货机主货舱多约束条件下集装器装载优化

研究当货机货物装载量确定时,货机主货舱在多约束条件下的复杂集装器装载优化问题。由于主货舱内不同装载区域约束条件的不同,将主货舱分为两个部分考虑,在符合民航货机装载规则的前提下,建立货机主货舱的装载优化模型。不但考虑了货机的重心位置约束、货舱结构约束,还考虑到弯矩、扭矩作用对货机装载的影响。并以实际重心与最优重心偏移量最小为目标,采用遗传算法寻找最优解。以波音777货机为例进行验证,表明了该模型和算法的有效性。通过此货机主货舱装载优化算法,对于货机的安全考虑更加全面,能够在满足多个客观约束条件的基础上,较快的得到最优的装载方案,为今后的航空货运配载工作提供参考。     

基于双层启发式遗传算法的三维装箱问题

三维装箱问题是一类组合优化问题,多用于物流运输业的货物装载,具有重要的实践意义。它的最优解受多种条件因素的影响,求解形式复杂且计算量较大,所以常用启发式算法来解决。以空间分割为原则的启发式算法融入遗传算法中并结合二层规划的思想,提出一种基于双层启发式遗传的三维装箱算法。通过双层启发式遗传策略分别对可行解进行广度和深度的搜索来提高寻优效率,从而得到最优的三维装箱方案。在此基础上利用具体算例进行运算和分析,证明该算法在空间利用率和稳定性上都有较好的效果,同时装箱方案可以依托计算机技术进行三维可视化,可为三维装箱问题的信息可视化提供理论依据。     

求解非线性约束优化问题改进的粒子群算法

采用粒子群算法处理约束优化问题时,由于约束条件使得解空间成为非凸集合,粒子容易陷入局部最优,因此在搜索过程的不同阶段,提出变步长因子的粒子群算法,实验证明改进的算法是可行的,且在精度与稳定性上明显优于采用罚函数的粒子群算法和遗传算法等其它一些算法.     

改进分布估计算法解决多约束集装箱装载问题

集装箱装载是一个空间优化分解的布局问题,其约束条件多,属于典型的NP完全问题,求解难度大。在考虑实际应用中的约束条件下,使用三空间分割的布局方法,并结合分布估计算法(EDA)求解多约束装箱问题。同时对所使用的单变量边缘分布算法(UMDA)进行改进,采用了精英种群的策略并且加入遗传算法中的变异操作,这样能够使算法跳出局部最优解,加快算法收敛速度。实验结果表明该算法在求解速度和成功率方面都有明显的改善。     

融合启发式搜索的改进极快决策树算法在多规格货物智能混合装载中的应用

针对多规格货物装载效率较低问题,提出了一种融合启发式搜索的改进极快决策树智能装箱算法,该算法首先计算并择优选取样本信息熵,然后构建生成货物装箱决策树模型,最后基于启发式搜索方法对货物装载后的剩余空间进行合并再利用。通过保证决策树每个节点装入货物体积最大,对待装货物进行快速决策。最后,基于七组异构性逐渐增强的货物数据对算法进行仿真实验,结果表明：本算法在保证较高集装箱利用率的情况下实现了快速装箱。     

基于双种群粒子群优化新算法的最优潮流求解

提出一种带赌轮选择的双种群粒子群优化算法(TSPSO)求解最优潮流问题。在该算法中,对2个种群采取不同的参数设置,使得粒子在进化过程中具有不同的飞行轨迹,从而尽可能地探索解空间,增强算法的全局搜索能力;基于赌轮算法的概率选择机制使粒子可以在较好的可行解邻近范围内高强度搜索,增强了算法的局部搜索能力;采用自适应惩罚因子能有效区分最优潮流的目标函数和约束条件对种群进化的影响,使种群可以跨越不可行域到可行域进行搜索。通过IEEE30节点系统对该算法进行测试,结果表明,采用该算法可以有效求解最优潮流问题。     

基于蚁群算法的集装箱装载问题

探讨了蚁群算法在复杂集装箱装载问题中的应用.利用蚁群算法对解空间的搜索能力,结合二维链表结构的方法,对布局空间依次分割完成不同大小的三维矩形物体的装载,并给出了有效的编码形式和解码算法.通过对文献中提供的数据进行测试和比较说明本算法是有效的.     

