多重运输调度问题的模拟退火算法

提出了多重运输调度问题的模拟退火算法,实际运算表明,该算法具有较快的收敛速度,是一个较实用的算法。     

改进的基于多依赖性的R&D项目组合选择模型

复杂产品开发企业往往拥有多个产品线开发项目和公用技术平台开发项目.由于资源的稀缺性,企业决策者不得不面临着R&D项目组合选择的难题.针对复杂产品开发过程中存在的多项目间混合依赖特性,采用关联性分配矩阵定量化描述三个及以上项目共同作用时的相互依赖程度;综合考虑项目间的收益依赖、资源依赖和技术依赖等关联特征,构建一种新颖的面向研发项目组合选择问题的非线性规划模型;并设计和实现了基于模拟退火的相关求解算法.最后将本文提出的方法应用于国内某汽车公司的研发项目组合管理实践中,实验结果证明了该方法的合理性与有效性.     

考虑随机需求和库存决策的多商品物流网络设计的优化模型与算法

提出一种将库存控制决策和设施选址模型相结合的优化方法,用来解决一类多商品物流网络优化设计问题, 网络内的用户需求是随机的且服从正态分布,优化设计的目的是在满足一定服务水平的前提下,最小化物流网络内包括建设费用、储存费用 和运输费用在内的总成本费用,建立了一个能同时描述设施选址决策和库存决策的多商品物流网络设计问题的非线性混合整数优化模型,并使用组合模拟退火算法对其进行求解分析,最后的算例计算结果验证了模型和算法的有效性.     

双混沌神经网络及其在优化问题中的应用

分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。     

面向拥堵问题的枢纽航线网络优化模型

为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标,设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization, SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。     

基于低碳视角的两阶段开放式选址路径问题——燃油车与电动车对比

针对传统两阶段开放式选址-路径问题（2E-OLRP）,考虑速度和负载对能量消耗和CO₂排放的影响,基于燃油车和电动车的行驶与排放特性,分别建立了燃油车和电动车的两阶段开放式选址路径问题模型,并提出一种改进的模拟退火算法对两种模型进行求解.为验证本文模型与算法的有效性和实用性,进行了3种对比分析:两种模型与传统2E-OLRP模型的对比;两种模型的算法求解结果与精确解的对比;两种模型经济成本与排放成本的对比.结果表明:两种模型与传统2E-OLRP模型相比,均具有明显优势;所提出的算法能快速有效的求解此类模型;就运输活动而言,与燃油车相比,电动车能节约3.44%的总成本、减少74.03%的CO₂排放量.以上研究结果可为物流企业在运输配送中的节能减排提供决策支持.     

自适应模糊系统在大坝安全监测故障诊断中的应用

为提高大坝安全自动化监测的稳定性与可靠性,提出一种基于模拟退火的自适应模糊系统(AFS：Adaptive Fuzzy System)的学习算法,并根据此算法建立了大坝安全监测非线性监测器模型,同时利用该模型构造了大坝安全自动化监测故障自诊断系统．实例表明,该系统既具有模拟退火算法(SAA：Sireulated Annealing Algorithm)的全局优化搜索能力,又充分发挥了AFS的非线性逼近能力,并能够较好地实现故障的在线诊断和实时隔离．     

带纠错的类语音调制解调器研究与设计

文章针对现有类语音调制解调方案存在误码率高的问题,设计一种带纠错的类语音调制解调器.在最优码本的基础上,通过基于模拟退火的映射关系搜索算法建立最优数据-波形映射,结合BCH码进一步提高传输可靠性.实验结果表明,该文方法在增加少量资源开销的情况下,显著降低了数据在移动通信网语音通道传输的误码率.     

斯金纳自动机：形成操作性条件反射理论的心理学模型

操作性条件反射是动物学习的一种基本的机制,它表示所有的动物,从微生物到人类都是通过操作性条件反射来指导学习的．介绍了一种新的概率自动机,称作斯金纳自动机,它是形成操作性条件反射的一种心理学模型．通过热力学过程来模仿动物的学习过程,并且从蒙特卡罗方法以及Metropolis算法,和模拟退火算法中提出了斯金纳算法．在特定条件下,证明了斯金纳自动机是便利的、ε-最优的、最优的以及操作概率会以概率1收缩到一个稳定的根．斯金纳自动机使机器可以像动物一样自主地学习．