带运输资源约束柔性作业车间调度问题的人工蜂群算法

本文针对一类柔性作业车间调度问题,综合考虑运输资源约束、工件间准备时间约束等条件,以最小化最大完工时间和能耗为目标,提出了一种改进的人工蜂群优化算法.为求解该问题,算法采用二维向量编码,即调度向量记录工件的调度顺序,机床分配向量记录工件分配可用机床情况,解码过程充分考虑运输资源、工件间准备时间等约束条件.在局部搜索策略方面,提出了五种不同的调度邻域结构,并根据目标特点,设计了一种机床分配邻域结构.围绕人工蜂群算法的三个阶段,提出了不同的改进策略.为进一步提升算法的全局搜索能力,嵌入了模拟退火接受准则.实验结果验证了所提算法的优势显著.     

基于变领域遗传算法的生产流水线物流调度

生产计划和调度是制造企业的核心问题,工件的延迟或提前会带来额外库存、价格变动、产品损耗等多种问题。文中基于准时化模式的生产理念,研究考虑机器准备时间的两阶段生产流水线物流的工件最佳排序问题。以最小化最大拖期和提前期为目标函数,提出了一种变邻域遗传搜索算法。该算法将遗传算法求得的最优解作为变邻域搜索的初始解,利用变邻域搜索较好的局部搜索能力进行精细搜索,以提高算法的求解质量。通过仿真实验和算法比较验证了变邻域遗传搜索算法的有效性。     

自适应遗传灰狼优化算法求解带容量约束的车辆路径问题

带容量约束的车辆路径问题是NP难的组合优化问题,精确算法无法在合理的时间内得到有效的解.本文提出了一种采用灰狼空间整数编码和先路由后分组解决方案生成策略的自适应遗传灰狼优化算法用于求解带容量约束的车辆路径问题.该算法提出了移动平均自适应灰狼更新策略和灰狼基因遗传策略提高全局收敛能力,同时提出带3-opt的劣势点启发邻域搜索策略来增强算法的全局和局部搜索能力.实验结果表明：所提出算法具有较高的计算精度和较强的寻优能力,有较高的鲁棒性,通过与自适应扫描和速度推测粒子群优化算法、K均值聚类和灰狼优化混合算法、大邻域搜索和蚁群优化混合算法、基于精英选择的多种群人工蜂群算法、基于集覆盖的扩展节省算法、混合变邻域生物共栖搜索算法等6个算法对比证明了算法的有效性.     

带时间窗的车辆路径问题的离散蝙蝠算法

本文提出了一种离散蝙蝠算法求解带时间窗的车辆路径问题（vehicle routing problem with time window）.该算法提出了蝙蝠位置的定义、速度的定义、位置更新操作、速度更新操作、频率更新操作,并采用惩罚机制与向量比较机制相结合的方法处理相关约束条件.该算法引入了随机插入策略、最少客户车辆插入搜索、普通插入搜索、交换搜索、带时间窗的2-Opt搜索等策略来扩大搜索空间、加强算法的收敛效率.实验结果表明：所提出算法具有较强的寻优能力、较高的鲁棒性、较少的时间耗费;本文所采用的关键参数值和策略能提高所提出算法的性能;通过假设检验证明了所提出算法与对比算法之间的算法性能均有显著性差异.     

关联运输调度问题的蚁群算法

提出了改进的蚁群算法来对关联物流运输调度问题(Related Vehicle Routing Problem)求解。为了克服蚁群算法易陷入局部最优的缺陷,自适应地改变算法的挥发因子,在保证收敛速度的前提下提高解的全局性,最终提高了算法性能。实例证明该改进算法有效地解决了关联物流运输调度问题。     

基于K-means和蝙蝠算法的云计算虚拟机智能调度

针对云计算虚拟机调度中存在的资源分配不均衡问题,提出了一种基于K-means和蝙蝠算法的云计算虚拟机智能调度方法。该方法充分考虑物理节点空闲资源和虚拟机所需资源的互补性,以物理节点作为初始聚类中心,使用资源的相关性定义二者的距离,利用蝙蝠算法的全局寻优能力迭代寻优,达到合理调度虚拟机的目的。模拟实验仿真的结果表明,该方法在降低物理节点数量和提高资源利用率方面具有一定的优势,是一种可行的方法。     

