求解一类组合优化问题的混沌搜索法

把混沌引入各种传统的优化计算模型中以避免系统落入局部最优陷阱 ,是一种行之有效的方法 .本文提出一种利用混沌搜索一类组合优化问题最优解的模型 ,并对其进行了理论分析和数值模拟 .与混沌神经网络模型相比 ,本模型避免了模型参数选择的难题 ,具有实现方便 ,寻优效果好的优点 ,为解决一类组合优化问题提供了新途径.     

求解双层CARP优化问题的演化学习型遗传算法

双层有能力约束的弧路径优化问题(capacitated arc routing problem, CARP)的研究对象通常是某个城市或地区,首先聚焦于该地物流系统的宏观配置,然后考虑相关服务的完成问题。针对双层CARP优化问题,提出了一种演化学习型遗传算法(learnable genetic algorithm, LGA)。建立了LGA的基本框架,设计了构件知识和算子知识等知识形式。在LGA中,采用扩展启发式方法辅助生成初始种群,使用算子知识为选择、交叉和变异选择操作算子,应用构件知识为交叉和变异操作选择断点位置,同时借助局部替换程序不断地向当前种群中注入新个体。LGA的框架为现有优化方法改进提供了一种有益借鉴。     

求解双层CARP优化问题的知识型遗传算法

双层CARP优化问题首先考虑物流系统的宏观配置问题,然后考虑相关服务的完成问题. 提出了一种求解双层CARP优化问题的知识型遗传算法：采用两种扩展启发式方法来辅助生成初始种群;基于算子绩效知识为每次选择、交叉和变异操作选择合适的操作算子;基于弧段顺序知识为每次交叉和变异操作选择合适的断点位置;采用局部替换程序不断向当前种群中注入新个体. 实验结果表明,知识型遗传算法在优化性能方面优于其他几种方法.     

基于多准则优化的组合预测方法

介绍了9个预测效果评价准则,提出了一种基于多准则优化的组合预测方法。该方法不同于传统的基于改善单个预测效果评价准则的组合预测方法,它综合多个准则并考虑某些准则的组合预测效果评价值优于其单个预测方法的效果评价准则值建立优化模型,利用遗传算法求解其非线性规划模型,得到组合权系数。最后实例说明该方法的可行性和有效性。     

基于遗传算法的备件两级优化建模与仿真研究

针对装备备件保障中存在的配置不合理问题,提出了一种基于仿真和遗传算法的备件配置优化算法。该算法采用仿真方法建立装备使用可用度模型,并利用遗传算法实现备件的优化,实现了在满足备件保障费用约束的前提下,使装备使用可用度达到最大。给出了应用该方法的具体步骤,并通过举例验证了算法的有效性。     

多机种大机群再次出动保障资源配置仿真与优化

针对多机种大机群再次出动保障资源组合配置复杂问题,在考虑不同机型、不同保障期望值时间和不同主体资源类型新增复杂因素基础上,建立基于排队网络的多机种保障过程仿真模型,提出了实现保障资源配置优化的仿真算法,该算法以机群保障总时间、飞机平均保障时间、机群保障的平均强度、资源代价、保障忙闲均衡和资源供需均衡为优化目标,以服务节...     

基于新旧两组贷款风险叠加的新增贷款组合优化模型

提出全部贷款组合非线性风险叠加原理,建立了新、旧两组贷款组合风险叠加的非线性函数关系,以银行总资产收益最 大为目标函数,以新旧两组贷款风险叠加的总体风险为约束条件,建立了基于新旧两组贷款风险叠加的新增贷款组合优化模型.模型创新和特色: 一是提出了在一组新的贷款发放时,新、旧两组贷款风险叠加后的全部组合风险控制的科学问题.由于在实践中银行家们真正关注的不是一组新贷款组合的风险控制,而是银行贷款全部组合的风险, 故立足于新、旧贷款组合 风险的整体控制,开拓了金融资产优化配置与控制的新思路,改变了现有研究仅仅是立足于新增贷款组合风险控制的传统思路.二是建立新旧贷款组合非线性风险叠加的函数关系.提出全部贷款组合的非线性风险叠加原理,建立了全部贷款组合风险与新、旧两个贷款组合风险的函数表达式,为在新增贷款决策时、控制所有贷款的组合风险提供了简洁有效的科学方法,克服了传统组合风险复杂计算方法不便或不能优化全部组合风险的弊端.三是控制了新旧两组贷款风险叠加后的总体风险.建立新旧两组贷款风险叠加的总体风险约束, 解决在一组新的贷款分配时,新、旧两组贷款组合后的全部贷款组合风险的控制 与优化问题.     

求解全局优化问题的智能遗传算法

提出了一种智能遗传算法,该算法融合了5种交叉算子、8种变异算子和5种灾变算子,能根据当前优化结果智能地选择交叉算子、变异算子和灾变算子,在不影响搜索过程随机性的前提下收敛于全局最优解。不同于传统遗传算法,本算法增加了对各种算子优化性能的统计,在优化过程中尽可能使用那些优化性能高的算子,从而提高了智能遗传算法的优化性能。为了验证本算法的性能,采用12种传统遗传算法和本算法同时对20个测试函数进行了求解。最终的数据实例表明,方法是可行的、正确的和有效的。     

