求解双层CARP优化问题的演化学习型遗传算法

双层有能力约束的弧路径优化问题(capacitated arc routing problem, CARP)的研究对象通常是某个城市或地区,首先聚焦于该地物流系统的宏观配置,然后考虑相关服务的完成问题。针对双层CARP优化问题,提出了一种演化学习型遗传算法(learnable genetic algorithm, LGA)。建立了LGA的基本框架,设计了构件知识和算子知识等知识形式。在LGA中,采用扩展启发式方法辅助生成初始种群,使用算子知识为选择、交叉和变异选择操作算子,应用构件知识为交叉和变异操作选择断点位置,同时借助局部替换程序不断地向当前种群中注入新个体。LGA的框架为现有优化方法改进提供了一种有益借鉴。     

新型高效肥料研究展望

肥料是现代农业生产中投入最大的一类生产资料。肥料概念的形成已经有170多年的历史。利用新方法、新工艺生产的的高效、缓释控释、长效和环境友好的肥料称为新型肥料。概要回顾了我国"十一五"时期新型肥料研发取得的主要进展,分析了未来肥料发展的主要问题和趋势,提出复合高效是未来肥料发展的总趋势,缓释、控释和环境友好是重点,开发生物肥料是重要任务;介绍了"物理肥料"的种类和作用,指出要加强中量、微量及其有益元素的营养机理,养分资源宏观管理信息系统及其植物营养与肥料的应用基础研究等。参46。     

多源不确定信息融合中的冲突证据快速合成方法

D-S证据组合规则在处理高冲突信息时,会得出与直觉相反的结论以及证据组合时计算量呈指数增长等问题。针对组合规则的不足,许多改进方法已提出,但各个方法都仍存在其局限性,如Murphy方法在很大程度上解决了冲突证据问题,并未解决计算量指数爆炸问题。基于对Murphy方法深入研究,归纳出相同证据的组合规律,给出了Murphy方法快速表达式,从而提出了一种快速的Murphy组合规则(fast Murphy combination rule, FMCR)。实验表明,新的组合规则在处理高冲突和多源不确定信息融合问题方面都是有效的,在保持Murphy组合规则计算正确性同时,显著地提高了计算速度。     

带时间窗的开放式满载车辆路径问题建模及其求解算法

为满足某些企业的满载运输需求, 针对运输任务对车辆具有独占性的特点, 分析得到总运输费用的大小取决于车辆的空车运行费用, 在此基础上, 将带时间窗的开放式满载车辆路径问题转化为带时间窗的多车场开放式车辆路径问题, 建立了相应的数学模型, 并设计了改进的自适应遗传算法进行开环路径求解, 并把算法应用于某木材厂的周运输计划的制定, 算法在很短时间内求得了运输方案, 比木材厂原运输方案减少了车辆数, 并节省了运输费用. 实验证明, 算法是可行和有效的.     

伪模糊度的公理化定义及余弦函数伪模糊度

利用对偶方法提出了伪模糊度的公理化定义,构造并证明了一个余弦函数伪模糊度．给出了模糊度与伪模糊度之间的关系,并利用模糊度、伪模糊度与贴近度之间的关系构造了一个贴近度,进而用贴近度建立了一类优化问题的数学模型     

选择煤炭回采工艺方式的递阶结构模型与求解

对煤矿生产管理过程中影响经济效益较大的工艺方式选择问题,从煤矿生产的经济效益、社会效益、技术因素、以及管理因素四个方面进行了系统的分析,提出了以综合评价指标为总目标的递阶式结构回采工艺方式选择模型,并给出了基于层次分析法求解该模型的方法步骤.     

A REMARK ON THE GLOBAL SMALL SOLUTION FOR GENERAL COUPLED MAXWELL-SCHR■DINGER EQUATIONS IN IR~3

1.IntroductionandMainResultInthispaperwecontinuetostudytheCauchyproblemforgeneralcoupledMaxwellmSchrsdingerequations.Whenthespatialdimensionsarethree,weprovetileexistenceofglobalsmallsolutionfortheCauchyproblemofgeneralcoupledMaxwellSchrsdingerequationsunderLorentzgaugebyapplyingthequasi--energymethodwhichwasintroducedbyV.M.n.erieril].Basingon[2]or[3],CauchyproblemforgeneralcoupledMaxwelL'Schri'dingerequationsunderLorentzgaugecanbewrittenaswherex6R,p,urangeover0,112,3,jrangesover112,3a…     

A MULTISTEP CHARACTERISTIC FINITE DIFFERENCE METHOD FOR TWO-DIMENSIONAL NONLINEAR CONVECTION-DIFFUSION PROBLEMS

1.IntroductionItiswellknowthattheconvection-dictionproblemsareakindofveryimportalprob-lems,particularlylthenonlinearconvection-diffusionproblexns.Inthepaper[1],asinglestepcharacteristicflutedmerencemethodisgivenforsolvingtwcadimensionalnonlinearconvection-dilhaionproblemswiththeconvectivecoefficientsdominating.HereweshallgiveamultistepcharactersticamrencemethodbasedonthelinearandquadraticinterpolationsforsolvingtwcadAnensionalnonlinearconvection-~ionproblemsinordertoincreasetheaccuracyofapprot…     

基于前景理论的订货问题

针对需求不确定条件下的订货问题,传统订货模型都是基于期望效用理论,该理论假设决策者是完全理性的,这不符合决策者的现实决策行为,而前景理论正是描述不确定条件下个体实际决策行为的理论。应用前景理论,针对需求不确定条件下零售商的订货行为,建立了新订货模型,并与传统订货模型做了实证比较分析。结果表明,在我国早餐订货过程中,零售商并不是完全理性的,其倾向于风险规避,会适度减少订货量,基于前景理论的订货模型能够更好的描述零售商的订货行为。     

求解约束优化问题的动量粒子群算法

为解决约束优化问题,提出使用双可行域吸引子策略改进动量粒子群算法。该算法只需初始种群中有一个粒子位于可行域内,随着搜索过程的进行,整个种群自动进入可行域内搜索。一方面,在搜索过程早期,由于可行域内粒子少,所有粒子移向相同的吸引子,整个种群迅速进入可行域内。另一方面,随着进入可行域粒子的增多,由于每个粒子使用距本身最近的可行域吸引子,较好地维持了种种群的多样性,避免早熟现象的发生,使算法具有较好的寻优性能。与国际上当前解决约束优化问题的粒子群算法在4个标准约束优化函数上测试比较,实验结果表明本算法取得的最优值要优于其它粒子群算法。

Abstract：

The strategy that two good positions in feasible region worked as attractors was incorporated into momentum particle swarm optimization algorithm in order to resolve constrained optimization problems. The resulting algorithm only requires that one of the initial particles is in the feasible region, and then all particles in the swam automatically move into the feasible region. On the one hand, in the early iterations few particles appear in the feasible region and hence all particles move toward the same attractors, so the particles soon enter into the feasible region. On the other hand, as the number of particles in the feasible region increases, each particle adopts the most near attractor so that each particle has different attractor. Therefore, the algorithm maintains the diversity of the population, alleviates the premature, and hence achieves good performance. The algorithm is compared with other particle swarm optimization algorithms on four benchmark functions. The experimental results show that the solution of the algorithm is better than that of others.