基于混合蛙跳算法的协同空战火力分配

针对超视距多机协同空战中的火力分配（WTA）问题,建立了协同空战火力分配的数学模型,提出了采用混合蛙跳算法（SFLA）来求解协同空战火力分配问题,根据无约束化的编码方式,结合交叉、变异的遗传操作,提高了算法的收敛速度以及全局搜索能力,能有效避免陷入局部最优。仿真结果表明,所提出的混合蛙跳算法在解决协同空战火力分配问题中具有高效可行性。     

基于改进多目标HQPSOGA求解武器目标分配问题

由于进化算法求解多目标问题时易过早丧失种群多样性,造成早熟收敛,提出一种粒子多样性判别方法.基于随机选择的聚类算法与模糊贴近度原则综合求解粒子多样性贡献度,用于混合量子行为粒子群和可调节遗传算法的粒子群迭代中,结合随机新增粒子更新个体最优解,引导粒子向Pareto最优解靠近.仿真表明,所提方法是一种有效的多样性保持方法,具有更强的全局寻优能力,可有效提高求解质量,在武器-目标分配问题上求解精度更高.     

协同多目标攻击的混合蛙跳融合蚁群算法研究

针对未来超视距条件下的多机协同空战,提出了一种基于混合蛙跳融合蚁群算法的目标分配方法。以目标威胁评估值为准则建立空战决策模型,根据空战决策特点对青蛙粒子进行特殊编码处理,在混合蛙跳算法局部搜索过程中加入自适应差分扰动机制、在蚁群算法中引入变异算子以减少算法搜索时间。融合算法利用混合蛙跳算法快速的全局搜索能力生成初始优化解群,利用蚁群算法具有正反馈的特点求精确解,利用Matlab仿真。仿真结果表明该方法能够快速有效地给出合理的目标分配方案。     

基于改进SPEA2算法的火力分配问题

火力分配是战前任务规划的重要环节。考虑攻击效果、资源等约束条件,以攻击效益最大,武器消耗最小,自身损伤最小原则建立了火力分配多目标数学模型。针对传统方法在求解火力分配多目标优化问题时存在收敛效果差以及Pareto前端分布不均匀等不足,将近邻传播算法引入到SPEA2算法中,改进了SPEA2算法的多样性保持策略,优化了算法性能。实验结果表明：改进的SPEA2算法在解决多目标火力分配问题时,相较于标准SPEA2算法,具有收敛效果好,Pareto前端分布均匀的特性。通过实验,验证了模型的合理性和算法的可行性。     

求解多目标优化问题的自适应混沌混合蛙跳算法

针对多目标优化问题提出一种自适应混沌混合蛙跳算法MACSFLA(Adaptive chaos shuffled frog leaping algorithm for multiobjective optimization)。使用动态权重因子策略以提高混合蛙跳算法SFLA(Shuffled Frog Leaping Algorithm)收敛效率,引入基于Pareto支配能力的SFLA子族群划分策略,使得SFLA能够应用于多目标优化问题。在此基础上,MACSFLA首先利用SFLA快速寻优能力接近理论Pareto最优解,然后采用自适应网格密度机制动态维护外部存储器Pareto最优解规模,并使用自适应混沌优化技术改善Pareto最优解集样本多样性,最后利用Pareto最优解选择策略为青蛙种群选择最优更新粒子。多目标函数测试实验结果表明,与MOPSO和NSGA-Ⅱ相比,MACSFLA在Pareto最优解集均匀性和多样性上有明显优势。     

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA).该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率.通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持.     

改进的和声搜索算法求解多目标优化问题

针对和声搜索算法在求解多目标问题时效率不高、易陷入局部最优、在算法后期收敛精度不够等不足.提出一种改进的多目标和声搜索算法,其思想是通过引入自适应操作,加强算法的全局搜索能力,增加解的多样性;同时对解集根据Pareto最优解进行非支配排序,提高算法效率,增加算法在后期的收敛精度.在数值仿真实验中选取4个测试函数进行实验,并同其他算法进行多方面比较,结果表明该算法具有更好的性能.     

