混合蝙蝠算法在包装废弃物逆向物流中的应用

目的为了提高蝙蝠算法(BA)求解包装废弃物逆向物流问题的性能。方法在标准BA算法的基础上提出混合蝙蝠算法(HBA)。首先,构建新型蝙蝠表达式,使BA算法适用于包装废弃物逆向物流问题的求解。其次,引入自适应惯性权重,改造蝙蝠速度更新公式;然后,引入粒子群算法(PSO),对每次迭代中任一随机蝙蝠进行粒子群操作;最后,利用HBA算法对企业实例和标准算例进行仿真测试。结果企业最优回收距离为776.63 km。与遗传算法(GA)、蚁群算法(ACO)和禁忌搜索算法(TS)相比,HBA算法能够求得已知最优解的标准算例个数最多为6个,求得最好解与已知最优解的平均误差最小为8.58%,平均运行时间最短为4.39s。结论 HBA算法的全局寻优能力、稳定性和运行速度均优于GA算法、ACO算法和TS算法。     

混合蝙蝠算法在包装件配送中的应用研究

目的使蝙蝠算法(BA)适应包装件配送车辆路径问题(VRP)的求解,并提高该算法的求解性能。方法在标准BA算法的基础上提出混合蝙蝠算法(HBA)。首先,设计改进的蝙蝠算法(IBA),使其能够适用于包装件配送VRP问题的求解。其次,引入混沌系统,对IBA算法进行混沌初始化。然后,设计裂变算子和变异算子。在IBA算法迭代前半段,将蝙蝠种群中较差的一半蝙蝠重新混沌初始化,以提高种群多样性。在IBA算法迭代后半段,对陷入局部最优解的蝙蝠进行鲶鱼扰动。最后,提出HBA算法并对企业实例进行仿真测试。结果 HBA算法求得的最优配送距离为773.01 km,相对于GA算法(781.25 km)和IBA算法(786.04 km)分别节约了8.24 km和13.03 km。结论与IBA算法和GA算法相比,HBA算法求解包装件配送VRP问题的全局优化能力更强、收敛速度更快。     

包装废弃物回收车辆路径问题的改进遗传算法

目的采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,对企业实例和标准算例进行仿真测试。结果采用IGA算法、蚁群算法(ACO)能求得算例最优解,且IGA算法运行速度快于ACO算法,分支界定算法(BBM)、传统GA算法无法求得算例最优解。结论与BBM算法、传统GA算法和ACO算法相比,IGA算法求解包装废弃物回收VRP问题的整体性能更优。     

基于混沌粒子群的资源受限项目调度问题

鉴于基本粒子群算法易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的混沌粒子群算法,并将其用于求解典型的资源受限项目调度问题。采用基于优先值的粒子编码方式和串行调度方案,分别用基本粒子群算法和混沌粒子群算法对实例求解。并且比较了2种算法求解多资源受限项目调度问题的性能。结果表明:混沌粒子群算法在距最优值的平均偏差和达到最优值的次数百分比等性能上要优于基本的粒子群算法,并且混沌粒子群具有更好的收敛性。但是,混沌粒子群算法在计算达到最优工期的平均时间上略比基本粒子群算法逊色。     

求解VRP问题的混沌模拟退火萤火虫算法

目的使萤火虫优化算法(GSO)能够适用于车辆路径问题(VRP)的求解,同时提高该算法的求解性能。方法通过对GSO算法的改进,提出求解VRP问题的混沌模拟退火萤火虫优化算法(CSAGSO)。首先,设计改进的GSO算法(IGSO)使IGSO算法能够适应VRP问题的求解;其次,在IGSO算法中引入模拟退火机制,提出模拟退火萤火虫优化算法(SAGSO),使IGSO算法可有效避免陷入局部极小并最终趋于全局最优。然后,在SAGSO算法中引入混沌机制,提出CSAGSO算法,对SAGSO算法的荧光素浓度值进行混沌初始化和混沌扰动;最后,对标准算例集进行仿真测试。结果与遗传算法、蚁群算法和粒子群算法相比,CSAGSO算法的全局寻优能力、收敛速度及稳定性均改善了50%以上。结论对GSO算法的改进是合理的,且CSAGSO算法的全局优化能力、收敛速度和稳定性均优于遗传算法、蚁群算法和粒子群算法。     

