基于模糊规则的GA求解成组调度

研究并行多机成组工件flow-time问题,利用模糊规则量化,使用遗传算法内嵌入模糊控制规划的智能化算法求解这类复杂的组合优化问题,最后给出计算实例及仿真结果,证明了该算法具有解决大规模实际问题的能力。     

基于蚁群算法的序贯决策问题研究

实际工程中存在许多大规模、非线性多约束的序贯决策问题,传统算法解决起来较为困难.蚁群系统(ACS)是一个用来解决大规模多约束组合优化问题的现代启发式算法,根据序贯决策的特点设计了多层结构的蚁群系统,给出了算法的组成结构;为了节约计算内存和优化时间,详细阐述了淘汰劣质解机制的精英策略;并通过梯级水电站短期优化调度这一实际工程序贯决策问题,来验证所构造的算法,给出了优化调度的数学模型及算法的求解思路.最后,采用我国西南地区某梯级流域中三个水电站的相关数据建立了调度仿真模型,仿真结果证实了所采用算法的有效性和可行性.     

超大规模管理优化问题的求解:城市小区粪渣清运排班案例研究

深圳市罗湖区小区粪渣清运排班优化为超大规模的实际管理优化问题.以该问题为案例,探索超大规模优化问题可行的求解方法.建立了城市小区粪渣清运排班优化模型,根据"贪婪"规则,设计了基于构造规则的启发式算法.通过小规模算例验证了算法的有效性.将该算法应用于案例中的实际问题,取得了满意结果.研究表明,对于实际的超大规模优化问题,可依据问题自身的特征,基于最质朴的贪婪规则,设计合适的启发式算法求解.该研究为类似的超大规模优化问题的求解提供了可供选择的思路.     

基于差分进化邻域自适应的大规模多目标算法

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题,通过分析变量特征将其分类再分别优化是当前较为有效的求解方法,但存在变量分类不够准确、变量处理不够有针对性等不足。对此,提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先,通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量,使变量分类更为准确。其次,通过对收敛性变量主成分分析降噪,降低计算成本,并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明,所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。     

一种改进遗传算法及在多目标优化中的应用

基本遗传算法在求解大规模多目标优化问题时会出现早熟和搜索效率低等问题。针对这些问题,对基本遗传算法引入了邻域操作、自适应策略和混沌优化等多种改进策略,研究设计了一种有机结合各种改进策略的改进遗传算法流程。应用实例的仿真试验表明改进算法可行,且在求解大规模多目标优化问题时较基本遗传算法具有精度和速度优势。     

基于改进列生成算法的受扰航班优化调度

受扰航班恢复问题是一个非常复杂的实时网络优化问题,属于NP-hard问题.同时考虑了飞机资源短缺、机场关闭和计划外的飞机维修情况,并采用航班延误、航班取消、航班交换等多种恢复措施.基于Dantzig-Wolfe分解原理,分别建立主问题和子问题的数学优化模型,采用列生成算法框架求解该大规模整数规划问题.在求解过程中,首先,构造初始可行航线,基于航线调用CPLEX软件对主问题进行求解;其次,针对研究问题的特征,提出一些性质,并采用改进的"label-setting algorithm"对子问题求解,每次迭代过程中加入多条具有简约成本为负的列,降低迭代次数,对于求得的非整数解采用分支定界法进行处理.最后,通过对多种规模的实际算例进行测试,验证了所采用精确算法的正确性及效果,并对测试结果进行分析总结.     

基于机器学习-优化混合算法的离散交通网络双层规划模型

为求解离散交通网络设计的大规模双层规划问题(Bi-level Programming Program,BPP),提出一种机器学习-优化(ML-OP)混合算法。首先,基于分解方法的求解思路,将双层规划问题转换为:下层一个典型的非线性规划问题(NLP),上层一个整数规划问题来处理。研究设计的混合方法,上层问题用源于机器学习的替代问题代替,采用监督学习算法求解(SLA),下层问题为交通分配问题(TAP),是一个凸非线性规划问题,用Frank-Wolfe算法求解。其次,为了验证机器学习-优化算法的有效性,用一个真实的大规模数据集来测试,并与经典分支定界算法(Branch-and-Bound)进行比较。数据结果表明在处理大规模双层规划问题时,ML-OP混合算法在计算能力方面有较好的表现。     

