演化计算在多目标优化问题中的应用

多目标优化问题是一类很普遍的问题。演化算法是一种通过模拟自然界的生物演化过程搜索最优解的方法．用于求解多目标优化问题有其独特的优势。系统介绍了多目标演化算法特点、需要解决的关键问题、算法框架、算法实现及应用趋势。     

基于DNA进化算法的多目标物流配送路径优化

本文基于建立一种多目标物流配送车辆调度模型的基础上,采用DNA进化算法求解该问题,克服传统算法的求解速率低,易陷入局部最优的问题,为进一步研究物流配送优化调度问题提供参考。     

基于密度核估计的最大熵方法改进探析

基于最大熵方法的随机变量统计模型,可以确定出一个含有最少主观假定的分布。针对传统最大熵方法在拉格朗日优化计算中存在的全局优化困难、求解精度不高等问题,提出了一种基于"核密度+逐次叠加法"求解最大熵的方法。通过验证,对密度核估计最大熵方法的改进,不仅优于非参数方法中的密度核估计方法,也提高了传统最大熵算法的精度。     

大跨度悬臂桁架结构的强震失效机制研究

大跨度悬臂桁架结构被广泛应用于体育场馆、会展中心等公共建筑中,其在强震下的失效机理值得关注.本文对悬臂桁架的失效模式及失效特点进行了研究.重点分析了悬臂桁架结构的失效机制;通过大规模的参数分析,讨论了结构的失效极限荷载随不同地震作用、结构初始缺陷、跨高比等参数的变化规律.     

混合智能算法在电子设备动态管理优化中的应用

应用微分进化算法（DEA）与字典排序算法（DSA）相结合的智能算法优化管理电子设备动态货位,研究了基于分拣选路径、存取效率、支架稳定性的动态管理多目标优化问题,并与采用遗传算法（GA）的动态管理优化进行了比对,发现字典排序算法能够按照数字顺序大小构建基于分拣选路径、存取效率、支架稳定性等因素重要程度的多目标函数,微分进化算法则能对多目标函数实施有效优化。仿真结果表明,混合智能算法迭代步数少,收敛速度快,具有更好的执行效率。     

钢管桁架屋盖结构的动力特性分析

利用ansys有限元软件对某钢屋盖结构进行模态分析,得到了结构的自振频率及振型.结果表明,该屋盖结构的频率分布较为密集,拱桁架与立体桁架之间的连接形式对结构动力特性的影响不大.     

复合形遗传算法求解功率优化分配研究

传统遗传算法存在过早收敛及局部搜索能力差的缺点,在求解无线网络协作通信功 率优化分配等NP难问题时难以求得最优解。通过小生境策略解决遗传算法过早收敛问题,引 入复合形法提高局部搜索能力,构造了兼顾广度搜索与深度搜索的高性能混合算法,并对上 述问题进行求解。实验结果表明,所提算法与已有算法相比有一定优势,有效延长了协作网 络寿命,稳定性较好,分配的功率波动范围小。     

基于混合遗传算法的供应链分销网络优化研究

供应链管理中,合理地建立分销网络,加强分销环节管理,是当前客户驱动的竞争环境下,提高客户满意度、增强企业竞争力的重要途径.为了能够优化网络结构,寻求最佳配送策略,最终找出成本最小的供应链,对多个厂商、多个分销中心和零售商组成的供应链分销网络进行研究,在考虑需求分配的情况下,提出了分销配送网络下的优化模型以及基于混合遗传算法求解混合0-1整数规划问题的算法,并用这种算法对模型进行求解.最后通过算例进行了仿真实验,验证了优化模型和算法的有效性.     

配送车辆路径优化问题算法研究

配送车辆路径优化问题是影响物流配送效率和成本的关键问题,同时也是应用数学、计算机和物流配送领域研究的热点问题.路径优化的算法主要有精确式和启发式两种.精确式算法可以求解小规模VRP的配送路径问题,当VRP规模增大时,则很难求得满意结果.启发式算法主要有构造式、两阶段式、智能式算法,其对于解决大规模VRP的路径优化的问题具有重要帮助.     

