关于求解难组合优化问题的蚁群优化算法

1.引言组合优化问题在规划、调度、资源分配、决策等工程问题中有着非常广泛的应用。在问题规模较小时,可以使用分支定界法或动态规划方法等来求解。当问题规模增大时,解的数目虽然有限,但呈指数增长,要在合理时间内求得准确的最优解实际上已不可能。为此,人们设计了各种启发式算法。近年来,最重要和最有希望的一个研究领域是构造“师法自然“的启发式。它们类比社会系统、物理系统、生物系统等的运行机制,设计算法在问题的解空间中进行非确定性搜索。典型的有遗传算法(GA)、模拟退火(SA)、人工神经网络(ANN)。这些算法由于其自适应性,对难组合优化问题的求解取得了好的结果,被广泛应用于工程优化和控制中。本文将要介绍的蚁群优化算法,由于其较强的自适应性和对问题状态的学习能力,正逐步成为一种新的有潜力的优化算法。     

启发式搜索问题研究

探讨了问题空间中的启发式搜索技术,给出了构造启发式函数的基本方法,指出提高启发能力的措施和影响启发式搜索效率的主要因素。     

基于禁忌搜索的启发式任务路径规划算法

基于启发式搜索和禁忌搜索技术，提出一种用于解决有限资源，不同重要性要求的任务路径规划问题的有效算法，通过对不同重要程度的任务进行分层调度，得到较为满意的决策结果，该处具有搜索空间小，求解速度快的优点。仿真结果验证了算法有效性。     

求解仿真优化问题的知识型启发式搜索方法

仿真优化研究基于仿真的目标优化问题,已经成为系统仿真和运筹学等领域共同关注的热点和前沿课题.针对离散事件动态系统仿真优化中的难点问题,提出了一种全新的知识型启发式搜索方法.采用知识模型和启发式搜索模型相结合的集成建模思路,以启发式搜索模型为基础,同时突出知识模型的作用,将启发式搜索模型和知识模型进行优化组合、优势互补,以提高启发式搜索技术的效率.基于期望值模型的数值仿真,验证了方法的可行性和有效性.仿真结果表明,无论是求解质量还是求解速度,都优于其它几种现有方法.研究结果表明,将知识模型合理地嵌入到现有启发式搜索方法中,可以有效地解决复杂的仿真优化问题.     

禁忌搜索与固定变量结合的启发式算法求解UBQP

提出了将固定变量与禁忌搜索结合的启发式算法来求解UBQP。此算法包含两个阶段：采用禁忌搜索得到一个参考解;根据该参考解固定或释放若干变量。选择固定变量还是释放变量由搜索的历史信息决定。此算法动态地在禁忌搜索与固定或释放变量这两个阶段之间交替进行,直到停机条件满足为止。用提出的算法对国际文献中公认的15个难算例进行实算测试,得到了全部测试算例的最优解。实验结果表明,该算法是求解UBQP的一个高效求解算法。     

求解组合优化问题的一种新的宏启发式算法：IBS

随着科学研究和工程技术的发展，许多科学研究领域和工程应用问题都涉及到了一些组合优化问题，而这些问题中存在着大量的NP难解(NP—hard)问题，所以NP难解问题的研究具有十分重要的理论意义和广泛的应用背景，而其研究成果对科学研究的发展以及国民经济的建设都起着极大的推动作用。     

浅析计算机人工智能启发式搜索函数

阐述了人工智能的核心问题及启发式搜索函数的基本概念,介绍了4种经典问题启发式搜索函数的选择及其研究中遇到的难题,并从中求解来探讨解决问题的思路。     

一种基于类比的启发式搜索方法

引言状态空间的启发式搜索一直是Al领域最主要的问题求解方法,过去己取得了不少成果,如A‘算法和AO“算法等。但是在实际应用中,这些启发式搜索方法所使用的启发信息大多是人们依据具体领域问题靠经验总结得来的,启发信息的获取十分困难,且其精确性和可靠性也难以保证。另一方面,目前的状态空间搜索方法大多是一次性搜索,将同一问题状态空间中的多次搜索视为彼此独立、毫无关系的过程     

组合优化问题中遗传算法的局限性及其改进模式

遗传算法在解决多峰函数求解，多目标规划和生产调度等问题时，相对其它优化算法具有一定的优势，但仍存在严重的局限性，尤其表现在组合优化的求解问题中，为此，提出一种“生物进化过程＝遗传操作＋免疫功能”的新模式，并通过生产调度的求解问题验证了该算法的有效性。     

基于BDD的增量启发式搜索

增量搜索是一种利用先前的搜索信息提高本次搜索效率的方法,通常可以用来解决动态环境下的重规划问题.在人工智能领域,一些实时系统常常需要根据外界环境的变化不断修正自身,这样就会产生一系列变化较小的相似问题,此时应用增量搜索将会非常有效.另外,基于BDD(binary decision diagram)的启发式搜索,结合了基于BDD的搜索和启发式搜索这两种方法的优点.它既用BDD这一紧凑的数据结构来表示系统的状态空间,又通过使用启发信息来进一步压缩搜索树的大小.在介绍基于BDD的启发式搜索和增量搜索之后,结合这两种方法给出了基于BDD的增量启发式搜索算法--BDDRPA*.大量的实验结果表明,BDDRPA*算法是非常有效的,它可以被广泛地应用到智能规划、移动机器人问题等领域中.     