求解多车场物流运输调度问题的改进萤火虫算法

针对现实生活中物流运输的大环境,建立多车场物流运输调度问题模型。针对萤火虫算法后期收敛速度慢,且容易陷入局部最优的特点,通过聚类算法和节约算法来构造初始解,以节省寻优时间;采用提取核心路径的方法,为后期优化提供便利;最后,采用3-opt策略进行局部优化,提高算法的局部优化能力,从而构造一种改进萤火虫算法。通过对2个车场,50个客户的问题模型进行仿真,结果表明了提出算法的稳定性和收敛速度优于遗传算法和禁忌搜索算法,证明了所提出算法具有一定的优越性。     

基于改进蝙蝠算法的多传感器多目标分配

针对多目标多传感器分配中的NP爆炸问题,引入蝙蝠算法进行求解。通过K-均值算法初始化、速度更新采用自适应步长、向反方向搜索及变异操作3项措施对基本蝙蝠算法进行改进,得到改进蝙蝠算法。在仿真实验中,一方面将改进蝙蝠算法和基本蝙蝠算法作对比,证明基本蝙蝠算法在改进后,其计算速度和寻优能力大大提高;另一方面将改进蝙蝠算法与粒子群算法、蜂群算法、狼群算法3种算法作对比,表明改进算法更适用于多传感器多目标分配问题求解,其求解质量更高。     

猫群算法求解阻塞流水车间调度问题

阻塞流水车间调度是现实生产调度中一类很重要的组合优化问题,其已被证明是典型的NP难问题。为了提高该问题的求解性能,文中提出了猫群算法（CSO）求解阻塞流水线调度问题。猫群算法是近几年来提出的群体智能算法,算法以一小部分猫执行跟踪模式,其余大部分猫执行搜寻模式,通过这两种模式同时进行局部搜索和全局搜索以达到优化目标。文中利用标准Car问题算例进行仿真实验,并与标准粒子群算法（PSO）和蝙蝠算法（BA）进行比较,结果表明猫群算法在求解生产调度问题的可行性和有效性。     

旅行商问题的混沌混合离散蝙蝠算法

针对现有离散蝙蝠算法在求解旅行商问题时存在的收敛速度较慢、收敛率不高等问题,提出了混沌混合离散蝙蝠算法．该算法采用混沌初始化策略提高算法的寻优能力,引入2-Opt技术增强算法的局部搜索能力、加快算法的收敛速度．大量的仿真实验表明：所提出的算法在求解小规模TSP时能快速收敛到已知最优解;在求解大规模TSP时能在较短的时间内收敛到偏差0．4％以内的最优解．     

基于蜂群算法的随机需求车辆路径优化问题研究

研究了随机需求车辆路径优化问题(VRPSD),在只允许路由失败一次和允许部分服务的情况下,给出了应用人工蜂群算法(ABC)用于求解该问题的具体方案。并针对需求为二项分布的VRPSD问题做了Matlab仿真试验,结果验证了该算法解决VRPSD的可行性。     

改进遗传算法下的车辆路径问题研究

车辆路径问题是一种典型的组合优化类问题,随着客户对物流要求的不断提升,基本的遗传算法已经很难满足客户的需求。基本的遗传算法在求解这类问题的时候,经常会出现早熟收敛,以及对车辆的运送时间存在限制等方面的缺陷,不能够对这类问题进行最优化求解,所以本文采用改进的遗传算法就车辆路径问题进行研究,并探究改进下的遗传算法在求解车辆路径问题时的有效性。     

Network condition and application‐based data adaptive intelligent message routing in vehicular network

Recent advances in intelligent transportation systems enable a broad range of potential applications that significantly improve the vehicle and road safety and facilitate the efficient dissemination of information among the vehicles. To assist the vehicle traffic, message broadcasting is a widely adopted technique for road safety. But efficient message broadcasting is a significant issue, especially in a high network density due to the broadcast storm problem. To solve this issue, several methods are proposed to eliminate the redundant transmission of safety packets. However, they lack in restricting the broadcasting region of safety messages, and the transmissions of safety packets outside the dangerous region, and force the vehicles to unnecessary detours. This paper proposes an adaptive multimode routing protocol, network condition, and application‐based data adaptive intelligent message routing in vehicular network (NetCLEVER) that supports 2 modes of operation such as message broadcasting and intelligent routing. In message broadcasting mode, the NetCLEVER decides the dangerous region of the network by considering the changes of neighbor vehicles velocity, instead of current vehicle velocity, because a vehicle decision in velocity is interdependent with the preceding vehicles. In intelligent routing mode, the NetCLEVER exploits the cuckoo search optimization in routing by taking into account multiple routing factors such as the road topology of intersections and traffic signals and their impact on link stability, which improves the reliability of routing packets significantly. The performance evaluation illustrates that the proposed NetCLEVER improves reliable wireless communication as well as road safety in vehicular ad hoc networks.     

