基于随机交箱序列的集装箱堆场出口箱箱位优选

为了优选客户提交箱时间不确定条件下的集装箱堆场出口箱箱位,降低作业成本,提出了基于随机交箱序列的堆场箱位优选方法,即两阶段随机规划模型和基于禁忌搜索的启发式算法.模型通过优选贝位和堆栈最小化堆场龙门吊行车成本和翻箱量,探讨了随机交箱序列条件下的翻箱量和龙门吊行车成本求解方法,并针对模型最优解特点开发了基于禁忌搜索的启发式算法.模拟实验表明,该方法能够有效利用不确定集装箱交箱序列信息改善调度效果,算法能够在合理时间内获得满意解.     

集装箱堆场不确定提箱次序与卸船箱位分配

为优化卸船箱箱位分配,减少集装箱码头堆场卸船箱翻箱率,考虑客户提箱次序随机和不确定性,提出了利用箱组存箱时间构建客户提箱次序的方法,探讨了基于提箱次序的集装箱翻箱量求解,并建立了集装箱码头堆场卸船箱箱位整数规划模型,在堆场区段内为卸船箱分配箱位,降低提箱时的翻箱量.考虑到模型较优解箱组堆放特点,设计了求解模型的启发式算法.实验结果表明,提出的模型和启发式算法能反映决策者的风险态度,目标函数较参考算法有10%以上改善.     

基于作业均衡的集装箱堆场箱区场桥作业调度

为了提高集装箱堆场场桥作业量分布的均衡性,进而提高作业人员任务分配的均衡性和作业资源的利用率,提出集装箱堆场箱区场桥均衡作业的调度问题。根据集装箱场桥作业特点及其关联性,以集装箱堆场箱区作业箱量均衡和作业时间均衡两个均衡调度为目标,建立了集装箱堆场箱区场桥均衡调度模型,并设计遗传算法求解。通过设计均衡度评价指标,对不同均衡目标与所得方案效果之间的关系进行分析,得到均衡度改善的比率。最后通过输入场桥数量参数的变化得出场桥数量与均衡性之间的关系,为场桥配置与调度工作提供理论依据。     

基于作业量平衡的集装箱堆场堆存策略研究

堆场是集装箱码头的重要组成部分,几乎所有的港口作业都与其密切关联,因此提高堆场作业效率是港口工作的重点。文中针对进口集装箱的装卸作业,提出避免装卸设备交通拥堵的高低作业量平衡堆存策略,并建立了数学模型。模型中不仅考虑了相邻箱区之间作业量的平衡,同时也考虑了不同装卸作业路上的并行堆存,从而实现了岸边集装箱船中卸下的集装箱在堆场堆存空间的实时配置。模型的计算结果,可有效实现不同装卸作业路的集装箱错开堆放,也避免了集卡和场桥的交通拥堵状况,大大提高码头的装卸效率。     

基于堆存能力的集卡优化分派研究

集卡是目前国内港口的主要集疏运工具,合理调度集卡可以提高港口作业效率和港口竞争力。作者基于集装箱港口堆场箱区堆存集装箱能力考虑,建立了一个集卡分派优化的两阶段模型。第一阶段根据箱区容量建立了集装箱运输最短路径的集装箱堆存分派模型,且考虑了特定箱必须卸载到特定箱区的情况;第二阶段根据第一阶段集装箱的堆存分派,建立了集装箱作业时间最短为目标的集卡分派模型。最后根据数值实验证明了模型的有效性。     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

双模式的拥挤收费双层规划模型

为了解决私家车和公交车行驶时相互影响条件下的实际阻抗问题,提出了一个广义阻抗,即包含车辆行驶时受其他交通模式影响所花费的时间、车辆行驶固定的费用（如燃油费和车辆磨损费等）、拥挤收费及由拥挤构成的早到或延迟惩罚的广义阻抗函数。在此基础上,建立了以交通网络系统收益与网络成本之差最大化为目标的上层模型,以多模式交通网络的随机用户平衡为目标的下层模型,出行模式及路径的选择满足Logit模型的数学双层规划模型。最后,应用基于步长加速法和惩罚函数法的直接搜索法对该模型进行求解。     

