面向工艺分工规划的多目标蚁群算法

为解决计算机辅助工艺规划中工艺分工的优化问题,提出一种基于多目标蚁群算法的工艺分工路线优化算法.在引入逻辑加工路线、逻辑制造单元、物理制造单元、可执行加工路线等概念基础上建立工艺分工规划过程模型.在过程模型中,运用多目标蚁群算法对物理制造单元集合实现优化.在求解过程中,以加工时间和所耗成本为目标函数,在求解空间中对物理制造单元进行遍历,最终寻找到最优化的可执行加工路线.通过实例验证了该方法的可行性和有效性.     

突发灾害下应急疏散路线的交通信号配时优化

针对目前国内外突发灾害事件频发、应急交通组织保障能力不足等问题,在充分考虑突发灾害对道路交通网络、交通出行行为影响的基础上,基于动态交通分配理论,结合突发灾害下的出行者疏散路线选择行为,构建了受灾区域应急疏散路线的交通信号优化控制模型,并采用并行蚁群算法对该模型进行优化求解,以提高求解速度和全局收敛能力.最后搭建了集群计算平台对该模型和算法进行模拟测试,结果表明,采用并行蚁群算法对模型进行优化求解,可以获得较好的时间性能和优化效率,满足应急交通保障系统在线决策支持的要求.     

柔性作业车间的任务分配及优化方法

针对柔性作业车间中存在的多工艺路线和多加工路径的生产条件,以整个任务的加工时间最小化为目标,提出了有限缓冲条件下的任务分配模型.基于Wardrop用户平衡原理,利用增量分配法求解该模型,进而求解各路径和各加工单元的任务分配量,以及任务的最小化加工时间.通过一个加工单元具有非线性加工时间和多工艺路线的实例证明了该模型和方法的有效性.该模型和算法,可以将任务分解到各加工路径上,并且能够确定各资源加工的时间窗.     

基于动态规划迭代法的最小H圈路径优化研究

规划距离最小的环形路径是减少配送成本、提高配送效率的有效方法.构建了基于动态规划迭代法的最小H圈求解模型,将环形路线优化问题转化为带约束条件的最小H圈问题,先将求解最小H圈问题分解为求解最小H链问题,再将最小H链问题转化为一个多阶段决策问题,然后结合改进的动态规划方法——动态规划迭代法来求解.通过货物配送路线优化的实例计算,证明了该算法能够快速、有效地求解有约束条件的最小H圈问题.     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

模拟退火在印刷电路板最佳走刀问题中的应用

电路板(PCB)走刀路线问题可以归结为大型TSP问题。在构造了电路板走刀路线问题的模型后,采用加权的哈密顿图方法,结合模拟退火策略对该问题进行分析求解。重点介绍了模拟退火解决这个问题的具体算法和过程。仿真试验结果表明:采用模拟退火算法求解TSP问题效果更好,与有关算法相比有更好的可操作性。     

模拟退火在印刷电路板最佳走刀问题中的应用

电路板(PCB)走刀路线问题可以归结为大型TSP问题。在构造了电路板走刀路线问题的模型后,采用加权的哈密顿图方法,结合模拟退火策略对该问题进行分析求解。重点介绍了模拟退火解决这个问题的具体算法和过程。仿真试验结果表明:采用模拟退火算法求解TSP问题效果更好,与有关算法相比有更好的可操作性。     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

改进模拟退火算法在旅游路线定制中的应用

旅游路线定制已成为提高旅行体验的重要举措之一,为解决新游客在陌生城市旅游时的路线定制问题,在考虑景点距离、旅游消费和游客出行时间等约束条件下,建立了以旅游效用值为目标函数的旅游路线定制模型。为了避免模拟退火算法出现冗余迭代,陷入局部最优,提出一种改进模拟退火算法来求解旅游路线定制模型。该改进算法通过混沌寻优确定初始温度避免迭代冗余;通过对当前最优解进行混沌扰动来动态控制搜索步长,跳出局部最优;并用方差判定准则来作为搜索停止条件。最后,以广西桂林市的旅游景点为例对改进算法进行了验证。实验结果表明,该改进算法不仅加快了模型的运行速度,而且更容易寻得全局最优解,为游客提供了更准确合理的旅游路线。     

用基于蚂蚁算法的混合方法求解不确定TSP问题

首次提出不确定旅行商问题模型, 此模型将路径长度看作动态可变的, 并考虑了交通运行中的不确定因素, 比经典旅行商(TSP)问题更具有灵活性及实用价值, 利用此模型得到的结果更适于指导车辆对运行路线的选择. 同时使用一种基于蚂蚁算法的混合方法求解不确定旅行商问题, 即引入3-opt方法对问题求解进行局部优化. 实验结果显示, 该方法能够加速蚂蚁算法的收敛性.     

