求解约束优化的模拟退火PSO算法

针对有约束最优化问题,提出了基于模拟退火的粒子群优化(particle swarm optimization simulated annealing, PSO SA)算法。该算法利用模拟退火算法以一定概率接受较差点的概率突跳特性,克服粒子群优化算法易陷入局部最优的缺陷。采用可行性原则进行约束处理,并在模拟退火算法产生新粒子的过程中保留最优不可行解的信息,弥补了可行性原则处理最优点位于约束边界附近时存在的不足。4个典型工程优化设计的实验结果表明,该算法能够寻得更优的约束最优化解.     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

求解动态优化问题的分叉PSO算法

近些年来,求解动态环境中的优化问题已经逐渐成为进化计算领域的一个新的研究热点。为了改善一般PSO算法求解这种动态优化问题的能力,现提出了一种采用分叉策略的多粒子群PSO算法。该算法能够利用一个较大的主粒子群不断搜索问题适值曲线上新的峰,而利用从主粒子群中分离出来的若干个较小的子粒子群去跟踪已经发现的峰的变化。通过对一组标准动态测试函数的实验,能够证明所提出的算法在动态环境中具有较强的鲁棒性和适应性。

Abstract：

Recently,there has been increased interest in evolutionary computation algorithms applied into dynamic environments since many real-world optimization problems are time-varying.Inspired by a forking mechanism,a new multi-swarm optimization algorithm （Forking PSO,FPSO） was proposed to enhance simple PSO’s search in dynamic landscape.In FPSO,a larger main swarm is continuously searching for new peaks and a number of smaller child swarm,divided from main swarm,are used for tracking the achieved peaks over time.Experimental study over a benchmark dynamic problem suggests that the proposed algorithm has much stronger robustness and adaptability in dynamic environments.     

梯级水库短期发电优化调度的协进化粒子群算法应用研究

针对传统优化算法在求解高维、复杂的梯级水库短期发电优化调度时多约束条件难以处理、 计算机时长、易陷入局部最优解等缺陷, 提出了基于协进化的粒子群优化算法, 并建立了相应罚因子的评价机制, 在此基础上对协进化粒子群优化算法进行了改进. 通过实际算例验证了该方法的合理性和可靠性, 从而为高维、复杂梯级水库发电优化调度提供了一种新的求解途径.     

基于PSO 的水库泄洪风险计算

基于结构可靠度指标的物理含义,建立了水库泄洪风险计算优化模型,并引进了粒子群全局优化算法对该模型进行求解.通过对该模型在具体水库泄洪风险计算的应用举例,表明了该水库泄洪风险计算理论不仅能有效地避免求偏导运算,且能获得高精度的运算结果,求解速度也有一定的优势.     

水库实时优化调度余留库容模糊决策方法研究

针对水资源系统产时优化调度中预报来水与库容选择等方面的模糊性,提出了一种确定水库余留库容的双重模糊决策方法。经实例验证,表明所提出方法是可行的。     

灰熵并行分析引导PSO求解多目标优化问题

提出采用灰熵并行分析法引导粒子群算法求解多目标优化问题。灰熵并行分析法综合灰色关联分析法与信息熵的特点,对数据序列计算灰关联系数,同时并行地对数据序列计算信息熵及熵值权重,将灰关联系数与熵值权重结合求得灰熵并行关联度。〖JP2〗通过粒子群算法对优化问题的多个目标构建与粒子数相同数量的目标值序列,计算每个序列的灰熵并行关联度值,利用该值作为算法适应度值的分配策略引导粒子进化。以10个典型作业车间调度问题为例进行实验,结果与差分进化算法及遗传算法进行比较,表明灰熵并行分析法可以有效引导各算法进化,使算法在收敛性和分布均匀性方面表现良好,且粒子群算法的优化结果要好于其他两种算法的结果。     

