一种启发式的分布式最大独立集算法

从最大独立集问题的0-1整数规划数学描述入手,首先针对树图情形提出了一种基本的分布式树（Tree）算法,并证明该算法在树图情形下是最优的,然后将该Tree算法针对一般图情形进行了启发式的修正,得到一种新的分布式修正树（m-Tree）算法.理论分析表明,当图为树或二分图时,m-Tree算法可以简化为基于信用传播（BP）的分布式算法,是对BP算法的一种推广.仿真结果表明,对于树或二分图情形,m-Tree算法与BP算法都能收敛至最优解;对于一般图情形,m-Tree算法的收敛性能与权和性能均远优于BP算法,并且其权和性能接近最优解.     

基于循环取料的不确定越库调度模型与算法

研究运输时间不确定环境下基于循环取料的越库调度问题.对问题建立不确定情况下求解该问题的混合整数规划模型;提出2阶段启发式算法和基于禁忌搜索算法的改进算法来获得近似最优解;通过在小规模和大规模情形下进行数值实验,验证了启发式算法的有效性.     

基于改进稳态遗传算法的桥梁有限元模型修正

由于测试误差和结构参数的不确定性,有限元模型修正的局部最优解和全局最优解均有可能是真实解。为了同时获取模型修正的局部最优解和全局最优解,文章提出一种改进的稳态遗传算法(ISSGA)。该算法通过一种双角度算子来判定目标函数的可行解,并通过定义可行解的伴侣解不断优化解的位置,实现目标函数局部最优和全局最优解的寻找。通过两个测试函数和一座混凝土箱梁桥模型修正案例,验证了ISSGA算法的精度、稳定性和计算效率,并明确了算法中各个参数的取值依据。结果表明:ISSGA可同时获得目标函数的局部和全局最优解;双角度算子可有效避免局部最优解的遗漏;ISSGA算法为获得模型修正合理解提供了可能。     

一种求解不定信赖域子问题的精确解法

在Hessian阵不定的情形下,分别选取两种不定修正方法,通过数值实验分析并对比了这两种方法下最优解的情况。最后综合考虑了两种方法的优缺点,提出了求解信赖域子问题的修正分段割线算法。数值结果表明此修正是有效且可行的。     

模糊随机多目标规划性质的研究

在模糊随机环境下,针对于多目标规划问题的性质,给出了一系列的重要结论。首先,基于模糊随机理论,提出了模糊随机多目标规划问题的期望值模型,实现了对实际问题的不确定性到确定性的转化, 并为解决实际问题提供了理论模型。规划问题的凸性在优化理论中占有非常重要的地位,因此,对于所提出模型的凸性,利用模糊随机变量的期望值的特殊性质,给出了严格的证明。 定义了模糊随机多目标规划的期望值绝对最优解、期望值有效解及期望值弱有效解的概念,并研究了它们的性质。根据生活中的实际问题所建立的模糊随机规划模型的求解,所得结果为其算法的研究及最优决策的执行提供了重要的理论依据。     

面向鲁棒性的高速铁路网络列车运行调整计划优化模型

针对高速铁路路网中出现区间封锁事件,考虑事件持续时间的不确定性,以列车运行时间和安全间隔时间为约束条件,引入路径选择唯一性约束保证列车运行调整计划的鲁棒性,以所有列车晚点时间之和的期望值最小为目标函数,建立高速铁路列车运行调整计划优化整数规划模型.设计基于优先级规则的启发式算法,求解原模型的可行解.运用拉格朗日松弛算法和最短路径算法求解该模型的松弛模型,得到原模型最优解的下界.根据可行解与最优解下界之间的距离,可以定量地衡量可行解的质量.结果表明,相较于CPLEX数学求解软件,算法求解效率较高;模型与算法能够有效生成鲁棒的列车运行调整计划,为调度员提供必要辅助决策信息.     

