多产品分批次采购的供应商选择模型及优化算法

提出了多产品分批次采购的供应商选择模型,针对模型的特点设计了禁忌算法.通过比较与开放式车辆路径问题解的相似性,将模型的四维决策变量转化为一维的开放式车辆路径问题的解,简化了求解的复杂度.基于节点的p邻域,设计了交换、移动和自增/减三种邻域操作.对供应商数量限制和单种物资采购次数约束采用"硬"限制方法,初始解产生和邻域操作都在满足此约束的前提下进行;对于单种物资采购量约束和单种物资每月使用量约束,采用惩罚函数的方式进行处理,并设计动态系数将约束逐渐由软约束过渡到硬约束.采用所提禁忌算法对算例进行优化求解,并对采用不同解结构、不同启发式算法的算例结果进行了比较,结果表明了所提模型和算法的有效性.     

开放式带时间窗车辆路径问题及变邻域搜索算法

针对配送服务中开放式带时间窗车辆路径问题,构建了最小化车辆行驶成本的集分割模型,并提出变邻域搜索算法进行求解.该算法包括抖动和邻域搜索两个阶段,其中,抖动阶段通过当前解与种群历史最优、与个体历史最优之间的路径重连来实现,邻域搜索阶段通过同一条路径内以及不同路径间的交换、插入、2-opt三个操作算子来实现.通过与已有文献进行对比,结果表明该算法在求解开放式带时间窗车辆路径问题时,能得到更高质量的解,而且算法的收敛性和稳定性均较好.由此验证了该算法的可行性和有效性.     

求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。     

求解带能力约束车辆路径优化问题的改进模拟退火算法

为高效求解带能力约束的车辆路径优化问题,提出一种带有回火操作的改进模拟退火算法.解析多约束条件下的路径优化特点,构建了结构简单且功能模块相对独立的模拟退火框架,以便相关约束及其算法的耦合嵌套.在此基础上,改变较优解在迭代过程中的接受规则,引入回火操作使全局搜索与局部搜索实现平衡;设计强制的随机邻域变换策略,以提高多约束条件下的新解生成质量.结合初始解生成方法,构建了整体算法.通过不同类型算例的对比实验表明,所提算法具有优越的求解性能,相应的求解框架与优化方法研究,能够为相关的多约束耦合求解提供参考.     

模糊需求下多中心开放式车辆路径优化

针对模糊需求下多中心及开放式三重约束的车辆路径问题,运用三角模糊数表征模糊需求,根据可信性理论设置决策保守程度值刻画决策者的风险偏好,对多中心约束采用"先路径后分组"的策略,在此基础上建立了相应的数学模型;设计了两阶段禁忌搜索算法进行求解,算法第1阶段求解包含全部客户的旅行商问题,以此作为算法第2阶段的初始解,并采用合适的编码方式来保证算法两个阶段解兼容。通过算例实验表明,所使用的三角模糊数能够有效地对模糊需求进行定量刻画,随机模拟算法则能在计算机中对模糊需求进行模拟。所设计的两阶段禁忌搜索算法的第1阶段能够显著提升算法整体的求解质量。决策者的决策保守程度对配送总成本影响很大,过于保守或过于冒险均不能获得较好的路径安排方案,决策保守程度值为0.6时的模型求解效果最好,所提算法能够在可接受时间内对该类问题进行有效求解。     

带模糊预约时间的车辆路径问题的多目标禁忌搜索算法

为优化具有模糊预约时间的车辆路径问题,应用模糊事件给出了车队服务满意度的一个新的度量方法和求最大满意度的计算方法.建立了多目标数学规划模型,并提出多目标禁忌搜索算法求解Pareto最优解.采用随机车辆配载方法生成初始解放入候选解池中,提出插人可行邻域和2-Opt可行邻域进行邻域搜索.对池中的Pareto解进行并行的禁忌搜索得到局部Pareto解再注人池中,最后求得一组Pareto解.通过Solomon的benchmark算例,与非支配排序遗传算法Ⅱ进行对比实验,说明了所提算法的优越性.     

