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。     

蜂群算法在作业车间调度问题中的应用

运用一种新型的启发式算法—蜂群算法对作业车间调度问题进行求解,并通过经典的实例对该算法进行检验,结果表明,蜂群算法求解作业车间调度问题是有效的,同时发现蜂群算法在搜索过程中能自组织进行变换角色,具有很强的自组织、自适应以及鲁棒性强等特点。     

蜂群算法在作业车间调度问题中的应用

运用一种新型的启发式算法一蜂群算法对作业车间调度问题进行求解,并通过经典的实例对该算法进行检验,结果表明,蜂群算法求解作业车间调度问题是有效的,同时发现蜂群算法在搜索过程中能自组织进行变换角色,具有很强的自组织、自适应以及鲁棒性强等特点.     

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.     

带时间窗约束的配载车辆调度问题研究

运用启发式算法求解带时间窗约束的配载车辆调度问题。借鉴多重旅行商问题的模型结构,建立配载车辆调度模型。通过改进C-K节约算法,在线路连接过程中插入时间窗约束和车辆容量约束的检验子程序,排除不符合约束条件的线路构形,构造求解调度模型的启发式算法。并给出算例,验证调度模型和启发式算法的可行性。     

基于和声搜索算法的瞬时单位线参数优化估计

和声搜索(Harmony Search,HS)算法是一种启发式优化算法,通过反复调整和声记忆库中解的变量,使待优化函数目标值随着迭代次数的增加不断收敛,从而来完成优化。此算法概念简单、可调参数少、容易实现。文章将基于和声搜索,并采用加权残差绝对值和最小准则对瞬时单位线模型参数进行估计,实例表明使用此方法率定的参数还原的径流过程与实测径流过程拟合相较其它方法更佳。     

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。     

越库作业调度问题及其启发式算法研究

主要研究两台机器环境下的以加权完工时间和为目标函数的越库调度问题。首先针对两机器越库调度问题进行研究与分析,给出该问题最优解的若干性质;其次,基于最优解的性质,提出求解该问题的启发式算法,并在此基础上对所给算法进行改进;最后,通过数值实验与动态规划算法比较,证明所给算法及其改进算法的有效性。     

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。     

取送货路径优化问题的候鸟群自适应变邻域搜索算法

具有时间、车容量和后进先出约束的多车辆取送货路径优化问题在现实中具有广泛的应用,针对现实问题中规模性和模型的复杂性使其在短时间内无法精确求解的问题,提出了候鸟群自适应变邻域搜索算法(MBO＿AVNS)。以三种贪婪插入算法构建初始种群,确保种群的多样性和初始解的质量,对传统候鸟优化算法的邻域搜索算法进行改进,加强了算法的局部搜索能力。通过真实数据进行实验分析表明,与模拟退火算法(SA)和一般自适应变邻域搜索算法相比,MBO＿AVNS算法在求解具有时间和后进先出约束的取送货路径问题上更具有优越性。     

基于MPEG-4视频压缩算法的改进

对视频进行MPEG-4编码过程中,运动估计和离散余弦变换DCT两部分运行量最大,块匹配法是运动估计常用的方法,该方法是在确定两个子块匹配法则的基础上,寻找搜索方法,要求该搜索方法的计算量最小,重复点计算是传统菱形搜索算法存在的主要问题,本文对菱形搜索算法进行了改进,改进后的菱形搜索算法可以在相同步骤下使搜索点数减少近50%,使算法运算量的运算量大大减少。     

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.     

物流配送车辆调度问题算法综述

配送车辆调度优化问题旨在解决配送中路径和车辆调度问题的一类组合优化问题,是近年来物流控制优化领域的研究热点。文章对运输调度问题进行了分类总结,给出总体模型的概括描述,分析遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法和微粒群算法的特点及其在求解配送车辆调度优化问题中的求解思路,并讨论了其求解现状,对未来研究方向进行展望,指出改进混合现有算法,开拓新算法将是更有效解决配送车辆调度问题的好方法。     

基于改进蚁群算法的数控机床主轴优化设计

通过机床主轴结构的分析,建立数学模型优化主轴。改进的蚁群算法,将寻优过程分为粗搜索和精搜索两个步骤,将粗搜索获得的可行解进行变异交叉操作,最后通过精搜索完成整个寻优过程。分别采用改进蚁群算法、基本蚁群算法和常规优化设计对主轴进行优化,对比分析优化结果可知,采用改进蚁群算法优化后体积减少了5.6%,刚度提高了8.2%,并且改进蚁群算法比基本蚁群算法优化耗时减少了36%,比常规优化设计减少了57%,这为机床主轴系统的优化提供了一种切实可行的优化算法。     

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。     

约束满足与邻域搜索结合的混合算法及应用

总结约束满足求解技术和邻域搜索算法,分析约束满足与邻域搜索单一算法的优劣,以及两者结合的优势,提出约束满足与邻域搜索相结合的混合算法的一般框架,并以Job Shop调度优化问题为例对该算法框架进行实例说明。     

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.     

基于适应度值方差布谷鸟算法参数调整

为了使布谷鸟搜索算法在保持快速搜索能力的同时,提高算法寻优精度.本文首先分析算法参数pa和β对迭代过程所得适应度值方差的影响,根据方差的变化动态调整算法搜索过程中参数的取值,提出了一种基于适应度值方差改进的布谷鸟搜索算法,并通过5个标准测试函数分别对CS和VCS进行测试,结果表明,VCS的寻优性能优于CS.     

基于帝国竞争算法的变截面少片钢板弹簧优化设计

帝国主义竞争算法是一种新型的启发式搜索算法,具有收敛速度快、求解精度高的特点。本文设计了一种帝国竞争算法的约束处理方法,进而成功地将该算法应用在了汽车悬架中的变截面少片钢板弹簧的优化设计问题中。在某算例上的求解实验证明,该方法可以得到比其他算法更优良的结果,为少片钢板弹簧的优化设计提供了一种新的方法。     

基于自适应的改进蚁群算法在餐饮连锁物流配送中的应用

在基本蚁群算法的基础上进行改进,运用了一种信息素自适应调整策略,在旅行商问题(TSP)的搜索过程中自适应的调整信息素挥发系数,适当抑制算法的正反馈作用,拓展了搜索空间,扩大可行解的范围,提高蚁群算法的求解性能和运行效率。通过使用matlab对实际问题进行实验,证实了该自适应蚁群算法在求解物流配送问题时,搜索能力及收敛速度比传统的蚁群算法有较大提高。