Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题 .为NP完全难题 .使用Max MinAntSystemAlgorithm来求解该问题 ,计算机仿真结果表明该方法能较快地找到最优解 ,而且比神经网络、启发式方法更能有效地找到最优解     

最优去杠杆化问题的新分枝定界算法

在不限制临时性和永久性价格影响的大小关系下,最优去杠杆化问题可归结为一个带有箱子 和二次约束的非凸二次规划问题,它是ＮＰ难问题．现有的拉格朗日方法未能保证找到问题的全局 最优解．结合二次凸松弛技术和拉格朗日方法,提出了求最优去杠杆化问题全局最优解的新分枝定 界算法,其中下界由拉格朗日方法得到,而上界由二次凸松弛求得,分析了算法的全局收敛性．数值 结果表明：该算法可以有效地找到最优去杠杆化问题的全局最优解．     

网络技术资源优化问题的解法

本文指出了网络技术资源优化问题现行解法所存在的缺点;提出解决该问题的两种解法——穷举法和随机法。穷举法虽能找到最优解,但计算时间过长,难以推广使用。本文仅用穷举法所得到的最优解作为随机法有效性的佐证。随机法虽不一定能找到最优解,但至少能找到满意解,且运算时间大为减少,不失为一种有效解法。     

基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

固定采购成本与最小采购量约束下的周期库存

对最低采购量约束下带有固定采购成本的随机库存模型进行了分析．当约束作用在单周期或双周期下，得到了最优库存控制策略，并给出求解方法．当约束作用在多周期下，问题性质复杂，难以得到最优解，给出了利用进化计算与BP神经网络结合寻找多周期问题近优解的方法，有效降低了计算复杂度．仿真实例表明使用该方法的误差很小．     

用斐波那契法求解网络计划最低费用的工期

在建筑项目施工中，应用网络技术，可以找到关键路线，但要寻找最低费用的工期，进行网络计划费用优化，往往采用循环缩短法等方法，寻优带有自盲目性，寻找最优解速度慢，利用斐波那契法，可以通过有限的几次计算后，就能满足精度，较快地找到最优解，且还可以应用计算机来求解。     

自适应代表个体选择方法的协作协进化算法

协作协进化算法中,代表个体选择按贪心度不同可分为最优选择和随机选择.最优选择对于大多数子模块之间关联性不是很强的问题都较为有效,但对于子模块间有很强关联性的问题,随机选择比最优选择更为有效.所以,提出一种自适应代表个体选择方法的协作协进化算法,该算法通过进化停滞判断函数将最优选择和随机选择两种代表个体选择方法结合起来.仿真结果表明,该算法对于子模块间强弱不同的问题都能有效的找到解.     

Memetic算法求解多维背包问题

针对多维背包问题较难找到全局最优解的情况,提出了一种求解多维背包问题的Memetic算法,该算法主要由带反馈机制的禁忌局部搜索算法、交叉算子和种群更新策略组成.其中,种群更新策略需要同时考虑种群中解的质量与种群的多样性,以提高算法搜索的多样性.测试表明,该算法能够有效避免陷入局部最优解并找到比现有算法更好的结果.     

在多约束非线性优化问题上蚂蚁与遗传算法融合方法的研究

蚂蚁算法是通过信息素的累积和更新收敛于最优解上．针对初期信息素匮乏、求解速度慢的问题,将蚂蚁算法与遗传算法融合,采用遗传算法生成初始信息素分布,利用蚂蚁算法求精确解．该方法能有效地求得全局极小点或近似全局极小点．     

基于遗传算法的排课系统的研究

根据独立院校的特点,分析了目前流行的几种排课算法存在的问题,从遗传算法的基本理论入手,研究如何利用遗传算法,解决排课系统中的资源冲突、课表优化问题．实验证明,遗传算法能简化程序的复杂度和减少生成最佳课表的时间,能在理想时间内找到最优解．     

L.P.问题单纯形法一种改进的迭代判别方法

单纯形法是求解线性规划问题的有效方法．本文给出了求解一般线性规划问题的单纯形算法中一种改进的迭代判别方法，该方法与传统的判别方法相比，是一种利用较少次迭代求解线性规划问题最优解的方法．     