协同进化混合蛙跳算法

针对基本混合蛙跳算法收敛速度慢、求解精度低且易陷入局部最优的问题,提出了一种新的协同进化混合蛙跳算法。该算法在局部搜索策略中,对子群内最差个体的更新引入平均值的同时充分利用最优个体的优秀基因,可有效扩大搜索空间,增加种群的多样性;同时对子群内少量的较差青蛙采取交互学习策略向邻近子群的最优个体交流学习,增加子群间交互的频繁性,提高信息共享程度,有利于进化。在全局迭代过程中采取精英群自学习进化机制,以对精英空间进行精细搜索,获得更优解,进一步提升算法的全局寻优能力,正确导向算法的进化。实验结果表明,所提算法在七个测试函数中均能收敛到最优解0,成功率为100%,优于其他对比算法。所提算法可有效避免陷入早熟收敛,极大地提高了算法的收敛速度和优化精度。     

基于Pareto熵的多目标粒子群优化算法

粒子群优化算法因形式简洁、收敛快速和参数调节机制灵活等优点,同时一次运行可得到多个解,且能逼近非凸或不连续的Pareto最优前端,因而被认为是求解多目标优化问题最具潜力的方法之一.但当粒子群优化算法从单目标问题扩展到多目标问题时,Pareto最优解集的存储与维护、全局和个体最优解的选择以及开发与开采的平衡等问题亦随之出现.通过目标空间变换方法,采用Pareto前端在被称为平行格坐标系统的新目标空间中的分布熵及差熵评估种群的多样性及进化状态,并以此为反馈信息来设计进化策略,使得算法能够兼顾近似Pareto前端的收敛性和多样性.同时,引入格占优和格距离密度的概念来评估Pareto最优解的个体环境适应度,以此建立外部档案更新方法和全局最优解选择机制,最终形成了基于Pareto熵的多目标粒子群优化算法.实验结果表明：在IGD性能指标上,与另外8种对等算法相比,该算法在由ZDT和DTLZ系列组成的12个多目标测试问题集中表现出了显著的性能优势.     

考虑时间约束的空战编队协同火力分配研究

为提高空战编队协同火力分配模型的准确性, 结合空战实际动态过程的特点,提出相对静态空战过程和窗口时间约束概念,并基于此建立相对静态空战火力分配模型,考虑从分配开始到命中目标所需时间与实际可用时间的相互关系;针对模型在增加了时间约束后难以快速准确求解的问题,提出一种时间约束处理的策略,并基于最佳适应度和遗传代数调整策略相结合的自适应量子遗传算法求解。实验结果验证了改进算法的快速收敛性和稳定性,同时表明模型在空战火力分配方面的适用性。     

求解需求可拆分车辆路径问题的聚类算法

针对需求可拆分车辆路径问题（SDVRP）,提出一种先分组后路径的聚类算法。该算法考虑车辆载重的均衡性和可行解的特征,优先安排载重大于等于车辆限载的客户;然后结合客户间的距离和载重,设定一个拆分阈值限定车辆载重范围,按照就近原则对客户进行聚类分组,当组内客户载重未达到车辆载重最小值而加入新客户后超出限载时,对新加入客户进行拆分和调整,最终完成对所有客户的分组;最后采用蚁群优化算法对各组内客户进行线路规划。实验结果表明,所提算法在求解需求可拆分车辆路径问题时,具有更高的稳定性,得到的结果更优。     

蜂群优化算法在车辆路径问题中的应用

车辆路径问题（VRP）是组合优化中典型的NP难题。根据车辆路径问题的实际情况,考察车辆数和总行程两个目标函数,给出了该问题的一种新的算法,蜂群算法。通过计算若干benchmark问题,并将结果与其他算法相比较与分析,验证了算法的有效性。蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,故不仅是拓宽蜂群算法的应用范围的有效的尝试,同时也给车辆路径问题提供了一种新的解决方法。     

Development of a fuel consumption optimization model for the capacitated vehicle routing problem

Fuel consumption accounts for a large and increasing part of transportation costs. In this paper, the Fuel Consumption Rate (FCR), a factor considered as a load dependant function, is added to the classical capacitated vehicle routing problem (CVRP) to extend traditional studies on CVRP with the objective of minimizing fuel consumption. We present a mathematical optimization model to formally characterize the FCR considered CVRP (FCVRP) as well as a string based version for calculation. A simulated annealing algorithm with a hybrid exchange rule is developed to solve FCVRP and shows good performance on both the traditional CVRP and the FCVRP in substantial computation experiments. The results of the experiments show that the FCVRP model can reduce fuel consumption by 5% on average compared to the CVRP model. Factors causing the variation in fuel consumption are also identified and discussed in this study.     

