解决约束三维装箱问题的混合粒子群算法

针对约束条件下三维装箱问题复杂性,为提高装箱利用率,本文提出了混合粒子群算法,该算法采用BF启发式算法配合改进的自适应权重粒子群算法实现。通过仿真试验,结果表明该混合粒子群算法对解决部分约束条件下装箱问题较之传统研究遗传算法利用率和准确率更高,具有不同程度的可行性。     

求解矩形条带装箱问题的动态匹配启发式算法

矩形条带装箱问(RSPP)是指将一组矩形装入在一个宽度固定高度不限的矩形容器中,以期获得最小装箱高度.RSPP理论上属于NP难问题,在新闻组版、布料下料以及金属切割等工业领域中有着广泛的应用.为解决该问题,采用了一种混合算法,即将一种新的启发式算法--动态匹配算法--与遗传算法结合起来.混合算法中,动态匹配算法能根据4类启发式规则动态选择与装填区域相匹配的下一个待装矩形,同时将装箱后所需容器高度用遗传算法的进化策略进行优化.时2组标准测试问题的计算结果表明,相对于文献中的已有算法,提出的算法更加有效.     

多约束三维装箱问题的混合遗传算法

三维装箱问题提出至今已有很多研究成果,各种启发式算法配合遗传算法、蚁群算法和模拟退火算法的设计层出不穷。而针对于三维装箱问题的各种约束,虽然各自有相应的处理方法,但却没有一种方法可以整合各种约束条件,这是因为启发式算法往往容易满足部分约束却很难满足所有约束的特点。在前人研究的基础上,针对各种遗传算法的约束条件,设计可以相互组合的解决各种约束条件的算法,通过对这些算法规则组合,可以解决各种约束条件下的三维装箱问题。     

带约束的一维装箱问题近似算法的研究

作为经典装箱问题的扩展,有色装箱问题在多处理器实时调度的过程中有很强的应用背景。论文提出了有色装箱问题的新算法-SCPF算法,按颜色分类,将相同颜色的物品分成一类。放置时按照相同颜色的物品首先放置的原则,将物品进行装箱。实验证明,该算法与文献犤3犦中的KC-A算法相比具有更好的装箱效果,使用的箱子数更少。并从理论上论证了该算法的性能比KC-A算法更好。     

多约束三维装箱问题的混合遗传算法

三维装箱问题提出至今已有很多研究成果,各种启发式算法配合遗传算法、蚁群算法和模拟退火算法的设计层出不穷。而针对于三维装箱问题的各种约束,虽然各自有相应的处理方法,但却没有一种方法可以整合各种约束条件,这是因为启发式算法往往容易满足部分约束却很难满足所有约束的特点。在前人研究的基础上,针对各种遗传算法的约束条件,设计可以相互组合的解决各种约束条件的算法,通过对这些算法规则组合,可以解决各种约束条件下的三维装箱问题。     

基于免疫遗传算法的装箱问题求解

装箱是一类典型的ＮＰ完全问题．本文用一种免疫遗传算法来研究装箱问题的求解．免疫遗传算法在传统遗传算法的全局随机搜索基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性,实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决装箱问题．     

混合遗传算法的装箱问题研究

本文针对物流优化中的装箱问题,采用混合遗传算法进行优化,并对传统的遗传算法进行改进,提出了一种新的初始近似最优解的编码产生方法——Max-Min算法。通过引入种群生态学,使种群规模的确定有了理论依据,使遗传算法能更好的体现生物进化规律。实例验证结果表明,本文所提出的混合遗传算法适合于装箱问题的有效求解。     

混合遗传算法的装箱问题研究

本文针对物流优化中的装箱问题,采用混合遗传算法进行优化,并对传统的遗传算法进行改进,提出了一种新的初始近似最优解的编码产生方法——Max-Min算法。通过引入种群生态学,使种群规模的确定有了理论依据,使遗传算法能更好的体现生物进化规律。实例验证结果表明,本文所提出的混合遗传算法适合于装箱问题的有效求解。     

多约束三维装箱问题的研究综述

至今三维装箱已经诞生出了很多优秀的研究结果,这其中包含有启发式算法,遗传算法,蚁群算法,以及模拟退火算法等解决方法。近几年来随着物流行业的飞速发展,成本控制在物流行业中显得尤为重要,因此,针对三维装箱这一类典型NP-complete问题有了更高的要求。在此,对三位装箱近几年来几种典型的研究算法进行了相应的详细介绍,并通过对各种算法进行比对分析,总结了多约束三维装箱过程现阶段所存在的一些问题,最后展望了该问题的发展方向。     