一种求解资源约束条件下运输优化问题的启发式方法

介绍了一种求解资源约束条件下的大规模组合优化运输问题的启发式方法。由于现实生活中的运输系统的复杂性，与总运输时间相关的目标函数无法用解析方法给出，在这种条件下它需要通过仿真运行得到，同时运输资源(主要指道路和中转站等)的限制又增加了优化的难度，传统的求解这种瓶颈运输问题的网络流方法无法处理。本文介绍的启发式方法充分利用了仿真模型对于系统的直观描述特性，将资源约束的求解反馈到优化过程中，取得了较好的效果。     

考虑司机工作量均衡的成品油配送优化

针对考虑司机工作量均衡的成品油配送方案优化问题,引入公平理论中社会比较的思想,客观上实现了司机工作量的均衡性度量,进而构建了考虑司机工作量均衡的成品油配送的多目标优化模型.该模型表达的问题集多车舱,多油品,多路径,多目标等特点于一身,为了求解这一难题,提出一种新型的Split-Assign算法对第二代非支配快速排序遗传算法(nondominated sorting genetic algorithmⅡ,NSGA-Ⅱ)进行了改进.最后,基于实际数据完成了数据实验与实例分析,验证了模型及算法的有效性,并提出了相应的管理启示.此研究可以为成品油配送方案的制定提供决策支持,对于实际中有较高工作量均衡性要求的类似问题都具有一定的启发意义.     

基于混合蚁群优化的天地一体化调度方法

天地测控资源一体化调度问题是一个典型的大规模组合优化问题,优化过程极其复杂,采用单一优化机制的传统蚁群算法求解这类问题时,存在求解效率低且求解性能差的缺陷。鉴于此,提出了采用两种不同融合策略的新型遗传蚁群优化方法(genetic ant colony optimization hybrid algorithm, GA-ACO)求解问题。该方法利用遗传算法的快速搜索、群体性能等优势生成初始蚁群信息素分布,提高了蚁群算法由于运行初期信息素更新较慢导致的较低求解效率和后期早熟引起的较差求解质量。仿真结果表明,相比于基本蚁群算法和遗传算法,混合蚁群算法的寻优性能更好,求解效率更高,更适合解决天地测控资源一体化调度问题。     

组合优化问题的混沌搜索策略

针对组合优化问题,提出了一种混沌优化策略。首先定义了两种解矩阵的变换操作:交换操作和移位操作。然后在寻优过程中,对解矩阵不断执行这两种操作,并利用混沌搜索方法确定所进行操作的矩阵位置,从而完成组合优化问题的求解。对于规模较大的组合优化问题,可结合模拟退火思想来进一步改善算法的寻优性能。仿真结果表明,该方法的搜索效率要明显高于其他优化方法,并可用于解决多种实际工程问题。     

基于冲突合作关系的生鲜选址-路径多主体优化模型与算法

针对城市生鲜农产品配送成本高，产品损耗大等特点，考虑生鲜销售商和外包冷链配送公司共同参与又独立决策的实际运营情况，建立了基于冲突合作关系的生鲜配送选址-路径多主体优化模型.模型中，考虑客户模糊时间窗，主导层生鲜销售商以系统总成本最低为目标，而从属层冷链配送公司仅考虑运输相关成本最小化.设计了GAPSO混合算法求解该问题，结合精英选择策略和自适应权重粒子更新策略，采用田口分析法获取参数合理取值.与CPLEX求取小规模算例精确解对比，GAPSO算法在保持准确性的同时，求解时间降低了96.17%；对基于Barreto和Prins经典LRP基准案例集的中大规模算例，与HybridGA算法和已知最优解BKR对比分析，结果表明GAPSO对于中小规模问题，能很好的收敛于全局最优解，对于大规模问题能求得近似最优解，能为实际生鲜选址和配送问题提供有效决策支持.     

