广义分派问题及其最优分派策略

本文讨论了更广泛意义下的分派问题,提出了三种不同情况下的分派模型——半规范型模型、竞争型模型以及多阶段分派模型,并讨论了它们的解法。     

最优分派的矩阵算法

本文给出了最优分派的矩阵算法，并用实例进行了说明。     

分派问题的一个优化算法

给出了一个分派问题的试验表，并由此表给出了一个分派问题的算法，此法比较直观，运算简单，便于程序设计及计算机操作，有利于企业现代化管理。     

稀蔬分派问题的O（mn＋n^2logn）有效算法

Ｍ．Ｌ．Ｂａｌｉｎｓｋｉ等人提出的求解分派问题符号差算法中的选轴方法，其选轴时间为Ｏ（ｎ＾３），本文将给出该选轴方法的一个改进方法，对稀疏分派问题其改进时间为０（ｍｎ＋ｎ＾２ｌｏｇｎ）。     

整数约束分派问题的GAT算法

主要讨论整数约束的分派问题,以遗传算法为主体,结合模拟退火和禁忌搜索算法,构造GAT算法,对其进行求解,最后得到较好的结果.     

分派问题的迭代理论与方法

对文献^[1]提出的分派问题的对角线解法，进行了改进，使其理论更完备，过程更简单，提高了它的理论价值和实用价值。     

稀疏分派问题的O(mn+n~2logn)有效算法

Ｍ．Ｌ．Ｂａｌｉｎｓｋｉ等人提出的求解分派问题符号差算法中的选轴方法，其选轴时间为０（ｎ３），本文将给出该选轴方法的一个改进方法，对稀疏分派问题其改进时间为０（ｍｎ＋ｎ２ｌｏｇｎ）．     

分派问题的最小替换法

求分派问题的最优解通常采用匈牙利法。本文给出的最小替换法,较之形象直观,步骤单一,计算量小,并能求出全部解以备进一步择优。     

三对角线线性方程组的解法

由三对角线矩阵的特点,得出系数矩阵的分解公式.从而给出了的三对角线线性方程组的求解方法。     

车辆合乘匹配问题中服务需求分派算法研究

在目前交通拥塞及物流成本居高不下的情况下,通过车辆合乘的方式降低车辆空载率、降低物流成本具有重要意义。在多车辆环境下,如何恰当地将服务需求分派到合适的车辆上是需要首先解决的问题。该文对确定性多车辆合乘匹配问题展开研究,提出针对服务需求分派的启发式聚类算法。基于服务需求及车辆特征提出匹配度概念,并基于启发式算法将服务需求分派到具体某一车辆。实际算例验证:该算法在可接受时间范围内,可有效提高搭乘成功率,降低车辆运行成本。     

分配问题推广的算法

针对一般的不平衡分配问题，将Ｈｕｎｇａｒｉａｎ算法推广，得到了一般分配问题推广的算法。     

指派问题的新算法

给出了关于指派问题的新算法：在差额最大的行或列中优先寻找最小元素．一般地说，此算法优于匈牙利法及[2]所论及的方法．     

改进的蚂蚁算法求解任务分配问题

将蚂蚁算法用于求解任务分配问题，并提出一种改进算法来提高其全局搜索能力。文中介绍了任务分配问题和蚂蚁算法，给出了求解任务分配问题的蚂蚁算法的数学描述及求解的算法步骤，在此基础上提出求解任务分配问题的改进蚂蚁算法。两个实例验证了改进蚂蚁算法的优越性。     

求解广义分配问题的拉格朗日蝙蝠算法

基于广义分配问题(GAP)自身的特点,将拉格朗日松弛算法(LR)和蝙蝠算法(BA)相结合,提出了一种高效的拉格朗日蝙蝠算法(LR-DBA)。首先,基于GAP的数学模型,在BA算法的基本框架上,重新定义了蝙蝠速度、位置以及局部更新公式,得出全新的求解GAP的离散蝙蝠算法(DBA)。其次,将其与LR相结合,设计出求解GAP的LR-DBA算法。最后,经过大量算例测试表明,对比DBA算法,LR-DBA混合算法在求解GAP时具有明显优势。     

分配问题的启发式算法求解

禁忌搜索算法和蚁群算法是近几年优化领域中出现的两种启发式算法.简单介绍了这两种启发式算法的基本原理,给出了应用这两种算法以及其混合算法解决分配问题的求解过程.仿真结果表明混合算法取得的结果较好.     

指派问题的遗传算法研究与实现

提出了用遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）进行运筹学中指派问题（ＡｓｓｉｇｎｍｅｎｔＰｒｏｂｌｅｍ）优化的新方法。根据优化问题的性质，设计了两种编码方案，以及适合此类问题的复制、交换、倒位、变异四种遗传操作符。在此基础上，完成了整个优化算法及程序框图，并用Ｃ语言实现。计算结果表明，算法设计正确，程序灵活可靠，是解决此类问题的一种行之有效的方法。     

广义分配问题的一种小生境遗传蚁群优化算法

提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚁群优化算法用于求解NP难的广义分配问题,以避免经典求解算法存在的易陷于局部最优的缺陷.以典型的广义分配问题——火力分配为例,对该算法进行实验,并将实验结果与其它算法进行分析比较.结果表明:新复合算法优化效率高,运行时间短,对其它的NP问题同样适用.     

“人少任务多”型指派问题的一种新算法

对于“人少任务多”型指派问题的解法,人们已经提出了很多解法,如“加边补零”法[1],“加边补最小值”法[2],只是前面提到的这些方法总体思路都是将其转化为标准指派问题来求解;对此,提出了一种不同于传统解法的差额法,方法不必一开始就去用新的矩阵去代替原系数矩阵,而是可直接在原系数矩阵上进行求解;方法简洁,直观,而且优于传统算法.     

动态自适应蚁群算法在二次分配问题中的应用

采用一种新算法--动态自适应蚁群算法解决二次 分配问题, 并引入3-opt方法对问题求解进行局部优化, 通过对二次分配问题的不同实例进 行实验, 结果表明, 该算法在求解二次分配问题上具有较好的能力, 可以很好地解决较大规 模的二次分配问题, 而以往的算法只适合于处理较小规模的二次分配问题.     

交通分配起点算法的实证研究

以交通网络为对象,研究求解均衡网络模型的起点算法原理及其实际应用.起点算法是一种基于路径树的交通网络流量分配方法,它按照交通分布起点把交通分配问题分解成若干个子过程.若干个子过程在网络空间的叠加,形成交通网络流量.在每个子过程中,在具有同一起点的若干起终点对之间,所有路径满足Wardrop原则.在比较不同收敛标准的基础上,提出最大-最小路径费用差作为起点算法的收敛准则.选用国内外不同规模的5个城市交通网络数据,对起点算法进行测试,结果表明,起点算法具有很好的稳定性,能够满足任何给定的精度要求.采用最大-最小路径费用差作为起点算法的收敛标准,能够真实反映起点算法的卓越性能,精确表现交通网络均衡原则.