基于信息素评价的卫星数传调度蚁群算法

针对具有严格时间窗口和资源限制的复杂约束卫星数传调度问题,建立了基于蚁群算法的解构造图模型,提出了基于信息素局部评价方法、求和评价方法,相对评价方法的概率决策模型,设计了具有信息素全局更新策略的算法流程.仿真表明,基于不同信息素评价方法的蚁群算法能够取得较好效果,信息素相对评价方法在收敛速度和解寻优能力上都好于其他两种方法,而信息素求和评价方法相对较差.     

蚁群算法在卫星数传调度问题中的应用

为求解卫星数传调度问题,将数传任务在调度序列中的可能位置抽象为结点,构造了信息素分布于结点的矩阵解构造图,提出了基于该图的蚁群算法.算法通过随机转移概率决策模型进行结点转移,在算法迭代中利用精英保留策略进行全局信息素更新.仿真结果表明,基于矩阵解构造图的蚁群算法是求解卫星数传调度问题的有效方法,并具有较好的收敛性和鲁棒性.     

基于解构造图的卫星数传调度ACO算法

针对卫星数传调度问题,建立了基于任务调度关系（弧模式）和基于任务调度位置（结点模式）的解构造图,提出了基于解构造图的卫星数传调度蚁群优化(ant colony optimization, ACO)算法。算法利用伪随机概率转移规则进行路径搜索,通过划分冲突任务集来限制蚁群的搜索邻域。算法根据迭代最优解和至今最优解进行全局信息素更新,并将构造图中的信息素浓度限制在一定范围内。仿真结果表明,文中提出的两种解构造图及ACO算法是正确可行的,基于结点模式解构造图的ACO算法能获得更优的解。     

基于综合优先度的卫星数传调度算法

研究了在地面站资源有限、数传任务急剧增多的情况下,合理分配资源以有效实现卫星数传任务的调度问题.首先建立了卫星数传任务模型和调度问题模型,提出了综合优先度的概念及其各个指标,对每个指标进行了详细分析.在此基础上,提出了一种基于综合优先度的卫星数传调度算法。仿真结果表明该算法能够取得较好的调度结果.     

求解卫星地面站调度问题的演化学习型蚁群算法

随着观测需求的日益增加,越来越多的卫星和地面站加入到对地观测系统中,迫切需要采用科学手段对卫星地面站资源进行合理分配。针对卫星地面站调度问题,构建了一种演化学习型蚁群算法。实验结果表明,该算法能有效求解卫星地面站调度问题。将蚁群优化模型和知识模型进行优势互补,可极大提高演化学习型蚁群算法的效率,为现有优化方法的改进提供了一种有益借鉴。     

任务调度启发式信息的卫星数传ACO算法应用

针对卫星数传调度问题,建立了任务调度启发式信息体系框架,提出了基于任务开始时间、任务调度收益、任务可用资源灵活度和任务调度冲突度的启发式信息,研究了任务调度启发式信息在卫星数传蚁群优化算法中的应用。针对不同规模场景的仿真结果表明,任务调度启发式信息有助于蚁群算法求解卫星数传调度问题。     

基于改进蚁群算法设计的敏捷卫星调度方法

敏捷卫星与传统非敏捷卫星相比,增加了俯仰和偏航两个自由度,提升了卫星的成像能力,也加大了搜索空间,使敏捷卫星的调度问题变得更加复杂,组合优化难度加大. 蚁群算法是可有效求解敏捷卫星调度问题的方法之一. 针对蚁群算法优化性能严重依赖于算法参数以及各个组件的设计的问题,提出利用均匀设计的方法优化组合算法的各个组件,设计出能有效求解敏捷卫星调度问题的蚁群算法. 利用7 个不同规模的实例进行实验,实验结果表明了方法的有效性.     

基于试探性的卫星数传任务调度算法研究

卫星数传任务调度问题是一个非常复杂的组合优化问题,即如何合理为每个任务分配地面站资源及其服务时间以最大限度满足任务需求的问题。根据卫星数传任务的特点,首先建立了卫星数传任务框架模型,进而提出了任务执行灵活度、执行冲突度等概念,在此基础上提出了一种基于试探性的卫星数传任务调度算法。最后利用AFIT基准数据进行仿真验证,结果表明该算法是可行的。     

考虑多数传模式组合的卫星数传调度方法

研究了一类过站时间较长的可见光对地观测卫星数传调度问题.通过分析该类卫星工作特点及数据传输约束条件,利用其长可见时间窗特性建立一种考虑多数传模式组合的约束满足模型,在此基础上给出了基于最大收益损失比的卫星数传调度算法.仿真实验结果表明该方法能够有效解决该类卫星数传调度问题.     

基于蚁群优化的置换流水车间调度算法

针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法.该算法的要点是将NEH启发式算法和蚁群优化结合起来:首先,将蚁群优化中的能见度定义为NEH中所用的工作加工时间之和.其次,对于部分解采用了NEH中的步骤2和步骤3进行局部调整.最后,对构造出的解做插入型局部搜索.用所提算法对置换流水车间调度问题的基准问题进行了测试,测试结果表明提出算法的有效性.     

