基于改进蚁群算法的一类运输能力约束的生产-运输批量问题求解

针对生产与运输两个过程的联合决策,通过分析一类生产-运输批量优化问题,建立的混合0-1整数规划模型整合了多产品多阶段能力约束批量生产和产品运输。其中运输成本由运输工具使用数量决定,当企业内部运输能力不能满足运输需求时可将运输外包,但需支付更高的运输成本。根据此问题的特点,构造改进蚁群算法求解,令其信息素和启发信息都存在0和1两种状态下的不同取值,通过转移概率确定0-1生产准备矩阵,进一步得到生产矩阵和运输计划。仿真实验结果表明在生产批量决策的同时考虑运输,可以减少运输成本,令总费用最小,通过将实验结果与其他优化算法比较,所构造的蚁群算法寻优概率是100%,平均进化10代,平均耗时小于1 s,稳定性和求解效率均高于其他算法,是求解这类问题一种有效与适用的算法。     

带时间窗的时变多目标危险化学品道路运输路径优化

研究了危险化学品道路运输路径优化（VRP）问题,考虑了该问题的3个方面：1）路径选择涉及运输时间与运输风险两个目标;2）运输时间与风险具有时变特性;3）道路节点的服务时间窗限制。本文以运输时间和风险为多目标,综合考虑以上约束,建立了该问题的数学模型并设计了蚁群算法进行求解。求解结果表明该算法可以有效计算帕累托最优路径,决策者可结合实际问题和决策偏好作出最合适的决策,同时运输企业可依据不同时刻的运输结果制定车辆的出发时刻表,监管部门可通过合理规划各路径的服务时间窗及允许停留等待的节点来调节各路径运输时间及风险。     

一种改进的蚁群算法在工艺规划与车间调度集成优化中的应用

改进标准蚁群算法的执行策略,可提高工艺规划和调度集成问题的求解质量和效率。通过节点集、有向弧/无向弧集、AND/OR关系,建立了基于AND/OR图的工艺规划和调度集成优化模型。提出一种求解工艺规划与车间调度集成问题的改进蚁群优化算法,采用了信息素动态更新策略避免收敛过慢和局部收敛,利用多目标优化策略提高求解质量。仿真结果证明了该算法的有效性。     

基于混合启发式算法的设备混合布局问题

构建了基于设备单元布局集成求解的设备混合布局多目标优化模型,提出了遗传免疫蚁群混合启发式算法进行模型求解,该算法设计了带"保险柜"的自适应免疫蚁群算法选择操作,有力地维护了群体的多样性,提高了解的质量。最后,通过算例验证了模型及算法的有效性和优越性。     

均分点蚁群算法在群集机器人任务规划中的应用与研究

提出了一种求解群集机器人协作任务规划问题的均分点蚁群算法(EDPACA).通过多组蚂蚁群相互协作搜索,构架了一种新蚁群算法的解结构,并设计了更合理的评估函数,使其在评价时充分考虑均衡任务点探测,最后利用2-opt技术解决了各子周游路径的交叉问题,获得了总代价最优的解.该算法将蚁群技术首次应用于集群机器人的任务调度规划中,成功解决了中大规模任务规划问题.仿真实验结果表明,均分点蚁群算法能提高群集机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路.     

面向订单的生产计划与调度的综合优化

研究了一个多订单环境下的生产计划与调度集成优化问题,以实现准时生产为目标,综合考虑产品装配结构约束的订单任务计划与订单产品零部件的加工调度,采用直接面向客户订单的工序调度模式建立了计划和调度的综合优化整数规划模型.设计了带精英策略的蚁群算法作为该数学模型的求解方法,并通过对比试验为该算法选取最佳的搜索参数.实例仿真结果表明,所建模型的正确性以及蚁群算法求解该问题的可行性和有效性.     

