基于粒子群算法的整数规划问题的求解算法

整数规划是运筹学的一个分支,一直以来没有很好的求解算法.目前有研究人员尝试用粒子群算法求解整数规划,但都只能解决无约束整数规划问题.提出了一种求解约束整数规划的粒子群算法,能够解决有约束线性和非线性整数规划问题.     

基于QPSO的细菌觅食算法求解整数规划问题

在基于量子粒子群算法的基础上,提出一种混合细菌觅食的优化算法,通过对七个基准函数的实验仿真,比较两种方法求解整数规划问题.实验表明,基于量子粒子群的细菌觅食算法搜索成功率较高,综合搜索效率更高,收敛较快,为求解整数规划问题提供一种更优的可靠途经.     

基于物理设计约束的模拟电路尺寸设计的优化算法GMSGA

在模拟电路自动化尺寸设计方法中,基于仿真的方法精度高但耗时巨大.考虑到物理设计的约束,基于优化的模拟电路尺寸设计问题可以看作混合整数规划问题,然而利用传统的方法解决这类问题耗时巨大.为了解决该问题,本文提出一种新的优化算法:混合高斯采样贪婪算法(GMSGA).该算法首先基于混合高斯过程采样的方法获得约束侵犯和较小的良好的起始点,随后将混合整数规划问题近似地分解为整数规划问题和连续变量优化问题分别求解,其中:整数规划问题采用了一种贪婪算法,这极大地减少了仿真次数;连续变量优化采用序列二次规划算法,用来对结果进行局部优化.为验证算法的效率和可靠性,我们利用该算法了设计一个ADC中的运算放大器和E类功放.实验结果表明:相较于其他算法,该算法在相同的仿真次数下多次实验可以得到更好的优化结果.     

量子粒子群算法求解整数规划的方法

粒子群算法主要用于优化连续性问题。如果用于求解整数规划问题,算法的粒子位置必须解决取整问题;而量子粒子群算法求解整数规划问题具有更高的效率。利用三种取整方法与量子粒子群算法结合,求解非线性整数规划问题,并且与标准粒子群算法求解整数规划问题进行比较。通过对基准函数仿真实验,比较了六种方法求解整数规划问题。实验结果表明,基于随机取整的量子粒子群算法搜索成功率优于其他五种方法,其综合搜索效率更佳。寻找了一种更优的求解整数规划方法。     

混合细菌觅食算法求解整数规划问题

利用混合细菌觅食算法(PO-BFA)求解整数规划问题,并与量子粒子群算法(QPSO)的求解结果进行对比。经过适当的参数设置混合细菌觅食算法可以有效地解决整数规划问题,在搜索过程中没有出现早熟现象,而且PO-BFA在求解整数规划问题上的整体性能比QPSO更优。     

一种求解非线性规划问题的粒子群算法

为了求解非线性混合整数规划问题,提出了一种基于随机游走的粒子群优化算法(RWPSO).构造出自适应的惯性权重,平衡了算法的全局和局部搜索能力;提出了一种"随机游走"行为,增强粒子的局部寻优能力;为了防止算法出现早熟收敛现象,提出了"优胜劣汰"更新机制.最后,为了验证算法在求解非线性混合整数规划问题方面的可行性和有效性,将提出的算法用16个常用的测试函数进行了测试并与其他3种算法比较.实验结果表明,RWPSO算法在精确度和成功率方面得到了很大的提高.     

非线性混合整数规划问题的改进量子粒子群算法

提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。     

一种改进的遗传退火算法以及收敛性分析

针对一种约束条件既有0-1变量又有整数变量的非线性混合整数规划模型,给出一种改进的遗传退火算法求解,并建立对应的Markov链且理论证明其收敛性.     

Job Shop类型柔性制造系统调度问题的研究

研究了 Job Shop类型柔性制造系统的调度问题 ,其中每个工件都有多个可替代的工艺计划 ,并且每个操作均可在多个机器上选择加工 .建立了多目标混合整数规划模型 ,并设计了一种启发式算法进行求解 .实践表明 ,该算法具有较好的实用性和可行性     

一和睦注解混合整数非线性规划问题的演化算法：搜索 …

提出一种求解混合整数非线性规划问题的新的演化算法－搜索空间自动收缩法（ＡＣＳＳＯＳ），在这种算法中，演化算法既用来定位最优解区域，实现搜索空间自动向全局最优解收缩，又用来最终求得最优解。由于在遗传算法引用了舍入操作，它不仅可用来求解混合非线性整数规划问题，也可求解纯整型或纯实型变量非线性函数优化问题，数值试验结果表明本文的算法在解的质量，稳定性和收敛速度等方面优于一般的演化算法。     

