改进邻域搜索算法的矩形件排样优化研究

针对矩形件排样问题,给出精确的数学优化模型,提出一种改进邻域搜索算法的求解方法.为了克服一般邻域搜索算法易陷入局部最优解和搜索效率低的缺点,挖掘矩形件排样的问题特征,提出反悔算子、距离受限邻域算子、以"满足容忍度"接受劣解等3种新的改进策略.以矩形件排放顺序为编码,利用"最下左填充算法"进行解码,优化矩形件排样方案.对...     

基于改进变邻域搜索算法的成型机分批重调度优化

针对成型机故障和工单交货期提前两类事件,提出一种基于改进变邻域搜索算法的分批重调度方法,基于最小分批原则和非等量分批原则对工单进行批量划分,考虑重调度过程的稳定性与准时性,建立数学模型。设计一种改进的变邻域搜索算法(VNS),通过构建转移邻域和叠加邻域两种邻域结构,提高了搜索的收敛速度和寻优能力。最后以某磁性材料成型车间作为实例进行验证。结果表明,所提重调度方法能够在保证工单准时交付的基础上,提高成型机利用率,为工厂的实际生产决策提供参考。     

基于多邻域的车辆路径优化迭代局部搜索算法

针对物流配送中的带有容量约束的车辆路径优化问题,提出了一个基于多邻域的迭代局部搜索算法HILS.首先用简单插入法构造可行解,然后从该初始解出发,在多邻域内进行局部优化.当陷入局部最优解后,根据解的接受准则,选择某个解,并对该解进行扰动,然后从扰动后的解出发重新进行局部优化.为提高搜索效率,局部优化过程只在限定邻域内进行.在国际通用的14个benchmark问题上进行仿真实验,结果验证了本文算法HILS的有效性和稳定性,与文献中的其他几种算法的比较结果表明,算法HILS的总体性能更优.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

不等圆 Packing 问题的拟物型邻域搜索算法

将拟物方法与邻域搜索过程结合,得到求解不等圆Packing问题的拟物型邻域搜索算法（QP—NS）．拟物方法用于连续优化,可从任一初始格局收敛至对应的局部最优格局;邻域搜索过程迭代地将当前格局替换为其邻域中的最优格局,直至无法继续改进当前格局为止．QP—NS可在不严重破坏当前格局的前提下稳定地改进当前格局,鲁棒性较强．基于14个国际公开算例的计算实验表明：QP-NS可在60S内改进10个算例的此前最优解,并与其余4个算例的此前最优解持平．     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

邻域搜索算法的统一结构和混合优化策略

邻域搜索算法的多样性和研究成果的分散性阻碍了算法的系统化研究与发展 ,因此建立统一的结构框架很有必要。论文通过对邻域搜索算法的流程和主要环节的分析与归纳 ,基于空间分解和进程分解的思路提出了邻域搜索算法的一种统一结构 ,为优化算法的系统化研究和新型混合优化算法的开发提供了可行途径。进而 ,基于统一结构 ,利用遗传算法和模拟退火算法在优化结构和优化行为上的互补性 ,将它们的优化机制和优化操作合理结合 ,提出了具有并行搜索和概率突跳特性的全局高效 GASA混合策略。     

基于变邻域搜索的电子侦察卫星动态调度问题研究

电子侦察卫星动态调度是电子侦察卫星管控的重要内容,调度方案的质量直接影响到卫星的使用效率.分析了导致动态调度的扰动因素,把不同扰动下的电子侦察卫星动态调度问题归结为一类复杂约束下的任务插入问题,并建立了问题的数学模型.提出了基于初始调度方案的变邻域搜索算法,设计了邻域结构和邻域移动算子.最后通过仿真实验验证了方法的有效性.     

整数规划松弛邻域整点搜索法的改进

文献[1]提出了求解整数规划问题的一种新方法--松驰邻域整点搜索法.文献[2]给出了松驰邻域整点搜索法的缺点,并做了改进.本文结合上述文献,对松驰邻域整点搜索法进行了改进.     

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.     