空箱资源约束调度的列生成算法研究

研究了可重用空箱资源约束下的入厂物流车辆运输调度问题。首先对该问题进行数学描述,建立混合整数线性规划模型。鉴于问题的NP难解性,研究求解该问题的列生成方法,提出虚工件等技巧,建立适合序列依赖的可重用资源约束调度的列生成主问题模型以及基于检验数求解的子问题模型,并研究求解子问题的动态规划算法。进一步采用分支定界技巧,最终提出适合本问题求解的列生成算法。数值实验表明方法的有效性与高效性。     

hAPF-ACO:广义障碍环境下的移动机器人路径规划算法

研究了移动机器人的路径规划问题。针对二值栅格建模法不能完整和真实反映复杂环境地理特征的问题,并考虑到移动机器人任务执行过程中存在破障工况,提出了广义障碍的定义,进而对广义障碍进行了分类,并给出了各种广义障碍的模糊隶属度函数,建立了广义障碍环境栅格地图模型。基于人工势场(APF)算法和蚁群优化(ACO)算法各自的特点,提出了一种求解广义障碍环境下移动机器人路径规划的混合APF算法和ACO算法的h APF-ACO算法。通过对案例的路径规划仿真实验,验证了广义障碍环境下路径规划问题的研究意义;与基本蚁群算法求解结果的对比表明,所提出的h APF-ACO算法在收敛性、解质量及鲁棒性等各方面具有明显的优越性。     

一种改进的蚁群遗传混合智能算法在TSP问题中的应用

蚁群算法、遗传算法作为两大仿生优化算法,有其各自的适用域与局限性。原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足,优化效果得到了改善,但是由于两种算法混合,当求解问题规模变得越来越大时,求解步骤也会增多,从而使得求解速度会有所缓慢。本文改进算法采用信息素挥发因子自适应调整机制,调节算法收敛速度,保证算法的全局搜索能力,进而扩大解的搜索空间。同时根据公共路径降低蚁群算法运算时间,诱导蚁群寻找更优解,提高了其寻优能力和速度。仿真结果表明,改进后的算法在寻优能力,收敛速度及求解精度上均取到了较好的效果。     

基于蚁群算法的多值属性系统测试序列优化

针对系统故障诊断中的多值属性系统测试序列优化问题,该文提出一种改进的蚁群算法,将成功运用在二值属性系统中的蚁群算法扩展到多值属性系统中,根据多值属性系统特点,设计相应的状态转移规则和信息素更新机制,并采用蚁群算法和遗传算法相融合的联合优化策略,解决了多值属性系统的序列优化问题,为多值属性系统的测试优化问题提供了一条新的解决途径。     

码头出口箱的场吊作业调度模型及遗传算法研究

对集装箱码头上出口箱的装载作业调度控制直接影响码头的整体运营效率。研究了多台场吊的装载作业序列调度问题,同时考虑场吊在不同箱区之间的转场和在单个箱区内的作业序列调度。提出了一个混合整数规划模型对问题进行建模,并定义了场吊作业时的碰撞和跨越干涉约束。该问题为NP-hard问题,因此开发设计了遗传算法对问题进行求解,并提出了一个问题低界求解算法对遗传算法进行评价。实验研究证明算法能有效地解决该问题。     

贪婪遗传蚁群算法在沼气发电配电网中的应用

介绍传统的优化算法用于求解配电网络规划问题时的不足,深入介绍蚁群优化算法在生物质发电配网中的优点及不足。将遗传算法和蚁群算法相结合,用于沼气发电配电网的规划中,经实验结果验证,该方法有效可行。     

贪婪遗传蚁群算法在沼气发电配电网中的应用

介绍传统的优化算法用于求解配电网络规划问题时的不足,深入介绍蚁群优化算法在生物质发电配网中的优点及不足。将遗传算法和蚁群算法相结合,用于沼气发电配电网的规划中,经实验结果验证,该方法有效可行。     

基于细菌觅食和蚁群算法的工艺路线优化

针对工艺路线规划中满足多重约束的最优方案选择问题,提出一种细菌觅食和蚁群优化（bacteria foraging ant colony optimization,BFACO）算法。首先,将工艺路线规划转化为对加工元顺序的优化问题,构造满足多种工艺准则的加工元拓扑优先顺序图,并构建了在缩短加工周期、提高加工质量和降低加工成本目标下的最低加工资源更换成本的目标函数;其次,设计加工元序列与加工资源两个搜索阶段的蚁群搜索,拓扑优先顺序图可弥补加工元序列搜索阶段信息素匮乏的缺点,而在加工资源搜索阶段引入细菌觅食优化算法的复制与趋向操作,可使加工元在多个可选加工资源的情况下获得加工资源更换成本最低的加工序列;最后,基于细菌觅食与蚁群算法的融合优化,完成多个加工元序列的信息素积累并输出最优解,解决蚁群算法局部收敛且计算速度慢的问题。将BFACO算法应用于实例并与其他优化算法的优化结果进行对比,结果显示BFACO算法在工艺路线优化方面较其他优化算法具有较高的计算效率,验证了BFACO算法的可行性与有效性。研究表明,BFACO算法可有效应用于同时考虑工艺约束与加工资源更换成本的工艺规划,为实际生产提供高效且灵活的工艺路线的优化选择。     