基于模拟退火的AVO反演方法

模拟退火算法是近年发展起来的全局最优化算法，是通过把最优化问题与统计力学热平衡问题进行类比得来的。其主要优点是：不用求目标函数的偏导数及解大型矩阵方程组，即能找到一个全局最优解，而且易于加入约束条件，编写程序简单。这种方法避免了线性化反演方法结果强烈依赖于初始模型的选取而导致解落入局部极值的情况。利用模拟退火算法进行AVO反演，充分发挥二者的优点，在计算的过程发现并解决问题，为岩性预测以及储层预测找到既快速又能达到一定精度的方法。本文采用改进的快速模拟退火算法进行AVO反演，对理论模型和实际资料进行了试算，取得了较好的效果。     

基于混合搜索策略的Job Shop调度研究

目的 提出基于遗传算法和禁忌搜索算法的混合算法，解决单一算法求解JobShop调度问题存在的不足，提高求解质量．方法 采用遗传算法作为全局搜索算法，禁忌搜索算法作为局部搜索算法．根据JobShop调度问题解的特征。提出基于关键工序的邻域选择方法，将基于这种邻域选择方法的禁忌搜索算法作为变异算子，加强了遗传算法邻域解的搜索能力．结果 混合算法在较短时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法（PGA）提高3．84％、较TSAB算法提高4.66％．结论 采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．     

指派问题匈牙利方法的改进

求指派问题最优解的匈牙利方法存在所谓“选择原则困难”。即：当效益矩阵的每一个行列都存在不止一个“零”时，选取哪一个“零”才能保证找到最优解呢？为此引入“Ｃ参数选择原则”，解决了这一困难，从而完善了匈牙利方法。     

基于蚂蚁算法的QoS组播路由问题求解

采用启发式算法中的蚂蚁算法解决了包含带宽，延时，延时抖动，包丢失率和最小花费等约束条件在内的QoS组播路由问题。实验表明算法能快速找到最优解，而且具有良好的扩充性。     

一种基于粒子群算法的聚类算法

提出一种基于粒子群算法的聚类算法,该算法利用粒子群算法随机搜索解空间的能力找到最优解．首先,将样本所属类号的组合作为粒子,构成种群,同时引入极小化误差平方和来指导种群进化的方向．其次,通过对全局极值的调整,搜索到全局最优值．最后,通过仿真实验的对比,验证了该算法在有效性和稳定性上要好于K-means算法．     

针对鲁棒性三维声源定位问题的全局性算法

针对到达时间差度量误差和声源具有鲁棒性的三维声源定位问题,提出了一种用半正定规划方法求解的线性校正总体最小二乘全局性算法（LCTLS SDP）. 将带二次等式约束的分式二次规划声源定位模型转化为带二次不等式约束的非凸齐次二次优化问题;利用对偶理论设计算法求出该模型的最优解. 理论证明LCTLS SDP算法能找到问题的最优解. 实验结果显示,LCTLS SDP算法有稳健的定位结果.     

基于改进原对偶对数障碍法的最优潮流算法

在原对偶对数障碍法的基础上，提出一种改进算法用于解决最优潮流问题．利用障碍参数对改进障碍函数的影响，使改进算法能有效地处理最优潮流问题中的不等式约束，避免了计算中对有效约束的识别问题．将改进算法与原有算法用于IEEE 30节点系统无功优化问题的仿真计算，结果证明了改进方法是有效可行的，且与原有方法相比，可求得更优解．     

一种新的基于MMAS的机器人路径规划方法

机器人路径规划就是在复杂的结构空间中,找到一条由起点到目标点的可行路径．基于最大-最小蚂蚁算法,结合机器人路径规划的典型问题,给出了一种新的规划方法．实验结果表明,该方法能以较大的概率得到机器人路径规划问题的优化解．     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题（FJSP）,提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型．该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来．为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失．算法最后给出问题的Pareto最优解集．仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP．