改进禁忌搜索算法在TSP问题中的应用

提出了一种基于改进最近邻点法的禁忌搜索算法（TSBIN）。该算法利用改进最近邻点法为禁忌搜索算法构造较优初始解,能更有效地搜索全局最优解。以旅行商问题（TSP）为倒,验证了该算法的寻优性。     

一个基于蚁群优化解决2D packing问题的算法

2D packing问题是一种二维变量的打包问题,是典型的组合优化问题.本文首先通过贪婪方法得到一个初始解,然后利用经典的最大、最小蚂蚁算法作为解决问题的主要框架,并针对该问题将一种特定的局部搜索算法整合到主算法框架中.通过实验结果表明,该算法在解决此类问题上具有一定的优势.     

一种多目标增量启发式搜索算法

提出一种多目标增量启发式搜索算法, 该算法结合启发式搜索与增量搜索的思想, 当多目标问题搜索图的状态格局发生改变时, 该算法并不是对变化后的问题进行完全重新求解, 而是部分利用了先前搜索保留的信息求解新问题的最优解集, 从而提高了问题求解的效率. 通过Gridworld标准测试问题上的实验测试, 验证了算法的效率.     

一种改进的多初始解禁忌搜索算法

本文根据禁忌搜索算法的特点,提出了一种基于多初始解的禁忌搜索算法(STS)。该算法为禁忌搜索算法构造多个较优初始解,进而进行多初始解禁忌搜索以找到全局最优解。以旅行商问题(TSP)为例,验证了该算法的有效性。     

基于禁忌搜索的混沌蚁群算法在SLAM数据关联中的应用

为解决SLAM的数据关联问题,提出了基于禁忌搜索的混沌蚁群算法,利用蚁群算法的正反馈和并行搜索能力构建初始解并进行优化.在全局信息素更新时加入混沌扰动,以跳出局部极值,利用禁忌搜索算法的特性,扩大解的搜索空间,得到全局最优解.在无人机SLAM仿真环境下进行试验,仿真结果表明该方法极大地提高了数据关联率,该算法是有效可行的.     

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.     

铁路行包配送车辆路径问题模型及算法

铁路行包配送车辆路径问题属于同时具有送货和集货需求的车辆路径问题.结合该问题特点,建立数学优化模型.求解算法中采用基于最近邻居的启发式方法产生尽可能好的初始解,并通过构造合理的邻域结构,引入适合的罚函数评价解的质量,随机选取禁忌长度的禁忌搜索算法优化初始解.以5台车辆、21个配送点的实例进行仿真计算,计算结果表明,模型及算法有效可行.     

改进的自适应和声搜索算法

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种改进的自适应和声搜索算法(IAHS).在该算法中,采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息.本文用了5个标准的测试函数对该算法进行测试,结果表明该算法(IAHS)有较强的寻优能力和跳出局部最优解的能力.     

变分不等式的混沌搜索算法

基于变分不等式的等价形式,构造了一种混沌搜索算法来直接求解变分不等式问题,根据混沌行为的遍历性和规则性,可以得到算法的渐进收敛性.数值试验结果表明,该算法是一个有效的方法.     

IT服务外包进度风险控制的改进禁忌搜索算法

随着近年来IT服务外包的迅猛发展,对于项目的进度风险控制也成为了亟待解决的问题之一.针对IT服务外包项目进度风险控制问题,建立了两层的数学模型.考虑到该优化问题是一个NP难问题且具有层次结构,设计了改进的禁忌搜索算法进行求解.主要改进包括初始解的启发式方法产生,禁忌表动态构造等方面.在仿真实验的基础上,对算法稳定性、算法收敛性和有效性等进行了分析,并与传统禁忌搜索算法的仿真结果进行比较,验证所设计算法的有效性.     

带时间窗的4PL路径优化问题的两阶段求解

以第四方物流(fourth partylogistics,4PL)为背景,针对带有时间窗约束的4PL路径优化问题,设计了一个两阶段算法.该算法首先根据和声搜索算法的优化机制在配送网络多重图上产生一个简单图,然后采用删除算法求出简单图上的前K条费用最短路径.该算法能确保产生的解是合法的连通路径,不需要对非法路径进行修复,能保留解的信息且节省大量的计算时间.对不同规模的3个算例进行求解,并与传统的和声搜索算法和枚举算法进行对比分析.结果表明,本文算法的求解效果优于传统的和声搜索算法和枚举算法,是求解该类问题的有效算法.     

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。     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.     

模糊需求车辆路径优化及实时调整

针对模糊需求车辆路径问题,在需求未明的预优化阶段,基于可信性测度理论建立预优化模型,设计混合分散搜索和变邻域搜索的变邻域分散搜索算法求解;在获知实际需求的实时调整阶段,提出一种新的实时调整策略,采用随机模拟算法模拟可能场景的实际需求.算例仿真结果表明,变邻域分散搜索算法是求解该类问题的较好算法,新策略能实现较优的实时调整.     

最小化总完工时间的流水作业调度混合算法

针对有效求解NP难的总完工时间最小流水作业调度问题,提出了一个有效的混合启发式算法产生初始解,并使用禁忌搜索算法对初始解邻域进行搜索的算法框架.基于不同的启发式算法,获得了3个混合禁忌搜索算法HA1,HA2和HA3.使用Taillards基准程序随机产生的大量实例,进行模拟实验,结果表明,所提出的3个算法通过扩大搜索范围提高了解的质量,在性能上均优于目前最有效的启发式算法.与目前最有效的算法相比,产生最好解的平均百分比偏差均下降至少30%,最优解所占比例皆有显著提高.     

一种基于禁忌搜索算法的车辆路径问题的改进算法

针对车辆路径问题,提出了一种改进的禁忌搜索算法,通过从当前解的正序和倒序2个方向同时进行邻域搜索,扩大了搜索的范围.实验结果表明:该算法所找到的解质量较高,能有效解决车辆路径问题.     

Memetic算法及其在分类中的应用研究

群体智能优化算法Memetic算法(Memetic Algorithm,MA)采用进化算法的操作流程,引入局部搜索算子,使其在问题的求解中保证较高收敛性能的同时又能获得较高质量的解,克服了遗传算法等传统全局优化算法易"早熟"的问题,同时避免陷入局部解。在MA框架基础上,提出了全局动态适应MA算法,采用遗传算法为全局搜索算子,k-means算法为局部搜索算子。使用Java语言实现算法并对UCI中分类实验数据集进行测试,结果表明,将遗传算法和k-means结合的全局动态适应MA在分类问题中具有较高准确率。     

两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

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。