非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

模拟退火并行粒子群优化算法程序设计与研究

针对粒子群优化算法后期收敛差和模拟退火算法全局优化能力强的特点,建立模拟退火并行粒子群优化算法(SA-PSO算法)模型。利用MATLAB语言开发SA-PSO算法工具箱,实现SA-PSO算法的程序设计,高效、稳定地提高算法全局寻优能力。     

二进制改进粒子群算法在背包问题中的应用

提出了用于求解0 1背包问题的二进制编码的粒子群算法,阐明了该算法求解背包问题的具体实现过程.为了提高粒子群算法的收敛速度,在传统的二进制编码的粒子群算法中嵌入了记忆功能.通过对其他文献中仿真实例的计算和结果比较,表明该算法在寻优能力、计算速度和稳定性方面都超过了文献中提到的遗传算法和模拟退火算法.提出的求解背包问题的二进制改进粒子群算法,同样可以应用于其他离散优化问题.     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

三群协同粒子群优化算法

针对基本粒子群优化算法易陷入局部极值点、搜索精度低等缺点,提出了一种三群协同粒子群优化算法(TSC-PSO)。搜索时,如果全局极值连续若干代没有改善,粒子未找到全局最优点,就任选某个优群,将其群内粒子和差群粒子交换。仿真结果显示,对一些经典多峰值函数、非凸病态函数,TSC-PSO增强了全局搜索能力,具有比基本PSO更好的优化性能。     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题,课题组通过分析立体仓库中堆垛机的工作特点与运行情况,提出了基于混合蚁群粒子群算法的路径优化方法,在传统的蚁群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明：混合算法路径优化速度较快,且比以往的路径更短。研究使堆垛机的运行效率得到提高。     

混合策略改进的粒子群算法

针对粒子群算法易陷入局部最优、收敛精度低、收敛速度慢等缺陷,提出了基于混合策略的改进粒子群算法。使用融合Circle映射与精英反向学习的策略初始化种群,提升初始种群的质量,同时加快收敛速度;在粒子速度更新方式中引入蜘蛛移动策略平衡算法的全局搜索与局部搜索;提出了基于自适应t分布的变异策略,增强算法全局搜索和跳出局部最优能力;对15个单峰和多峰函数进行仿真实验,与其他3种算法进行了对比分析,结果表明：所提出的改进算法具有很强的寻优能力与稳定性。     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

代价敏感多车场车辆路径问题的免疫克隆算法

结合免疫算法和克隆选择算法,本文提出了一种基于免疫克隆选择算法的多配送中心车辆路径调度方法。给出了多配送中心的车辆调度模型、免疫克隆算法的原理和关键步骤,构造二维空间对抗体进行编码,对代价敏感多车场车辆路径问题的免疫克隆算法进行了实现。仿真试验表明,基于免疫克隆算法的代价敏感多车场路径的求解结果接近目前最优解。     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合,形成模拟退火—遗传算法以及模拟退火—粒子群优化算法,并作性能对比分析。研究结果表明,这两种算法都在进化代数和全局寻优能力方面有较大突破,在找寻最佳个体解的效率上,模拟退火—粒子群优化算法更突出。     

基于微粒群算法的半导体炉管区调度应用研究

提出了用微粒群算法来解决半导体炉管区的调度问题.给出了算法的具体过程及参数设置方案.实例计算的结果表明,该算法是解决半导体炉管区调度问题可行且高效的方法.     

用微粒群算法求解含交易费用的组合投资模型

针对国内证券交易的具体情况，提出了含交易费用的投资组合优化模型。利用微粒群算法对问题进行了求解，并结合实际数据进行仿真。结果表明，利用微粒群算法可以较高的效率求解该模型，且从结果上表明模型的合理性。     

基于粒子群算法的弹簧可靠性优化设计

将人工生命中的粒子群优化算法引入弹簧的可靠性优化设计中,根据弹簧可靠性优化设计的特点,提出了一种适用于弹簧可靠性优化设计的约束型粒子群优化算法。实验表明这种方法是有效的,这为机械可靠性优化设计的研究提供了一种新方法。     

基于两阶段算法的带时间窗车辆路径研究

车辆路径问题(VRP)是研究在规定区域内如何规划车辆行驶轨迹来提高运输效率的调度问题。实际生活中往往有顾客对服务时间有自己的要求,因此对于特定时间内车辆路径问题(VRPTW)的研究不但可以提高运输行业配送水平,而且可以有效提高顾客满意度及车辆利用率,实现资金合理配置。通过研究大量配送环节的VRPTW问题并结合实际配送需要,构建运输成本最小的带有惩罚函数的目标函数并设计两阶段算法,将聚类分析和改进遗传算法相结合。通过MATLAB仿真计算和对实验结果进行比较,验证所建模型及算法设计能够有效解决实际问题,降低配送成本。     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

无约束最优化问题的扰动梯度算法

给出了一种扰动梯度算法.证明了在一定条件下,算法产生的序列全局收敛到最优化问题的稳定点,这个算法特别适用求解大规模优化问题.     

集配货一体化VRP问题的具记忆功能的模拟退火算法研究

针对集配货一体化车辆路径问题的特性,建立了考虑配送车辆出行固定成本、车辆出发满载系数等因素的更加符合实际的数学模型;并设计了一种带记忆功能的模拟退火算法求解模型,确保输出结果是每次寻优的最优解;最后通过算例计算,结果表明,算法求解更优,稳定性更好,计算效率也较高。     

优化算法在手征媒质中的应用研究

由于手征媒质的手征参数可调性,使它成为一种新型的吸波材料,在减缩目标雷达散射截面方面有巨大的应用前景.文中运用传输线法分析了金属衬底上涂敷手征媒质的反射特性,计算了手征参数对手征媒质反射特性的影响;然后基于非均匀有理B样条建模,采用物理光学法比较了目标涂敷常规吸波材料与手征媒质时的雷达散射截面,结果说明了手征媒质减小反射电磁波的效果更好;最后运用粒子群算法和模拟退火算法在给定的范围内优化手征参数,并计算了在此参数下目标的散射截面.