船厂钢板堆场混合存储分配及出入库调度研究

为符合造船厂提出的"分段集批,段齐交货"原则,本文在验证混合存储可行性的同时,优化出入库倒垛作业方案,减少研究周期内出库倒垛次数、降低作业时间和操作成本,从而提高堆场利用率。针对建立的整数规划模型,提出了基于模拟退火接收准则的双层遗传算法(SA-HGA),在垛位存储分布均匀的基础上制定堆场划分方案,然后根据堆场当前存储状态为将要进入堆场中的两类分段属性的钢板预分配垛位,为需求计划制定作业方案包括倒垛和出库作业组合计划。利用该算法对出入库作业及倒垛方案进行优化,最后将该算法与传统遗传算法作对比,实验证明算法具有有效性和收敛性,并在不同作业规模下,降低了成本预算(4.9%~21.3%)及操作时间(7.6%~10.1%)。     

基于智能算法的船舶分段堆场调度计划与优化

分段的移动是船舶分段堆场调度中最主要的作业过程,而移动路径的优劣决定着分段堆场调度的效率和成本。论文通过综合考虑临时阻挡分段数量、平板车转向次数和移动距离对调度成本的影响,提出分段综合移动难度的评价标准,以此建立数学模型,并以分段综合移动难度为优化目标,利用遗传算法选择分段在堆场中停放位置的较优方案,运用禁忌搜索优化柔性出场时间分段的出场顺序,构建启发式规则来确定分段最优的进、出场路径。最后,利用某船厂的实际数据对模型进行实例验证和数值分析,结果表明,本文方法可以得到较优的堆场作业计划,实现堆场资源的高效利用。     

GPU加速的航迹关联改进蚁群求解算法

分布式信息融合系统中,航迹关联问题可转化为多维分配进行求解,现有的求解方法存在着收敛速度慢、求解代数多的缺点,难以满足实时性要求。鉴于此,提出了一种GPU加速的改进蚁群求解算法。首先,运用灰色理论建立航迹关联多维分配问题模型;其次,蚁群算法求解过程中,通过选择最大灰关联系数邻域内的状态估计对搜索列表进行更新,缩小蚂蚁的搜索区域,并采用狼群分配原则更新信息素,避免了搜索陷入局部最优;最后,采用GPU加速的并行策略进行求解。仿真结果表明,一个关联周期内,10步迭代之内该算法的关联正确率可达90%以上;GPU加速的并行求解策略能够提高求解效率,且随着问题规模的增大,加速效果越明显。     

在无线异构网络中用户关联和干扰控制方法

使用多种无线移动网络连接方法给客户提供网络服务的需求与日俱增,相应的能量耗费率增长问题也随之而来。因此,在异构网络中,降低移动客户端的能耗以及信号干扰将成为研究人员主要的关注点。为此,采用最小化加权成本函数来提高移动用户的能量利用率。考虑到各个要素的权重值,使用了多要素的层次分析法来计算权重。成本函数表示用户对可用基站的成本,包括能效、距离、信号与干扰加噪声比等。此外,基于最小成本值引入了最佳用户关联。仿真结果表明,该优化方案节省了更多的能源,降低了网络信号传输之间的干扰。     

ARMAX模型参数估计的智能搜索辨识方法

基于基因搜索技术,建立了ARMAX模型参数的智能搜索辨识方法.提出了一种通过ARMAX模型零极点变换确定模型系数取值范围的间接方法及非可行域内染色体的修复方法.在遗传算法实现中,通过设计自适应适值函数来调整选择压力,设计自适应交叉概率,对传统的交叉和变异操作进行改进,嵌入基于Metropolis准则的"灾变"操作,采用精因保护策略,改善了遗传算法的全局搜索和局部寻优能力,加速了寻优过程.有关算例证明了本文方法的有效性.     

基于改进GA的分段堆场计划调度方法研究

针对船舶分段堆场在调度过程中周转效率低、调度滞后以及调度成本高等问题,以进出场分段在堆场中的调度为研究对象,考虑船舶分段堆场调度过程中的扰动因素,采用基于事件触发式的重调度方法,结合分段质量和移动距离建立数学模型,以移动分段所需的成本为优化目标,提出利用改进遗传算法来选择分段在堆场中停放位置的较优方案,并构建启发式规则来确定分段最优进、出场路径。利用某船厂实际数据对模型进行验证,表明该方法可得到较优的堆场作业计划,实现堆场资源的高效利用。     

改进遗传算法在水文模型参数优选中的应用

为改善传统水文模型参数优选算法的性能,针对遗传算法的寻优效果明显依赖于模型参数的初始变化区间的大小,并且局部搜索能力较差、可能会出现过早收敛等问题,在遗传算法中加入局部搜索算子和加速算子,并引入了生物学中的小生境概念,提出了基于小生境技术的混合加速遗传算法(HAGA).该算法在广西合浦水库流域的洪水预报中得到成功应用.结果表明:基于小生境技术的混合加速遗传算法不仅有较好的全局优化性能而且精度较高,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的优秀非线性优化方法.     

