基于协同自适应禁忌的多时窗VRP算法实现

针对多时窗VRP,提出了一种对其进行求解的协同禁忌优化算法。首先定义了多时窗VRP的数学模型,通过C-W算法求初始解,采用四种算子进行邻域搜索,定义目标函数衡量候选解好坏;设计了自适应地修改禁忌长度的方法和多个子禁忌算法进行协同寻优的算法;将协同寻优获得的最好最优解作为主禁忌算法初始解进行全局寻优。仿真实验证明,该方法能有效地解决多时间窗的VRP,且与其他方法相比,以较少的迭代次数获得了全局最优解为386.38,具有较大的优越性。     

基于PCA和禁忌搜索的网络流量特征选择算法

针对网络流量特征属性选择的寻优和效率问题,提出了一种PCA结合禁忌搜索的网络流量特征选择方法。该方法通过PCA对高维特征属性空间进行特征约减,并利用禁忌搜索得到全局最优特征子集。实验证明,相比流行的遗传算法(GA)和粒子群寻优算法(PSO-SVM),PCA和禁忌搜索方法具有更好的处理效率和特征选择精度。     

基于改进禁忌算法和ANN 的故障诊断推理

针对BP神经网络存在着容易陷入局部极小值且收敛速度慢的问题,提出了一种基于改进禁忌算法和ANN（Artificial neural network）结合的故障诊断模型．首先对故障诊断模型进行了定义,然后使用训练数据对网络的权值、阀值等参数进行训练,将训练结果作为改进禁忌优化算法的初始解进行全局寻优,对改进的禁忌优化算法进行了定义和描述,最后将全局寻优的结果代入神经网络中,使用测试数据进行故障诊断．通过仿真实验证明文中的方法与未经优化的ANN故障诊断模型相比,克服了传统方法的不足,具有诊断精度高、诊断速度快以及收敛速度快的特点．     

解决图着色问题的一种新禁忌搜索算法

为了解决典型的组合优化问题——图顶点着色问题,结合增强SEQ算法和禁忌搜索算法的优点与缺点,提出一种基于增强SEQ的新禁忌搜索算法(SEQTS)。该算法利用增强SEQ算法较强的构造较优解的能力来为禁忌搜索算法构造多个较优初始解,然后进行多初始解禁忌搜索以找到全局最优解。计算机实验的结果表明该算法(SEQTS)有较好的寻优能力,增强了该算法的有效性。     

一种求解动态优化问题的免疫文化基因算法

针对传统免疫网络动态优化算法局部寻优能力弱、寻优精度低及易早熟收敛的缺点,提出一种求解动态优化问题的免疫文化基因算法。基于文化基因算法基本框架,将人工免疫网络算法作为全局搜索算法,采用禁忌搜索算法作为局部搜索算子;同时引入柯西变异加强算法的全局搜索能力,并有效防止早熟收敛。通过对经典动态优化函数测试集在相同条件下的实验表明,该免疫文化基因算法相较于其他同类算法具有较好的搜索精度和收敛速度。     

基于Memetic算法的带时间窗车辆路径问题研究*

提出一种模拟文化进化的Memetic算法求解带时间窗的车辆路径问题。设计了一种实数编码方案,将离散的问题转为连续优化问题。采用邻域搜索帮助具备一定学习能力的个体提高寻优速度;采用禁忌搜索帮助部分个体跳出局部最优点,增强全局寻优性能。实验结果表明,该算法可以更有效地求出优化解,是带时间窗车辆路径问题的一种有效求解算法。     

一种用于PFSP节能优化的混合禁忌搜索算法

为了追求节能减排与净利润最大化,建立一种置换流水车间订单接受与调度模型。禁忌搜索是一类启发式全局搜索算法,传统禁忌搜索对初始解依赖较大,没有对考虑能效的置换流水车间调度问题进行更深入的优化。鉴于问题的复杂性,提出了一种节能混合禁忌搜索算法,结合了NEH构造启发式算法的优势,并在该算法中设计了订单接受与拒绝编码方式、能耗调整与交货期配置策略。最后采用大量随机实例对性能进行分析。实验结果表明,通过上述改进,改善了算法的全局搜索能力与解决复杂模型的寻优能力,节能混合禁忌搜索较单一算法而言性能更优,可以有效增加企业总净利润,降低能源消耗。     