一个改进的较佳路径求解算法

较佳路径的求解问题事实上是货郎担近似算法的问题。现有算法实质上属于一种经典的单向增长的贪婪法,存在着改进的余地。本文提出一种改进的双向增长的贪婪算法,与经典算法相比,其策略有所增强,因而其结果得到进一步改善,更加接近于理想的Hamilton通路。算法的理论分析和实际测试数据都证实,改进是有效的。     

求解广义背包问题的贪心DS_BPSO算法

首先针对演化算法求解背包问题定义了贪心变换的概念,并给出了该变换的一种有效实现算法;然后将此算法与文献[5]中提出的具有双重结构编码的二进制粒子群优化算法(DS_BPSO)相结合,提出了一种解决广义背包问题GKP(General Knapsack Problem)的快速算法:基于贪心变换的DS_BPSO算法(GDS_BPSO).利用该算法求解文献[3,6]中的著名背包实例,给出了该背包实例的目前最好结果.此外,对于随机生成的大规模背包实例,通过与文献[3]中的HGA算法对比计算表明:GDS_BPSO算法是求解广义背包问题的一种高效方法.     

用自适应遗传算法解二维装箱问题

二维装箱问题是一个NP难问题,用遗传算法来求解任意形状的二维装箱问题.算法模拟生物在面对恶劣环境时的行为,使得交叉率和变异率具有自适应性,克服了人工设定交叉率和变异率的不足;针对个体间适值差相对较小,新产生的好的染色体易丢失的特点,改进了随机选择个体的方法;算法还改进了适值函数,使得收敛速度有了较大的提高.此外,该算法与箱子的具体形状及物体的具体形状无关,当物体的数量增加和箱子与物体形状的复杂程度提高时,收敛速度仍然较快.     

求解圆形Packing问题的一个启发式算法

求解NP难度问题一直是计算机科学技术中的一个瓶颈任务,自20世纪70年代以来的研究表明,求解NP难度问题不存在既完整严格又不大慢的求解算法,因此,近年来,启发式方法成为研究热点,圆形Packing问题是NP难的,具有很高的理论和实践价值,它的求解目标是录求多个圆在一个大圆内的一个优良布局,使得这些圆互不重叠地放置,基于拟物法以及适者生存启发式思想,为圆形Packing问题的快速求解提出了一个高效的启发式算法,算法的高效性通过计算实例得到了验证。     

一种求解离散LQ问题的遗传算法

提出了一种实用的求解离散LQ问题的改进型遗 传算法,给出了状态反馈阵K 取值范围的确定方法,设计了一种变异概率可变的变异算子, 大大提高了算法的优化速度．仿真结果表明了该算法的有效性,并且改进后的算法明显优于 简单遗传算法．     

集装箱装载的一种启发式算法

多约束条件下的三维装箱问题是一个复杂的组合优化问题,属于NP-HARD问题，其求解是很 困难的．所以在实际应用中,往往采用一些启发式算法来求解．本文在考虑一些实际应用中 的约束条件下，提出了一种三维集装箱装载的启发式算法．此算法采用了三空间分割、平均 高度装载、货物合并、空间合并等策略，考虑了方向、重量、优先顺序、货物的配置位置等 约束条件．通过逐步淘汰差的装载方案，最后达到满意的装载．实例仿真说明了该算法的有 效性和实用性，能够直接用于实际应用中．     

基于八方向跟踪算法的迷宫问题新解

本文提出了一个基于八方向跟踪算法的破解迷宫问题的新方法,避免了用深探法或广探法求解迷宫问题的诸多问题,它不仅为计算机的解题提供了一个快捷的算法,而且也为人工或机器人破解提供了一个无需记忆的简便方法。另外,本文还给出了迷宫次佳通路和最佳通路（即捷径）的求解算法;岔道剔除算法和最佳八连通选择算法。本文的所有方法尽管是针对求解单通路迷宫提出采的,但算法对多通路和有环的迷宫也同样有效。     

超立方体网络中任务调度的一个新近似算法

本文研究超立方体中的多处理器任务调度问题,我们研究LDLPT算法并指出为什么这种算法对一些实例具有最差的逼近度,然后提出一种类似装箱算法的新算法-BPA算法,证明该算法和LDLPT算法在相互最差逼近度中具有互补性质,最后,组合这两种算法的基本方法提出了一种求解问题的新算法-CBPA算法,并证明新算法具有比LDLPT算法更好的逼近度。     

背包问题的蚂蚁优化算法

针对经典的背包问题,给出一种新的基于蚂蚁优化思想的求解算法。数值试验计算结果表明,该方法是行之有效的,并具有通用性。     

尺寸封闭性检验的新算法

对尺寸标注系统中尺寸封闭性的检验，一直是计算机辅助设计和辅助制造中未能得到很好决策的问题。本文利用图论，提出了一种新的有效算法。