共建共享双层策略驱动的复杂装备组合优化求解

考虑共建共享的复杂装备组合优化是适应联合作战和装备发展需求的一种新的装备发展规划理念，不仅需要统筹考虑共建阶段各研发单位的资源高效整合，还需兼顾共享阶段中预期运用场景下的资源共享、相互配合等不同约束。为了高效获得优质的组合规划与组合选择方案，本文研究了共建共享双层策略驱动的复杂装备组合优化问题。首先，综合考虑共建和共享策略，对装备研发组合规划问题和装备组合选择问题进行分析和建模。然后，设计了深度神经网络辅助的分支定界启发式方法，通过可学习的模型在分支选择和修剪的过程中给出合理的建议。最后，通过侦察预警监视装备组合优化作为案例，验证了本文所构建模型和提出的算法的有效性。     

基于层次线路优选法的公交线网仿真设计

针对交通路网布设方案的不可实验性,为提高公交线网设计优化性能,提出了基于"层次线路优选法"的仿真设计思路,对公交线网进行层次划分,并分层进行线路优选,组合成网,突出发挥不同层次线路的功能,消除了传统"线路优选法"忽略公交网设计不同层次线路需求的缺点。阐述了"层次线路优选法"的基本原理,给出了"层次线路优选法"的基本实现步骤,并着重描述了层次选择模型的构建、公交线路选择的遗传算法。采用经典算例对线网的仿真设计方法进行验证。结果表明,与其它研究成果相比,此方法得出的线网设计结果方案在满足单次出行换乘次数低、无公交盲点的前提下,具有线路负载均衡、线路弯曲度小、高线网覆盖率、低线网重复系数、线段最大重复次数少的特点,满足了公交线网设计的基本功能要求。     

基于邻接度量函数的β算法

复合随机计算系统的研究目前已成为组合优化等优化与搜索问题的重要研究方向，在阐述复合随机计算系统的一般形式的基础上，提出了处理组合优化问题的基于邻接度函数的β算法，证明了相关的性质，并以实例阐述了该方法的具体运用。     

基于仿真模型的排队规则遗传优化算法研究

排队规则是排队系统的重要组成部分, 直接关系到排队系统的运行效率. 本文以具有复杂结构的排队系统为研究对象, 构建了排队系统仿真模型; 进一步地, 考虑排队规则的多样性特征, 提出了基于排队系统仿真建模的排队规则遗传优化算法, 并进行了算法的优化设计. 基于眼科医院实际数据的分析结果表明, 与先来先服务(FCFS)排队规则相比, 本文提出的方法所得到的排队规则可以将平均住院等待人数减少1/2以上, 并可实现系统的长期稳定性. 论文工作实现了系统仿真与遗传优化算法的有效结合, 对优化复杂系统的排队规则、提高排队系统的运行效率具有积极意义.     

利用改进的二进制狼群算法求解多维背包问题

(1. Materiel Engineering College, Armed Police Force Engineering University, Xi’an 710086, China; 2. Materiel Management and Safety Engineering College, Air Force Engineering University,  Xi’an 710051, China;3. Air Traffic Control and Navigation College, Air Force  Engineering University, Xi’an 710051, China)     

防空C3I目标分配问题的ACO-SA混合优化策略研究

防空C3I系统的目标分配已成为现代防空作战指挥不可缺少的决策支持,针对这一问题,提出了蚁群-模拟退火(ACO-SA)混合优化策略。在该策略中,蚁群系统的一次周游过程中的最优路线作为模拟退火算法的初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新新解对应路径上的信息素,蚁群算法(ACO)再根据新的信息素分布进行并行搜索。实验表明,与单一ACO和SA算法相比,这种ACO-SA混合优化策略在解决同一防空C3I系统的目标分配问题上有较强的寻优能力和较快的收敛速度。     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

带有活动重叠的资源受限项目调度问题建模与求解

在新产品研发项目中,常常通过活动重叠缩短工期,但是重叠会带来返工风险,进而造成额外的时间和资源的消耗.将活动重叠分为自然重叠和强制重叠,采用设计结构矩阵、紧前重叠活动时间因子矩阵、紧后重叠活动时间因子矩阵和重叠返工影响矩阵量化重叠返工对时间和资源的影响.以最小化研发项目工期为目标,建立了带有活动重叠的资源受限项目调度问题优化模型,并设计了改进的遗传算法进行求解.该算法采用基于优先规则的编码机制,并将考虑活动重叠的进度生成机制作为解码方法.实例研究结果表明,提出的考虑活动重叠的模型与算法,不仅可以缩短项目工期,而且同时使项目资源的使用更加均衡.最后在随机生成的算例集合上测试了算法的有效性.     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高，一直是一个非常重要而且又非常困难的问题，特别是问题的规模很大时，目前各种算法计算就非常困难，有的甚至无法得到合理的方案，蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法，根据工件排序问题的特点，建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型，在蚁群算法的基础上对其进行改进，成功地把改进的蚁群算法用于工件排序问题的优化中，通过与其他算法的仿真比较，表明基于蚁群系统的算法是有效的，特别是问题规模很大时更显示其快较的收敛速度和较高的精度。     

边远群岛物流体系的选址-库存-路径优化

针对边远群岛海运物流体系在构建与优化中所面对的选址-库存-路径问题,从边远群岛的地理结构和自然环境出发,分析了这一特殊背景下物流体系的内在运作机理和特点.以物流节点选址、港口布局、仓储规划和航线配置为基本内容,以各岛屿物资供应不问断为前提,构建出物流成本最低的优化模型.根据问题特点,提出一种基于遗传算法和模拟植物生长算法的混合算法.通过对我国南海某群岛海运物流体系实例计算和不同算法的对比,说明所建模型和算法的合理性与有效性.最后,经过灵敏度分析,指出了决策时应更关注运输系统优化的内容.文中提出的模型、算法为边远群岛海运物流体系的构建提供了理论支撑和优化方法,对于我国南海群岛建设决策及物流体系的构建具有重要的理论意义和实用价值.