基于禁忌搜索的人工蜂群算法及其应用

人工蜂群算法(artificial bee colony algorithm,ABC)是一种简单有效的群智能算法,通过蜜蜂之间的相互合作寻找最优解.禁忌搜索算法(tabu search algorithm,TS)是人工智能与局部邻域搜索算法的结合,具有非常好的全局寻优能力.为了提高ABC的搜索效率和全局寻优能力,结合TS,在ABC中增加一个禁忌表,提出了一种基于禁忌搜索的人工蜂群算法(artificial bee colony algorithm based on tabu search,TSABC).通过对10个常用的标准测试函数进行实验,对TSABC算法进行了验证,并将其应用于图像边缘检测中.实验结果表明,TSABC取得了较好的优化效果,提高了寻优精度和收敛速度,边缘检测结果也更理想.     

融合粒子群和局部邻域搜索的优化算法

为解决采用单一搜索策略的算法很难兼顾全局搜索和局部搜索,且易陷入局部优化的问题,提出一种融合粒子群优化和局部邻域搜索思想的新算法(Ne-PSO).采用混合搜索策略,通过对全局最优粒子信息的交互和反馈,并行进行全局搜索和局部搜素.同时,新算法引入禁忌策略,通过设置禁忌邻域来限制粒子的搜索区域,有效规避了局部优化.通过4个经典函数的测试,验证了该算法在寻优速度、精度和成功率方面的优异性能.     

基于Sweep和主动禁忌的多时窗VRPPD设计

针对多时窗装卸车辆路线问题(vehicle routing problem with pickups and deliveries,VRPPD),提出了一种基于Sweep算法和主动禁忌算法的多时窗VRPPD问题求解方法.定义了多时窗VRPPD问题的数学模型;通过改进的Sweep算法获取初始解,设计了候选解结构、适应度函数、4种邻域操作以及邻城操作需满足的车辆容量约束和时间窗约束方程,采用主动禁忌算法自适应地修改禁忌长度以增强算法的全局寻优能力;定义了具体的多时窗VRPPD求解算法.实验结果表明,该方法能有效地解决多时间窗VRPPD问题;与其它方法相比,该方法具有全局搜索能力强和收敛速度快的优点.     

一种禁忌搜索算法在二维HP非格模型中的应用

禁忌搜索算法是一种启发式的全局优化算法,是局部搜索算法的一种推广,已被成功地应用于许多组合优化问题,本文探讨将一种记忆的禁忌搜索算法应用于求解蛋白质结构预测问题。文中首先介绍了一种二维HP非格模型,此模型最后可以归结为一个全局优化问题,然后介绍了记忆的禁忌搜索算法在其中的应用,通过与PERM（Pruned—Enriched—Rosenbluth Method）比较,发现禁忌算法能得到较好的实验结果,经分析发现虽然二维HP非格模型很简单,但却能反映蛋白质结构的一些简单的性质,即在蛋白质结构中,疏水性氨基酸形成束,总是被极性氨基酸包围。数值实验表明该算法对于蛋白质结构预测是可行有效的。     

求解作业车间调度问题的禁忌分布估计算法

为优化作业车间调度问题的解,提出一个禁忌和分布估计的混合算法。分布估计算法是一种新的进化模式,通过概率优化模型在连续空间进行求解;通过对已获得的群体进行选择操作生成优势群体,提出的分布估计算法使用单变量边缘分布算法构建概率模型,估计离散空间中的联合概率分布,从概率向量采样生成新群体;采用基于工件编号的编码和解码机制保证解的可行性。为提高局部搜索能力,算法基于禁忌搜索算法设计新的双重移动组合、块禁忌和选择策略,在搜索陷入局部最优时利用遗传算法的变异算子生成新解;算法通过混合分布估计算法和禁忌搜索算法的优点,兼具全局搜索与局部搜索能力,提高了搜索的效率和性能。通过与现有算法在典型实例上的实验结果比较,表明该算法在求解作业车间调度问题上具有可行性和有效性。     

基于精英集聚效应的实数编码小世界优化算法

为了提高小世界算法的高维模型优化性能和降低算法的编码复杂性，提出了一种基于精英集聚效应的自适应实数编码小世界优化算法。该算法借鉴小世界现象进行网络空间搜索，包括随机长连接和局部短连接。为了提高优化性能，首先基于精英集聚效应在长连接中加入分级个体吸引策略；然后根据节点优化优劣在短连接中进行搜索次数及邻域大小的自适应调整。为了降低编码复杂性采用了实数编码。最后通过Markov链理论证明了算法的收敛性。数值测试结果表明，与禁忌遗传算法、基本小世界算法以及禁忌小世界算法相比，该算法在相对误差方面平均降低了30.3%，在收敛速度和稳定性方面分别平均提高了18.2%和13.8%，从而验证了算法的有效性。     