自适应粒子群优化的AdHoc网络多播路由算法

针对AdHoc网络中带QoS约束的多播路由问题,提出了一种自适应粒子群优化的AdHoc网络多播路由算法（APs0）,将微粒在解空间中的飞行搜索过程映射为多播树的树形变换过程．构建了AdHoc网络中QoS多播网络模型,采用罚函数处理约束条件来设计适应度函数．描述了APSO算法求解AdHoe网络多播路由问题的实现过程,将QoS多播路由优化问题转化为整数计算问题．仿真结果表明：该算法能快速地找到针对AdHoc网络中满足qos要求的最优多播树,尤其在大规模网络下更能显示该算法的有效性和可靠性．     

布局中的布线拥挤度估计及其优化

针对版图设计阶段越来越严重的布线拥挤问题,提出了一种有效降低布线拥挤度的标准单元布局算法.它是在高质量线长优化布局之后对布线拥挤度进行单独优化.该算法使用一种新的改进的布线模型对芯片的布线情况进行估计,采用以线网为中心移动的优化方法解决局部区域内的布线拥挤问题.实验结果表明,该算法在使线网总长略微增加的同时使芯片的布线拥挤度问题得到了很好的解决.     

一种无线传感器网络的最小能耗路由算法

针对无线传感器网络能量有效性问题,结合真实网络中节点的功率只能在离散值中选取的特点,研究了最小能耗路由算法。以经典能耗模型为基础,给出了理想情况时的最小能量路径,认为其是一个线性规划问题,最终给出了尽量逼近理想情况的最小能量路径算法——最近最优点路由(Proximate Optimal-Point Routing,POPR)算法。POPR算法基于地理位置信息,具有分布式、在实际中更易于实现的特点。最后,对算法的性能进行了仿真分析,并与多种经典算法进行了比较分析,结果表明该算法在节点密度比较高时,具有较好的性能。     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

Internet中的多播路由选择算法

Ｉｎｔｅｒｎｅｔ 中多播路由选择问题可归化为最小 Ｓｔｅｉｎｅｒ 树问题，而该问题是一个 Ｎ Ｐ 难题，当前只存在若干种启发式算法。基于遗传算法和最小树算法，提出并实现了一种新的自适应路由选择算法，经编程运行发现，此算法具有良好的实际应用前景。     

有容量约束车辆路径问题的蒙特卡洛模拟算法

带容量约束的车辆路径问题是一个NP-hard问题,针对此问题将蒙特卡洛模拟方法与流行的节省算法结合,提出Flag-MCS-CWS算法,该方法通过对CWS算法得到的节省序列进行蒙特卡洛模拟,适用于不同节点数、不同车辆载重量的车辆路径问题.在标准数据集测试,相比当前最优解有平均0.75%的改进,为车辆路径问题提供了更加有效的解决方案.     

基于延时状态统计的分布式QoS路由算法

为了克服网络状态的不准确性给服务质量(QoS)路由机制带来的负面影响,针对延时约束最小代价(DCLC)路由问题,提出一种基于延时状态统计的分布式路由算法(DSS-DRA)。根据延时状态的稳定性程度预测路径状态的不准确性,并结合概率选路,为到来业务探测寻找满足其QoS要求的DCLC路径。仿真及其分析表明:DSS-DRA能够较好地容忍不准确的网络状态信息,在路由性能以及DCLC问题的解决能力方面具有较为明显的优势;同时,与泛洪探测等方法相比,可以较好地减小探测开销,而与最小延时等算法相比,当网络重载时,能够以略微增加的开销为代价换取较大的性能改进。     

基于延时状态统计的分布式QoS路由算法

为了克服网络状态的不准确性给服务质量(QoS)路由机制带来的负面影响,针对延时约束最小代价(DCLC)路由问题,提出了一种基于延时状态统计的分布式路由算法(DSS-DRA)。根据延时状态的稳定性程度预测路径状态的不准确性,并结合概率选路,为到来业务探测寻找满足其QoS要求的DCLC路径。仿真及其分析表明,DSS-DRA能够较好地容忍不准确的网络状态信息,在路由性能以及DCLC问题的解决能力方面具有较为明显的优势,同时与泛洪探测等方法相比,可以较好地减小探测开销,而与最小延时等算法相比,当网络重载时,能够以略微增加的开销为代价换取较大的性能改进。     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

求最短路径问题的自适应路由遗传优化算法的设计与实现

从最短路径问题的研究背景、最短路径问题概述、求解最短路径问题的自适应路由遗传优化算法的设计及其实现等方面提出了一种新的求解最短路径问题的自适应路由遗传优化算法,实验仿真比较了该算法与Dijkstra算法的路由过程、算法的收敛性和执行的效率,结果初步证明该算法高效可行,尤其适合于大规模网络.