8数码问题求解算法的改进与实现

8数码问题源于一古老的智力游戏,随着人工智能的发展,产生了许多可以使用计算机对8数码求解的算法,其中基于启发式搜索的A*算法堪称经典。但传统的A*算法在对8数码问题求解时需要消耗巨大的时间成本。文章通过对A*算法中启发函数及open表结构的改进,得出了一个针对8数码问题求解的高效算法,该算法能针对任意布局的8数码问题在保证求解速度的情况下获得较佳的结果。     

一种分层A~*路径搜索算法及性能

基于层次道路网提出了一种分层A*路径搜索算法,其特点是在同一层路网中采用A*算法,而在层次切换时采用一种启发式定向搜索入口节点的方法。既顾及了道路等级性和朝着目标行进等驾驶员的心理因素,又可以获得比传统算法更快的求解速度。实验表明,该算法是可行的、高效的。     

自适应粒子群优化算法在车间作业调度问题中的应用

采用粒子群优化算法对该问题进行求解,为了提高算法的求解性能,针对粒子群算法特点,提出了一种自适应的惯性权值来调整算法的搜索空间和一种自适应更新策略来动态地更新粒子的位置.最后通过经典的实例对本文提出的算法进行了检验,结果表明,该改进的粒子群算法在求解车间作业调度问题是有效的.     

基于Dijkstra算法的快递车辆配送路径优化

针对目前快递车辆运输成本问题,研究了如何利用Dijkstra算法来迅速寻找出快递车辆配送派件过程中的最短路,并与解决该类问题常用的遗传算法,蚁群算法和A*算法进行了比较分析。证明了Dijkstra算法可以准确迅速地寻找出快递配送车辆派件过程中的最短路,从而有效的帮助快递公司降低运输成本。     

求解生产物流问题的启发式算法评价指标设计

在对不同阶段求解job-shop问题算法的不同特点进行分别介绍的基础上,针对目前对于怎样评价一个解决生产物流问题启发式算法的有效性缺乏统一的标准的现状,针对求解的多样性、编码和解码的效率提出了一组评价指标,将这些指标与以往的仿真方法结合,更能反映出启发式算法效率的好坏.     

求解指派问题的新方法

本文针对求解指派问题的匈牙利算法中的独立零元素,提出了闭回路矩阵和纯伪零点的概念.通过对纯伪零点性质的研究,给出了求解指派问题的两种新算法.新算法能保证把纯伪零点化为零后的新系数矩阵中独立零元素的个数一定增加1.并通过具体算例把两种新算法与匈牙利算法比较,求解过程反映出新算法求解快捷,且能迅速判断指派问题有两组最优解情形.     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法.通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能.另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度.最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例.结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具.     

基于并行模拟退火算法的VRP问题研究

针对VRP问题构建相应的数学模型,在传统的模拟退火算法的基础上提出一种基于记忆功能的并行模拟退火算法求解VRP模型,并用模拟数据对模型和算法进行了验证.实验结果表明,改进的模拟退火算法求解VRP问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定,显示了良好的寻优性能.     

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.     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

基于蚁群算法的装车地直达重载运输优化模型求解算法研究

针对装车地直达重载运输优化模型变量多,结构复杂,用传统数学方法难以求解的困难,构建了一类解构造图来描述该问题,并采用蚁群算法来求解.仿真试验结果表明,该算法具有较好的寻优能力,是解决装车地直达重载运输优化问题的有效算法.     

基于扫描算法的启发式构造方法比较

针对车辆路径问题,基于扫描算法第一阶段的解,应用启发式算法中的最近插入算法、凸包算法和最远插入算法求解第二阶段.通过仿真实验,从总里程和算法运行时间两个方面对各算法性能给出评价.结果显示,在应用扫描算法进行聚类后,求解路径排程阶段,凸包算法虽然用时多于其它两种算法,但在里程上有明显优势,最远插入算法与最近插入算法在运行时间上没有显著差别,但在总里程上,前者较好.     

云计算环境下的物流资源调度算法研究

针对系统处理大规模物流调度信息能力不足的情况,提出了一种基于云计算环境下的物流资源调度优化模型对问题进行求解.在云计算环境下处理订单信息、车辆调度信息,并针对所有订单生成最合理的配送方案,通过对物流主要资源配送车辆的调度研究,建立配送路径算法模型以及最小配送成本算法模型,作为物流资源调度方案的解决策略.通过仿真结果表明,该算法能有效处理大量的物流资源调度信息,同时缩短计算求解时间.     

求解生产物流问题的启发式算法评价指标设计

在对不同阶段求解job-shop问题算法的不同特点进行分别介绍的基础上,针对目前对于怎样评价一个解决生产物流问题启发式算法的有效性缺乏统一的标准的现状,针对求解的多样性、编码和解码的效率提出了一组评价指标,将这些指标与以往的仿真方法结合,更能反映出启发式算法效率的好坏。     

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。     

改进的蚁群算法在物流配送路径问题中的实现

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略。以及蚁群算法在TSP问题中的应用,在分析TSP与车辆路径问题（VRP）的异同后,给出用于求解车辆路径问题（VRP）的蚁群算法,并针对蚁群算法在求解过程容易出现过旱收敛问题,提出了几种改进算法的措施。最后通过powerbuilder的仿真实现结果表明,这种算法对VRP问题有较好的求解效果。     

蚁群算法在卷烟配送路径优化中的应用研究

针对目前烟草商业企业的物流配送中存在的问题,提出用仿生学的蚁群优化算法对卷烟配送路径的选择进行优化,以基本的蚁群优化算法模型和原理为理论基础,建立了相应的数学模型,并结合某烟草公司的案例对本算法的应用进行了计算机仿真,实验结果表明该算法在求解卷烟配送的路径优化问题上是行之有效的.     

物流企业运输计划优化算法研究

为了实现对大型综合物流企业运输计划的优化,针对运输问题的约速和目标,构造了数学求解模型,并设计了一个包含了Dijkstra方法和禁忌算法在内的两阶段算法,最后通过实际验证证明了该算法对解决大型物流企业运输计划非常有效.     

配电网络重构模型中TS算法的应用浅析

TS作为一种新兴的现代启发式优化算法,已被证明是求解复杂组合优化问题的有效方法.本文介绍了TS算法的基本原理,并从配电系统自身的特点出发,将TS算法应用于求解配网重构问题.通过对TS移动的选择和控制,有效地解决了寻优过程中产生大量不可行解的问题,提高了计算效率.通过对实际算例进行计算表明,TS算法非常适合用于求解配网重构问题.     

基于模拟退火算法的TSP问题研究

针对遗传算法求解TSP问题过程中出现的早熟现象,本文将模拟退火算法应用到TSP问题求解中,并进行了仿真实验。结果表明,该算法与遗传算法相比,可以更好地在全局范围内进行搜索。