有限计算量下模拟退火算法的参数序优化

针对模拟退火算法作为一类全局随机搜索算法，其理论收敛条件难以严格实现，有限计算量下的算法性能在实际应用时对参数有严重的依赖性，并且确定合适参数的经验或试验方法缺少系统性等问题，提出将有限计算量下模拟退火的最优参数确定问题视为随机优化问题，并基于序优化和最优计算量分配技术研究出一种确定最优参数组合的系统性方法．典型调度问题的仿真结果验证了该方法的可行性和有效性．     

随机仿真优化的一类遗传序优化框架

针对仿真优化问题存在随机性、计算费时、解空间巨大、多极小等难点,结合遗传算法的并行遗传搜索、最优计算量分配以及序优化的目标软化和序比较思想提出一类遗传序优化框架,进而讨论了该方法的收敛性和具体实施问题,最后指出了进一步的研究内容.     

基于K-均值聚类的免疫粒子群优化算法

在解决复杂函数优化问题时,免疫粒子群优化算法在疫苗提取操作中,通常把最佳粒子作为有效特征信息,没有从根本上解决"趋同性"问题,影响算法的收敛速度和收敛精度.针对该问题,提出了一种基于K-均值聚类的免疫粒子群优化算法(KIPSO),将K-均值聚类算法用于免疫疫苗的提取,确定最高平均适应值的聚类中心及其最大邻域,得到符合具有最优个体特征的疫苗集,并以自适应方式确定疫苗集进行疫苗更新,提高算法的收敛性.仿真结果表明,与免疫粒子群优化算法相比,该算法提高了收敛速度和收敛精度.     

多变异策略融合的约束优化问题求解算法

在约束优化问题中,多目标方法是一种约束处理技术,但这种方法易产生高额计算成本以及难以兼顾多样性和收敛性等问题.融合多种差分进化算法的变异策略,提出了一种多变异策略融合的差分多目标进化算法,用于约束优化问题求解.该算法引入改进的贪婪变异搜索策略,构建自适应变异因子控制变异算子的贪婪性和扰动性;基于切比雪夫距离进行变异策略的切换.该方法可提高算法收敛速度和求解质量,最终达到降低计算成本和兼顾多样性和收敛性的目的.与多种优秀算法相比,改进算法整体上具有更好的收敛速度、收敛精度以及处理不同复杂程度问题的能力.     

基于DNA进化算法的车间作业调度问题研究

针对遗传算法解决车间作业调度问题时存在早熟收敛的缺点,采用一种新型进化算法——DNA进化算法解决车间作业调度问题.将算法从连续优化问题拓展用于解决离散优化问题,并将其成功地应用于Job shop生产调度.采用了著名的M u th和T hom pson标准问题FT 10进行了验证.仿真结果表明,与遗传算法相比,该算法简单有效,不仅具有很好的求解性能,而且具有更快的收敛速度和全局搜索能力.     

一种基于遗传算法的网格任务调度算法

任务调度算法是网格计算研究的一个重要方向,已被证明是一个NP完全问题.提出了一种新的网格任务调度算法.该算法基于遗传算法,为加快算法的收敛速度,在生成初始种群时优先分配关键路径上的任务;由于资源间存在着通信延迟,引入任务复制方法,并结合遗传操作控制任务复制的深度,可以减少任务之间的通信开销,缩短整个调度的完成时间;最后进行优化操作,减少冗余的任务复制.模拟实验结果表明,该算法在收敛速度和调度完成时间均优于普通遗传算法.     

随机仿真优化的一类遗传序优化框架

针对仿真优化问题存在随机性，计算费时，航空间距大，多极小等难点，结合遗传算法的并行遗传搜索，最优计算量分配以及优化的目标致化和序比较思想提出一类遗传序优化框架，进而讨论了该方法的收敛性和具体实施问题，最后指出了进一步的研究内容。     

一种模糊项目调度问题的变宽Beam Search 算法

具有弹性约束和模糊工期的项目调度问题是一类具有实际应用意义但难于解决的问题.传统BS(Beam Search)方法存在常数线宽大小影响求解效果的问题.本文建立了此类项目调度问题的模型,并将序优化理论思想与BS方法结合,提出一种通过计算和改变线宽,兼顾解的质量和求解速度的变宽BS调度算法.仿真计算结果表明,该算法能够在较短时间内得到满意的调度结果,适用于实际模糊项目调度决策.     

