带时间约束的运输问题简便解法

带时间约束的运输问题的传统解法通常是用多目标规划法。多目标规划法虽可解运输问题，但比较繁琐，不便于掌握和实际应用与推广。为了克服这一缺欠，提出新的解法。简便解法利用简单的数学方法把多目标规划法简化为单一目标，简化为传统运输问题模型。此外在此基础上还给出快捷法求解运输问题．使得带时间约束的运输问题的求解更加简捷、更加便于掌握和实际应用与推广。     

运输问题的研究

本文讨论了运输问题“多反而少”现象，给出了问题的定义、线性规划模型及表上作业求解方法。     

运输问题的多重最优解

一、问题的提出 运输问题是线性规划的一个特例,可以用求解线性规划的一般方法——单纯形法求解。然而运输问题有它自身的特殊结构系数矩阵,其独特的求解方法较单纯形法就更为简单实用,这就是表上作业法。目前以表上作业法编制的计算机程序已广泛地得到应用,但遗憾的是已见之于公开发表的文献书籍(见参考文献)上的程序却对运输问题的多重最优解显得无能为力,甚至不予提及。而在实践中往往会遇到     

带容量限制和手续费用的运输问题

本文首次提出了既带容量限制又有手续费用的平衡运输问题，建立了相应的数学模型并给出了求解这一模型的表上作业法。     

带有约束的运输问题及其推广应用

运输问题所讨论的是同种物资的供需调拨问题 ,本文将其推广到供点对需点的供给量或需点对供点的需求量受到一定限制的运输问题 ,并将其经过技术处理后使用表上作业法求解 ,从而避免了使用比较复杂的单纯型法 ,同时将这类问题推广应用到不同物资的运输调拨问题.     

一种寻求退化型运输问题最优解方法研究

文献[3]和文献[4]都对运输问题最优解的改进作了讨论,但对退化型运输问题是否存在最优解却作了回避.对于出现退化情形而又无法用位势法或闭回路法调优的运输问题,给出了一种寻求最优方案的方法--零数字格转移定理.该定理不仅为退化型运输问题的处理提供了理论基础,而且也为这类特殊的运输问题提供了一种简便可行的表上作业求解方法.     

三维空间中的黄金分割法

给出求解无约束问题的一种新方法——三维空间上的黄金分割法，这是一种直接解法，该方法是一维搜索中的0．618法在空间中的推广，无需计算函数的导数，仅需计算函数值既可。此外，本法克服了以往直接解法所共有的要求大量计算机内存的缺点，所采用的遮代方法每次只需要处理一个长方体的数字信息，因而仅需占用极少的计算机内存，并且并不因此而降低计算效率。此外，还给出搜索过程的几何表示。     

在大型物流调运系统中建立实际的运输问题模型的研究

本文以三峡工程散装水泥／粉煤灰调运指挥系统为例,讨论了在包含多个中转储备点,发量、收量为变量的大型物流调运系统中,如何建立实际的运输问题模型。给出了推广的模型,并提出采用表上作业法来进行优化求解。     

两类特殊线性规划算法的改进

本文对线性规划中的对偶单纯形法和运输问题中的表上作业法中选取出基变量或者入基变量的准则进行改进,给出一种新的换基准则,按该方法进行优化运算,可以使这种算法的迭代次数减到最少,从而加快运算速度,尤其适合于大系统线性规划问题的求解。     

寻找费用下降最大的闭合回路的算法

针对求解运输问题的经典算法,即闭合回路法和位势法,在寻找费用下降最大的闭合回路时,检验数求解计算量庞大的缺点,通过引入运输问题的检测矩阵及检测量,给出了一种求解运输问题的新算法。该算法对检测矩阵使用匈牙利法及元素求和得到最优解,从而得出最优运输方案。与经典的闭合回路法和位势法相比,在大规模的运输问题上,或基可行解出现退化的运输问题上,新算法更适合求解运输问题。     

Quantum-inspired ant algorithm for knapsack problems

The knapsack problem is a well-known combinatorial optimization problem which has been proved to be NP-hard. This paper proposes a new algorithm called quantum-inspired ant algorithm (QAA) to solve the knapsack problem. QAA takes the advantage of the principles in quantum computing, such as qubit, quantum gate, and quantum superposition of states, to get more probabilistic-based status with small colonies. By updating the pheromone in the ant algorithm and rotating the quantum gate, the algorithm can finally reach the optimal solution. The detailed steps to use QAA are presented, and by solving series of test cases of classical knapsack problems, the effectiveness and generality of the new algorithm are validated.     