基于Solis&Wets算法的物流配送中心选址研究

针对目前应用在物流配送中心选址问题上的算法实现复杂、鲁棒性差和求解精度不高等问题,提出了一种基于Solis&Wets算法的物流配送中心选址研究。文章通过对四个算例进行仿真实验,并与其它几种现有方法作比较,结果表明:Solis&Wets算法实现简单,程序运行时间短,具有较好的鲁棒性,且求解精度较高,取得了更好的优化效果。     

天桥桁架梁悬索吊装施工技术

介绍了平邑站人行天桥桁架梁采用悬索配以吊机吊装的施工技术.     

拱形桁架复合支护的应用

本文主要对桁架—描杆复合支护、拱形桁架—描杆—喷射混凝土复合支护等复合支护的两种形式进行了分析。     

基于理想有效解分析的证券组合投资模型研究

证券投资问题通过数学建模大多转化为多目标优化问题,而求解这些多目标优化问题,目前还没有有效的方法。本文提出在PSO算法中加入惩罚项,同时对局部极值与全局极值作进一步的调整,使PSO算法适用于求多目标优化问题理想有效解,该算法为证券组合投资分析提供了一种全新的途径,最后结合实际数据,利用Matlab语言编程仿真求解并取得了良好的效果。     

求解车辆路径问题的改进布谷鸟算法

将一种新型的智能优化算法——布谷鸟算法(Cuckoo Search Algorithm,CS)用于车辆路径问题的求解。针对基本CS算法种群多样性差、寻优精度低等不足,提出一种动态交叉算子来丰富种群多样性,避免种群个体陷入局部最优,增强算法的全局寻优能力。通过对比试验验证了算法在求解VRP问题时具有寻优精度高、性能稳定等特点,是求解VRP问题的一种有效的算法。     

等式约束最小二乘在“北斗”姿态测量中的应用

针对传统无约束的姿态测量中整周模糊度求解成功率不高的问题,提出利用等式约束快速求解整周模糊度的算法,并将其应用于“北斗”姿态测量。该算法充分利用基线的先验信息,在整周模糊度的求解过程中加入等式约束,同时利用拉格朗日乘子法求解约束整数最小二乘问题,提高了姿态测量中整周模糊度和姿态角的求解成功率。采用静态测试和动态测试验证该算法,结果表明在“北斗”单历元条件下,整周模糊度及姿态角的求解成功率提升30%左右。     

计算机网络可靠度优化计算中遗传算法的应用分析

在计算机网络可靠度优化计算的过程中,遗传算法是通过自身简单的算法结构,利用高超的搜索效率,然后以它强大的实用性和迅捷的求解速度,从而在全局计算中获得最优解的近似值。与传统的算法相比,在网络可靠度优化计算的问题上,遗传算法有着非常明显的优势。     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

改进的粒子群算法在VRP中的应用

运输调度问题在理论和实践方面都是一个难题。粒子群算法是一种可以解决复杂组合优化问题的有效求解算法。提出了改变惯性权重的粒子群算法,并应用该方法用于求解典型的运输调度问题,结果表明,所提出的方法不仅能得到理想的结果,而且减少运算时间。     

基于LabVIEW仿真的全局最短路径的遗传算法设计

遗传算法是以全局概率搜索为基础的优化算法,在路径确定的解决中,遗传算法具有相当的优越性,由于不存在对路径函数的限制,应用也较为灵活.本文介绍了遗传算法优化的基本方法,以全局最短路径的求解为课题分析了遗传算法的优化方法,并以LabVIEW进行仿真分析结果.     

一种基于二阶锥规划的新时差定位算法

针对传统时差定位算法在量测噪声较大情况下定位性能不佳的缺点,提出了一种基 于二阶锥规划的新时差定位算法。该算法通过凸松弛和引入惩罚项,将难以求解的用户位置 最大似然估计问题转换为一个易于求解的二阶锥规划问题,并将松弛问题的最优解作为用户 位置的初始估计,利用传统的泰勒级数展开法得到最终定位结果。仿真给出了不同基站数目 及量测噪声下算法的定位性能。仿真结果表明,在量测噪声较大的情况下,新算法的定位精 度 仍可以逼近理论克拉美罗下限, 而且算法中惩罚因子的选取范围易于确定。