一种新算法在ECT图像重建中的应用研究

为了解决大残量、小残量或零残量问题和普通迭代方法收敛速度慢的问题,引入NL2SOL优化算法,并与GaussNewton法相结合,提出了一种多项式加速的正则化迭代电容层析成像算法.在介绍12电极电容层析成像系统基本原理的基础上,给出了该算法的数学模型,并利用谱分析对该算法的收敛性进行了证明.仿真实验验证了该算法满足收敛条件且重建图像误差小,在电容层析成像应用中具有可行性.     

联盟运输调度问题的粒子群算法研究

联盟运输调度问题是在基本运输调度问题基础上所发展起来的、具有重要实用价值的一类组合优化难题.粒子群算法(PSO)是一种新兴的基于群智能的演化计算技术,该算法与传统方法相比有着较高的收敛速度和计算精度,可以在解空间内高效地寻找到全局最优解.将其应用于联盟运输调度问题,并针对联盟运输调度问题中最优解的分布特点,对标准粒子群算法进行了改进,克服了标准粒子群算法收敛速度过快且易收敛于局部最优的缺点.对比实验结果表明,改进后的粒子群算法可以快速、有效求得最优解.     

一种求解作业车间调度的混合粒子群算法*

针对车间作业调度问题,提出了一种混合了知识进化算法和粒子群优化的算法。算法主要是结合知识进化算法的进化选择机制和粒子群优化的局部快速收敛性特性,首先让粒子替代知识进化算法中的进化个体,在群体空间中按粒子群优化规则寻找局部最优,然后根据知识进化算法的全局选择机制寻找全局最优,最后,将车间作业调度问题的特点融入到所提出的混合算法中求解问题。采用基准数据进行测试的仿真实验,并比对标准遗传算法,结果表明所提算法的有效性。     

Ordinal Comparison via the Nested Partitions Method

We analyze a new approach for simulation-based optimization of discrete event systems that draws on two recent stochastic optimization methods: an adaptive sampling approach called the nested partitions method and ordinal optimization. The ordinal optimization perspectives provides new insights into the convergence of the nested partitions method and guidelines for its implementation. We also use this approach to show that global convergence requires relatively simulation runs and propose new effective variants of the algorithm. Simulation results are presented to demonstrate the key results.     

A GES/TS algorithm for the job shop scheduling

The job shop scheduling problem is a difficult combinatorial optimization problem. This paper presents a hybrid algorithm which combines global equilibrium search, path relinking and tabu search to solve the job shop scheduling problem. The proposed algorithm used biased random sampling to have a better covering of the solution space. In addition, a new version of N6 neighborhood is applied in a tabu search framework. In order to evaluate the algorithm, comprehensive tests are applied to it using various standard benchmark sets. Computational results confirm the effectiveness of the algorithm and its high speed. Besides, 19 new upper bounds among the unsolved problems are found.     

柔性作业车间调度问题的多目标优化算法

柔性作业车间调度问题具有解集多样化与解空间复杂的特点,传统多目标优化算法求解时容易陷入局部最优且丢失解的多样性。在建立以最大完工时间、最大能耗、机器总负荷为优化目标的柔性作业车间调度模型的情况下,提出一种改进的非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithm II, INSGA-II）求解该模型。INSGA-II算法先将随机式初始化与启发式初始化方法混合,提高种群多样性;然后对工序部分与机器部分采用针对性的交叉、变异策略,提高算法全局搜索能力;最后设计自适应的交叉、变异算子以兼顾算法的全局收敛与局部寻优能力。在mk01～mk07标准数据集上的实验结果显示INSGA-II算法有着更优的算法收敛性与解集多样性。     