线性二级价格控制问题的单纯形算法

主要给出求解一类双层非线性规划问题--线性二级价格控制问题的一个算法。根据问题的结构和特性，我们提出类似于线性规划单纯形算法的思想来求解线性二级价格控制问题，并用一个数值例子来说明算法如何求解。     

SGA(Simplex-Genetic Algorithm):一类求解Minimax问题的通用算法

在指出一般的迭代法不能保证收敛性之后,将注意力投向基于Stackelberg-NashEquilibrium的遗传算法(GA)的解决方法,并根据Minimax问题的特点指出该方法的不足之处.在此基础上,提出了SGA(Simplex-GeneticAlgorithm).仿真实例表明,这种方法速度和精度较之GA都有了很大提高,是求解最小最大问题的有效通用方法.     

几类非线性双层规划问题的混合遗传算法

针对几类具有特殊下层结构的非线性双层规划问题,提出了一种混合遗传算法。首先利用单纯形法的思想设计了新的杂交算子,使杂交个体与种群中好的个体组杂交,从而产生尽可能好的杂交后代;其次对每个相对固定的上层变量值x,通过计算下层最优解y来提高种群个体的可行性,并分析了下层最优解的计算误差对算法性能的影响;最后对于下层存在多个最优解的情况,通过求解一个单层规划,给出了下层最优解的选择方法。数值结果表明该算法是有效的。     

一种求解二阶锥规划问题的新算法

为了提高求解二阶锥规划问题的效率,提出一种新的求解二阶锥规划问题的非单调信赖域算法.基于Fischer-Burmeister光滑函数,对二阶锥规划问题的最优性条件进行转化,得到与其等价的无约束优化问题的非线性可微的光滑方程组,构造信赖域子问题,利用非单调信赖域算法求解.算法在求解信赖域子问题时,提出了一个新的自适应选取信赖域半径机制,搜索到全局最优解.数值实验结果表明,该算法运行速度快、迭代次数少,比内点算法和不可行内点算法优越.     

蚁群算法进行连续参数优化的新途径

提出用蚁群算法进行连续参数优化的一种方法 .该方法对解的每一个分量的可能的取值组成一个动态的候选组 ,并对候选组中的每一个值记录其信息量 .在蚁群算法的每一次迭代中 ,首先根据信息量选择解分量的初值 ,然后使用交叉、变异操作来确定解的值 .以非线性规划问题为例所进行的计算结果表明 ,该方法比使用遗传算法具有更好的收敛速度和稳定性 ,克服了蚁群算法不太适合求解连续参数优化问题的缺陷 .     

两种策略下的最短路径并行算法研究与实现

随着智能交通运输系统的研究与应用,对在大规模交通网络上求解最短路径的实时性提出了更高的要求。为了找出适用于实际交通网络的高效最短路径并行算法,首先选取了3种最短路径标号串行算法,以此为基础分别实现了网络复制及网络分割两种策略下求解最短路径的并行算法。最后,从基于G IS的交通规划软件T ransCAD中提取了实际交通路网数据,同时还随机产生了不同规模的稀疏格网,在这些网络中对并行算法的性能进行了测试和分析。结果表明,在8台机器上求解含5 181个节点的实际交通网络中32个源点的最短路径时,基于网络分割的双队列标号修正并行算法的加速比可达到6.32,在其他网络中也表现出较好的加速比及可扩展性。     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

求解度约束最小生成树的单亲遗传算法

提出了求解度约束最小生成树问题的单亲遗传算法.该算法首先利用Prufer数对生成树进行编码;然后精心地设计了一个随机地产生初始种群的方法,用这种方法产生的初始种群,不会含有任何不可行解;在遗传操作中只使用选择和变异操作,共设计了三种变异操作,其中两种变异操作均不会产生不可行解,只有一种变异操作可能会产生不可行解,需要作树的度的检查和修改;这样就大大的降低了不可行解产生的机会,从而提高了遗传算法的效率;而且只使用变异算子,有效的避免了早熟收敛现象的产生;通过大量的数值试验,表明该算法简单,高效,收敛率高;最后对此算法做了适当推广,并给出了它求解TSP问题的具体步骤和实例。