混合模拟植物生长算法在包装件配送中的应用

目的针对改进模拟植物生长算法(IPGSA)容易陷入局部最优解及其算法运行时间较长,提出混合模拟植物生长算法(HPGSA)来求解带时间窗车辆调度问题(VSPTW)。方法在IPGSA基础上,提出求解包装件物流配送中VSPTW的混合模拟植物生长算法(HPGSA)。改进IPGSA初始调度方案的构造方式,设计求解VSPTW的C-W算法用于构造HPGSA的初始调度方案;改进IPGSA的邻域搜索算子,选择插入搜索算子和互换搜索算子对HPGSA进行邻域搜索;对18个不同规模的Solomon算例进行仿真测试。结果相对于其他智能算法,HPGSA具有更好的求解性能,能够保证VSPTW对求解算法的要求。结论 HPGSA的全局优化能力、稳定性和运行速度均优于IPGSA、遗传算法、蚁群算法和禁忌搜索算法。     

改进混合蛙跳算法在无线传感网定位中的应用

提出了一种改进混合蛙跳优化算法,用于改善无线传感网中距离矢量跳段定位算法的精度。首先根据锚节点与未知节点的位置关系利用DV-Hop算法进行初始定位, 然后分析误差来源,将目标定位机制转化为求解非线性总体最小二乘问题。同时合理选择加权因子和适应度函数,并利用带有混沌映射与柯西变异的改进混合蛙跳算法对未知节点坐标进行优化。在实验中,比较了最小二乘法、粒子群算法和改进混合蛙跳算法在定位中的性能。结果显示该智能算法简单可靠,而且有效提高了定位精度。     

基于蛙跳思想的量子编码遗传算法

量子门旋转相位、变异概率大小的确定,是目前制约量子遗传算法效率的两个主要问题。本文提出一种基于蛙跳思想的量子编码遗传算法(QRGA),该算法采用自适应的方式对量子旋转门旋转角进行调整,并基于模糊逻辑将蛙跳的步长进行量化以指导变异概率调整,保证进化的方向性和提高算法效率,对比实验结果表明算法可以避免陷入局部最优解,并能快速收敛到全局最优解,在运行时间和解的性能上都取得了较好的效果。     

改进智能水滴算法在车辆调度问题中的应用

目的克服标准智能水滴(IWD)算法泥土含量更新对象较为单一的缺点,提高其求解车辆调度问题的全局搜索能力。方法在IWD算法基础上,设计一种改进智能水滴(IIWD)算法用于车辆调度问题的求解。引入次优解集合的概念,每次迭代结束后同时更新最优解集合和次优解集合中的泥土含量;设计浑沌扰动机制,对陷入局部最优解的智能水滴进行浑沌扰动;根据车辆调度问题的特点,提出求解车辆调度问题的IIWD算法。结果得到含有8条子路径,总行驶距离为842.60 km的最优调度方案,相对于标准IWD算法(941.35 km)和遗传算法(860.76 km)的求解结果分别缩短了98.75和18.16km。结论与遗传算法和标准IWD算法相比较,IIWD算法在求解车辆调度问题时收敛速度更快,全局优化能力更高。     

求解0-1背包问题的牵制平衡算法

为扩充对于经典NP-hard问题中的0-1背包问题的求解方法，模拟生态系统中各物种间相互依存、牵制，最终达到动态平衡的自然机制，提出一种新型仿生算法：牵制平衡算法。算法以种群规模描述设计变量，以牵制关系为优化驱动力，以系统达到稳态为优化目标，设计了自成长函数、牵制函数、成长函数用以描述设计变量的变化规律，促进解的寻优进程。将牵制平衡算法对于10个不同规模0-1背包问题的求解结果与近年来文献数据进行对比，结果显示算法在8个不同规模的问题中能获得当前已知最优解，验证了牵制平衡算法的收敛性与求解性能，表明算法对于0-1背包问题的求解具有有效性和竞争力。     

基于文化基因算法的开放车间调度问题研究

针对开放车间调度问题,运用了文化基因算法进行优化求解。在文化基因算法的框架中,既有种群中的全局搜索,又包含针对问题自身特点的局部搜索,为解决开放车间调度问题提供了一种新的算法。按照文化基因算法的思想和特点,将爬山法作为局部搜索策略加入到全局搜索策略所用到的遗传算法中,通过对开放车间调度问题的邻域结构进行研究,加入爬山搜索法进行优化求解。基于40个标准算例,通过与下界值的比较,验证了所提算法在解决具有较大搜索空间的调度问题时,其拥有更出色的算法性能。     

Mathematical modelling and optimisation of energy-conscious hybrid flow shop scheduling problem with unrelated parallel machines

