解二维分配问题的行列启发式算法

二维 (2 D)分配算法在实际中具有广泛的应用 ,本文提出求解该问题的一种新的算法———行列启发式算法。该算法采用交替消去代价矩阵行与列中多余元素的方法得到分配问题的最优解。算法简单易懂 ,避免了其它 2 D分配算法中存在的算法实现难、处理速度慢的不足。给出相关原理的理论证明及算法的具体步骤 ,并通过实例验证了该算法的有效性     

寻找费用下降最大的闭合回路的算法

针对求解运输问题的经典算法,即闭合回路法和位势法,在寻找费用下降最大的闭合回路时,检验数求解计算量庞大的缺点,通过引入运输问题的检测矩阵及检测量,给出了一种求解运输问题的新算法。该算法对检测矩阵使用匈牙利法及元素求和得到最优解,从而得出最优运输方案。与经典的闭合回路法和位势法相比,在大规模的运输问题上,或基可行解出现退化的运输问题上,新算法更适合求解运输问题。     

一种新的路径生成式Logit交通分配算法

Logit方法是一种重要的非平衡交通分配方法，但由于需要路径枚举，限制了它在大型路网上的应用。本文提出了一种新的路径生成式Logit交通分配算法。每次迭代中，利用Logit方法在已产生的路径集上进行变通分配，并更新路段交通量度路段运行时间，然后在此基础上利用最短路算法求出新的最短路并更新路径集，如此变替进行．直至不再产生新的最短路，最后完成交通分配。由于不需进行路径枚举，从而使本算法适用于大型路网的交通分配。实际计算表明．该算法是有效和可行的。     

一种新的优化方法:β算法

提出了一种新的求解全局最优问题的算法。该算法适合求解非线性、非凸、包含多个局部最优解的最优化问题,且对所求解的问题没有很强的前提条件,适用范围宽广,该算法利用了目标函数超曲面在可行域中的起伏,对可行域进行分割压缩,并最终收敛于某个全局最优解。最后通过实例与模拟退火算法进行了比较,检验了其优异的鲁棒性和收敛速度。     

一种基于最优权重分配的D2S 改进算法

为解决高冲突证据下的D-S证据理论失效这一问题,在对已有一些代表性改进方法分析的基础上,提出了一种新的基于最优权重分配的D-S改进算法.在保证证据冲突整体最小情况下,建立证据最优权重分配模型,对原证据模型进行修正.通过实例分析,并与其它改进方法进行对比,验证了该算法在解决冲突证据方面更为有效.     

一种求解协作配送成本分摊问题核仁解的近似迭代算法

协作配送问题是典型的组合优化合作博弈问题,也可称为协作车辆路径问题,其核心问题之一是确定公平合理的成本分摊方案.其中核仁解由于具有唯一性和公平性等特点,是成本分摊领域中公认的科学分摊方案.本文提出了一种近似求解协作配送问题核仁解的方法.首先分析证明了当顾客位置分布均匀,从理论上协作配送成本分摊问题会是凸博弈问题,然后,基于凸博弈的核仁解会等同于预内核解的理论,提出了一个能够求解凸博弈问题核仁解的迭代逼近算法(approximate iterative algorithm,AIA),分析了AIA算法的复杂度为O(n~42~n),为此又提出了AIA的有效提速策略,可将AIA的复杂度降低至多项式.最后,通过求解协作配送算例和实例,验证了本文AIA算法能够准确求解得到协作配送成本分摊问题的核仁解,提出的求解策略能有效的减少求解耗时,并且得到的最终结果与实际核仁解的平均偏差不到0.02%,更重要的是AIA能够用于求解所有凸博弈问题的核仁解.     

