停机位指派模型的排序模拟退火算法

实时的停机位指派对减少枢纽机场航班中转时间起着重要作用,但是停机位指派问题是NP-hard问题,常用的启发式算法计算效果较差。本文设计了一种排序模拟退火算法以求解枢纽机场的停机位指派问题。该算法首先根据停机位期望偏好值和航班客座率进行排序以得到模拟退火算法的初始解,然后运用经典模拟退火算法求解最优指派结果。算例表明,随着航班数量的增加,排序模拟退火算法的计算精度优于经典模拟退火算法,计算效率优于CPLEX软件且具有较快的收敛速度,为实时解决枢纽机场停机位优化指派问题提供了可能。     

基于动态停站时间的城市轨道交通跨站列车开行方案研究

针对当前已有列车开行方案优化研究大多以站站停为前提,且固定列车停站时间、将优化时段内旅客人数设为定值,同时只考虑列车单向运营优化等不足。首先,将列车停站时间设为动态值,接着考虑乘客到达率分布,以乘客总出行时间最小及企业生产成本最低为目标函数,引入考虑乘客心理感知的乘客候车惩罚系数,构造了基于动态停站时间的跨站列车非均衡开行方案多目标规划模型,并设计了基于遗传退火算法的求解流程。最后,以某市城市轨道交通线路为算例进行分析,结果表明,与固定停站时间的站站停方案对比,该方法可节约乘客总旅行时间6.5%、企业运营成本3.7%,优化效果较为明显。     

基于多处理机系统实时调度算法的飞机排班问题研究

提出了一种新的基于多处理器系统的实时调度算法有效求解飞机排班问题的方法.该方法以EDF算法和多处理机动态分配方法为基础,建立了航班队列模型,提出了基于多处理机实时调度的多目标的飞机实时分配算法.模拟实验表明,针对不同优化目标的飞机分配算法执行效率均比遗传算法和分支定界算法高至少一个教号级.     

一种新环境选择策略的多模态多目标优化算法

为了获得多模态多目标优化问题较优解集，本文针对差分进化算法提出了一种新的环境选择策略，一方面通过保留种群中非支配解确保目标空间的收敛性，另一方面通过和参考向量关联获得目标空间分布性较好的种群，通过同时考虑目标空间收敛性和决策空间多样性来选择下一代父代个体。在11个多模态多目标测试函数上的结果表明，本文算法在求解多模态多目标优化问题上是有效的。     

多群落粒子群优化供应链数据中心任务调度

要：针对数据中心规模和任务需求不断增加带来的服务效率降低等问题,提出了一种负载均衡多群落粒子群优化任务调度方法。通过改进的适应度函数对任务的最大完工时间和各机器完工时间方差进行组合优化以提升集群的负载均衡性;利用新的自适应惯性权重函数改进粒子搜索效率,提升算法收敛速率;采取新的粒子初始化方法提高初始解的质量和多样性,并利用多群落粒子协同搜索使得最终结果更加接近最优解。在阿里巴巴数据中心的公开数据集上对算法性能进行了验证和对比,实验结果表明,该方法能够提高数据中心在多样化供应链环境下的任务调度效率。     

一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

基于量子人工蜂群算法的配电网多目标优化重构

为了保证配电网优化运行,本文以系统网损最小、节点最低电压幅值最大、开关操作次数最少为目标构造配电网多目标优化重构模型,采用量子人工蜂群算法和帕累托(Pareto)支配关系求解.针对易于陷入局部最优解问题的人工蜂群算法,引入量子理论来进行蜂群的搜索,扩大了全局搜索范围,使其收敛于全局最优解,对于多目标问题,采用拥挤度来控...     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

利用截止期感知的云计算调度方法

针对传统云计算资源调度执行时间长和执行成本高的问题,提出一种利用截止期感知的云计算调度方法 .将VM分配给需要调度的工作流,并在处理时间截止期完成工作的调度.在任务调度过程中,当产生子调度序列后,利用遗传算法来优化执行时间以减少超时.提出的算法具有对不同目标搜索环境的适应能力.实验结果表明,基于截止期感知的云计算调度方法能够在不同规模和不同期限条件下以比粒子群优化算法更小的成本找到更优解.     

求解Flow Shop调度问题的混合禁忌搜索算法

针对目标为总完工时间的FlowShop调度问题,提出了一个启发式算法与禁忌搜索算法相结合的混合禁忌搜索算法HTA(Hybrid Tabu Algorithm):将RZ算法的结果作为初始解,然后采用禁忌搜索算法对其进行改进.实验结果表明:在最好调度的获取能力、所得调度的平均质量及算法的稳定性方面,HTA算法均是最优的.     

基于遗传/自适应神经网络混合算法求解作业车间调度问题

本文针对一类加工时间可变的调度问题,用遗传算法和基于约束满足的自适应神经网络混合算法进行了研究.遗传算法迭代生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,最后结果证明了本文算法的有效性.     

预制构件生产线多模台排样布局优化问题研究

预制构件生产的MES系统中需要使用模台排样任务结果以安排生产作业调度规划.针对生产排产作业时工装模具调度、模台排样周转时间长,模台面积利用率低的问题,主要研究了以矩形包络算法为零件预处理方式,并结合空余面积扫描算法的全局性及遗传算法的最优解,在多块模台上尽可能多地摆放预制构件进行生产的排样算法,在上层环节中可以通过CA...     