三维装载约束下带时间窗的车辆路径问题

为提高配送车辆的效率,集成研究了三维装载约束下带时间窗的车辆路径问题。提出了该问题的描述性模型,设计了一个混合禁忌搜索算法。该算法以空间装载算法、基础启发式算法和禁忌搜索算法为基础。针对测试数据集的计算结果表明,该算法有效地解决了三维装载约束下带时间窗的车辆路径问题。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法（PSO）和变邻域下降搜索（VND）的混合粒子群算法（PSO-VND）,用以解决卸装一体化车辆路径问题（VRPSDP）。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索（VND）过程中使用3种不同的邻域结构：插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法(PSO)和变邻域下降搜索(VND)的混合粒子群算法(PSO-VND),用以解决卸装一体化车辆路径问题(VRPSDP)。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索(VND)过程中使用3种不同的邻域结构:插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

带软时间窗随机需求车辆路径问题的算法研究

针对带软时间窗的随机需求车辆路径问题求解过程中存在的大规模车辆规划复杂度较高、规划时间较长、客户需求未知等问题,提出一种改进两阶段算法.第一阶段将客户随机需求作确定化处理,使其等于期望值,然后引入自适应禁忌长度、自适应惩罚系数和改进邻域结构,以解决车辆偏离时间窗问题,最后得到最初的规划方案,但该方案仍存在一定误差;第二阶段采用选择回配送中心算法修正第一阶段所求解的误差.实验结果表明,改进后的两阶段算法具有较强的寻优能力和较高的鲁棒性,能够快速找到合理的解决方案.     

Semi-supervised weighted kernel clustering based on gravitational search for fault diagnosis

Supervised learning method, like support vector machine (SVM), has been widely applied in diagnosing known faults, however this kind of method fails to work correctly when new or unknown fault occurs. Traditional unsupervised kernel clustering can be used for unknown fault diagnosis, but it could not make use of the historical classification information to improve diagnosis accuracy. In this paper, a semi-supervised kernel clustering model is designed to diagnose known and unknown faults. At first, a novel semi-supervised weighted kernel clustering algorithm based on gravitational search (SWKC-GS) is proposed for clustering of dataset composed of labeled and unlabeled fault samples. The clustering model of SWKC-GS is defined based on wrong classification rate of labeled samples and fuzzy clustering index on the whole dataset. Gravitational search algorithm (GSA) is used to solve the clustering model, while centers of clusters, feature weights and parameter of kernel function are selected as optimization variables. And then, new fault samples are identified and diagnosed by calculating the weighted kernel distance between them and the fault cluster centers. If the fault samples are unknown, they will be added in historical dataset and the SWKC-GS is used to partition the mixed dataset and update the clustering results for diagnosing new fault. In experiments, the proposed method has been applied in fault diagnosis for rotatory bearing, while SWKC-GS has been compared not only with traditional clustering methods, but also with SVM and neural network, for known fault diagnosis. In addition, the proposed method has also been applied in unknown fault diagnosis. The results have shown effectiveness of the proposed method in achieving expected diagnosis accuracy for both known and unknown faults of rotatory bearing.     

一种鱼骨仓储布局下的拣选路径优化方法

根据一种非传统鱼骨(fishbone)布局的特点，基于仓储运作约束条件建立了拣选路径优化模型，构造了非传统货位距离矩阵；在标准遗传算法基础上，通过进化逆转算子克服标准遗传算法存在早熟收敛和局部搜索能力较差等问题，给出了一种多种群遗传算法；为验证算法的有效性，在不同订单规模下，将多种群遗传算法与标准遗传算法和S-Shape算法进行比较，应用MATLAB软件仿真分析，一系列实验结果表明多种群遗传算法计算结果最优，并且寻优速度更快于标准遗传算法，能够很好地解决鱼骨仓储布局下的拣选路径优化问题，提高仓储智能化水平。     

基于元胞遗传算法的多无人机编队集结路径规划

针对多无人机编队集结路径规划问题,提出了基于元胞遗传算法的单机航迹规划方法,设置了基于时间约束的速度代价,在此基础上,提出了基于时间协同和防碰撞的多机编队集结策略。仿真结果表明,算法搜索成功率高、稳定性好,得到的多条路径满足无人机性能约束、时间协同性和安全性要求。     

动态需求低碳开放式选址—路径问题

针对需求动态变化对选址及配送路径碳排放的影响,提出了预优化和实时优化的两阶段选址—路径问题,建立了相应的低碳动态需求开放式选址—路径模型,设计了四阶段混合量子差分进化算法进行求解。通过构造最优差分变异策略,并将其与动态量子旋转门及贪婪量子选择方式相结合进行解的更新及改善。仿真实验结果表明碳排放量与需求正相关,采用实时响应策略使目标成本降低15.05%;与其他3种算法相比,所提算法具有较好的搜索能力,能满足实时调度的要求。     

