基于SP的模拟退火算法在装箱问题中的应用

在传统模拟退火算法的基础上,对装箱问题的优化算法进行了研究。结合装箱问题的具体特点,采用SP序列对来描述模块间的拓扑关系,并通过精细的模拟退火策略(精细的降温策略,提前退出策略),以及增量式的新解评估策略对算法进行优化。试验结果表明,相比传统的模拟退火框架,改进的算法能够取得较好的运行时间与面积利用率。     

基于直送的两阶段混合调度模型的模拟退火算法研究

研究基于直送的两阶段混合调度模型的模拟退火算法,其目标函数是最小化作业时间.首先,基于问题特征,提出求解该类问题的模拟退火算法;其次,通过数值实验对算法参数进行优化分析,从而给出模拟退火算法的较优参数组合;最后,数值测试进一步表明所给出的优化模拟退火算法的计算有效性.     

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.     

基于启发式拟人算法的三维装箱问题求解

三维装箱问题是一个NP完全组合优化问题.根据三维装箱问题的特点,在研究三维装箱问题的约束条件的基础上,提出一种基于模拟人工装载的启发式算法,采用三维分割来处理装箱空间结构,利用递归方法提高层中空间的利用率,采用人工智能方法处理待装物体得出装箱结果,实验结果表明,该算法是行之有效的,并具有一定的通用性.     

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.     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

基于模拟退火算法的混流生产线投产排序研究

建立了混流生产线投产排序数学模型,并运用解大规模组合优化问题,特别是NP组合优化问题的有效近似算法--模拟退火算法对该问题进行求解。通过算例比对,该方法在求解质量上优于目标追迹算法,从而证明模拟退火算法是一种能够有效解决混流生产线投产排序问题的新方法。     

集装箱单箱三维装载问题研究

集装箱装载问题是多约束多目标的组合优化问题,属于NP完全问题,即在有限的时间内找不到问题最优解.鉴于最大穴度算法在装箱领域的成功经验,将其与分层算法相结合构造混合算法,解决装箱问题,以求得全局最优解或次优解.运用举例和对比分析验证了该算法的有效性,能够直接应用于物资的集装箱配载.     

MGASA算法求解物流中货物最佳运输路线

本文首先描述了在物流系统中,货物运输中的实际情况,对运输的成本、时间限制加以描述,并建立了数学模型。然后在对遗传算法和模拟退火算法进行分析对比的基础上,讨论了它们各自的优缺点,并将模拟退火算法和遗传算法相结合,构造混合遗传模拟退火算法。克服了单一遗传算法的不足,增强了其优化行为,并提高了优化的效率。在物流最佳运输路线问题上,混合遗传模拟退火算法表现出计算速度快,准确度高的特性。     

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。