共查询到18条相似文献,搜索用时 187 毫秒
1.
粒子群算法是一种基于鸟群的智能优化方法,量子粒子群算法是对粒子群算法进行改进的算法,运算规则简单,收敛速度快,变量少,易于编程实现。对于多目标、多约束条件的四连杆机构优化设计,本文提出了一种基于量子粒子群算法求解的设计方法。经过仿真实践,能够有效求解,是求解四连杆机构优化问题的一个较好方案。 相似文献
2.
3.
随着全球化竞争的加剧和客户要求的不断提高、传统的生产管理方式使企业无法应对激烈竞争的挑战。量子粒子群算法是将量子计算理论和基本粒子群算法相结合的一种崭新的优化算法。将量子粒子群算法用于求解生产、采购集成决策问题。仿真结果证明了量子粒子群算法在供应链集成决策问题上的可行性、有效性和优越性。 相似文献
4.
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。 相似文献
5.
6.
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. 相似文献
7.
8.
9.
基于混合粒子群算法的车辆路径优化问题研究 总被引:2,自引:0,他引:2
设计了一种引入了量子和遗传算法思想的粒子群算法.该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点.避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。 相似文献
10.
基于混合粒子发群算法的车辆路径化问题研究 总被引:1,自引:0,他引:1
设计了一种引入了量子和遗传算法思想的粒子群算法.该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点,避免了基本粒子群算法易陷入局部最优的缺点.提高了求解速度.该算法用于解决车辆路径问题.通过实验表明了这种算法具有较好的性能. 相似文献
11.
12.
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
13.
14.
为了合理地优化交叉口信号配时,通过分析交叉口的评价指标,建立了以车辆的平均延误、停车次数最小、交叉口整体通行能力最大、各相位有效绿灯时间和交叉口周期时长作为约束条件的数学模型。并通过改进前人研究基础上的动态加权系数,将多目标的非线性优化问题转化为单一目标的非线性规划问题,为了得出更科学稳定的解,提出了改善粒子群算法系统稳定性的2种方法,并将其与粒子群算法结合起来。然后以Matlab为求解工具,结合临邑市某一交叉口实例进行求解分析。最后的结果表明,在使用改进后的粒子群算法进行优化后交叉口通行能力较之现状提升了9%,延误下降了28%,停车次数下降了9%,且各项优化结果均优于Webster,改进后的算法在程序中运行300代,到216代才开始收敛,而未改进的算法稳定性较差,优化结果和收敛曲线则随着实验次数的变化而变化,最后的结论证明了该算法和模型的可靠性。 相似文献
15.
16.
基于电力系统调度结构优化是电力系统分析的一个重要组成结构优化课题.提出基于高斯扰动和免疫系统理论的自适应差分进化算法和免疫系统理论的自适应差分进化算法。 相似文献
17.
30多年来,伴随我国改革开放和现代化建设取得重大成就,党的统一战线理论创新也取得了重大成果。本文主要从统一战线的性质演变、功能定位、范围拓展三大方面论述新时期统一战线理论新发展,阐明统一战线"理论指导实践、实践充实理论"的发展轨迹。深刻认识其理论创新的意义和作用,有利于巩固和发展最广泛的爱国统一战线,更好地为实现党和国家的历史任务服务。 相似文献
18.
《管理科学学报(英文)》2023,8(4):453-464
This study proposes a novel and more efficient quantum algorithm for portfolio optimization using quantum combinatorial optimization (QCO) techniques. A recent construction developed in 2021 has sparked the field of financial portfolio optimization through the Quantum Walk Optimization Algorithm (QWOA). In this study, we investigated the complexity and efficiency of quantum optimization algorithms with a special interest in QWOA. The objective is to minimize investment risk by having a good combination of assets in the portfolio. We also focused on reducing the number of iterations while attaining a high-quality resolution through contraction of the solution space to ease computations. The concept of QWOA was extended by constructing a newly outperforming scheme known as the “Quantum Mix Optimization Algorithm (QMOA).” QMOA algorithm codes were provided for the implementation and simulation of numerical results. In addition, the efficiency of QMOA, which is better than the existing QCO algorithms, was discussed. For instance, the least QWOA number of computations required to execute the initial state equation was p > 2, whereas this value was p ≥ 2 in the proposed QMOA. 相似文献