基于条件生成对抗网络的缺失牙体功能性咬合面形态设计方法

针对牙齿修复体设计中未考虑牙齿磨耗形态分布以及标准牙难以表达天然牙形态多样性的问题,提出基于颌位空间约束以及牙齿磨耗面引导的缺失牙体功能性咬合面形态设计方法。利用启发式搜索算法半自动提取牙齿磨耗面,并采用自适应视距的正交投影法计算出牙冠及其磨耗面在正视方向上的深度图像。通过对缺失牙齿功能性咬合面特征分级表达,采用基于颌位空间约束的生成网络获得牙齿咬合面的整体形貌,然后以磨耗面为约束条件,合成具有天然牙冠细节特征的功能性咬合面。最后,利用网格重建算法及蒙皮方法设计出满足正常咀嚼功能的全冠修复体。实验结果表明,通过该方法设计出的全冠修复体具有足够的天然牙解剖形态特征以及较高的临床适用性。     

基于改进粒子群算法的开放式定位-运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑，建立了该问题的数学模型；运用基于遗传算法、模拟退火算法的改进粒子群算法，对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛，验证了模型的正确性和算法的有效性。     

A hybrid discrete firefly algorithm for multi-objective flexible job shop scheduling problem with limited resource constraints

In this paper, a hybrid discrete firefly algorithm is presented to solve the multi-objective flexible job shop scheduling problem with limited resource constraints. The main constraint of this scheduling problem is that each operation of a job must follow a process sequence and each operation must be processed on an assigned machine. These constraints are used to balance between the resource limitation and machine flexibility. Three minimisation objectives—the maximum completion time, the workload of the critical machine and the total workload of all machines—are considered simultaneously. In this study, discrete firefly algorithm is adopted to solve the problem, in which the machine assignment and operation sequence are processed by constructing a suitable conversion of the continuous functions as attractiveness, distance and movement, into new discrete functions. Meanwhile, local search method with neighbourhood structures is hybridised to enhance the exploitation capability. Benchmark problems are used to evaluate and study the performance of the proposed algorithm. The computational result shows that the proposed algorithm produced better results than other authors’ algorithms.     

基于核模糊相似度度量的谱聚类算法

相似性度量的选择是谱聚类算法良好性能实现的关键。通常采用的谱聚类相似性的度量是基于高斯核函数的相似性度量。然而,谱聚类对这种相似度度量中的尺度参数非常敏感,并且确定一个合适的参数也很困难。另外,基于欧几里得的这种高斯核相似度度量无法有效反映复杂分布数据集的分布特点。针对此问题,通过利用基于核模糊C均值聚类算法得到的划分矩阵中隶属度的分布特点,提出了一个新的核模糊相似度度量,并将基于所提出的新的相似度度量的谱聚类算法(KFSC)应用于图像分割中。所提出的KFSC算法不仅克服了谱聚类对尺度参数敏感,而且解决了尺度参数很难确定的问题,获得更好的聚类效果。3个标准数据集、2个合成纹理图像及2个自然图像上的分割实验表明了所提出算法的有效性和鲁棒性。     

基于背景判别与邻域补偿的高光谱异常检测

为克服高光谱局部异常检测算子背景虚警严重,探测效果不佳等问题,提出了基于核光谱角背景判别与邻域补偿的异常检测算法。算法从背景像元的筛选和探测结果的补偿两个角度提高像元探测精度,在背景像元的处理方面,提出了一种基于核光谱角距离相似度的背景像元筛选算法,将光谱分辨性能更强的核光谱角引入背景差异性判别过程,准确可靠地实现局部背景像元的筛选和优化;同时,针对异常检测算子探测精度不高等问题,引入邻域加权的空谱联合补偿机制,并提出基于核光谱角距离相似度的动态模板卷积补偿算法,显著增强了背景与目标的可分性。在与RX、LRX、KRX和CRD等异常检测算法的对比中发现,该算法表现出较强的探测性能,在抑制虚警和提高探测精度等方面达到了不错的效果。     

基于工序约束链编码的遗传算法求解产品综合调度问题

针对产品综合调度优化问题,提出一种基于工序约束链编码的遗传算法。该算法设计的编码方法,不但能准确体现产品工艺树中的工序约束关系,而且不会强加新的约束,保证了初始解空间的可行性和完备性;同时避免了分区编码方法存在强加约束和遗漏解空间的问题。针对交叉、变异操作产生不可行解的问题,设计了一种基于邻接矩阵的修复方法。实验测试结果验证了所提算法的有效性。