求解同时取货和送货车辆路径问题的改进遗传算法

同时取货和送货车辆路径问题(VRP_SPD)是经典车辆路径问题(VRP)的一个扩展,在VRP_SPD中,顾客可能要求同时取货和送货服务。本文针对这类问题,提出一种以集成方式处理取货和送货操作的改进遗传算法,通过采用一种改进的边重组交叉算子,保证了算法在遗传进化中保留父代路径上边之间邻接关系的映射信息,从而改进了算法性能;并通过在遗传进化控制参数中应用自适应策略,提高了算法的稳健性。仿真分析表明,本文算法比现有算法能取得更好的优化结果,且具有很好的稳定性。     

单支方法的保单调性

保单调的时间离散方法求解具有非连续解的双曲型守恒律是一种常用而且有效的算法,空间离散化双曲型守恒律可得到相应的常微分方程初值问题。研究了单支方法求解上述常微分方程初值问题的非线性稳定性质,分析了单支方法的保单调性。将单支方法写为一般线性方法的形式,在步长满足一定约束条件的情况下,获得了单支方法保单调的充分条件。     

客户需求可分的车辆路径问题求解

针对车辆路径问题中客户需求可分的新设想重新进行了问题描述和模型构造,根据该问题的特点,利用蚂蚁算法的基本原理,设计了相应的优化算法.虽然在客户需求不大的情况下,分割客户需求并未产生比较理想的效果,但随着客户点需求与车辆载重的比例逐渐增大.实例计算结果表明,需求可分所带来的车辆需求数量和总行驶里程的下降都比不可分情况下要好很多,从而证明了算法的有效性和分割客户需求策略的现实可行性.     

不同约束下多产品报童问题解的比较研究

不同约束形式代表决策者不同的决策过程。传统多产品报童问题只考虑预算和能力等线性约束,而不涉及损失约束,显然有违真实的决策过程。为说明损失约束模型不同于预算约束模型的决策特点,通过算例对两个模型的解进行了分析和比较,总结了各自的决策特点。预算约束模型参照基于预算边际效用删除法和一般迭代方法(GIM法)求解。损失约束模型应用基于损失边际效用排序的删除法与线性近似规划法求解。另外对GIM法中衡量误差的公式作了修正。     

最短路问题的闭环DNA算法

提出了不等长闭环DNA分子的概念,由此推广了闭环DNA计算模型。给出了固定端点的最短路问题闭环DNA算法,该算法首先对每条弧进行了三组DNA编码,再用有目的的终止技术合成固定端点的所有链,然后通过接入实验和电泳实验得到最短路,并通过检测实验输出所有最短路径。得出了算法的复杂性,为说明算法的有效性给出了一个算例。最后讨论了最短路问题闭环DNA算法在变权网络、自由终点或固定中间点的最短路问题中的应用,并给出了相应的解决方法。由此说明该算法具有广泛的适应性。     

A Multistep Finite Volume Method with Penalty for Thermal Convection Problems in Two or Three Dimensions

The author considers a thermal convection problem with infinite Prandtl number in two or three dimensions. The mathematical model of such problem is described as an initial boundary value problem made up of three partial differential equations. One equation of the convection-dominated diffusion type for the temperature, and another two of the Stokes type for the normalized velocity and pressure. The approximate solution is obtained by a penalty finite volume method for the Stokes equation and a multistep upwind finite volume method for the convection-diffusion equation. Under suitable smoothness of the exact solution, error estimates in some discrete norms are derived.     

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.     

用离散小波变换对格网DEM数据压缩中的关键技术

DEM数据具有不稳定、相关性差的特点,用离散小波变换对格网DEM数据进行压缩处理时,其边界问题将更为突出,主要表现在边界失真非常严重.这种现象不可避免地导致重建DEM数据精度的损失严重.为了最大限度地减弱边界问题的影响、提高压缩比,在进行格网DEM数据压缩时,作者将二维离散小波变换的边界问题转换为一维离散小波变换的边界问题,大大减小了边界失真区域,提高了重建DEM数据的精度.进而,用相应的算法进行了DEM压缩实验, 结果表明:可获取高压缩比且高精度的重建DEM数据.     

双目标进化算法求解图着色问题

根据图着色问题的特征,提出了求解图着色问题的双目标模型;设计的有效、简洁的杂交算子和变异算子,均直接产生可行的后代个体;理论分析表明算法以概率1收敛到问题的最优解集.对标准算例进行了仿真实验,结果表明,双目标进化算法可以获得问题高质量的解,即对图进行着色所使用的颜色接近图的色数.