共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
本文在基本微粒群算法(PSO)的位置更新中引入了模拟退火算法思想,并改进了模拟退火算法(SA)中的降温操作该算法结合了基本PSO的快速寻优能力和SA的慨率突跳性,避免了基本PSO易于陷入局部最优的缺点,提高了进化后1期算法的收敛精度.把该算法用于解决有时间窗的车辆路径问题(VRHTW),它可以有效地求得有时间窗车辆路径问题的优化解。 相似文献
3.
蚁群算法是一种成功的启发式算法,但在解决TSP问题时存在着收敛速度慢和易陷入局部最优解的问题。本文针对这两个问题,提出了定期交流和模范带头学习模型,前者是在蚂蚁每走过一定城市后,进行学习交流,选出所走路径相对较短的蚂蚁进行信息素影响,从而加快总体的收敛速度;后者是当所有蚂蚁都旅行一圈后,选出最优秀的蚂蚁,在其走过的路径上释放大量信息素,对下一周期蚂蚁的旅行进行引导,避免陷入局部最优解。实验结果表明新算法在求解质量上比传统蚁群算法有了明显提高。本文也通过实验分析了蚂蚁数量等参数对算法性能的影响。 相似文献
4.
5.
本文提出了一种基于独立成分分析的改进k均值时间序列聚类算法,在独立成分分析对每个时间序列提取特征并使用动态时间规整算法对每个时间序列两两进行距离的计算之后,使用模拟退火算法结合k均值聚类算法寻找全局最优解,本文使用伪F统计量确定最优的聚类数目,最后,本文使用实际股票收益时间序列验证了该算法的可行性,得到了较好的结果。 相似文献
6.
针对细菌觅食(BFO)算法存在容易陷入局部最优、求解精度不高、收敛速度慢等问题,提出一种新的基于自适应的算法。算法主要对趋化和复制两个关键步骤进行改进,自适应地调整游动步长,并在复制操作中引入轮盘赌选择机制,使算法快速收敛到全局最优解以改善细菌觅食算法的性能。实验结果表明,提出的算法不仅收敛速度快,且求解精度高。 相似文献
7.
8.
利用智能优化算法解决车辆路径问题(VRP)是组合优化领域的一个研究热点。论文介绍了蚁群算法,粒子群算法和模拟退火算法的算法原理和求解流程,选用了Solomon数据集的三种不同客户规模,通过利用python编制程序对三种智能优化算法的求解性能进行了测试。研究表明粒子群算法对各规模CVRP问题求解的效果均不尽人意;模拟退火算法在中小规模时算法求得最优解能力更好,蚁群算法求解大、中、小规模CVRP问题的综合评价最高。研究结果对于带容积限制的车辆路径问题的算法选择具有一定的参考价值。 相似文献
9.
10.
针对物流配送中的车辆调度问题,提出了一种改进的启发式算法。该算法基于sweep算法和用于解决旅行商问题(TSP)的Cheapest Insertion算法,是一种二阶段算法。这种启发式算法首先使用sweep算法将所有顾客分派给运输车辆,然后对每辆车按照TSP的解决方法解决该车上的TSP问题。本算法比较有效的解决了有时间窗的车辆调度问题,可以用来构造某些业启发式算法的初始解。 相似文献
11.
基于蚁群系统算法的车辆路径问题研究 总被引:3,自引:0,他引:3
通过引入改进的蚂蚁算法--蚁群系统算法来解决基本的车辆路径问题。针对具体实例运用计算机编程得出了基于蚁群系统算法的最优解,并与其它两种启发式算法进行对比,指出了蚁群系统算法的优势与存在的不足,提出了进一步研究的方向。 相似文献
12.
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。 相似文献
13.
提出了改进求解VRP问题节约法的DSM模型(动态规划节约法),将代表启发式算法的节约法与代表精确算法的动态规划相结合,建立不断增加节约量的动态规划数学模型,使其得到全局最优解。该法计算过程平稳收敛,对增加约束条件的情况更易接受。 相似文献
14.
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. 相似文献
15.
16.
17.
18.
19.
土石方工程中,合理的制定机械配备方案将直接影响工程的进展与造价。针对该问题构造时间一费用评价函数,引入一种改进后的粒子群算法,利用该算法具有多个可行解同时寻优并能以较大概率收敛到全局最优的特性,在综合考虑时间和费用的基础上,实现了土石方装运系统的机械配备方案仿真优化,有一定的实用价值。 相似文献
20.
讨论了在时间、距离和载重量等多种约束条件下,编制配送计划的优化方法。先给出配送问题的数学模型,并设计了一个带时间和距离约束条件的启发式算法来求解该模型,求得问题的近似解;然后再采用分枝定界法得到配送问题的最优解:最后,考查近似解与最优解在总的运行距离的相对误差,以此检验这个近似解的有效性。 相似文献