考虑装卸频率的大规模车辆路径问题研究

通过分析大规模车辆路径问题的特点和求解难点,从我国的配送实践出发,引入装卸频率的概念,从新的视角认识大规模车辆路径问题,建立了考虑装卸频率的车辆路径优化多目标规划模型,并设计了改进的混合遗传算法进行求解。实验结果表明,该算法能够大幅降低企业配送成本和配送的装卸频率,具有实际参考价值和应用前景。     

车辆路径问题的禁忌搜索算法研究

简要回顾了车辆路径问题的禁忌搜索算法的发展现状,提出了一种改进的禁忌搜索算法。该算法将路径问题按不同的车辆-顾客分配结构分解成若干子问题,然后用禁忌搜索算法求解每个子问题,最后从所有子问题的最优解中选出全局最优解。理论分析和实验结果表明该算法比以往的算法有以下优点：拓展了搜索空间,提高了最优解的效果;是一种将问题进行空间分解的并行算法,可采用多台计算机同时运算以减少整体运行时间。     

农村公交协同车辆路径问题的研究

针对考虑农村人口出行频次的季节偏好性、早晚高峰期班次多、乘客乘车的最长忍受时间、司机连续驾驶时间限制、车辆可以停在其他车场、车场与车场之间的车辆可以共享等因素的农村公交的协同车辆路径问题,建立车辆租赁模式的单车型开放式协同车辆路径问题的数学模型.结合节约算法、扫描算法和遗传算法,构造混合蚁群算法对实例进行仿真.首先通过扫描算法对站点进行分组,然后应用节约算法对单个旅行商问题(traveling salesman problem,TSP)求解得到可行解,最后应用混合蚁群算法对可行解进一步优化.结果表明该算法在收敛速度和寻优能力两方面都优于遗传算法.     

基于遗传算法的多目标的有时间窗的车辆调度

对传统有时间窗的车辆优化调度问题进行了分析，指出了其中存在的问题。提出了一个以最大的顾客满意度和最小的费用为目标的多目标模型，给出了具体的操作步骤。从遗传算法的角度分析了该模型在最坏和最好情况下的时间复杂度。仿真结果和在某物流公司的实际应用证明该算法是可行的，且有较好的时间和优化性能。     

求解动态需求车辆调度问题的自适应量子遗传算法

针对物流配送过程中存在的动态车辆调度问题,即带载车量约束的实时优化车辆路径问题,提出一种自适应量子遗传算法,用于最小化配送成本.根据搜索点目标函数的变化率,提出一种自适应量子旋转门更新方式,并通过子种群适应度值的变化确定量子旋转角的方向和大小,进而引导种群进化方向,提高算法的全局搜索广泛性;设计了一种变异操作,用于保持自适应量子遗传算法的种群多样性,进而提高算法全局搜索的宽泛性;引入基于两元素搜索原则的局部搜索方法来增强算法的局部优化能力.仿真实验和算法比较验证了所提算法的有效性和优越性.     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

A real-time personalized route recommendation system for self-drive tourists based on vehicle to vehicle communication

Recently, traffic jams and long queuing problems in tourist hot spots is growing with the increasing number of self-drive tourists. Some recommendation systems have been developed in attempt to relieve these problems. However, all these systems lack information pertaining to real-time traffic as well as the ability of personalization. In this research, we have developed a novel route recommendation system to provide self-drive tourists with real-time personalized route recommendations. This will help to reduce the traffic jams and queuing time in tourist hot spots. It will also help to personalize visiting routes based on the user’s specific preferences. Ultimately, based on the evaluation results given by experienced self-drive tourists, we have shown that the proposed system not only saves total visiting time, but also meets their specific visiting preferences.