一种改进启发式算法在解决组合优化问题中的应用

启发式算法是解决组合优化问题的良策,介绍了一种改进的启发式算法和该算法在解决组合优化相关问题上的应用,分析该算法的详细流程,并通过仿真实验验证该算法的性能,并对其优势和不足进行了分析。     

求解带能力约束车辆路径优化问题的改进模拟退火算法

为高效求解带能力约束的车辆路径优化问题,提出一种带有回火操作的改进模拟退火算法.解析多约束条件下的路径优化特点,构建了结构简单且功能模块相对独立的模拟退火框架,以便相关约束及其算法的耦合嵌套.在此基础上,改变较优解在迭代过程中的接受规则,引入回火操作使全局搜索与局部搜索实现平衡;设计强制的随机邻域变换策略,以提高多约束条件下的新解生成质量.结合初始解生成方法,构建了整体算法.通过不同类型算例的对比实验表明,所提算法具有优越的求解性能,相应的求解框架与优化方法研究,能够为相关的多约束耦合求解提供参考.     

考虑区域协调性的城际列车开行方案优化

针对城际列车开行方案没有有效匹配城市轨道交通运能的问题，提出一种考虑区域协调性的城际列车开行方案优化方法。首先，以旅客出行费用最小和铁路运输效益最大为优化目标，考虑城际列车载客能力、出发地目的地（Original Destination，OD）客流需求和通过能力等约束；然后，在此基础上增加运能匹配度的限制，构建了考虑区域协调性的城际列车开行方案多目标非线性规划模型，并设计改进的模拟退火算法求解模型；最后，以广深城际铁路为例并进行两组对比分析。实验结果表明:考虑区域协调性的列车开行方案可以使旅客出行总广义费用降低约4.06%，铁路部门的效益提高约9.58%，旅客和铁路的系统总成本降低约23.27%；与遗传算法相比，改进的模拟退火算法在求解质量与收敛速度上均有较大提高。所提模型和算法可充分兼顾旅客和铁路双方利益，能够为城际列车开行方案优化问题提供有效解决方法。     

基于混合模拟退火算法的多约束装箱问题研究

文章针对现实中在实际多种约束条件下存在的三维装箱问题,考虑在多种现实约束条件下,建立一个装箱模型。该模型通过启发式算法得到一个初始解,再根据模拟退火法得到最优解,利用标准抽样对最优解进行多次测试,得到符合实际情况的最优解,提高空间利用率,从而实现利润最大化。最后,以一个具体的例子进行测试,计算结果表明在约束条件下装箱问题的解决方案可行性较强。     

基于改进的遗传算法的天然气管网系统运行优化

在天然气管网系统安全稳定运行的基础上,为了实现节能减排,充分合理地利用管道的输配能力,将目标函数定义为天然气的最大流量,同时考虑管道内天然气稳定流动、各节点流量平衡、节点及管段压力等约束条件,建立了天然气管网系统优化数学模型。采用整数编码来进行管径编码,用模拟退火罚函数转化约束条件,并合理地将遗传算法的全局寻优能力和模拟退火的局部搜索能力互补融合起来,实现算法的改进和优化。将改进的遗传算法应用到某大型天然气管网优化设计的实例中,计算结果表明,改进的遗传算法在解的质量上和收敛的速度上都优于基本遗传算法,验证了所建立的优化模型是高效可行的。     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题，建立多重威布尔混合分布参数估计的非线性最小二乘模型，并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中，采用自适应方法调整惯性权重和加速因子，加快其收敛速度；引入模拟退火机制，根据Metropolis准则确定最优粒子的取舍，改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中，并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较，分析所提方法的优化性能及精度。结果表明，该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

航班恢复问题的迭代局部搜索算法

在恶劣天气和机械故障等原因造成航班不能按照原计划执行时，航空公司需要采取相应的措施对航班进行恢复。本文基于经典的资源指派模型，综合考虑了调整时间、换机、联程拉直、取消航班和调机5种恢复策略，提出一种以最小化加权成本为优化目标的航班恢复模型，并设计一种迭代局部搜索算法。首先用构造-修复启发式方法构造可行解，然后从该初始解出发，在飞机路线对的邻域中进行局部搜索。当陷入局部最优后，对解进行扰动，然后从扰动后的解重新出发进行局部搜索。为了提高搜索效率，同时降低陷入局部最优解的概率，局部搜索过程采用模拟退火算法。实例结果表明，本文提出的模型及算法能够在短时间内对受到影响的大规模航班计划进行恢复。     

基于EEMD能量熵和混合算法的电机轴承故障诊断

针对提升机电机轴承振动信号的非平稳特性和单一粒子群算法(PSO) 优化径向基函数（RBF）神经网络时存在网络收敛速度慢和适应度值易陷入局部最小的缺点，提出基于集合经验模态分解（EEMD）能量熵和模拟退火粒子群混合算法（SAPSO）优化RBF神经网络的提升机电机轴承故障诊断方法。基于EEMD求取振动信号各固有模态函数分量的能量熵，并使用相关性分析方法剔除虚假的分量，把筛选后的有效数据作为故障识别的特征向量；利用模拟退火（SA）算法具有局部概率突跳的特性，将SA算法和PSO算法相结合，在优化RBF诊断模型隐含层参数时以实现不同算法间的优劣互补。仿真结果表明，使用SAPSO算法优化后的RBF神经网络模型在提升机电机轴承故障诊断中能够加快网络收敛速度和提升故障识别精度。