改进蚁群算法及其在高光谱影像分类中的研究

针对高光谱影像波段数目多,易造成维数灾难的问题,结合遗传算法提供的初始启发信息和蚁群算法寻优能力的优势,提出一种基于改进二进制蚁群算法的波段选择方法。该方法通过遗传算法寻优获取几组较优解,经过计算后作为二进制蚁群算法的初始启发式信息,利用二进制蚁群算法的全局搜索获取最优解;另一方面,为充分利用影像的光谱与空间信息,将波段组合的光谱特征与改进二进制蚁群算法选择的纹理特征融合进行分类,可以获得更高的分类精度。实验结果表明,改进二进制蚁群算法与遗传算法、蚁群算法、二进制蚁群算法相比全局搜索能力更强,且该方法分类精度达到95.63%。     

一种适用于求解TSP问题的改进的禁忌算法

利用传统的禁忌算法的基本思想,针对TSP问题,提出了一种改进的禁忌算法（MTS）。该算法在初始解的生成,邻域结构及禁忌策略方面进行了大的改进,充分地利用了问题本身的启发式信息与禁忌算法的优点。算法首先通过对城市分区,然后对区域连接,生成初始解;同时生成每个城市的k邻居列表,利用k邻居列表和改进的禁忌策略来突破局部最优。通过对CHN144问题及若干TSPLIB中问题的求解,结果表明所提算法能够以较快速度求得较好的满意解。     

带时间窗的多车型需求可拆分揽收配送问题

研究了一种带时间窗的多车型需求可拆分揽收配送问题（Multi-Vehicle Split Pickup and Delivery Problem with Time Windows,MVSPDPTW）。针对这个问题以执行任务车辆行驶路径总长度最小为目标函数,建立了一个混合整数线性规划模型。提出了一种高效禁忌模拟退火（Tabu Simulated Annealing,TSA）算法,在算法中设计了两种新的邻域搜索算子,分别用于修复违反容量约束以及换车操作,多种算子配合的方式扩大了邻域搜索范围,避免算法陷入局部最优。此外在算法中加入了禁忌机制以及违反约束惩罚机制,实现了搜索空间的有效裁剪,提高了算法的全局寻优能力。最后基于Solomon数据集和构造的仿真数据集等对算法进行了大量仿真实验,实验验证了该算法的有效性。     

基于差分演化的K-均值聚类算法

传统的K-均值算法,因对初始聚类中心的选择敏感,存在容易陷入局部最优解的缺点,差分演化算法是一类基于种群的启发式全局搜索技术,对于实值参数的优化具有很强的鲁棒性。为了克服K－均值聚类算法的上述缺点,提出基于差分演化的K-均值聚类算法,该方法结合K－均值算法的高效性和差分演化算法的全局优化能力,较好地解决了聚类中心优化问题。通过实验结果表明,此算法能够有效改善聚类质量。     

结合文化算法的多种群协同变异PSO算法

粒子群算法是一种新的基于群体智能的启发式全局优化算法,其概念简单,易于实现,而且具有良好的优化性能,目前已在许多领域得到应用。但在求解高维多峰函数寻优问题时,算法易陷入局部最优。结合文化算法和高斯变异的思想,提出一种基于文化算法和高斯变异的多群协同粒子群算法。该算法可以摆脱局部最优解对微粒的吸引,基于典型高维复杂函数的仿真结果表明,与多种群粒子群优化算法相比,该混合算法具有更好的优化性能。     

有时间窗约束车辆路径问题的改进遗传算法

将遗传算法与禁忌搜索结合起来,设计了一种改进的遗传算法求解有时间窗约束车辆路径问题。采用启发式插入算法产生较优良的遗传操作初始种群,通过改进的逆转变异算子更多继承父代的优良性能,以提高遗传算法的计算效率。引入海明距评估遗传进化中种群的多样性。当种群多样性低到一定程度时转入禁忌搜索,以避免遗传算法早熟的缺陷,最终实现全局优化。通过算例验证了该算法的优越性。