作业车间调度问题的新型邻域结构

针对作业车间调度问题(JSP),在现有邻域结构的基础上进行拓展,提出一种新型邻域结构.通过对现有邻域结构中产生可行邻域解的约束条件进行松弛,能够使得当前解生成更多的可行邻域解.使用禁忌搜索算法将已有的3种常见的邻域结构与该新型邻域结构进行对比,使用TA数据集中的前50个算例进行验证.实验结果表明:设计的新型邻域结构无论在最优值还是平均值,都比其他3种邻域结构具有优势.实验数据表明:新型邻域结构在4种邻域结构中能够搜索的最多可行邻域解.尽管新型邻域结构搜索花费的时间最多,但由于使用了近似评估方法,因此搜索时间在可接受范围内.     

二次规划的整标集法与可分解的二次规划

一般二次规划(QP)常用Fletcher算法或简约梯度法求解，只能得1个K-T点，未必是整体最优解．根据求解线性互补问题全部解的整标集法，文中提出求解二次规划的整标集法，即将(QP)转化为线性互补问题，求出全部互补可行解，得到(QP)的全部K-T点，通过比较得整体最优解．此法不需初始可行点，简便可行，适用于一般二次规划．结合算例将整标集法与Fletcher算法、简约梯度法进行比较．该例用此法求解得7个K-T点，且目标函数值相差甚远．另一例具有无穷多个K-T点．算例表明：对于小规模问题，此法优于Fletcher算法和简约梯度法．文中还提出二次规划可分解的条件，据此可将一类规模较大的问题分解成规模较小的问题，降低了难度．     

基于局部搜索策略的车间作业调度问题的算法研究

为车间作业调度问题提供了一个快速、易于实现的近似算法．该算法基于局部搜索策略,采用特殊的邻域构造方法,即邻域的构造仅与关键路径上的工序相关．该算法找到了所测试的14个标准算例中12算例的最优解,而且在PⅡ233的计算机上每个算例的计算时间不超过1s。     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

一种求解双层过道布置问题的离散花授粉算法

结合布局活动中设施布置在多层空间的实际情况,对过道布置问题在双层空间中的布置优化进行研究,构建了一种新的混合整数非线性规划模型.基于可行解的离散性和问题求解的复杂性,提出一种花授粉算法离散方法.通过重新定义授粉过程,将以问题规模为搜索深度的随机搜索过程作为全局搜索,而在局部寻优阶段,个体以交换对的形式跟随最优解更新自身.为进一步提高算法性能,在全局搜索阶段引入临界值,通过变异陷入局部最优的个体实现变邻域搜索,并设置阈值以提高求解效率.通过对比改进前后两算法求解38个测试算例的运算结果,验证了算法改进的有效性.最后,应用改进离散花授粉算法求解原过道布置问题,并与不同算法的实验结果进行对比,发现所提算法在求解质量和效率方面更具优势.     

两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题，以最大完工时间为目标建立数学模型，提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量，用遗传算法进行初步搜索，将搜索的结果通过迭代贪婪策略进一步搜索，以提高解的质量，再对关键路径进行邻域搜索，设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构，加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试，实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。     

考虑翻箱作业的铁路集装箱中心站起重机调度

为了保证铁路集装箱中心站高效地完成站内转运,利用阶梯恶化函数表示翻箱作业过程,并以此构建轨道式集装箱起重机调度优化模型。由于精确算法难以在合适的时间内获得大规模问题的最优解,在此提出自适应邻域搜索规划算法。该方法采用自适应大规模邻域搜索框架,并采用标准求解器求解产生的子问题。研究结果表明:本文方法在处理高达100个作业任务的算例时也能在较短的时间内给出较优解,可为站场转运作业过程中资源调度问题提供决策支持。     

旅行商问题的近似求解算法

在最近邻法、k-变换策略和贪心算法的基础上,尝试设计效率较高的产生旅行商问题较优可行解的方法。将3变换邻域分成两种结构(称为3_1和3_2变换邻域)考虑,设计以下算法:利用最近邻法产生初始当前最优解;然后依次在当前最优解的3_2、3_1、2变换邻域中寻找更优的局部最优解成为当前最优解,直到结果没有改进。利用算法对一些经典的实例进行实验,依次将每个城市作为出发地,在多项式时间O(n4)得到的最优解与给定的最优解相对误差在1%内。     

运用改进遗传算法的输电网规划

遗传算法对许多问题是有效的，但普通遗传算法只能保证全局最优解的出现而不能保证每次都收敛于全局最优解，其原因是在搜索过程中出现的全局最优解不能保留下来，针对这一问题，本文将改进自适应代沟方式的遗传算法用于输电网规划中，一方面保证了计算结果有多个解可供选择，另一方面加快了搜索速度，提出了搜索性能，算例表明了这种改进方法的优越性。     

模糊需求车辆路径优化及实时调整

针对模糊需求车辆路径问题,在需求未明的预优化阶段,基于可信性测度理论建立预优化模型,设计混合分散搜索和变邻域搜索的变邻域分散搜索算法求解;在获知实际需求的实时调整阶段,提出一种新的实时调整策略,采用随机模拟算法模拟可能场景的实际需求.算例仿真结果表明,变邻域分散搜索算法是求解该类问题的较好算法,新策略能实现较优的实时调整.     

