一种基于差分进化的批量流水线调度算法

提出了一种解决批量流水线调度问题的差分进化算法.该算法采用基于浮点的编码方式,通过最大位置值规则将浮点数矢量转换为工件的调度序列.为了提高调度算法的优化性能,利用最优目标个体的重组产生变异个体,并通过变异个体与目标个体的交叉产生试验个体.仿真试验表明了所得算法的可行性和有效性.     

混合粒子群算法求解作业车间调度问题

针对最小化完工时间的作业车间调度问题,提出混合的粒子群优化算法.针对作业车间调度中随机交换2个工件邻域变换存在盲目性,采用机器空闲时间的关键工序邻域搜索算法,结合粒子群算法收敛速度快和遗传算法变异操作增加全局搜索能力的优点,将2种算法结合.通过标准JSP问题测试库验证了算法的有效性．     

遗传算法与微粒群算法的比较

通过几个测试函数对遗传算法和微粒群算法进行了比较.结果表明在寻找最优解的最优值和速度方面,微粒群算法优于遗传算法.     

基于群智能和机器学习的分布式生产调度算法研究

传统的算法对分布式生产调度的求解难度非常大,而且收敛速度慢、解质量差。由此,本文以分布式装配流水车间为研究对象,尝试使用群智能和机器学习联合算法对其进行求解,并在构建分布式生产调度模数学模型中引入动态订单决策和历史订单分析学习等动态条件,进而使联合算法的优化解贴近实际生产情况。最后,采用分布式车间调度仿真软件进行建模仿真,验证优化结果的可行性。     

一种参数动态调整的自适应微粒群优化算法

提出了一种参数动态调整的自适应微粒群优化算法.针对微粒群算法中不同适应度值的微粒所需要的搜索能力不同,引入微粒相对优秀度概念,通过相对优秀度来动态调整惯性权重和加速因子,有效地调节算法的全局和局部搜索能力,保持了微粒的个性.利用三个Benchmark函数进行数值试验,仿真结果表明,算法稳定,具有较好的收敛性能.     

解决作业车间调度问题的改进蚁群优化算法

针对作业车间调度问题,提出一种改进的蚁群优化算法.首先设计禁忌表以产生活动调度,然后对传统的蚁群优化算法进行简化,并提出一种新型优先规则作为启发式信息.为增强算法的收敛性和提高求解质量,引入基于作业车间调度问题邻域结构的局部搜索.实验表明该文算法有效.     

双阈值小波域降噪的微粒群优化

为了改进滤波效果,提高降噪质量,该文在分析目前被广泛应用的软阈值和硬阈值方法的基础上,提出利用微粒群算法对双阈值进行优化. 采用Donoho提出的固定阈值作为上阈值,而把极大极小原理得到的阈值作为下阈值,再利用微粒群算法进行优化,得到最优双阈值进行降噪. 实验结果表明,该方法在降噪中可有效克服采用硬阈值法引起的伪吉布斯（伪Gibbs）现象和软阈值法导致过度光滑使信号失真等缺点,减少了信号的损失. 在提高信噪比的同时明显减小了均方根误差.     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点,根据混沌运动的随机性、遍历性特点,提出一种基于混沌思想的粒子群优化算法(CPSO).该算法利用种群适应度方差进行早熟收敛判断,实现对进化过程的监视,当发现种群陷入局部最优时,对种群进行混沌初始化,帮助种群摆脱局部最优点.对4种典型测试函数的仿真结果表明,改进算法明显减少了种群陷入局部最优的可能性,其全局寻优能力明显强于标准粒子群优化算法.     

一种求解多处理机调度问题的自适应蚁群算法

将蚁群算法应用于求解多处理机调度问题，提出一种自适应蚁群算法．算法以最小化makespan为调度目标，根据蚂蚁留下的信息素指导蚁群在解空间展开全局搜寻，将任务分配在恰当的机器上，并通过自适应调整阈值实现全局探索与精细查找的平衡．实验结果表明算法具有较好的优化性能．     

n维离散Mobius群的Poincar序列

利用Ｍｂｉｕｓ变换的Ｃｌｉｆｆｏｒｄ数的表示，考虑序列并得到：１）对离散群Ｇ，若ｓ＞２ｎ，则（１）收敛ｒ．２）对Ｋｌｅｉｎｉａｎ群Ｇ，如果Ｓ≥２ｎ，则（１）收敛．     

^-R^n上的离散Mǒbius变换群不等式

对高维Mǒbius变换群进行了研究,得到了几个离散群不等式．     

改进的混合型蚁群算法在VRP问题中的应用

为提高物流配送中车辆路径的寻优效率,提高物流经济效益,介绍一种能够有效求解VRP问题的算法—改进的混合型蚁群算法。该算法在近邻法构造初始解的基础上,使用2-opt局部搜索策略对当前得到的最优解和次优解进行改进,在更新全局信息素时采用基于排序的蚂蚁系统对排在前2名的蚂蚁更新全局信息素,且为全局信息素设置最大值和最小值。使用Matlab仿真工具对N44K6等10个经典VRP问题进行了求解,得到的结果和已知最优解的误差很小,都在6%以下,并且N33K6问题得到了和已知最优解相同的解。与基本蚁群算法得到的解进行了比较,证明了该改进算法的有效性。     

基于改进群搜索优化算法的云计算任务调度方案

针对云计算中的任务调度问题,提出一种基于改进群搜索优化(IGSO)算法的任务调度方案.首先,为了解决传统GSO算法的收敛速度较慢,不能很好地应用在云任务实时调度的问题,在搜索者和游荡者的位置更新中融入了粒子群算法中的粒子位置更新策略,提出一种快速收敛的改进GSO算法.然后,将任务调度问题进行编码,以任务执行时间为适应度函数,通过提出的IGSO算法寻找最优调度方案.仿真结果表明,该方案能够快速且合理地调度任务,具有可行性和有效性.     

一种求解货物配送问题的改进算法

针对货物配送问题,建立问题的数学模型,提出一种基于禁忌搜索的蚁群算法.并结合超市配送问题,对算法进行测试,测试结果表明,该算法具有收敛速度快、不易陷入局部最优、求解精度高的特点,能够有效地解决超市配送问题.     

含严格抛物元素高维Mobius群的离散准则

主要证明含严格抛物元素高维Mobius群的一条离散准则     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

基于多处理机系统实时调度算法的飞机排班问题研究

提出了一种新的基于多处理器系统的实时调度算法有效求解飞机排班问题的方法.该方法以EDF算法和多处理机动态分配方法为基础,建立了航班队列模型,提出了基于多处理机实时调度的多目标的飞机实时分配算法.模拟实验表明,针对不同优化目标的飞机分配算法执行效率均比遗传算法和分支定界算法高至少一个教号级.     

一个有限Abel群分解为P群直积的算法

设Ｇ为有限Ａｂｅｌ群,｜Ｇ｜＝Ｐｒ１１…Ｐｒｍｍ（Ｐ１,…,Ｐｍ为质数）．给出了一个将Ｇ分解为Ｐ群直积的算法     

含严格抛物元素高维MÖbius群的离散准则

主要证明含严格抛物元素高维Mobius群的一条离散准则     

含严格抛物元素高维Mbius群的离散准则

主要证明含严格抛物元素高维M bius群的一条离散准则 .