一个改进的变邻域搜索方法求解k-card问题

本文将变邻域搜索算法应用到k-card问题求解中,重新定义了一种邻域结构,改进了算法,使得邻域内可行解的搜索速度得以加快,并提高了近似解的质量。对几个实际问题进行了数值实验,并与现有邻域结构的变邻域搜索算法进行了对比,实验结果证明了改进变邻域搜索算法对k-card问题的有效性。     

邻域概率粗糙集的不确定性度量

不确定性度量在属性约简中具有重要作用.通过逐步构建3种改进的单调不确定性度量,为属性约简提供重要依据.首先,通过2个阈值,构建邻域概率粗糙集模型,并提出3种具有非单调性的邻域概率不确定性度量;为此,将邻域概率粗糙集与邻域粗糙集结合,改进性地提出了具有单调性的3种改进的邻域概率不确定性度量;最后,通过UCI数据实验对以上...     

矢量量化快速搜索算法的研究

为了进一步降低矢量量化的运算量,提出了一种新的快速搜索算法.在最近邻域搜索算法的基础上,提出了一个基于矢量分割的一般性码字排除准则.该准则综合利用子矢量的均值和方差参数,构造了一个判决不等式来排除不可能的码字.算法中子矢量的个数设定为2.实验结果表明,该算法的运算时间是改进的等均值等方差最近邻域搜索(IEENNS)算法的80%左右.该算法的性能要优于以往的几种基于不等式判决的快速搜索算法,可以应用在语音和图像编码算法中.     

基于Tabu搜索与遗传算法研究拆卸序列优化

针对废弃装配体的拆卸序列优化,提出建立描述装配体结构的干涉一自由矩阵以及“拆卸楔”的概念和算法,据此计算各个零件从装配体上可以拆卸下来的方向和次序．鉴于遗传计算过程中,其邻域往往过早地收敛于局部优化点上,于是将Tabu搜索组合到遗传算法之中．实例验证表明,用这种组合优化方法解决装配体拆卸序列优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．     

基于通用变邻域搜索的多AGV分拣调度优化

为了解决物流仓储分拣中心多台AGV处理大量包裹调度优化困难的问题,在考虑分拣作业时间窗和充电需求的基础上,研究了大规模AGV调度问题。以最小化分拣作业周期为目标,提出了一种通用变邻域搜索(general variable neighborhood search, GVNS)算法,为各台AGV指定转运任务和作业排序,采用遍历插入启发式策略生成满足时间窗约束的初始解,设计了10种邻域算子对初始解迭代寻优,并对比不同规模算例的算法性能,分析AGV充电速率和数量配置对分拣效率的影响。结果表明,GVNS算法具有计算时间和求解性能方面的优势,能在较短时间内求得近似最优解,平均计算时间仅为532.78 s,明显优于混合整数规划模型和约束规划模型;当包裹数为100时,最合适的AGV配置为14辆。因此,GVNS可以有效解决分拣中心考虑充电需求和硬时间窗的大规模多AGV调度问题,提高物流分拣效率,帮助企业找到科学、合理的AGV配置方案。     

基于邻域熵与蚁群优化的基因选择算法

针对基因表达数据集的基因选择问题,采用邻域熵度量与蚁群优化原理,提出一种基因选择方法.首先,引入邻域粗糙集模型对基因数据进行邻域粒化,定义邻域熵度量用于剔除冗余基因构成预选择基因子集;然后,采用邻域熵构造基因重要度作为启发式信息,发挥蚁群优化算法的分布式、正反馈及全局寻优的优势,运用蚁群优化算法从预选择基因子集中搜索出最小基因子集;最后,在选取的最小基因子集上进行分类测试.实验表明:建立在该最小基因子集上的分类器具有良好的分类性能.     

基于变邻域搜索的热轧圆钢批量调度多目标优化方法

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法。算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则。实验结果表明,模型和算法是可行且有效的。     

基于跨邻域搜索的连续域蚁群优化算法

针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法。首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度。通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优。     

简单邻域平均图像去噪算法的改进研究

图像去噪是图像增强的重要内容,邻域平均法是一种简单快速的图像去噪技术,但简单邻域平均法使图像去噪的同时,也会使图像变得模糊,弱化或丢失了图像的边缘和细节。本文对简单邻域平均法进行了一定的研究,给出了几种(5种)若干图像去噪的改进算法。