MIMO-OFDM系统信号检测和信道估计算法

文章针对MIMO-OFDM系统提出了一种局域化的最大似然信号检测算法,通过调整每个发送天线信号集中的搜索点邻域大小,在计算复杂度与系统性能之间折衷。仿真结果表明,该信号检测算法显著降低了计算复杂度;同时提出了一种基于导频训练序列的信道估计算法,采用该算法得到的信道估计均方误差结果接近理论极限值,系统误码率非常接近已知信道频响情况的性能。     

最小延时问题GPU并行加速变邻域搜索方法

为了能够在尽可能短的时间内获得最小延时问题的优质解,提出一种运行在CPU-GPU混合环境中的变邻域搜索方法。在遗传算法的顺序交叉生成子代基因过程中,改变邻域结构以避免解方案陷入局部最优。该方法在避免局部最优问题的同时,又可以利用GPU的并行加速能力缩短算法运行时间。实验结果表明,对于大规模最小延时问题,可以在短时间内获得足够好的解。     

FSFIS问题的基于随机kick的ILS&TS混合算法

提出了一种基于随机kick的迭代局域搜索算法(ILS)求解存储容量受限的流水车间问题(FSFIS)·该算法使用新颖的多对不交叉的交换移动构成kick移动,并采用回溯机制保证搜索在有利的空间内进行·通过应用4种邻域结构,每种情况下产生480组随机数据的试验证明该新型算法是快速有效的近优算法·设计了一种在原有的静态禁忌搜索算法中引入了基于随机kick的迭代局域搜索算法的混和算法,这种混合算法可以充分发挥原有的2种算法的各自优势,使目标函数进一步改进·     

基于鲸鱼群算法的柔性作业车间调度方法

针对以最大完工时间为目标的柔性作业车间调度问题,在鲸鱼群算法(WSA,Whale swarm algorithm)基础上,提出一种改进的鲸鱼群算法。首先,设计了一种基于工序加工顺序的个体位置表达方式及相应距离计算方法,使鲸鱼群算法能够直接应用于求解离散型问题。其次,在寻找"较好及较近"鲸鱼过程中引入协同搜索机制,提高"较好及较近"鲸鱼的质量和数量,扩大鲸鱼个体的搜索范围。同时,引入基于关键路径的变邻域搜索算法,搜索当前最优鲸鱼个体的邻域解,提高种群局部搜索能力。最后采用BRdata基准算例进行测试,验证了算法的可行性和有效性。     

连铸组中间包问题的MTSP模型及混合优化算法

针对连铸计划中的组中间包问题,建立了多旅行商问题(MTSP)模型,提出了一种结合启发式、k-opt邻域搜索和EDA进化的混合优化算法.该算法首先利用启发式规则确定虚拟炉次的个数,从而确定染色体编码长度,每个染色体代表一种中包组合方案,然后设计了基于概率矩阵模型的EDA进化算法对染色体进行全局寻优,并使用k-opt邻域搜索进行局部优化.EDA算法不需要设计如遗传算法(GA)那样的交叉算子,避免了交叉导致的编码非法性问题.通过对企业实际生产数据进行仿真计算,其结果表明了算法具有良好的优化性能和实用性.     

用于跳频分量选取的修正适应度距离比粒子群算法

跳频信号参数估计是跳频信号截获、干扰的前提,而传统Cohen类时频分析方法存在核函数选择的瓶颈.结合匹配追踪和智能计算的思想,将多峰函数粒子群优化算法引入跳频信号时频分析领域.在分析粒子适应度和粒子间距2个影响粒子搜索行为的关键因素的基础上,提出了基于改进的适应度-距离比测度的多峰函数粒子群优化算法,并应用于跳频分量自适应选取.该方法不需要跳频信号的任何先验知识和粒子群小生境参数的人为设置.理论分析和仿真结果表明,与基于环形拓扑结构、单一共享适应度信息的粒子群优化算法相比,算法成功率和参数估计精度进一步改善,该方法的邻域搜索机制和跳频分量选取具有可行性和有效性.     

贪婪随机自适应搜索法在电网规划中的应用

基于贪婪随机自适应搜索法(GRASP)能有效地解决电网规划的组合优化问题,其每一次迭代包含构造和局域搜索两阶段.在构造阶段,以改进线路综合有效性指标为贪婪函数,采用比例法形成限制候选列表,并随机选择元素构成可行方案.根据线路的实际效用比剔除可行方案中的冗余线路,为局域搜索提供一个简练经济的初始网络,并采用1-1交换产生邻居集来拓展搜索空间寻找局优解.所有迭代中的最好方案作为电网规划问题的最优解.对于网络规模增大所引起的“维数灾”,提出5种邻居删减技术来提高算法的解算速度.算例分析证明了该方法的可行性、有效性.     

Parameter selection in time series prediction based on nu-support vector regression

The theory of nu-support vector regression (Nu-SVR) is employed in modeling time series variation for prediction. In order to avoid prediction performance degradation caused by improper parameters, the method of parallel multidimensional step search (PMSS) is proposed for users to select best parameters in training support vector machine to get a prediction model. A series of tests are performed to evaluate the modeling mechanism and prediction results indicate that Nu-SVR models can reflect the variation tendency of time series with low prediction error on both familiar and unfamiliar data. Statistical analysis is also employed to verify the optimization performance of PMSS algorithm and comparative results indicate that training error can take the minimum over the interval around planar data point corresponding to selected parameters. Moreover, the introduction of parallelization can remarkably speed up the optimizing procedure.