径选择模型.该模型是基于网络中每个组件故障的影响程度,通过启发式优化来寻求近似最优解.最后,在多个拓扑上进行模拟实验,将所提的算法与已有的算法在可靠性、路径长度等方面进行分析与比较,结果表明,该算法能有效提高可靠性并对路径长度造成的影响极小.     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

一类多旅行商路径均衡规划算法

本文研究了多个旅行商旅行多个城市的路径规划问题,提出了基于系统科学中的"吸引子"意义下的路径规划算法.路径规划的目标是均衡各旅行商的旅行路径长度并使得路径总和得到优化.为此提出了一种求解该问题的启发式算法思想,并结合邻近点和最短路径设计了算法,同时由复杂度分析知该算法的计算时间复杂度比以往的要低.     

求解车辆路径问题的改进遗传算法

在建立车辆路径问题数学模型的基础上,设计了求解该问题的改进遗传算法,即采用自然数编码,构造一定长度的遗传个体表,动态记录适应度以及引入新交叉算子。实验结果表明,该算法用于求解车辆路径问题,不但可以解决传统遗传算法在求解该问题所遇到的“早熟收敛”,而且大大提高算法的运行效率。     

融合遗传算法改进的蚁群算法

针对蚁群算法存在停滞现象及收敛速度慢的缺点,提出了一种融合遗传算法改进的蚁群算法,在蚁群算法中引入路径遗传运算.对蚂蚁发现的路径进行染色体编码,通过适应度函数对蚂蚁的路径做适应度评价,进行路径交叉和路径变异运算,设计了新的信息素更新策略.以对称TSP测试集为对象,将改进算法与现有算法进行测试比较.实验结果表明,改进后的算法具有优良的全局优化能力,有效防止了停滞现象.     

基于Q学习的无人机三维航迹规划算法

针对现有的基于强化学习的无人机航迹规划方法因无法充分考虑无人机的航迹约束而使规划获得的航迹可用性较差的问题,提出一种更有效的无人机三维航迹规划算法.该算法利用无人机的航迹约束条件指导规划空间离散化,不仅降低了最终的离散规划问题的规模,而且也在一定程度上提高了规划获得的航迹的可用性,通过在回报函数中引入回报成型技术,使算法具有满意的收敛速度.无人机三维航迹规划的典型仿真结果表明了所提出算法的有效性.     

汽车导航系统的动态路径规划优化模型与算法研究

汽车的普及化增加了城市交通的内在压力,对汽车导航系统的动态路径规划优化可以给驾车人在有限的城市道路中找出一条最佳行车路径.本文介绍了一种实用的动态路径规划方法.采用一个实时的路线地图,地图包括交通信号,道路类别和行车道的数目.建议的解决方案是使用病毒感染的遗传算法.该方法是将公路干线的一部份视为病毒.通过交叉和感染确定近期病毒的最佳组合.在驾车的过程中,当交通挤塞经常变化时,使用病毒感染实时路线,将产生一个可供选择的行车路线.最后给出病毒遗传算法的试验仿真结果.     

计算机联锁控制系统的进路生成算法研究

提出了一种有效分解车站站场图形的方法．构造出由股道区段组成的子集链．在此基础上进路生成问题转化为变约束条件的优化问题．通过对子集的处理消除了约束条件．给出了适于生成进路的遗传算法．理论分析及仿真实验结果表明给出的进路生成算法的有效性及实用性．     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

面向多目标优化问题的基于Species的遗传算法

为了能够快速准确地获得多目标优化问题的一组非支配解,提出了一种基于Species的多目标遗传算法.该算法采用Tchebycheff方法构建一定数量的子问题,进而基于Species机制构造多种群实现了对多个子问题的并行求解.这种采用多个体对一个最优解的搜索方式提高了算法的探索能力和开发能力.最后,对一组标准测试函数进行仿真实验,结果表明所提出的算法能够快速准确地获得一定数量的非支配解.     

Solving constrained traveling salesman problems by genetic algorithms

Three kinds of constrained traveling salesman problems (TSP) arising from application problems, namely the open route TSP, the end-fixed TSP, and the path-constrained TSP, are proposed. The corresponding approaches based on modified genetic algorithms (GA) for solving these constrained TSPs are presented. Numerical experiments demonstrate that the algorithm for the open route TSP shows its advantages when the open route is required, the algorithm for the end-fixed TSP can deal with route optimization with constraint of fixed ends effectively, and the algorithm for the path-constraint could benefit the traffic problems where some cities cannot be visited from each other.     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

基于双向搜索的公交路径选择算法及优化模型

为了解决人们出行公交路径选择问题,分析了公交网络的特点,对最短路径常用算法进行比较,提出一种基于双向搜索的公交网络路径选择算法。为了选择最优路径,综合考虑出行时间、出行费用和换乘次数等因素,给出一个综合评价指数模型,并用算例对算法和模型的可行性进行验证。基于数据库理论,算法用数据库表示公交网络,用数据库查询技术实现最优乘车路经选择,易于实现,执行效率较高。     

计算机网络中路由选择的优化研究

为了改进计算机网络的性能 ,提出了一种改进的并行遗传算法 ,采用多群体并行进化与自适应地改变遗传参数 ,对计算机网络中路由选择问题进行了优化 ,比较了不同算法所得到的链路利用率及网络的平均时延 .计算机仿真实验结果表明 ,该算法能较迅速地求出全局近似最优解 ,并且与传统的方法相比较 ,解的质量能大幅度地提高 ,证明此改进的并行遗传算法是行之有效的