面向应急成像观测任务的多星协同调度方法

针对应急条件下的成像观测任务,设计了多星协同调度框架,将多星协同调度问题分解为任务排序主问题和资源匹配子问题。分析了多星协同调度中的主要约束条件,以任务收益为优化目标构建问题的约束满足模型,并应用改进粒子群优化算法进行求解。详细介绍了算法中的编码、解码、移动、变异等操作,给出算法时间复杂度的计算公式。通过仿真实验,对算法的有效性进行了验证。     

基于PSO-H优化算法的单机E/T调度问题

经典的粒子群优化算法是一个有效的寻找连续函数极值的方法。其在离散空间的应用还很不成熟。主要针对公共交货期下E/T(Earliness/Tardiness)指标的单机调度问题进行研究,并基于粒子群与启发式集成的优化算法(Particle Swarm Optimization integrated with Heuristic:PSO-H)对该问题进行求解。启发式信息由工件加工时间和拖期惩罚构成,它对算法的寻优性能有明显的改善。同时,采用OR-Library中的标准算例对该算法进行仿真实验,显示出理想的寻优结果。     

基于PSO和ANN的采选品位智能约束优化

根据铁矿采选生产过程,建立了以经济效益为目标函数,资源利用率和精矿产量为约束条件,截止品位和入选品位为决策变量的非线性约束优化模型,将粒子群算法和神经网络集成构成PSO-ANN算法来搜索最优品位组合。PSO-ANN算法包括内外两层:外层采用PSO作为搜索算法,采用基于可行性规则的约束处理技术,更新粒子群个体最优位置和全局最优位置,引导粒子朝最优解方向进行搜索;内层是REG模型、BP神经网络及RBF网络,实现粒子(截止品位和入选品位)到损失率、选矿金属回收率和采选成本之间的映射关系,进而计算资源利用率、精矿总量和净收益。以大冶铁矿为例,研究表明:2008-01~06,最优截止品位为17.5%,入选品位为45.4%,与现行方案相比,其资源利用率提高2%,精矿量增加1.34万t,总现值增加1 125万元。该方法为金属铁矿的品位优化提供了一个全新的思路,具有广泛的应用前景。     

一种基于子群杂交机制的粒子群算法求解旅行商问题

粒子群算法是在借鉴海鸥群落觅食行为基础上发展起来的仿生学优化算法，为求解复杂的组合优化问题提供了一种新的思路。本文提出一种结合粒子群算法结构和求解TSP问题蚁群算法特点的新算法，将多用于连续空间优化的粒子群成功扩展到TSP领域。算法通过杂交粒子选择机制，运用两种不同设计的杂交算子，成功模拟了自然界同物种不同种群间的协作与交流，将多子群策略和子群问杂交操作引入粒子群结构之中，增强算法的寻优能力。实验结果表明，该算法能有效地保证粒子问多样性差异，通过优化信息在子群间顺畅交流，有效地促进整个群落的进化收敛。该算法在解决TSP问题时．无论在收敛性和鲁棒性方面都优于一般的单群体、非杂交算法。是一种优秀的TSP问题解法。最终优化结果均达到TSPLIB中记录的已知最优解。     

Table Operation Method for Optimal Spanning Tree Problem

1.INTRODUCTIONSeveraloptimalspanningtreemethodshavebeendevelopedfortheweightundirectedgraph.ThecommonlyusedmethodsareKruskal'sMethod[4](alsocalledGreedyAlgoritlun)andDisorderAlgorithm[4j.Asfortheweightdigraph,littleworkhasbeendone.Inthepractice,thecomplicateddigraphisdifficulttodepict,butitiseasytobeexpressedintheformofatable.Basedoilthetableexpressioninsteadofthedigraphexpression,thispaperdevelopsanoptimalspanningrooted-treemethodcalledtableoperationsmethod(TOM).2.SOMEBASICCONCE…     

遗传算法在企业铁路取送调车作业优化中的应用

如何合理安排企业铁路取送车作业是企业铁路调车作业中的一个重要环节.本文针对调车作业方式＂送取分离＂的企业铁路货运站,参照3车列的取送车仿真时序,建立了取送车作业优化问题的数学模型.同时,提出一种带启发式知识的进化增强型遗传算法用以求解这类大规模组合优化问题.算法一方面通过启发式知识产生优良个体并有效保存,加速算法寻优;另一方面通过有效的交叉和变异操作保证算法的多样性,避免算法早熟;从而最终有效提高算法的寻优效率.实例计算结果验证了模型和算法的有效性和工程实用性.     