分布数据缺失的最优传输研究

针对分布数据缺失情形下的最优传输问题,给出其基本理论以及优化模型,同时考虑到模型的较大稀疏性,基于熵正则化思想提出了一种数据缺失情形下的最优传输的熵正则化算法,最后将其应用于运输问题和图像检索领域,并给出相应的实例,验证了本文算法及其对提出问题的有效性.     

先进上面级快速机动轨道优化设计

根据先进上面级的推力特点和任务需求,将快速机动轨道优化问题转化为有限推力下时间最优轨道机动问题。首先建立脉冲推力下的多约束时间最优优化模型,然后利用改进的微分进化法求解全局最优解。其次建立有限推力下的修正模型,对脉冲推力的优化结果进行修正,最终得到有限推力下时间最优轨道机动问题的解。通过快速轨道交会仿真验证了模型和算法的合理性,所得终端位置误差为1 km量级,在容许范围内,可通过末端轨道调整进一步修正。理论分析和仿真结果表明:结合脉冲变轨和有限推力修正的模型能更准确描述轨道机动的实际情况,采用的改进微分进化算法收敛速度快,稳定性好,对初值无明显要求。     

基于Mathematica资源管理决策的算法

由于最优解是退化或无穷组时最优基对资源管理决策问题有影响,因此首次给出并证明了退化最优解问题和无穷组最优解问题最优基的个数及求解的算法,对资源管理决策问题用Mathematica语言给出了算法,最后讨论了算法复杂度和有效性问题.为说明基于Mathematica算法实现的有效性,对5×10规模的资源管理决策模型在有非退化惟一最优解、退化惟一最优解和退化无穷组最优解3种情形下用Mathematica语言进行了求解.     

具有恶化效应的双代理单机最优调度算法

针对单机床加工环境中待加工任务具有恶化效应且来自2个具有不同需求的代理时,无法快速求解出满足要求且成本最低的最优加工序列的情况,提出了可在特定约束条件下的具有恶化效应的双代理单机最优调度算法。首先提出优化目标为:保证一个代理的任务均不延迟完工的前提下,使得另一个代理的总加权完成时间或总加权折扣完成时间最小;其次指出该优化问题具有NP难度,并给出其在一般及特殊情况下最优解的结构性质;此后对于特定约束条件下的情形,提出多项式时间优化算法。该算法中首先将2个代理的任务分别按照所证明的最优策略排序,然后再按照使得2个代理能得到最小总加权完成时间和给定约束关系的算法将2个序列合并在一起,并证明得出的序列即为所求调度问题的最优解。实验结果表明,该算法作为确定性算法,计算时间与最优解平均误差率大于0.3%的模拟退火算法相似,远远低于可求解出最优解的分支定界算法。     

基于全寿命抗震性能的近海桥梁结构多目标优化设计方法

投资-效益准则是基于结构性能抗震设计的重要原则,它所追求的设计目标是在结构的初始造价与地震损失期望之间达到一种和谐的优化平衡,使结构在全寿命周期内总费用最小.在以上的单目标优化模型基础上,提出了考虑结构初始造价、损伤期望、检查和维护费用、拆除费用及残余价值和环境污染费用的多目标全寿命优化设计模型.基于所提出的多目标优化设计模型,应用精英保留非劣排序遗传算法,建立了以截面尺寸、纵筋和箍筋的配筋率为决策变量的近海桥梁结构全寿命抗震性能多目标优化设计模型,并给出了优化设计流程及具体实现.结果表明:得到的非劣解在目标空间分布均匀,算法收敛性和鲁棒性较好.     