多类型现金的押运路线问题

以现金物流为研究背景,提出了一种基于在途风险的多类型现金的押运路线优化问题,以新币配送均衡、旧币回收和在途风险减少为优化目标,建立了相应的混合整数规划模型,并设计了一种混合禁忌搜索算法进行求解,其中禁忌搜索算法用以确定路线决策,嵌入的精确算法、贪心算法和混合贪心算法用以确定新币配送决策、旧币回收决策和风险决策。数值实验对问题特性和算法性能进行了分析,结果表明:(1)新币券别均衡优化和旧币回收导致在途风险增加;(2)混合禁忌搜索算法能求解更大规模的问题,并得到较好的解,嵌入算法很好地平衡了运行时间和求解质量。     

基于二层规划的运输服务投标报价策略研究

针对运输服务采购中的投标报价策略问题,建立了以承运方利润最大化为上层规划目标,托运方费用最小化为下层规划目标的二层规划数学模型。根据模型特点,采用二进制离散粒子群算法和离散粒子群算法求解数学模型。通过数值算例对模型和算法的有效性进行验证,实验结果表明,应用二层规划模型求解投标报价策略问题能够有效地提升承运方利润并降低空载率,得到使承运方与托运方利益均为最大时的投标报价策略和承运方合理的运输方案。     

局部放电检测机器人巡检的重复路径问题研究

针对变电站局部放电故障检测(PDFD)的路径规划中存在的重复路径过多、巡检效率低等问题,本文在传统A*算法与蚁群(AC)算法融合解决旅行商问题(TSP)的基础上,提出了改进的A*算法与蚁群算法融合的算法。改进的融合算法通过蚁群算法计算巡检序列指导A*算法进行两两巡检点间的路径规划,增加了重复路径列表来提高已寻路径节点的步长代价,再次通过蚁群算法计算巡检序列,迭代计算直到连续两次得到一致的结果。为了验证改进算法的有效性,随机选取10个巡检点在二维栅格地图上进行了对比仿真。仿真结果表明,本文提出的改进算法与传统方法相比,在一定的巡检代价下,有效地增大了巡检路径的路径覆盖比,提高了局部放电故障巡检的效率和质量,对变电站局部放电故障巡检问题的研究具有重要意义。     

基于多品种应急物资配比打包的运输规划模型

为解决多品种应急物资配送结构不均衡问题,研究建立多品种物资配比运输数据库,并基于混合整数非线性规划方法建立地震初期的多品种物资配比打包调运模型。该模型在物资运输中考虑多种物资间配比及多运输方式联合运输,将物资运输分为两阶段,分别以整体时间效益最大、整体满意度最大为目标。结合案例使用MATLAB编程运用遗传算法对该模型求解,实现多品种应急物资配比打包运输。     

基于智能混合策略的测试集优化

利用基于粒子群和蚁群算法的智能混合优化策略,删除冗余测试向量以解决测试集的优化问题. 利用蚁群算法的并行搜索能力构造初始解集,通过粒子群优化算法将解集维数降低,确定每次迭代的个体最优解和全局最优解,并利用新粒子信息更新信息素,最终通过多次迭代找到一个或多个最优测试集. 通过多组数据实例分析可知: 该智能混合优化策略与蚁群算法等其他测试集优化算法相比,可得到多个可行性最优测试集;与蚁群算法相比可提高收敛速度,并降低蚁群算法参数选取对收敛结果的影响,从而避免次优解的出现.     

分段线性凹成本函数下协同运输路线优化研究

提出了规模经济条件下的协同运输路线优化问题,引入了分段线性凹成本函数表示协同运输成本的规模经济特征,构造了该问题的混合整数规划模型和求解算法,展开了算法测试,并取得了非常好的计算绩效,同时给出了模型与算法在我国中枢航线网络设计中的应用过程.考虑到协同运输容易因合并运输而延长了路线,扩展了模型与算法,增加了总出行距离的限制.