求解0-1背包问题的人工蜂群算法

提出了一种用于求解0-1背包问题的人工蜂群算法,详细阐述了该算法求解背包问题的具体操作过程。算法主要使用了两个思想策略:启发式贪婪算法和人工蜂群算法。通过对其它文献中仿真实例的计算和结果对比,表明该算法对求解0-1背包问题的有效性,这对人工蜂群算法解决其它离散问题会有很大帮助。     

考虑人口因素的公共应急服务设施选址问题研究

研究了考虑人口因素的公共应急服务设施选址问题,建立了该问题数学模型,分别设计了求解该问题的精确算法和启发式算法,并通过具体的案例进行了求解及分析,得到了满意的结果.     

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.     

差分进化算法在传热反问题求解中的应用

本文耦合差分进化算法和数值传热学求解方法,发展了一种新的传热学反问题求解方法。以二维对流换热反问题为例,高精度的反演了热流密度,证明了该算法的正确性和鲁棒性。考察了测量点数目对反问题求解的影响,计算表明存在一个最少测量点数,并给出了确定最少测量点数的方法。研究了测量误差对算法的影响。结果表明该算法具有很强的抗噪能力,证明该算法具有很强的稳定性和实用性。     

带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合．充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。     

求解旅行商问题的人工蜂群算法

采用人工蜂群算法对旅行商问题进行求解,给出了人工蜂群算法求解该问题的具体方案,对不同的旅行商问题算例进行了仿真实验。结果表明,算法可以有效、快速地找到较小规模问题的最优解。     

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。     

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.     

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.     

列生成算法在地铁乘务计划编制问题中的应用分析

提出地铁乘务计划编制问题,并构造成了模型,利用列生产算法对乘务计划编制问题求解,进行了适用性分析,并列出了求解的具体步骤,最后得出结论,认为该算法十分便捷,同时提出相关问题。     

基于遗传算法轿车焊装车间车辆路径优化

遗传算法是一种模拟自然进化过程搜索最优解的方法。通过建立某轿车焊装车间车辆路径问题数学模型,然后利用遗传算法求解该问题,最后在Matlab软件中进行编程求解,有效地求解出问题的最优解或近似最优解。     

TS算法视域下物流配送车辆优化调度问题研究

针对传统TS算法的全局寻优能力受限于初始解的质量的缺陷,提出了一种基于改进TS算法并采用C-W算法获得初始解来解决物流配送车辆优化调度问题。首先,定义了车辆调度问题的数学模型,在此基础上提出了一种采用C-W算法来求初始解的方法,在此基础上定义了禁忌算法的禁忌表结构、禁忌长度以及领域的构造,从而定义了一种改进的TS算法。仿真实验证明该方法能有效地解决带时间窗的车辆调度问题,且与传统的TS算法相比,本方法在求解质量和寻优效率上有大幅提高。     

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.     

基于模拟退火遗传混合算法的指派问题研究

根据指派问题的特点建立数学模型．提出了以模拟退火算法和遗传算法相结合的思想及其解决方案。通过算例表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的。     

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。     

基于遗传算法的车辆路径问题ExtendSim仿真与优化

文章首先介绍了物流领域中经典的车辆路径问题（VRP）,以及解决该问题的算法,然后论述了遗传算法在解决VRP上的应用,并详细地叙述ExtendSim仿真软件如何对某一VRP进行建模优化,最后得出最优方案.验证了这一仿真优化方法是解决VRP的一种有效途径.     

The Loading Optimization: A Novel Integer Linear Programming Model

ABSTRACT

This paper establishes a new integer linear programming model for container loading problem. This model can be used to calculate the optimal loading plan for each container. To solve the model, in this paper, the model problem is decomposed into two easy to solve sub-problems: auxiliary problem (AP) and transportation problem, and prove by solving the two sub-problems can quickly and efficiently to find the optimal solution of the model. Finally, an example is given to illustrate the solution process, which shows that the algorithm can give the optimal stowage scheme quickly and effectively.     

“二维LP问题的一个直接算法”中定理反例

针对"二维LP问题的一个直接算法"一文中的算法基本定理,给出了两个反例,分别说明其中的引理和定理都是错误的,建立在这些结论基础上的求解一般线性规划问题的代数算法无法求出一般线性规划问题的最优解。数值试验表明,随着方程个数的增加,用他们的方法求得正确解的概率将越来越低。给出了一个二维线性规划问题最优解的性质定理,由该定理可导出文[1]中代数算法有效的条件。     

一种改进的遗传算法及其在函数优化中的应用

使用简单遗传算法(SGA)求解线性方程组时,由于易发生"早熟"现象,简单遗传算法求出的数值解误差很大甚至会失真。针对此问题,本文提出了一种改进的遗传算法(IGA),并设计了选择算子,交叉算子和变异算子。为了提高简单遗传算法抗"早熟"的能力,采用遗传算子结合惩罚函数,最佳个体保留以及种群迁移等措施。最后以核磁共振测井数学模型线性化后的大型病态线性方程组为例,对算法进行了测试。实验结果表明:同简单遗传算法相比较,IGA在一定程度上提高了数值解的精度。     

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。