基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型.运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合.应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析.分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法.     

模糊约定时间车辆路径问题及其蚂蚁算法求解

模糊约定时间车辆路径问题是基于模糊预约时间,体现顾客偏好的一种车辆路径问题.建立了该问题的数学模型,针对其多目标性质,对几个目标分别给以权系数进行线性加权.在蚂蚁算法思想基础上,设计了用于求解该问题的改进型算法,并计算了Solomon问题库中的实例.经过大量数据测试,分析了蚂蚁算法中各参数以及各目标权系数的不同取值组合对结果的影响,获得了较好的结果.     

一种求解函数优化的混合差分演化算法

为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法.该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的.对复杂函数的寻优实验验证了混合差分演化算法的有效性.     

爬壁机器人路径规划研究

研究爬壁机器人在三维工作环境中的全局路径规划.给出了一种基于人工神经网络结构能量函数的路径规划算法.可根据机器人吸附物体的形状设定各边界面对应的不等的模拟退火初始温度;并且可根据路径点位于物体内部与否的不同位置采用不同的运动方程.仿真结果表明,该算法可规划出最短的可行路径,为提高爬壁机器人的实用性,提供了一种有效的路径规划算法.     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

混沌差分文化算法及其仿真应用研究

针时差分进化算法(DE)全局寻优能力差,无法有效的求解工程中复杂的高维非线性优化问题等缺点,提出一种混沌差分文化算法(CDECA).该算法模型将DE嵌入文化算法的框架作为主群体空间的进化过程,同时,引入具有较强局部搜索性能的混沌搜索来进行信念空间的进化,并通过设计一组联系操作实现文化算法模型中两个空间的互相影响互相促进,提高算法的寻优效率.几个典型测试函数的测试结果表明CDECA的搜索能力优于DE,将其应用于某大型水库的优化调度,也取得满意的效果.     

防空仿真系统中多层次飞行靶标作战规划研究

提出了防空虚拟战场中多层次多智能飞行靶标协同作战的仿真方法,给出了机群的战术和航路规划算法.研究了分层作战计划并制定了战术编队和队形保持方法,根据虚拟战场威胁情况建立飞行路径图,并对路径图进行了多样化处理和约束处理,利用遗传算法针对长机进行航路规划.针对飞行器实施作战任务过程中可能面临的新威胁,设计了实时重规划方法.仿真实例验证了多层靶标规划的可行性和机动性,可作为其他作战仿真系统中空袭方的执行参考.     

基于进化算法的多飞行器四维航迹规划方法

鉴于目前的航迹规划方法都局限于二维或三维空间,提出了一种基于进化算法的多飞行器四堆航迹规划方法.该方法在三维航迹规划的基础上加入时间代价约束,通过计算航迹节点在四维空间的坐标,将到达目标的时间与航迹搜索结合起来,使多个无人飞行器能够对目标进行同时打击并避免飞行器在飞行过程中的碰撞.仿真试验结果表明,该方法可以快速有效地完成四维航迹规划,获得满足要求的多飞行器飞行航迹.     

目标点动态变化的最优路径算法

研究目标点动态变化的最优路径算法,提出了一种改进的启发式最优路径算法,并采用实际路网数据进行了数据仿真实验,结果表明:提出的方法能较好的解决最优路径算法的实时性和精确性之间的平衡,具有较大的应用价值.     

Reduced K-best sphere decoding algorithm based on minimum route distance and noise variance

This paper focuses on reducing the complexity of K-best sphere decoding （SD） algorithm for the detection of uncoded multi-ple input multiple output （MIMO） systems. The proposed algorithm utilizes the threshold-pruning method to cut nodes with partial Euclidean distances （PEDs） larger than the threshold. Both the known noise value and the unknown noise value are considered to generate the threshold, which is the sum of the two values. The known noise value is the smal est PED of signals in the detected layers. The unknown noise value is generated by the noise power, the quality of service （QoS） and the signal-to-noise ratio （SNR） bound. Simulation results show that by considering both two noise values, the proposed algorithm makes an efficient reduction while the performance drops little.