求解Job Shop调度问题的混合蚁群算法研究

为了解决单一算法求解Job Shop调度问题存在的不足，该文提出了一种混合算法，将蚁群算法用于全局搜索。针对蚁群算法易于陷入局部最优的情况，提出了一种基于关键工序的邻域搜索方法，将使用此邻域搜索方法的TS算法作为局部搜索策略。利用TS算法较强的局部搜索能力，提高了蚁群算法的优化能力，达到改善Job Shop调度问题解的质量。实验结果表明，混合算法在较短的时间内，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)和TSAB算法均有所提高。     

Hybrid whale optimization algorithm enhanced with Lévy flight and differential evolution for job shop scheduling problems

The job shop scheduling problem (JSSP) has been a hot issue in manufacturing. For the past few decades, scholars have been attracted to research JSSP and proposed many novel meta-heuristic algorithms to solve it. Whale optimization algorithm (WOA) is such a novel meta-heuristic algorithm and has been proven to be efficient in solving real-world optimization problems in the literature. This paper proposes a hybrid WOA enhanced with Lévy flight and differential evolution (WOA-LFDE) to solve JSSP. By changing the expression of Lévy flight and DE search strategy, Lévy flight enhances the abilities of global search and convergence of WOA in iteration, while DE algorithm improves the exploitation and local search capabilities of WOA and keeps the diversity of solutions to escape local optima. It is then applied to solve 88 JSSP benchmark instances and compared with other state-of-art algorithms. The experimental results and statistical analysis show that the proposed algorithm has superior performance over contesting algorithms.     

基于禁忌搜索的复合嵌套分割算法*

本文介绍了嵌套分割算法（NP）的基本思想,提出了提高其优化效率的途径。介绍了禁忌搜索算法（TS）,并将禁忌搜索的思想引入嵌套分割算法的抽样和选取算子中,提出了一种复合优化算法(TSNP)来解决函数优化问题。TSNP算法结合了嵌套分割算法和禁忌搜索算法的优点,使其在优化性能、优化效率和可靠性方面具有明显的优越性。通过对几个函数优化实例的测试,并和其他算法进行了比较,结果表明该算法具有较好的计算效率和较快的全局寻优能力。     

A new hybrid optimization algorithm

We develop a new optimization algorithm that combines the genetic algorithm and a recently proposed global optimization algorithm called the nested partitions method. The resulting hybrid algorithm retains the global perspective of the nested partitions method and the local search capabilities of the genetic algorithm. We also present a detailed application of the new algorithm to a NP-hard product design problem and it is found empirically to outperform a pure genetic algorithm implementation, particularly for large problems.     

面向柔性作业车间调度的多策略鲸鱼优化算法

以某大型家具企业的柔性生产制造过程中调度问题为研究对象,提出了一种主要用于求解柔性作业车间调度问题的多策略鲸鱼优化算法(multi-strategy whale optimization algorithm, MWOA),首先,为了提高初始种群的多样性,引入混沌理论来初始化种群;同时设计了非线性收敛因子和自适应惯性权重系数来平衡全局探索和局部开发能力;然后结合差分进化(differential evolution, DE)算子提高了WOA的利用和搜索能力,最后采取最优个体混沌搜索策略,减少WOA算法出现早熟收敛现象的概率.以最小化最大完工时间为求解目标,对基准测试问题与某家具企业的生产制造过程的调度优化问题进行了求解,结果表明提出来的多策略鲸鱼优化算法克服了基本鲸鱼优化算法寻优精度低、收敛速度慢及容易陷入局部最优等缺陷,与对比算法比较,取得了更好的寻优效果.     

一种动态双种群果蝇优化算法求解FJSP

为了有效解决柔性作业车间调度问题(FJSP),提出了一种具有较强进化机制的动态双种群果蝇优化算法(DDFOA),该算法采用自适应移动步长,并动态地将种群划分为先进子种群和后进子种群,其中先进子种群侧重局部搜索,后进子种群负责全局搜索。同时针对柔性作业车间调度问题,设计了合适的编码转化方案。最后,对算法的收敛性进行了证明,并选用经典算例对其进行仿真实验,仿真结果验证了DDFOA求解FJSP的有效性。