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.     

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。     

基于Dijkstra算法的快递车辆配送路径优化

针对目前快递车辆运输成本问题,研究了如何利用Dijkstra算法来迅速寻找出快递车辆配送派件过程中的最短路,并与解决该类问题常用的遗传算法,蚁群算法和A*算法进行了比较分析。证明了Dijkstra算法可以准确迅速地寻找出快递配送车辆派件过程中的最短路,从而有效的帮助快递公司降低运输成本。     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

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.     

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。     

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。     

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。     

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.     

基于模拟退火算法的TSP问题研究

针对遗传算法求解TSP问题过程中出现的早熟现象,本文将模拟退火算法应用到TSP问题求解中,并进行了仿真实验。结果表明,该算法与遗传算法相比,可以更好地在全局范围内进行搜索。     

指派问题的改进算法

指派问题是管理技术中的重要内容,指派问题的经典算法就是经典的匈牙利法。针对匈牙利法在处理有诸多指派问题的模型不能进行有效求解的情形,本文提出了匈牙利法的改进算法,并应用改进算法在人员任务分派等实例中进行了有效的求解,得到了优化分配的方案,说明模型算法的有效性和实用性。     

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。     

基于文化基因算法的组合拍卖竞胜标决定问题研究

针对组合拍卖竞胜标决定问题(WDP)这一NP难题,提出利用文化基因算法(Memetic Algorithm)对其进行求解。结果表明其在求解该问题上相比遗传算法、模拟退火算法具有稳定性好,求解质量高,收敛速度快,运算效率高的特点,能够提高组合拍卖的效率。     

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。     

求解指派问题的新方法

本文针对求解指派问题的匈牙利算法中的独立零元素,提出了闭回路矩阵和纯伪零点的概念.通过对纯伪零点性质的研究,给出了求解指派问题的两种新算法.新算法能保证把纯伪零点化为零后的新系数矩阵中独立零元素的个数一定增加1.并通过具体算例把两种新算法与匈牙利算法比较,求解过程反映出新算法求解快捷,且能迅速判断指派问题有两组最优解情形.     

遗传模拟退火算法——黑龙江TSP问题

以黑龙江省29个城市构造TSP问题,通过对实验数据的分析,得出了遗传模拟退火算法在求解精度上优于遗传算法或模拟退火算法。遗传模拟退火算法利用了模拟退火算法局部精确的求解能力补充了遗传算法在局部求解不够精确的弊端,从而加快了求解TSP问题的效率,同时,又将蚁群算法和遗传模拟退火算法做比较,从结果可以看出遗传模拟退火算法求解效果较好。     

基于并行模拟退火算法的VRP问题研究

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。     

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.     

配送中心车辆调度模型及遗传算法设计

针对物流配送中心车辆调度问题,采用混合整数规划方法进行建模。对实际问题进行研兖分析后,基于所研究问题的特点,提出基于遗传算法的求解方法。通过数值实验对算法不同参数组合进行分析、比较,获得最佳参数组合．建立了有效的求解该问题的遗传算法。并通过对实际问题的数值仿真试验．验证了算法的有效性。     

蚁群遗传混合算法在求解旅行商问题上的应用

针对在求解旅行商问题时,蚁群算法易陷入局部最优,而遗传算法收敛速度慢等问题,将蚁群与遗传算法相结合:把蚁群算法每次迭代的结果作为遗传算法的初始种群,并且用遗传算法寻优结果更新蚁群算法的信息素。在用遗传算法处理问题的阶段,引入了两种新的交叉算子,并且提出混合交叉算子的新思想,算法的后期使用贪心搜索和2-opt局部优化算法,成功的避免了算法过早陷入局部最优解的问题,加快了算法的收敛速度。通过仿真,本算法与其他算法进行对比,寻优路径长度明显降低,在求解效率和求解质量上都有更好的效果。