时间序列模型辨识的非线性规划方法

本文利用有关优化理论,把ARMA模型辩识问题转化为带约束条件的非线性规划问题,并通过降维处理把n阶的ARMA模型辨识问题简化为3n维的无约束非线性规划问题,从而为一般的ARMA模型辨识提供了一条新的途径。文中还给出了仿真例子,以证明该方法的有效性。     

电子市场环境下需求不确定供应链多目标鲁棒运作模型

建立电子市场环境下由多个供应商，多个具有不确定需求的顾客构成的供应链运作模型。供应链中的供应商既可以通过电子市场又可以直接将多种产品供应给不同的顾客。采用已知概率的情景集合描述顾客的不确定需求，利用基于情景分析的鲁棒优化方法建立供应链的运作模型。该模型为一个多目标规划问题，满足诸如尽可能达到顾客需求，系统的总成本最小，供应商的加工能力使用率不低于某一指定水平，对应于不确定需求的决策的鲁棒性等多个相互冲突的目标。数值仿真结果表明，模型的解是最保守的，但却能够有效地保证供应链运作的鲁棒性。     

基于SWIFT法的聚合物驱最优注入策略求解

聚合物驱是一种重要的提高原油采收率的技术,研究其最优注入策略具有显著的实际意义.本文以聚合物驱一维室内实验模型为基础,选取了利润最大化为最优化问题的性能指标.针对含有控制约束的情形,本文使用SWIFT法分别获取了单段塞和双段塞方式下的聚合物驱最优注入策略.求解结果证明了算法在该问题上的可行性.     

清理三角债的最优方法

三角债是经济生活中经常出现的现象, 如不及时清理, 必然使有关企业资金周转困难, 生产经营无法正常进行。因此清理三角债是经济工作中一项长期而重要的任务。那么, 面对错综复杂的债务债权关系, 应该如何清理, 才能既清理掉所有三角债, 又使投入的启动资金达到最少呢？本文以图论为工具, 给出了一种寻找最优清理方案的有效算法及图上作业法, 这是图论在经济工作中的新应用, 同时还提出了图论研究的新问题。     

基于PSO和扩展TOPSIS方法的COA优选方法

作战方案(COA)优选是任务规划系统的重要组成部分,其性能很大程度上决定了任务规划的性能.因此针对任务规划必须符合作战要求和时效性要求,提出了扩展TOPSIS和PSO结合的COA优选方法.首先,为了提高规划的时效性,采用粒子群算法进行搜索优化;对作战要求和作战效能数据进行模糊化处理,生成标准化决策数据,计算每个COA到TOPSIS(逼近于理想解排序)正负理想解的距离;得到COA灰色关联贴进度,作为PSO算法的适应值.文章最后进行实例分析,验证该方法的可行性和有效性.     

高速公路项目运营自然灾害风险模型及应用

分析自然风险与我国高速公路项目运营的相关性,建立高速公路项目运营自然风险预警系统.通过定量与定性分析相结合的方法对运营风险预警指标数据进行监测,构建了高速公路项目运营风险预警模型,并结合潭邵高速公路项目进行了实证分析.     

并联系统预防性维修费用的优化方法

主要针对并联系统建立了有限时间区间的预防性维修优化模型，该模型充分考虑到预防维修可以提高系统生产效益的同时，其故障率会随着维修次数的增加而上升，引入役龄回退因子对预防维修活动前后系统性能的动态变化进行了描述，而且还将系统可靠度作为约束条件。在运用遗传算法进行优化求解的基础上，研究了系统总维修费用随可靠度的变化率，对其进行了深入分析，实例验证了该优化模型的正确性。