基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。     

基于不同支付规则的MPPSP及其模拟退火与禁忌搜索算法

研究了基于不同支付规则的多模式项目支付进度问题.首先对所研究问题进行界定;在此基础上构建不同支付规则下的多模式项目支付进度优化模型,证明问题的强NP-hard属性;随后设计模拟退火及禁忌搜索两种启发式求解算法;在随机生成的标准算例集合上对算法进行比较测试,分析关键参数对目标函数的影响.结果表明:该文所开发的模拟退火启发式算法的求解质量要优于禁忌搜索启发式算法,而且这种优势随算例规模的增大而增加;此外,承包商收益随着支付次数与支付比例的增加而增加,随着折现率的提高而减小;基于时间、进展和费用支付规则下的满意解的目标函数值不超过基本支付规则下的对应值.     

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。     

基于不变矩和禁忌搜索算法的图像识别方法

为了满足图像识别较高的识别率和较低的时间消耗两方面的要求,提出了一种不变矩和禁忌搜索结合算法,即以不变矩作为特征参数,以禁忌搜索算法加快图像数据检测。在最佳的迭代步长下,不变矩和禁忌搜索结合算法在平均识别率、消耗时间、平均重复个数等参数方面,要明显优于一般不变矩算法。不变矩和禁忌搜索结合算法兼顾了识别率和时间消耗两个方面的因素,可以应用于一些高速的图像识别场合。     

遗传算法与禁忌搜索算法的混合策略

遗传算法与禁忌搜索算法的出现为解决高维组合优化问题提供了强有力工具．二者既有共性,又有个性．通过对遗传算法与禁忌搜索算法的分析,提出了一种遗传算法与禁忌搜索算法的混合策略,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造了新的重组算子,并把禁忌搜索算法作为遗传算法的变异算子,对旅行商问题的求解表明：混合策略在许多方面优于遗传算法．     

一种用于Job-Shop调度问题的改进禁忌搜索算法

提出了一种改进的禁忌搜索算法 .该算法利用了 Hash技术和对 Job-Shop调度问题的解进行编码实现了对 Job-Shop调度问题的解进行禁忌 .在算法中增加了回访功能 ,它可对未访问到的先前产生的解的相邻解继续搜索 .仿真实验表明算法是可行的和有效的 .     

最小-最大车辆路径问题的禁忌搜索算法

在对最小-最大车辆路径问题进行描述的基础上,建立了该问题的基本数学模型。针对最小-最大车辆路径问题的目标是最小化整个线路的最长子线路,本文提出了改进的禁忌搜索算法,并用一些典型算例进行了验证。计算结果表明,用该算法求解最小-最大车辆路径问题,不仅可以取得较好的计算结果,而且算法的计算效率较高,收敛速度较快。     

可选时间窗车辆调度问题的改进禁忌搜索算法

考虑了带可选时间窗约束的车辆调度问题(简称VRPATW),对现有的单时间窗约束的车辆调度模型进行了拓展,建立了VRPATW的数学模型,并进一步构造改进的禁忌搜索算法用于问题求解,算法首先用改进的PFIH算法提供较好的初始解,然后利用禁忌搜索对初始解进行改进,最后通过实验结果,说明该算法能够有效的解决100个用户的VRPATW问题.     

成像卫星集成调度的变邻域禁忌搜索算法

探讨了一类涉及多星、多地面站的成像卫星系统集成调度问题,要求从可能过度订购的卫星观测需求中,选择一个能够无冲突完成的任务子集,并为相应的观测和数据下传活动安排资源和时间,以最大化对所有用户需求的总体满足程度.建立了该问题的变体形式车辆路线问题模型,设计了改进型和调整型两类邻域结构,并提出了一种变邻域禁忌搜索算法.通过交替使用两类邻域结构,增强了算法对解空间的探索能力和规避局部极值的能力.测试算例的计算结果和与其它算法的比较表明,该算法能够在相近的计算时间内显著改善求解质量.     

基于禁忌搜索的CDMA多用户检测算法研究

基于禁忌搜索 (tabusearch ,TS)的原理 ,提出了两种实现码分多址 (CDMA)系统的多用户检测 (MUD)的算法。一种是通过合理地选择初始解、当前解的邻域以及禁忌搜索表 ,构造禁忌搜索检测方法 ;另外一种是采用禁忌学习神经网络 (TLNN) ,通过神经网络状态方程的迭代完成最优检测目标函数的全局寻优。通过分析以及对同步和异步情况的仿真表明 ,这两种方法均具有多项式的计算复杂度 ,而TLNN比TS复杂度更低 ;它们优于传统、多级、Hopfield神经网络等方法 ,对远近问题不敏感 ,并且具有与最佳检测方法 (OD)接近的误码率性能。     

基于模拟退火算法的空气污染危害指数及其应用

在设定各项污染物危害浓度参照值基础上,得出了一个基于模拟退火算法（SA）优化的适用于多种空气污染物的空气质量评价的污染危害普适指数公式.该公式应用于大量实例的分析评价结果与其他多种评价方法评价结果比较表明：该公式不受污染物种类和数目多少的限制,计算简便,具有可比性、通用性和实用性,评价结果与实际符合较好.     

基于联合视角的项目支付问题及其模拟退火启发式算法

从合同双方的联合视角出发,研究项目支付进度问题。其中,支付与项目事件相联系,任务是合理地安排支付事件、活动执行模式及事件发生时间,以使合同双方的共同收益最大化并使二者都能接受相应的安排。在对问题进行界定的基础上,构建由两个子模型构成的优化模型。针对问题的强NP-hard属性,设计包含两个子模块的模拟退火启发式算法,并在随机生成的标准算例集合上对算法进行测试,结果表明,该算法是求解问题的有效算法。最后,用一个算例对研究进行说明,得到如下结论:如果合同双方均按自身偏好进行决策,那么将会导致一种双输的结果;如果他们能够相互合作和协调,那么都可从项目中获得更高的收益。本文的研究可以为合同双方关于项目支付进度安排的谈判提供决策支持。