This paper investigates an energy-conscious hybrid flow shop scheduling problem with unrelated parallel machines (HFSP-UPM) with the energy-saving strategy of turning off and on. We first analyse the energy consumption of HFSP-UPM and formulate five mixed integer linear programming (MILP) models based on two different modelling ideas namely idle time and idle energy. All the models are compared both in size and computational complexities. The results show that MILP models based on different modelling ideas vary dramatically in both size and computational complexities. HFSP-UPM is NP-Hard, thus, an improved genetic algorithm (IGA) is proposed. Specifically, a new energy-conscious decoding method is designed in IGA. To evaluate the proposed IGA, comparative experiments of different-sized instances are conducted. The results demonstrate that the IGA is more effective than the genetic algorithm (GA), simulating annealing algorithm (SA) and migrating birds optimisation algorithm (MBO). Compared with the best MILP model, the IGA can get the solution that is close to an optimal solution with the gap of no more than 2.17% for small-scale instances. For large-scale instances, the IGA can get a better solution than the best MILP model within no more than 10% of the running time of the best MILP model.     

基于批量划分的无等待流水车间订单接受问题研究

在无等待流水车间环境下,考虑订单分批量加工策略的订单接受问题,建立问题的数学模型。由于问题的NP难特性,提出改进的遗传算法对模型进行求解。改进的算法采用正向和反向NEH算法与随机方法产生初始种群,在算法更新过程中将禁忌搜索算法嵌入到遗传算法中来实现局部搜索,避免算法陷入局部最优。最后,算例表明批量划分策略能够有效减少订单的完成时间,实现订单总收益的最大化。通过算法对比,说明了改进遗传算法具有较好的求解效果。     

单车场多送货点车辆调度优化的一种改进禁忌算法

为解决单车场容量约束车辆调度问题提出了一种改进禁忌算法.在传统的禁忌算法思想中,它的解受算法的唯一初始解的状态影响很大,因此优化结果的稳定性得不到保证.此改进算法使用多初始解和全局禁忌表,它能够减小解的不稳定性和扩大搜索范围.与标准禁忌算法比较,它的全局搜索能力和稳定性都大大增强.通过算例试验,取得了良好的结果.     

基于改进蛙跳算法的图像自适应增强研究

为了提高图像增强的效果,提出改进蛙跳算法。首先对蛙群分组,一组采用群体智能算法,另一组用自适应算法;基于实数算法对图像像素映射编码;然后通过模糊集合对蛙跳微调更新;最后以均方误差函数作为评价函数,通过Beta非线性变换函数最优参数值实现图像自适应增强。实验仿真结果得出:改进蛙跳算法对图像增强对比度较高,处理时间少,像素数据求解精度高。     

面向批量订单包装的物流箱规格优化问题研究

目的 针对面向仓储物流环境下多型号多批量产品的订单包装问题,提出一种预制物流箱规格优化模型及算法。方法 对产品订单建立订单分包规则,确定分包方案,以订单包装材料总成本最小为优化目标建立物流箱规格优化模型。针对该模型提出一种改进模拟退火算法,通过贪婪策略求解最优分包方案,降低模型计算复杂度,设计一种新型解更新算子,以提高算法寻优能力,设计一种自适应步长策略,以平衡算法前期全局搜索与后期局部搜索的能力。结果 通过实例证明,文中提出的算法相较于其他算法,具有更强的求解能力,与实例企业仓储包装现状相比,同批订单降低了17%的包装材料成本。结论 该方法可用于解决产品种类多、尺寸差异大、动态更新等应用场景下的系列运输包装纸箱规格优化问题,为企业物流运输管理提供了一种有效的包装优化思路和解决方法。     

A hybrid differential evolution and estimation of distribution algorithm based on neighbourhood search for job shop scheduling problems

Job shop scheduling problem (JSSP) is a typical NP-hard problem. In order to improve the solving efficiency for JSSP, a hybrid differential evolution and estimation of distribution algorithm based on neighbourhood search is proposed in this paper, which combines the merits of Estimation of distribution algorithm and Differential evolution (DE). Meanwhile, to strengthen the searching ability of the proposed algorithm, a chaotic strategy is introduced to update the parameters of DE. Two mutation operators are adopted. A neighbourhood search (NS) algorithm based on blocks on critical path is used to further improve the solution quality. Finally, the parametric sensitivity of the proposed algorithm has been analysed based on the Taguchi method of design of experiment. The proposed algorithm was tested through a set of typical benchmark problems of JSSP. The results demonstrated the effectiveness of the proposed algorithm for solving JSSP.