长途汽车运输调度专家系绕

本文描述了一个汽车运输调度专家系统,该系统根据调度员的经验,将当天的运输业务划分成子业务集,用空载最优算法确定子业务集中的最佳运输路线,得到局部解,再由局部解求得全局最优解,达到提高长途汽车运输的里程利用率的目的。     

应急物资多式联运鲁棒路径优化

为解决灾后应急物资多式联运路径优化问题,考虑到应急物资运输网络的不确定性,针对各种运输方式的发班时刻限制,建立了不确定环境下带班期限制的应急物资多式联运鲁棒路径优化模型。同时考虑到计算机求解的NP难问题,设计了大变异遗传算法以及自适应遗传算法进行求解,并通过数值案例,对两种算法的求解结果进行了对比分析。研究结果表明：本文所设计的模型及算法可在不确定环境下快速选择出一条时效性好、鲁棒性强的应急物资调拨路径。     

基于遗传算法的运输问题最优解研究

用表上作业法求解运输问题计算量很大,且收敛速度较慢.本文用遗传算法求解运输问题,通过选择恰当的编码方案和遗传算子,求运输问题的最优解.通过实例说明了基于遗传算法的产销平衡的运输问题及求解过程.     

基于混合智能算法的模糊运输问题的研究

本文研究了在模糊费用条件下的运输问题,并利用不确定理论中的机会约束规划模型和相关机会规划模型的思想,建立了具有模糊费用的运输问题的数学模型。此外,设计了一种混合智能算法,即在模糊条件下的遗传算法的应用。最后,利用这种算法求解一个算例。     

基于粒子群算法的不确定动态多目标优化方法研究

当前不确定动态多目标优化方法通常将多目标问题转换成单目标问题,将其它目标看作约束条件,仅可得到单个解,无法有效体现不确定多目标之间的关系,导致得到的解质量低。为此,提出一种新的基于粒子群算法的不确定动态多目标优化方法,给出不确定动态多目标优化问题的数学描述,介绍了粒子群算法,针对粒子群算法容易陷入局部最优的弊端,引入动态变异算子对其进行改进,通过改进的位置更新公式实现粒子群算法位置的自适应更新,给出解决不确定多目标优化问题的详细过程,在此基础上,通过分段线性函数参数化实现不确定动态多目标优化。实验结果表明,所提方法搜索能力强,采用所提方法得到的解与真实解最相近,质量最高。     

含多种分布式电源的配电网概率无功优化

针对配电网无功优化时多种分布式电源出力以及负荷的随机性,建立了考虑多重不确定因素的概率无功优化模型.通过三点估计法将概率潮流计算转化为采样点处的确定潮流计算,以处理所建模型中的不确定因素对无功优化结果的影响.为克服粒子群算法易陷入局部最优的缺陷,将自适应控制策略应用于粒子群算法,采用一种改进粒子群算法(IPSO)用于模型的求解.在改进的IEEE33节点系统上进行仿真测试,其结果验证了所提概率无功优化模型和求解方法的可行性及有效性.     

多重不确定性条件下区域综合能源系统随机调度

为研究多重不确定性条件下的区域综合能源系统的调度决策问题.首先基于Copula理论建立区域综合能源系统多随机源功率预测误差的联合概率分布模型;其次考虑多重功率预测误差的不确定性影响,提出一种以综合能源消费成本最小化为目标的随机调度期望值模型和算法,并基于典型系统进行案例分析,验证了模型算法的有效性.结果表明:多重不确定性因素的量化分析和随机调度模型的应用有助于提高区域综合能源系统调度决策结果的置信水平,具有一定的工程实用价值.     

基于MMHC算法的贝叶斯网络结构学习算法研究

贝叶斯网络是人工智能领域研究不确定环境下知识表示和因果推理的有效工具之一,迄今为止已经提出了许多贝叶斯网络结构学习算法.MMHC算法是一种较新的贝叶斯网络结构学习算法,该算法的评分搜索阶段应用了贪婪搜索算法,但该算法容易陷入局部最优而无法得到全局最优网络,针对该缺点,在MMHC算法的评分搜索阶段应用模拟退火、随机重启爬山搜索、禁忌搜索3种搜索策略取代贪婪搜索,详尽的实验结果表明在MMHC算法中这3种搜索算法的效果普遍优于贪婪搜索,其中模拟退火搜索学习效果最好,MMHC算法的评分搜索阶段可以用模拟退火搜索替代贪婪搜索达到提升算法的学习效果.