基于禁忌遗传粒子滤波的无线传感器网络的目标跟踪

提出了一种禁忌遗传粒子滤波跟踪算法。用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以提高遗传算法的局部搜索能力,避免收敛到局部最优点。仿真结果表明:与原算法相比,禁忌遗传粒子滤波算法在大噪声条件下改善了粒子贫乏问题,提高了跟踪精度。     

基于禁忌递阶遗传粒子滤波的无线传感器网络的目标跟踪

提出了一种禁忌递阶遗传粒子滤波跟踪算法.结合禁忌搜索算法和递阶遗传算法提出一种禁忌递阶遗传算法,用递阶遗传算法作全局搜索,用禁忌搜索算法作局部搜索,该算法能在一定程度上克服早熟问题,避免收敛到局部最优点.仿真结果表明:该算法在大噪声条件下改善了粒子贫乏问题,提高了跟踪精度及速度.     

基于布置点的矩形物体布局问题的遗传算法研究

在分析布局问题的基础上,提出了布置点的概念,对编码方法进行了改进,在此基础上提出了一种用遗传算法解决二维矩形物体装箱的方法。案例分析表明,该算法具有良好的全局搜索能力和较快的收敛速度。     

蚁群遗传混合算法在求解旅行商问题上的应用

针对在求解旅行商问题时,蚁群算法易陷入局部最优,而遗传算法收敛速度慢等问题,将蚁群与遗传算法相结合:把蚁群算法每次迭代的结果作为遗传算法的初始种群,并且用遗传算法寻优结果更新蚁群算法的信息素。在用遗传算法处理问题的阶段,引入了两种新的交叉算子,并且提出混合交叉算子的新思想,算法的后期使用贪心搜索和2-opt局部优化算法,成功的避免了算法过早陷入局部最优解的问题,加快了算法的收敛速度。通过仿真,本算法与其他算法进行对比,寻优路径长度明显降低,在求解效率和求解质量上都有更好的效果。     

三维装箱问题的启发式算法

三维装箱问题是一类典型的NP-hard组合优化问题。在一维、二维装箱问题基础上,设计了一种启发式算法,借以克服一般启发式算法依赖"经验"的不足,该算法结构简单,实验表明算法收敛速度快。     

三维装箱问题的启发式算法

三维装箱问题是一类典型的NP-hard组合优化问题.在一维、二维装箱问题基础上,设计了一种启发式算法,借以克服一般启发式算法依赖“经验”的不足,该算法结构简单,实验表明算法收敛速度快.     

基于改进遗传算法的TSP问题优化研究

旅行商问题（TSP问题）已经被证明属于NP完全问题。遗传算法是一种模拟自然界中生物的进化机制的优化策略．是一种基于群体、隐并行搜索策略，是求解TSP问题效率相当高的一种算法。因此．本文提出使用改进的遗传算法．即用个体数量控制选择策略以保证群体的多样性，用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度．较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明．该改进算法的是有效的。     

基于遗传-蚁群混合算法求解旅行商问题

作为物流领域中的典型问题,旅行商问题的求解具有十分重要的理论和现实意义.在它的传统求解方法中,遗传算法和蚁群算法被广泛采用,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷.本文采用遗传-蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,对旅行商问题求解,并进行了实例仿真.仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率.     

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。     

标准遗传算法改进分析

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象.本文扼要分析了遗传算法的运行机制,针对简单遗传算法的收敛速度慢、效率低,进行了改进,引入了基于小生境技术的改进遗传算法,构造的小生境群体,在保障群体中个体多样性的同时,使得优良算子能够更好的共享,提高了群体的整体搜索性和收敛效.     

带油耗的单车场开放式车辆路径问题研究

基于现代物流业的实际需求,研究了一个带油耗的开放式单车场多车型车辆路径问题。首先建立了该问题的0-1整数规划模型,接着给出一个禁忌搜索算法对该问题进行了求解,在此禁忌搜索算法中,为了提高其性能,采取了如下策略:(1)给出一个改进的最近邻算法来求得问题的一个可行解,并将其作为禁忌搜索算法的初始解;(2)根据车辆有不同的类型而采用了一些特殊的邻域操作。最后举例对该禁忌搜索算法进行说明,并对进一步的研究工作进行了展望。     

基于禁忌搜索算法的多生产系统产能分配研究

文中通过采用指派问题求得产能分配的局部最优解,将其作为禁忌搜索算法的初始解,应用禁忌搜索算法进行全局最优寻解,从而对多生产系统的产能进行合理分配,并进行实例验证及结果分析。     

基于改进的节约里程法的TSP问题研究

针对现状对节约里程法进行改进,将节约里程法的最终解作为禁忌搜索算法的初始解来进一步求解最优路径,并通过求解将物流运输路径问题简化成TSP问题进行实例论证,最终用C语言编程实现。结果显示,改进的节约里程法更合理的优化了物流配送路径,实现了更优路径的选取。     

装卸混合的软时间窗VRP问题混合算法研究

考虑了配送车辆在客户点会同时发生卸货和装货的情况,构建了装卸混合的软时间窗VRP模型,并通过遗传禁忌混合算法求解。通过实例说明,该混合遗传算法能很好地解决装卸货混合VRPTW问题,获得较好的优化效果。     

道路堵塞情况下物流配送车辆调度模型研究

针对城市配送中最为常见的道路堵塞这一干扰因素,首先对系统是否受到扰动进行判定,然后在综合考虑配送客户、车辆司机以及物流配送企业等各方利益主体扰动的基础上,建立道路堵塞情况下物流车辆实时调度的多目标干扰管理模型,并用禁忌搜索算法实现对模型的求解,来验证模型和算法的可行性和有效性。     

逆向物流定位-运输路线安排问题研究

构建了一个逆向物流混合整数规划模型—定位—运输路线安排问题的模型,采用启发式聚类规则与禁忌搜索算法的混合策略对模型进行了求解设计,最后提出了下一步的研究方向。     

随机仓库布局问题模型与算法研究

通过讨论随机条件下仓库布局问题．建立了随机仓库布局问题机会约束规划模型，并设计出基于随机模拟的禁忌搜索算法求解模型，最后利用算例来验证算法的有效性。     

基于混合优化算法的带时间窗的车辆调度问题求解研究

论文建立了带时间窗的车辆调度问题的数学模型，并针对遗传算法在局部搜索能力方面的不足，提出将模拟退火算法与遗传算法相结合，从而构造了求解车辆调度问题的混合优化算法，并进行了实验计算。计算结果表明，用这种混合优化算法求解车辆调度问题，可以在一定程度上用模拟退火算法突跳性克服遗传算法在局部搜索能力方面的不足，从而得到质量较高的解。     

禁忌搜索算法在车辆调度决策中的应用

论文探讨了交通线路可能被敌方毁坏情况下的车辆路径优化问题，建立了不确定的两阶段整数规划数学模型，分析了路径方案的最大和最小效用值。在线路方案评价值的计算中只计算最小值和最大值，简化了方案的目标值计算。设计了求解模型的双层禁忌搜索算法。最后通过应用示例验证了模型和算法的有效性。     

遗传算法在SPLP问题上的应用

就遗传算法在SPLP问题上的应用进行了总结和归纳、并用局部搜索能力很强的爬山算法来优化产生下一代群体,从而使得群体迅速逼近最优,避免陷入局部最优解。