改进模拟植物生长算法求解汽车维修车间瓶颈工序的多目标动态调度问题

通过对瓶颈的合理调度可以有效地提升系统效率,钣喷工序是整个汽车维修服务系统的瓶颈.针对于此,结合优化调度理论,对汽车维修车间瓶颈工序调度问题的特性、模型和算法进行了研究,提出了多目标动态调度策略.从最小化目标、机器环境、加工特征和约束等方面分析了瓶颈工序调度问题的特征,建立了对应的数学模型.运用混合重调度策略和改进模拟植物生长算法实现了瓶颈工序多目标动态调度问题的求解.最后,以实例分析验证了算法的可行性和有效性.     

基于模拟植物生长算法的车辆调度问题

基于配送企业车辆资源的限制和客户需求时间窗的要求,在考虑外包车辆和配送入员加班的情况下,对带时间窗的车辆调度问题进行扩展研究.根据客户需求的随机性特点构建以最小化车辆配送总成本为目标的机会约束规划模型,并设计求解该问题的模拟植物生长算法.结合车辆调度具体实例,将模拟植物生长算法与遗传算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法.     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.     

模拟植物生长算法的原理及应用

为解决国外主流智能算法普遍存在的参数选择难题,模拟植物生长算法(PGSA)以植物独有的向性运动为启发式准则,将优化问题的解空间当做植物的生长环境,通过生长信息和分枝模式(L-系统)构造出依赖优化环境而不断生长的人工植物分枝生长模式,建立了跳出局部最优解并迅速求出全局最优解的遍历搜索机制和智能算法体系.模拟植物生长算法开拓了"无参数智能优化算法"研究的新领域,本文从该算法的思想源头进行阐述,对国内外学者近年来在不同研究领域应用该算法的情况进行了分析和评述,指出了植物生长原理对智能优化领域的影响以及未来的发展方向.     

基于模拟植物生长算法的易腐物品物流中心选址

配送中心作为物流系统的枢纽,其位置的选取直接影响总消耗成本的高低.本文提出了基于模拟植物生长算法求解易腐物品配送中心选址问题的新方法.通过对系统数学建模,利用改进的模拟植物生长算法来求解最优解.最后通过对实倒进行仿真实验,结果表明本算法不仅可获得配送中心的最优解,算法精度也有提高,明显优于其它方法.     

求解整数规划的一种仿生类全局优化算法——模拟植物生长算法

针对整数规划全局优化问题所首次提出的模拟植物生长算法,是一种源于大自然的仿生类随机算法.该算法从植物的向光性特点出发,将整数规划的可行域作为植物的生长环境,根据各可行解目标函数的变化情况确定植物的生长信息(形态素浓度),进而模拟出向光源(全局最优解)迅速生长的植物生长动力学模型.经过对无约束和有约束两类具有多个全局最优解的非线性整数规划问题的具体求解,取得了满意的效果.     

模拟植物生长算法在设施选址问题中的应用

以模拟植物生长算法为工具,提出了一种解决设施选址问题的智能优化算法, 结合配送中心选址的实际案例,将模拟植物生长算法与遗传算法的计算结果进行比较,结果表明该算法比遗传算法在精度上有所提高;在此基础上,以50个随机选取的用户为背景,解决了韦伯型多设施选址问题, 不同于其它启发式算法,模拟植物生长算法在得到全局最优解的同时,还可以根据设施数量的不同,将全局最优解与局部最优解进行组合,可以建立整体最优的设施布局, 本算法在应用中显示了精确性、稳定性和通用性特点,是模拟植物生长算法在解决选址问题上的具体应用。     

基于微分L系统理论的植物根系生长模拟的算法

根据植物根系的几何特征,利用微分L系统理论设计生成植物根系连续生长的算法。产生式用于表达植物根系分枝的产生,生长函数用于控制内节点的长度(根段随时间的延长)、分枝根的长度和分枝角的增加。植物根系的生长函数呈S形,用三次多项式表示。     

大型城市地下物流网络优化布局的模拟植物生长算法

交通拥堵问题的加剧使传统物流网络在我国大型城市已达到极限, 未来地面物流系统将逐步向地下不同层次里转移并释放出城市地上空间.本文以斯坦纳最小树(SMT)为理论模型, 建立了符合我国大型城市不断扩展这一特点的树状地下物流网络布局模型. 由于 SMT 为 NP-完全问题, 因此算法的寻优能力是研究的关键. 本文所采用的模拟植物生长算法(PGSA)是以植物向光性理论为启发式准则的智能算法, 该算法是利用人工植物在给定物流节点集解空间中的生长过程得到城市地下物流网络的最优布局. 通过对国际公布的STEINLIB实例数据计算并与蚁群算法和模拟退火算法进行比较, 表明模拟植物生长算法具有较强的精确性、稳定性和全局搜索能力.     

基于FP-tree关联算法的文献主题研究——以大数据哲学研究为例

数据科学与人文社会科学的融合,不仅能丰富人文社会科学的研究方法,还能拓展研究思路、发现新问题、提出新议题。这种融合将人文社会科学研究带入了一个前所未有的时代。本文介绍了一种利用FP-tree算法对社会科学文献关键词做关联规则挖掘,从而获得相关研究领域研究重点、趋势、研究进路以及“数字意外”的流程和方法,并将该方法应用于“大数据哲学研究”领域,直观地揭示目前该领域的研究重点、现状和相关研究路径等。     

基于突变理论的员工主动离职行为定性模拟——以中国经济转型期的“离职潮”为例

刘易斯拐点的到来导致中国劳动力成本大幅上升,这使得如何避免员工主动离职成为保证企业人力资源稳定的核心问题。针对离职行为这一复杂系统,从实证研究与突变理论相结合的全新视角,构建了员工主动离职的突变概念模型。在此基础上引入定性模拟算法,提出了突变函数在离职行为研究中的参数估计方法,并通过长三角地区某企业的实际案例验证了该方法的合理性及鲁棒性。最后,根据经济转型期的离职潮,对员工主动离职的定性-定量混合突变模型进行虚拟实验分析。实验结果从精确测定员工离职的预警区、临界区和突变区及复杂经济环境与员工离职的关系,以及企业微观层面和政府宏观层面的控制策略等方面,为员工主动离职问题提供了决策支持。