基于禁忌搜索的启发式算法求解圆形packing问题

求解具有NP难度的圆形packing问题具有很高的理论与实用价值．现提出一个有效的启发式方法,求解了货运中常遇到的矩形区域内的不等圆packing问题．此算法首先将圆按给定的优先级分组,然后逐组地用拟物拟人法放置圆,并且在整个过程中利用了禁忌搜索法的思想,通过禁止重复前面已做的工作,使搜索能有效地逃离局部极小值的陷阱,提高了搜索效率．实验结果表明,提出的算法是一个高效的实用求解算法．     

图着色问题的启发式搜索蚂蚁算法

针对经典的图着色问题,该文在随机序列启发式搜索求解的基础上,引进蚂蚁算法优化思想,设计了一种新型算法,有效地避免了启发式搜索易陷入局部极小的缺陷。通过给地图着色和仿真实验结果表明,该方法对图着色问题的求解是可行、有效的,且具有通用性。     

结合增量与启发式搜索的多目标问题处理方法

提出了一种结合增量与启发式搜索的多目标问题处理方法,设计并实现了一个基于路径扩展方法的多目标增量启发式搜索系统.当问题搜索图中边的权重发生改变或添加删除节点时,该系统通过对搜索现场进行实时的更新,部分利用先前搜索保留的信息,从更新后的状态开始求解新的问题,从而提高了重搜索的效率.对gridworld标准测试样例进行了大量的系统测试,实验结果表明：结合增量与启发式搜索的处理方法能够有效地解决状态格局不断变化的一系列相似的多目标最短路径问题.     

基于禁忌搜索的启发式算法求解带平衡约束的圆形装填问题

带平衡约束的圆形装填(Packing)问题是一类简化的卫星舱布局优化问题.现提出一个基于禁忌搜索的启发式(TSH)算法对该问题进行求解.算法从任一初始格局出发,应用基于自适应步长的梯度法进行能量极小化.为了使计算能有效地逃离局部极小点的陷阱且避免迂回搜索,算法采用了禁忌搜索的策略.在禁忌搜索的过程中,我们对传统的邻域解、禁忌对象以及当前解接受原则进行了有效的改进.对两组共11个有代表性的算例进行了实算.计算结果表明,TSH算法刷新了其中7个算例的当今国际上的最好纪录,对于其余4个算例,该算法均达到问题的最优解.     

一类基于启发式搜索的激励学习算法

激励学习已被证明是在控制领域中一种可行的新方法。相比其他的方法,它能较好地处理未知环境问题,但它仍然不是一种有效的方法。幸运的是,在现实世界中,智能体总是会有一些环境的先验知识,这些能形成启发式信息。启发式搜索是一种常用的搜索方法,有很快的搜索速度,但需要精确的启发式信息,这在有些时候难以得到。文中分析比较了启发式搜索和激励学习的各自特点,提出一类新的基于启发式搜索的激励学习算法,初步的实验结果显示了较好的性能。     

一类基于启发式搜索的激励学习算法

激励学习已被证明是在控制领域中一种可行的新方法。相比其他的方法，它能较好地处理未知环境问题，但它仍然不是一种有效的方法。幸运的是，在现实世界中，智能体总是会有一些环境的先验知识，这些能形成启发式信息。启发式搜索是一种常用的搜索方法，有很快的搜索速度，但需要精确的启发式信息，这在有些时候难以得到。文中分析比较了启发式搜索和激励学习的各自特点，提出一类新的基于启发式搜索的激励学习算法，初步的实验结果显示了较好的性能。     

基于和声搜索的阻塞流水车间调度问题的算法优化

针对以最大完工时间为目标的阻塞流水车间调度问题,提出了一种通过混合和声搜索改进遗 传算法的优化求解算法.构建了阻塞流水车间调度原理图并描述了运算方法;详细论述了混合算法的实施流程和关键问题,并使用NEH方法和局部搜索对混合算法进行了改进.仿真结果表明,改进后的混合算法能显著提高优化阻塞流水车间调度问题的解.     

一种新的启发式Web服务组合算法

作为推动SoA和Web服务向纵深化发展的重要支撑技术,Web服务组合一直在领域研究中占据着重要地位。提出了一种新的启发式Web服务组合算法—HASC算法,该算法分为遍历搜索和回溯组合两个过程。前者以Web服务输出集合基数为启发函数,确定到达每个目标本体所需调用的Web服务;在此基础上,后者采用输出集合与目标集合交集的基数为启发函数,逐步建立输出集合到输入集合的回溯路径,进而获取最优组合方案。最后,以公共测试集EEE05和ICEBE05为测试对象,对该算法的性能进行深入分析。实验结果表明,该算法在组合效率和寻求最短组合路径方面较同类算法有较大提升。     

面向组合优化问题的一种全新遗传算法

提出了一种全新的遗传算法,并结合组合优化领域的典型难题——TSP问题,设计了编码、交叉及变异等遗传算子,克服了传统遗传算法的编码及遗传操作未能够充分反映及利用道传信息的缺陷,较大程度上降低了传统遗传搜索中存在的盲目性,搜索速度得到明显提高。最后将本遗传算法应用于20个城市的TSP问题求解,计算结果证明了该遗传算法的收敛质量满足要求,收敛速度明显优于许多现有的算法。