杂波情况下雷达天线的最优极化

本文建立了求相对最优极化的一种新的数学模型，并提出了两种解法．一种是根据奇异值分解理论和求极值的方法，书问题转化成解一个二元高次方程组；另一种方法是：利用接收功率的一种表达式，书问题转化成一个双线性问题，再用一种交替迭代的数值方法予以求解．计算结果表明：这两种方法求得的最优极化是完全相同的     

基于边缘搜索的蚁群算法

蚁群算法是根据真实蚁群的觅食原理提出的一种新兴的启发式搜索算法。算法应用于解决组合优化问题，取得了良好的效果。定义了一种新的旅行商问题，即过程旅行商问题，针对这个问题提出了一种基于边缘搜索的改进蚁群算法。该算法通过限制蚂蚁的起点城市，提高了蚁群算法的搜索效率；并通过减少蚂蚁数量加快计算速度。应用于过程旅行商问题的仿真计算表明，该算法具有相同的计算结果和更快的求解速率。     

基于全终端可靠度的网络整体退火GA设计

计算机通信网络由主干网和本地接入网组成，其中主干网的可靠性问题尤为重要，而衡量主干网可靠性的有效尺度是全终端可靠度.基于主干网络的设计，分析了计算机通信网络在全终端可靠度约束下的链路拓扑设计问题，该问题是NP-hard问题.针对该问题的一种典型可靠性优化模型，利用一种改进的遗传算法——整体退火遗传算法对求解该优化问题进行了具体设计.仿真实例表明：该算法为全终端网络可靠性优化设计问题提供了一种更为有效的解决方案.     

指派问题数学建模的匈牙利解法

对于指派问题，可以利用许多理论进行建模并且加以解决，但匈牙利解法却是解决指派问题的一种非常简单有效的方法。通过例子介绍了有部分限制的匈牙利解法的应用，可以看出，匈牙利解法是一种十分有效的解决指派问题的方法。     

一类变形的运输问题

考虑一类变形的运输问题，这类问题除考虑运输费用外，还考虑了一种与整批物资完成运输时间有关的管理费用，其目标是二者的总费用达到最少，对这类问题提出一种有效算法，该算法稍加修改还可用来解释其他类似的变形问题，如Ｇｅａｔｈａ和Ｎａｉｒ在文献［１］中提出的变形指派问题等。     

空间直线间一般连接的求解,建模及程序实现

就空间直线间的连接问题提出一种解法，给出相应数学计算模型和程序框图，讨论了有关问题，为这类工程应用提供了一种方案设计的新思路。     

高速公路基本超车过程的推广固支梁挠度曲线模型

两车辆超车的模拟问题是学者们关心的一个基本问题．传统方法在刻划这类问题的特征方面仍显不足，主要体现在。①模型的机理与实际问题尚存在差距；②计算复杂程度较大，难以付诸实施．为此，提出一种用于模拟车辆超车的新方法．它假定每个车辆有一虚拟的尾梁，而虚拟尾梁的形状用固支架挠度曲线来表示，进而得到了一种推广了的固支架挠度曲线模型，它是一种无格子数值计算模型。     

高阶微分问题的一种正则数值解

讨论了微分问题的稳定性，并且利用Ｔｉｋｈｏｎｏｖ正则化的方法，给出了高阶微分问题的一种稳定数值解．     

一类变形的反最短路问题

考虑了一类变形的反最短路问题，即在一种点调整约束的条件下，如何对网络的权向量进行尽可能少的调整，使得给定的路变为最短线路。对这类问题提出一种强多项式算法。     

论理想的存在的特性

理想的泯灭，信仰的危机，酿出了许多社会问题和思想问题。解决这些问题的前提，是如何正视理想的存在。理想是与人类社会共始终的一种精神现象，是社会的一种精神性存在。理想的思维形式，思维内容，思维价值等是客观存在的。理想的主体，理想存在的社会领域，理想存在的时代都具有普遍性。     

车辆路径问题的改进遗传算法

在分析车辆路径问题的现有启发式算法的基础上,本文构造了车辆路径问题的染色体表达式,并对染色体进行了可行化映射,建立了此问题的遗传算法．实验表明,此算法可以有效求得车辆路径问题的优化解或近似优化解．     

基于模糊聚类分析的车辆优化调度

应用模糊聚类分析对物流配送需求点进行分类,建立了车辆调度问题的数学模型,将标准遗传算法与爬山算法集成,构造了一种改进的混合遗传算法。试算结果表明,对需求点分类后,应用遗传算法可有效解决联合物流模式的车辆调度问题。     

电动汽车加电站电池配送路径优化

在分析电动汽车加电站运营模式的基础上,根据电动汽车加电站需求动态变化的特点,建立了加电站电池配送路径问题的动态车辆调度模型. 利用自适应准则改进遗传算法,构造了自适应遗传算法;针对动态车辆调度问题实时性强的特点,设计了"初始化路径制定+实时动态调度"的两阶段求解策略,通过信息更新插入动态需求加电站,对已产生的计划路径进行局部优化调整,仿真计算结果验证了模型和算法的有效性.     

车辆路径问题的改进遗传算法研究

车辆路径问题(VRP)是现代物流管理中的重要环节,是一个NP-hard问题。标准遗传算法用于最优化问题时存在早熟收敛和收敛速度缓慢的特点。本文提出一种改进的多种群遗传算法,在子种群间引入竞争,设定各个子种群的规模取决于各个子种群的平均适应水平。实验结果表明,该算法能有效求得车辆路径问题的优化解,是求解车辆路径问题的一个有效方案。     

绿色车辆路径问题研究

对绿色车辆路径问题的发展形势进行了分析.阐述了绿色车辆路径问题的起源，梳理了绿色车辆路径问题的研究热点，将其划分为最小化燃料消耗的绿色车辆路径问题、考虑污染路径的绿色车辆路径问题、结合新能源车的绿色车辆路径问题这3个研究的主要阶段，指出了绿色车辆路径问题研究的不足和未来可能的研究方向.     

物流配送中心车辆调度模型与遗传算法设计

对带时间约束的物流配送中心车辆调度问题，采用混合整数规划方法进行建模，分析了该模型用精确算法进行求解的复杂性，指出对实际问题若完全采用精确算法求解往往达不到实时响应的要求，提出了遗传算法与启发式算法相结合的求解方法，将该问题分解为车辆分配和单一车辆路线安排两个相互关联的子问题进行求解，仿真结果表明，该算法是很有效的。     

带硬时间窗的共同配送车辆调度问题研究

针对带硬时间窗的共同配送车辆调度问题,提出Sweep算法和PMX算子相结合的遗传算法。以长株潭城市群生鲜食品共同配送中心区域内的配送数据作为实验对象,采用组合遗传算法进行分析,在客户要求的时间范围内,合理安排车辆的行驶路线,使共同配送总费用最低。最后,将本算法与启发式算法、遗传算法进行比较,分析结果表明,本算法得到的共同配送车辆调度方案更优。     

基于改进免疫算法的有能力约束车辆路径问题

针对遗传算法、免疫遗传算法在解决车辆路径问题(VRP)中存在的问题与不足,提出了一种改进免疫遗传算法。该算法主要在检查个体的多样性程度方面进行了简化,运用多样性指数阈值控制种群个体的多样性。通过有能力约束VRP的实验验证了新算法,得到了满意的效果。     

Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。     

Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。