一种求解二次分配问题的新方法

二次分配问题(QAP)是一种易于表述却难于求解的组合优化难题。将二次分配问题目标函数中的二次项线性化得到与原问题等价的(混合)整数线性化模型,是求解二次分配问题的重要途径,但二次分配问题线性化模型中庞大的变量和约束数,致使利用其求解较大规模的实例仍具有很大困难。通过松弛原有二次分配问题线性化模型中的约束,得到3个求解规模较小且较松弛的模型,提出了一种求解二次分配问题的新方法,并不仅从理论上证明了该方法的正确性,也从实验的角度说明了该方法较以往方法的优越性。     

目标分配问题的蚁群算法研究

防空C3I系统的目标分配问题中如何使射击效率最佳,是非常重要又十分困难的问题。分析了目标分配问题各种解算方法的特点及存在的问题。结合蚁群算法思想,提出了一种新型的目标分配算法模型,并进行了算法实验。实验结果表明,基于蚁群算法思想的目标分配算法是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度。     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

武器-目标分配问题的粒子群优化算法

建立了武器-目标分配问题的优化模型,分析了各种解决此模型的方法的优缺点。经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出粒子群算法来解决武器-目标分配问题。经过比较测试,4种粒子群算法的效果都比较好,特别交叉策略A和变异策略B的混合粒子群算法是最好的且简单有效的算法。     

产品数据管理中任务指派问题的模型和算法

产品数据管理(product data management,PDM)中的任务具有紧前约束、可拆分特性和时间窗.为了使有限的设计资源得到合理利用,建立了产品数据管理中任务指派问题的数学模型,其目标是总项目工期最短,任务拆分次数最少和任务中断时间最短.设计了一种基于贪婪准则的遗传算法对模型进行求解,对遗传算法的染色体编码方案和解码规则,适值函数和遗传算子等进行了详细说明.最后给出了一个应用实例,验证了模型和算法的有效性.     

信息不完全确定的多准则语言群体指派方法

针对决策者权重和准则权重信息不完全确定且评价信息为语言值的多准则指派问题,提出了一种新的求解方法。该方法利用二元语义对语言评价信息进行处理和运算。首先将决策者在各准则下给出的语言评价矩阵转化为二元语义,并利用二元语义的Δ函数及其逆函数Δ-1将其结集为群体在不同准则下的评价矩阵,然后利用二元语义的算术平均算子将不同准则下的评价矩阵结集为综合效率矩阵,再结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规划模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

基于遗传算法的一类武器目标分配方法研究

针对联合作战的武器目标分配问题,建立了资源受限条件下的多组武器目标分配数学模型,并研究了用遗传算法求解模型的方法.该遗传算法通过设计一种满足约束条件的染色体编码格式,把求解问题转化为无约束的组合优化表现形式,从而可以利用单点随机定位算术交叉和变异运算以及精华选择策略来求解.仿真计算结果表明了模型和所提算法的有效性.     

允许协助条件下的指派问题研究

就许多指派场合常常要求加强合作,提高工作效率,但经典指派问题并没有讨论任务完成者之间可以相互协助以及如何协助等情况,详细阐述了在允许协助条件下指派问题中的合作效率概念及其计算公式,并对帮助对象的选取提出了几条常用原则和对应算法。最后,基于帮助对象的选取原则和匈牙利算法,对该问题最优化算法进行了具体描述,计算实例表明该算法是有效的。     

Weapon target assignment problem satisfying expected damage probabilities based on ant colony algorithm

A weapon target assignment （WTA） model satisfying expected damage probabilities with an ant colony algorithm is proposed. In order to save armament resource and attack the targets effectively, the strategy of the weapon assignment is that the target with greater threat degree has higher priority to be intercepted. The effect of this WTA model is not maximizing the damage probability but satisfying the whole assignment result. Ant colony algorithm has been successfully used in many fields, especially in combination optimization. The ant colony algorithm for this WTA problem is described by analyzing path selection, pheromone update, and tabu table update. The effectiveness of the model and the algorithm is demonstrated with an example.     

New algorithm for robust H2/H∞ filtering with error variance assignment

We consider the robust H2/H∞ filtering problem for linear perturbed systems with steady-state error variance assignment. The generalized inverse technique of matrix is introduced, and a new algorithm is developed. After two Riccati equations are solved, the filter can be obtained directly, and the following three performance requirements are simultaneously satisfied: The filtering process is asymptotically stable; the steady-state variance of the estimation error of each state is not more than the individual prespecified upper bound; the transfer function from exogenous noise inputs to error state outputs meets the prespecified H∞ norm upper bound constraint. A numerical example is provided to demonstrate the flexibility of the proposed design approach.