基于动态目标遗传算法的云计算工作流调度方法

针对云工作流资源调度直接关系到云计算的成本和效率的问题,提出一种基于动态目标遗传算法(DTGA)的成本最小化和期限约束的云计算工作流调度方法.该方法使用云计算资源的索引来编码染色体,采用动态目标策略(DTS)算法解决严格的期限约束,当没有获得可行解时,算法专注于优化执行时间以满足期限约束,一旦获得可行解后,则侧重于优化在期限约束内的执行成本.实验结果表明在不同规模数据调度和不同的期限约束下,相比改进量子遗传算法(IQGA),提出方法具有更高的适应性,能够在更严格的期限约束条件下以更低的执行成本找到云计算资源调度的更优解.     

雷达威胁环境下的多无人机协同航迹规划

针对雷达威胁环境下的多无人机协同航迹规划问题,提出一种基于Voronoi图与蚁群算法结合的智能规划方法. 根据雷达威胁分布建立赋权Voronoi 图,将连续可飞空域离散化为网格点. 通过选取适当的参数放宽蚁群算法的最优性,将每架无人机寻优得到的多组解作为多条备选航迹,建立以协同时间为约束的协同函数,根据协同时间最优决策方法选出每架无人机的最终飞行航迹,进行航迹平滑处理后得到实际可飞航迹. 仿真结果表明,所提出的智能航迹规划方法具有时间协同和整体最优等优点.     

基于TW-ToA与TDoA的无线传感器网络多目标协同定位算法

针对高斯噪声环境下无线传感器网络(Wireless sensor networks,WSNs)中目标节点位置估计问题,提出了一种基于双向到达时间(Two way-time of arrival,TW-To A)与到达时间差(Time difference of arrival,TDoA)的多目标协同定位算法。该方法利用了TW-To A高精度和无需同步的特性,并通过混合TDoA测量,在提高整体定位精度的同时,有效地降低了TW-To A的信息传输量。所提出算法将待测目标节点扩展为伪辅助参考节点,协同参与定位过程,从而进一步减少了网络中锚节点的数量。仿真结果表明,该算法在相同节点数量的网络环境中可以以较低的代价实现较高精度的定位目标,为无线传感器网络中的目标定位提供了新的思路和方法。     

稳态大系统多目标优化的双环递阶算法

对于稳态大规模工业系统,提出了一种能够充分满足决策者的偏好克服目标函数不可分性的双环失代算法。该算法首先根据决策人员的偏好把多目标问题聚集为不可分的竟址财嵌入到可分的多目标优化问题中,然后从目标的非劣解集中挑出不可分单目标的最优解,并证明了该最优解就是原问题的非劣解,算法的收敛性也有严格的数学保证。     

基于改进二阶振荡粒子群优化的 置信规则库推理方法

现有基于置信规则库(belief rule base, BRB)的推理方法的精度和效率受到系统参数设置以及规则库结构复杂度的影响为了寻找到最佳的参数值和最优的规则库结构,本文基于粒子群(particle swarm optimization, PSO)算法进行改进拓展,进而提出一种新的置信规则推理方法针对粒子群算法易早熟收敛和陷入局部最优解等问题,引入二阶振荡环节和自适应随机惯性权重来改进算法,并采用互不相同的参数取值来调节粒子群算法的全局和局部搜索能力在实验分析中,将该文方法应用于多极值函数拟合和输油管道检漏问题仿真实验,以收敛误差、收敛时间作为衡量指标,与其他传统方法进行了对比.实验结果表明,该文方法具有更好的推理效率和精度     

一种基于聚类预测模型的动态多目标进化算法

为了在动态环境中快速地跟踪变化后的最优解集,提出一种基于聚类预测模型的动态多目标优化算法.通过对种群聚类,提高预测解集的分布性与广泛性,为分段预测做准备,然后利用历史信息对每个子类的中心点和形状进行预测,在环境变化后,预测产生的每个子类共同构成整个新的初始种群,有引导性地增加了种群的多样性,使算法能快速跟踪新的最优解集.在标准动态测试问题上进行算法测试,实验结果表明所提算法能快速地适应环境的动态变化,所获解集具有较好的收敛性和分布性.     

考虑多平台模块配置的多产品线设计主从优化研究

针对考虑多平台模块配置的多产品线设计问题,根据对产品线设计与产品平台优化之间主从关联关系的分析,提出一种基于Stackelberg对策理论框架的优化方法,建立一个混合0-1变量的非线性双层规划模型。模型上层是多产品线设计问题,以极大化单位成本效用为目标,决策产品线结构。模型下层是以极小化成本为目标,求解产品平台的配置问题。为求解0-1混合双层规划,设计一个双层遗传算法,并将模型和算法应用到汽车产品案例中,得到较优的产品线结构与产品平台配置,并且与两阶段法与集成优化方法进行比较,证明模型与算法的可行性与有效性。     

基于AHP的航班延误问题分析

随着中国经济的发展,越来越多的人出行方式选择飞机.随之而来的航班延误问题给航空公司和旅客出行造成很大的麻烦.为了减少航班延误的情况,利用层次分析法对中国主要机场公布数据进行分析,利用灰色模型对延误问题的主要影响因素进行关联度计算.结果表明,导致航班延误的主要因素是航空公司原因,大约占比39.52%,其次是天气原因,大约占比30.52%,排名第3的是流量原因,大约占比29.96%.