总极值问题的几种变差积分算法的实现比较

构造3种类型的变差积分,并运用它们来研究和求解总极值问题.针对不同的变差积分算法,结合Monte-Carlo技术,分别对100个变量的具体实例进行算法实现.数值试验结果表明,所设计的变差积分算法对不同的目标函数都有优势。     

模糊需求环境下多产品采购配额优化模型

建立了模糊需求和价格折扣并存条件下多产品采购配额分配问题的模糊多目标混合整数规划模型.针对该模型的特点,提出了如下求解策略,即借助于隶属度函数,首先将模型中的模糊目标和模糊约束条件清晰化;然后,通过最大最小算子,将该模糊多目标混合整数规划模型转化为求解等价的多个单目标混合整数线性规划问题;最后,采用两阶段算法求得问题的最优解.通过应用算例验证了模型的有效性和可行性.     

非线性混合整数规划的一类罚函数法

在有界闭箱中对非线性混合整数规划问题进行探讨和研究,将非线性整数规划问题的连续化理论推广到一般非线性混合整数规划情况.为了计算简单,对一般约束优化问题,通过构造适当的罚函数,直接将非线性混合整数规划问题化为一个无约束规划问题.结果表明当罚参数充分大时,可以将无约束和有约束的非线性混合整数规划问题转化为非线性连续全局优化问题求解,得出非线性混合整数规划与相应的连续的全局解的等价性的几个充分条件,给出了证明.此外,列举一些实例对该方法作说明.     

带自由变量的符号混合整数非线性规划问题的全局优化

本文针对带自由变量的符号混合整数非线性规划问题(SMINLP)提出一种全局优化算法.该算法首先利用等价转化将(SMINLP)中的自由变量转化为正变量,再利用凸化技术建立其凸松弛规划(RCP).通过对(RCP)可行域的细分及一系列(RCP)的求解过程,使得提出的算法具有全局收敛性.     

一类特殊整数规划问题的DNA计算

通过22种荧光标记DNA链的办法,在基于表面方式的实验环境中,将变量用变异的二进制变量组来表示,提出一种基于DNA计算的特殊整数规划问题的求解算法.算法通过将上述问题转化为特殊的-1-0-1规划问题,解决了运筹学中特殊的整数规划问题,并为最终解决一般的整数规划问题奠定了基础.     

考虑负效应的城市废弃物处理站多目标选址模型及算法

提出一种改进的基于“扩散距离”的负效应测度方法,建立以成本和负效应为目标的双目标混合整数规划选址模型,根据问题特征,设计一个模拟退火算法(SA)与贪心算法相结合的混合算法(HSA)求解.算例结果显示,基于“扩散距离”的负效应测度方法能很好地反映实际情况;HSA算法在求解同类问题上是有效的,且具有较好的收敛性.     

非线性两级整数规划问题的最优化方法

针对非线性两级整数规划的求解问题,给出了一种最优化求解方法,即将其上级规划转化为非线性连续型规划问题后,采用模拟退火算法求出最优解;其对应的下级规划问题采用模拟退火整数算法求解,通过算例的实际运算,取得了令人满意的结果,证明该最优化求解方法是可行且有效的。     

解二次背包问题的一个线性化方法

讨论了二次背包问题(QKP)的一种线性化方法.利用文献中的相关结论,通过增加变量和线性约束,将(QKP)的二次0-1规划模型等价转化为一个线性混合整数规划模型,再利用计算线性混合整数规划的软件(如Ilog-cplex或Lingo)求解,从而解决原问题.对所构造问题实例的计算,验证了求解(QKP)方法的有效性.     

非线性二层混合整数规划问题的区间算法

讨论了目标函数和约束条件均为一阶连续可微函数的带约束非线性二层混合整数规划问题的区间算法。利用罚函数法和构造目标函数的区间扩张、无解区域的删除检验原则,建立了求解非线性二层混合整数规划问题的区间算法,并进行了数值实验。结论证明和数值实验均表明该算法是可行且有效的。     

无线传感器网络中覆盖度和连通度问题的研究

对无线传感器网络中的覆盖度和连通度问题进行了研究。传统的求解覆盖度和连通度问题的整数规划算法对于大型的无线传感器网络，其整数规划算法的求解时间复杂度过高，导致算法效率偏低，通过对CCP—WSN的研究，提出了一种新型的求解CCP-WSN的盲覆盖区增强算法，该算法采用启发式的策略，大大降低了求解的时间复杂度，并且能够求出网络的近似最优解，非常适合于分布式应用。