基于蚁群算法的两地之间的最佳路径选择

应用蚁群算法于公路交通系统，引入“状态参数”表示天气、路质、路况等诸多不确定因素对公路交通的影响，提出两地之间满足“合理路径”的条件和包含不确定因素影响的“虚拟路径”长度新概念及其计算公式，比较计算出的各路径的“虚拟路径”长度，可从两地的诸多“合理路径”中，优选出最佳路径，实例模拟计算结果表明蚁群算法用于公路系统中的最佳路径的实时查询是有效和可行的。     

基于改进蚁群优化算法的客运专线旅客出行方式选择

客运专线建成后客运通道内的旅客出行选择有更多的方式,根据出行时间和费用对旅客出行选择的影响,采用改进蚁群优化算法建立旅客出行方式选择的概率转移模型.用信息量对出行时间和费用进行描述,将通道内城市问各种运输方式线路上的信息量看作是对旅客出行选择的吸引强度.通过引入武汉-广州客运通道进行实例分析,得出不同出行距离的旅客选择各种运输方式(客运专线、既有铁路、公路、航空)的概率.     

车辆可重复利用VRPTW问题的模型和改进蚁群算法

提出车辆可重复利用的VRPTW问题,建立多目标整数规划模型;基于蚁群系统（ACS）,按优先访问服务开始时间较早、服务时间较短和关窗时间较早的原则,设计启发式因子和蚂蚁状态转移规则;借鉴MMAS和ASrank的优点设计信息素更新策略,既加强对每次迭代最好解的利用,又避免陷入局优;根据客户服务结束时间较早优先原则构造初始解.实验结果表明,可以大幅度减少所需车辆数并节省车辆的总运行时间,具有较快的收敛速度,本文的模型和算法是有效的.     

Ant System Based Optimization Algorithm and Its Applications in Identical Parallel Machine Scheduling

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＩｄｅｎｔｉｃａｌｐａｒａｌｌｅｌｍａｃｈｉｎｅｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｆｏｒｍｉｎｉｍｉｚｉｎｇｔｈｅｍａｋｅｓｐａｎｈａｓｂｅｅｎｐｒｏｖｅｄｔｏｂｅａｎＮＰｐｒｏｂ ｌｅｍ[1,2 ] .Ｉｔｗａｓｔｒａｄｉｔｉｏｎａｌｌｙｓｏｌｖｅｄｂｙｏｐｅｒａｔｉｏｎａｌｍｅｔｈｏｄｓｓｕｃｈａｓｄｙｎａｍｉｃｐｒｏｇｒａｍｍｉｎｇ ,ｂｒａｎｃｈａｎｄｂｏｕｎｄｍｅｔｈｏｄ ,ａｎｄｉｎｔｅｇｅｒｐｒｏｇｒａｍｍｉｎｇ[3～ 7] .Ｔｈｅｓｅｍｅｔｈｏｄｓｃａｎ ｇｉｖｅａｎｏｐ…     

MC模式下供应链调度的优化模型

MC模式研究的关键问题是如何处理规模生产效应同客户个性化定制需求之间的关系。当MC在供应链环境下运作时，供应链体系优良的运作特征为该问题的解决创造了条件。在前期研究成果所提出的MC模式下供应链调度过程中主导矛盾及其解决途径基础上，通过将其引入调度的运作过程，建立了MC模式下供应链调度的动态、多目标优化数学模型。深入分析了模型的显性及隐性意义，指出模型的特点不仅能够反映该生产方式独特的运作特征要求，而且融入了对主导矛盾的解决思路。通过实践检验，说明模型在提升MC模式下供应链调度效率以及解决上述关键问题中均具有可行性。     

基于动态蚁群遗传算法的弹药保障路径选择研究

战时弹药保障路径规划属于典型的不确定性路径规划问题,针对战时弹药保障路径的特点,对传统的解决最短路问题的蚁群算法进行改进,引入将蚁群算法和遗传算法相混合的策略,提出了基于动态蚁群遗传算法的路径优化算法,并通过仿真实验验证此算法可快速、科学和稳定地解决弹药保障路径选优问题.程序实现简单、研究结果可靠,能够为弹药保障路径选择的决策提供科学可靠的辅助手段,具有一定借鉴意义.     

亚丁湾护航中直升机识别海盗目标路径优化模型及算法

针对舰载直升机执行伴随护航任务时查证可疑船只的路径优化问题,对直升机在选择巡逻查证路径时所面临的各种复杂情况进行了分析。文中结合可疑船只与编队的相对运动特点以及海面可疑船只威胁程度评估指标,以保障被护航编队受到的累计威胁值最小为目标,构建了直升机查证可疑船只时的路径优化模型。为提高蚁群算法的求解效率,文中将混沌映射扰动引入到信息素的全局更新过程中,从而有效降低算法陷入局部最优的概率。另外,文中对蚁群算法中状态转移规则和信息素更新等核心环节进行了优化设计,提高了算法对最优路径的搜索能力。最后,以我国海军亚丁湾护航任务为背景进行实例分析,并将其结果与遗传算法和禁忌搜索算法进行对比,验证了所建模型和算法的合理性和有效性。     

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.     

基于进度优化的大型项目激励机制模型

在项目管理实践中,业主通常会设立激励机制以确保项目按期完成,而承包商则会根据业主设定的激励机制合理安排项目进度.本文讨论了大型项目的激励机制,研究了业主和承包商的决策问题,建立了以项目收益净现值最大化为目标函数的Stackelberg主从递阶决策模型.通过各子项目激励强度的设定对激励机制进行优化,协调业主和各承包商的利益关系,进而实现业主收益的最大化.