基于改进NSGA-Ⅱ的多目标绿色作业车间调度问题研究

针对多目标绿色作业车间调度问题(green job shop scheduling problem,GJSP),以最大完工时间、总碳排放量和总拖期时间为优化目标,建立多目标绿色作业车间调度问题模型,提出一种改进的NSGA-Ⅱ算法来对模型进行求解。模型中设计总碳排放量目标函数,考虑工件更换装夹方式时机器调整状态的碳排放量;算法中设计基于N5邻域结构和非支配排序的局部搜索策略,结合实际设计GJSP测试实例,对提出的算法进行验证。计算结果显示,对于多目标优化,改进后的NSGA-Ⅱ求得均衡解非支配等级相对更高,获得了更优的单个目标值。研究表明,改进的NSGA-Ⅱ具有更好的优化效果,验证了提出算法的有效性。     

基于粒子群优化的频域多信道干扰对齐算法

针对频域干扰对齐系统解空间的多峰值特性,提出了一种基于粒子群优化,以系统网络和速率为优化目标函数的干扰对齐全局搜索算法.该算法通过对速度向量在位置向量的法平面上做投影以加强全局搜索能力,并在粒子群标准位置更新的基础上增加沿目标函数梯度方向的学习搜索来提高算法收敛速度和趋向全局最优值的能力.数值仿真结果表明,该算法可以获得比现有算法更好的网络和速率性能.     

基于C-V模型无关曲率方向的快速分割算法

为提高图像分割的精度获取边缘更佳的分割图,提出结合无关曲率方向的边缘函数与无需重新初始化符号距离函数的基于C-V(Chan-Vese)模型的快速分割算法。针对在图像的同质区域中基于水平集的C-V模型不能正确分割出目标轮廓的缺陷提出优化方法。改进算法不依赖于水平集梯度信息进行活动轮廓曲线的演变,引入无关曲率的边缘函数并结合平均曲率运动方程以最小化长度能量项;并且在能量函数中增加了内能泛函项,以简化模型在局部需要重新初始化符号函数的步骤,提高运算速度。实验表明新算法能够演化出目标边缘曲线,准确分割图像,且运行耗时显著减少,收敛速度近似为几何活动轮廓C-V模型的1.2倍。     

一种基于局部加速的实时精确虚实融合方法

在虚实融合中,虚实场景显示的较高精确性和较好实时性是良好用户体验的必要条件。然而,环境干扰、算法时间空间复杂度以及高帧频处理速度等问题严重影响虚实融合效果,现存的虚实融合方法很难同时满足精确性和实时性的要求。针对此难点问题,提出了一种基于局部加速的精确虚实融合方法,利用明显特征建立虚实场景映射关系,同时对融合区域进行局部搜索匹配。具体创新体现在以下2点:1)提出了一种虚实场景的普适标定配准方法;2)提出了一种待融合目标的局部搜索加速策略。实验证明,提出的方法具备较好的鲁棒性并达到高帧频处理速度,已成功应用在电力培训仿真系统中。     

粒子群优化算法惯性权重的一种动态调整策略

为了有效地调整粒子群优化算法的全局开拓和局部搜索能力,提出一种基于Logistic模型动态调整惯性权重的粒子群优化算法.该算法在初期保持较大的惯性权重,使其具有较大的全局开拓能力,在进化后期保持较小的惯性权重,有利于局部搜索,加速算法的收敛.通过标准测试函数的仿真实验表明：该调整策略优于线性递减的调整策略,且对于优化多峰值函数具有一定的优越性.     

基于最速方向搜索的混合遗传算法

针对目标函数复杂求导困难或目标函数不可导的优化问题,给出了最速方向搜索方法,它在搜索过程不需要导数信息,克服了一些局部搜索算法需要求出导数的缺点.在此基础上提出了基于最速方向搜索的混合遗传算法,将最速方向搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.数值实验证明,改进后的遗传算法性能优于当前一些较好的优化算法.