基于蚁群算法的集装箱装载问题

探讨了蚁群算法在复杂集装箱装载问题中的应用．利用蚁群算法对解空间的搜索能力，结合二维链表结构的方法，对布局空间依次分割完成不同大小的三维矩形物体的装载，并给出了有效的编码形式和解码算法．通过对文献中提供的数据进行测试和比较说明本算法是有效的．     

货物三维装箱问题建模及其乌鸦搜索算法优化

针对货物三维装箱问题建立三维装箱模型.在模型中,为避免货物在运输过程中转弯时由于偏心导致翻车现象的发生,加入了考虑转弯时重心约束,得到重心区域投影为等腰三角形或者等腰梯形.货物放置规则中扩大了剩余空间区域,增加了解的多样性.在算法中,为了提高迭代收敛速度,增强其全局寻优的能力,采用改进的乌鸦搜索算法对模型进行求解与优化.在改进算法中,提出并引入了多概率随机游走策略和解修复策略.解修复策略使得算法适用于模型求解,尽可能增加解的多样性.多概率随机游走策略是种群迭代后继续以多种不同的概率进行随机游走,使得算法全局寻优能力更强.仿真实例与基准函数测试结果表明,改进后的算法优化效果明显.     

求解非线性约束优化问题改进的粒子群算法

采用粒子群算法处理约束优化问题时，由于约束条件使得解空间成为非凸集合，粒子容易陷入局部最优，因此在搜索过程的不同阶段，提出变步长因子的粒子群算法，实验证明改进的算法在精度与稳定性上明显优于采用罚函数的粒子群算法和遗传算法等其他一些算法。     

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。     

解决约束多设备韦伯问题的一种启发式算法

提出解决约束多设备韦伯问题的启发式算法属于一种定位和分配交替算法.约束多设备韦伯问题包含了常见的不带约束的多设备韦伯问题作为它的特殊情况.在分配阶段,采取最近中心再分组方法;在定位过程中,将非光滑约束韦伯问题转化为优化问题,再将之化为单调线性变分不等式,进而通过投影—收缩方法;在文章的最后给出了几组实例的数据计算结果.     

基于改进粒子群算法的飞行器冲突解脱方法研究

冲突解脱要求飞行器采用一种有效的方法来满足工作环境的限制。针对飞行器在多障碍环境下的冲突解脱问题,提出一种能够满足限制条件的改进粒子群算法(PSO)对冲突进行解脱。所提出的新算法(DARPSO)相对于经典粒子群算法有2个优点:第一,考虑了障碍对寻优过程的影响;第二,具有跳出局部极小的能力。仿真实验结果显示,所提出算法的优化效果要优于标准粒子群算法。将改进后的算法应用到飞行器冲突解脱过程中并进行仿真,结果表明,所提出的算法能够有效地指导飞行器躲避障碍,完成冲突解脱。     

现代物流中心的货物配送问题

为了实现我国物流现代化和提高现代物流中心货物配送的效益 ,本文从现代化物流中心货物配送的定义出发 ,阐述了现代货物配送的特点 ,并对现代物流中心的货物配送作业环节进行了分析 ,提出了我国现代物流的配送体系结构 ;最后对合理组织货物的配送做了简要的分析和阐述 ,重点以货物配送的配装作业环节为例分析了货物的配送问题 ,并应用数学规划知识建立了货物配装模型以优化货物的配装作业 ,从而为解决现代物流合理化配送问题提供了科学的思路 ,同时也为实现我国物流现代化提供了促进作用 .     

带时间约束的配送网络流问题

考虑带时间约束的物流配送中的网络优化问题,即由配送中心向各个客户通过某种运输工具（如货车）供应货物的问题,目的是在满足各客户对时间和需求量的要求下尽可能降低配送成本.首先不考虑时间约束,通过一个混和整数规划模型来加以描述,以网络单纯形法、拉格朗日松弛算法以及试探法为主要研究方法,有效地得到在没有时间约束条件下的一个近似程度较高的可行解;再在所得结果的基础上进行修正直到得出满足时间约束的可行解.     

基于冲突点避让机制选择的航空器滑行路径优化

针对航空器地面滑行的问题,提出了冲突点选择避让机制来优化航空器滑行路径。通过构建地面滑行路径的节点-路段模型,以航空器全部滑行到预定节点所用时间最短为目标,建立了路径滑行优化模型。通过建立可行路径集,利用启发式搜索算法,从静态路径规划、动态路径规划两阶段对滑行路线进行优化,得到航空器滑行优化路径。以某机场某一时段内航班到离港时间数据为例,对算法进行了验证,结果显示:经算法优化后,可减少时间段内各航班的最短滑行路径的冲突,缩短滑行时间,滑行道使用较分散,可降低航空器滑行中运行风险。