求解大规模多背包问题的高级人工鱼群算法

针对复杂的大规模多背包问题,提出了一种基于高级人工鱼群算法的求解方法。为了解决人工鱼群算法收敛速度慢、求解精度低的问题,所提算法通过改进其初始化方法,优化人工鱼个体的行为选择方式和追尾行为来加快问题求解的收敛速度;同时引入了动态视野及步长和人工鱼调整策略来提高算法搜索的精度。仿真实验表明:与现有的算法相比,所提算法不仅能快速收敛,而且可以达到更高的精度,尤其是对于规模越大的多背包问题算法性能提升越明显。     

去蜂窝大规模MIMO系统功率控制算法

针对移动通信流量需求持续增长的需求, 同时考虑用户接入点选择和下行功率控制, 对去蜂窝大规模多输入多输出(multiple input multiple output, MIMO)系统的用户体验进行优化。基于最大信号干扰加噪声比, 为每个用户选择有效的服务接入点子集。在此基础上, 针对为不同优先级用户提供不同服务质量的目标, 建立长期功率约束下的下行链路加权功率控制优化问题模型。将该问题转化为凸优化问题, 求解得出一组优化的下行链路功率控制系数。算法经仿真验证, 能将去蜂窝大规模MIMO系统的95%用户频谱效率提升约11倍, 同时有效提升高优先级用户的体验, 对于去蜂窝大规模MIMO系统的研究具有一定参考意义。     

卫星观测联合调度问题的VRP与JSP模型

针对一类具有车辆路线和加工调度混合特征的卫星观测联合调度问题，对车辆路线和加工调度两类常见的优化问题模型及其求解技术进行了比较研究，探讨了两类模型的相互转化形式及模型特征与求解技术问的相互关系，在此基础上，给出了一种可行的卫星观测联合调度问题的建模方式，并利用约束规划工具软件进行了实现。与其它形式模型的比较表明，所建模型的求解效率和质量更适合大规模卫星调度问题的实际应用需求。     

大规模突发事件中伤员救助的救护车分配优化模型

对于大规模的灾后伤员救助工作,基于伤员群体人数增长的确定性模型和一定数目的救护车,分别给出了以救助工期和总的加权救助时间最小化为目标的救护车分配优化模型,得到了松弛问题分配到每个伤员簇中救护车数目的解析表达式.通过选取合适的权重,这两个模型松弛问题的解是一致的.基于松弛问题的解析解,给出了原问题的求解步骤.最后数值算例表明了所给模型的有效性.     

一种针对开沟布线问题的混合遗传算法

开沟布线问题(CTP)可以看作最小生成树问题(MST)和最短路问题(SP)的组合而成的组合优化问题.提出适合软件包求解的整数非线性规划模型(INLP)和适合求解大规模问题的混合遗传模拟退火算法(hybrid algorithm,HA),并通过运算实例对两种优化方法的性能加以验证.对实例运算结果的分析,表明这两种新的优化方法可以在问题规模较小时快速找到最优解;规模较大时也可在较短的时间内得到较好的近似解(通过HA实现).     

新的基于预估校正法的大规模营销优化算法

针对大规模一对一营销问题, 提出一种时间复杂度为O(n*logn/g)( n 为决策变量数, ε为允许误差)的大规模一对一营销优化算法. 它基于预估校正思想,在预估、校正步长计算中采用LDL分解, 并结合列近似最小度排序算法,有效降低时间复杂度. 同时, 算法在预估步中引入步长参数,根据步长参数值自适应更新中心参数, 使得算法具有超线性收敛性.实际测试表明, 该算法可在短时间内精确求解10万以上客户规模的一对一营销优化问题.     

大规模不可分组合优化问题的双环迭代算法

对于一类大规模、不可分的非线性组合优化问题,直接求解困难很大．本文把原问题嵌入到可分的参数规划问题中,并证明了原问题的最优解包含在可分的参数规划问题的最优解集中．然后从最优解集中挑出原问题的最优解．这种算法为三级算法．本文证明了算法的收敛性并建立了其理论基础,仿真效果好．     

支线航运网络下集装箱分配与船舶调度联合优化北大核心CSCD

将产生集装箱运输任务的货源点加入至轴辐式航运网络的支线运输网络中,构建了三级支线运输网络.考虑货源点集装箱在不同喂给港的分配对支线船舶运输成本的影响,以三级支线网络的总运输成本最小为目标,建立了集装箱分配与支线船舶调度联合优化模型.针对模型,首先设计两阶段算法进行求解;然后,基于列生成的思想设计了整合优化求解算法.算例实验表明对于小规模算例,整合优化算法的求解结果与Gurobi的计算结果仅相差1%左右;对于大规模算例,整合优化算法的求解结果均优于Gurobi,从而验证了整合优化算法的效率;此外,整合优化算法的求解结果相比于两阶段算法有显著提高,证明了整合优化集装箱分配与支线船舶调度的重要性.