A tabu search algorithm for routing optimization in mobile ad-hoc networks

In this paper, we propose a routing optimization algorithm to efficiently determine an optimal path from a source to a destination in mobile ad-hoc networks. To determine an optimal path for the nodes is important for transmitting data between nodes in densely deployed networks. In order to efficiently transmit data to its destination, the appropriate routing algorithms must be implemented in mobile ad-hoc networks. The proposed algorithm is designed by using a tabu search mechanism that is a representative meta-heuristic algorithm. The proposed tabu search algorithm carries out two neighborhood generating operations in order to determine an optimal path and minimize algorithm execution time. We compare the proposed tabu search algorithm with other meta-heuristic algorithms, which are the genetic algorithm and the simulated annealing, in terms of the routing cost and algorithm execution time. The comparison results show that the proposed tabu search algorithm outperforms the other algorithms and that it is suitable for adapting the routing optimization problem.     

基于拓扑分析的多层通道布线算法

本文提出了一种基于拓扑分析的多层通道布线算法。算法把整个布线过程分成拓扑分层和物理布线两个部分。拓扑分层利用线段交叠图及模拟退火算法解决线段分层及通孔最少化问题，物理布线过程引入虚拟走线道解决交叉问题，再利用轮廓线跟踪的方法来决定最终确定各线段的布线位置。算法还解决了多层布线分层的管脚约束问题和相邻约束问题。实验结果表明，这是一种有效的方法。     

基于两阶段搜索算法的多峰函数优化

多峰优化问题需要搜索多个最优值（全局最优／局部最优）,这给传统的优化算法带来很大程度上的挑战。本文提出了一种两阶段算法求解多峰优化问题。第一阶段采用带有邻域变异策略的排挤差分演化算法进行粗粒度搜索,在适应度景观上尽可能多的找到最优解的大概位置。搜索一定代数之后,调用DMC聚类方法把搜索种群划分成多个聚类,然后在每个聚类上调用协方差矩阵自适应演化策略算法进行精细搜索。另外,本文还提出搜索点补充策略用于平衡每个聚类的大小及增加算法初期的搜索能力。我们提出的方法和9个较新的经典算法在两个基准测试集上进行了大量对比测试,结果表明新算法是有效的,在大多数测试函数上都优于其它算法。     

混合禁忌搜索算法的邮政运输车辆调度问题研究

在邮政企业中,运输网络是整个系统得以顺利运行的基础,邮政企业如何充分发挥自身优势、整合资源以改善运输网络是市场竞争愈发激烈情况下面临的重大问题,尤其是邮路规划问题。为提高邮政运输网络的整体运行效率,在同时考虑往返货物归集、车载量限制、最短路径和最少车辆数等一系列约束条件情况下,建立了送取货一体化的多中心邮政运输车辆调度的数学模型;针对该模型设计了禁忌搜索算法与C-W节约里程算法相结合的求解优化算法。最后,通过贵州省邮政企业实际生产数据对模型和算法进行仿真验证,并对优化后的调度方案进行了结果和效果分析。实验结果表明,优化后求得的配送策略在优化邮运成本上效果明显。     

一种新型的变领域搜索算法

一般变邻域搜索算法在连续优化问题的可行解空间上难以找到局部最优解。提出了一种结合SQP算法的变邻域搜索算法,该算法将SQP算法引入到变邻域搜索算法的局部搜索过程中,以SQP算法寻找局部最优解,以变邻域搜索算法跳出局部最优解的低谷,进而寻找到全局最优解。另外还对变邻域搜索算法的初始解和扰动过程进行了改进。数值实验表明,该算法具有良好的收敛性和搜索精度,求解效果优于文献算法。