改进粒子群优化算法在电源规划中的应用

电源规划是一类复杂、非线性组合优化问题.传统的方法随着规划期的延长,考虑因素的增多,难以有效的进行优化,在实际应用中作用有限.首先,对电源规划优化问题进行了建模.然后,对于粒子群(PSO)的迭代策略进行改进,在此基础上,运用遗传粒子群(GPHA)混合优化算法进行了优化尝试.考虑到电源规划中相关参数众多,在优化过程中引入了虚拟变量对电源规划中的问题进行了简化描述;GHPA算法的适应度评价函数设计中,运用了罚函数的思想,以提高算法优化的效果.最后本文使用某省实际负荷预测和系统负荷实际数据,进行了电源规划方案优化,得到了优化后的电源规划方案,并与普通的遗传算法、粒子群算法以及传统的动态规划算法得到的结果进行了比较.比较的结果显示出了本文提出的算法在优化结果和速度方面具有明显效果.     

集成电路板组装系统优化问题及其研究动态

集成电路组装是将电子元器件安装在集成电路板上,从而实现电子元器件的互联的过程,是电子信息行业的基础产业.本文将集成电路板组装系统优化问题划分为四个子问题组装顺序优化问题、部品指派优化问题、组装模式优化问题以及组装线平衡优化问题.重点介绍了其中的前三类子问题的优化模型及优化算法.并通过一个应用实例说明了模型及其算法的有效性.在此基础上,提出了今后对第四类子问题的研究方向与思路.     

基于离散粒子群优化的轧辊热处理调度方法

以某轧辊企业铸钢分厂的轧辊热处理调度问题为实际背景,研究了两阶段及三阶段无等待混合流水车间调度问题.针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法;在此基础上,结合离散粒子群优化算法对建立的整数规划模型进行优化求解.通过对真实数据仿真实验所得结果的比较与分析,验证了算法的可行性和有效性,并给出了具有实际参考价值的设备改进策略,对生产决策者合理安排生产具有一定的指导意义.     

自动化立体仓库中的储位分配及存取路径优化

储位分配和存取作业路径优化是仓储管理中的两个重要决策问题。本文研究如何在自动化立体仓库中对这两个问题进行同时决策。提出了一个混合整数规划模型对该问题进行优化建模,设计开发了一个基于有向连接图的两阶段优化算法对问题求初始解,并利用禁忌搜索算法对所求得的解进行改进。算法第一阶段解决储位分配问题,在此基础上第二阶段利用Hungarian算法对堆垛机的存取作业路径优化问题进行求解。最后利用实例对算法效率和精度进行分析评价,计算结果验证了算法的有效性。     

模型选择Agent 研究

对模型选择Agent 定义,在此基础上给出了一种模型选择Agent 的结构及其各组成部分 功能,研究了模型选择Agent 具体实现方法. 在模型选择Agent 实现过程中,借鉴了语料库语言 学的方法,通过建立基于模型选择实例的语料知识库,提出了一种模型选择知识表示的新方 法,并在此表示方法基础上,给出了Agent 任务处理机的核心算法. 以实例进行了验证.     

大规模邻域搜索算法求解时变车辆调度问题

对时变网络车辆调度问题提出一种满足先入先出准则的时变处理方法,并建立相应的数学模型,提出一种基于大规模邻域搜索技术的智能优化算法进行求解,算法顶层采用动态规划算法搜索环状交换邻域以得到每辆车的最佳服务顾客集合;底层设计动态搜索算法用以安排每辆车的最佳服务路线.在此基础上提出顶层加入虚拟顾客和底层嵌入insert两类改进策略.通过实验仿真比较,验证了所提算法的有效性.     

ACO算法在投资组合中的运用

证券投资组合优化是降低投资风险的有效方法之一.该文基于现有的相关文献,并将蚂蚁算法引入证券投资组合优化领域,对Markowitz的资产组合模型进行了必要的改进.在对ACO算法作出相应的定义与描述的基础上,文章运用实例检验ACO算法,结果表明该算法具有较好的收敛性、稳定性和合理性,是求解证券投资组合优化问题的一种较好的方法.     

第三方物流企业在JIT方式下的多商品分批调度问题

在有多个商品、小批量定货且交货期不同的情况下,如何将这种混合的离散定单任务分批次完成并确定每一批次的调运开始时间,是当前第三方物流企业提高运作效率迫切需要解决的实际问题.给出了一个不允许出现拖期且提前惩罚的分批次优化模型和优化规则及算法,算例的结果表明了方法的有效性.     

基于改进K-means聚类的物流配送区域划分方法研究

在求解大规模的车辆路径问题时,首先需要将大规模复杂的配送网络根据-定的约束条件并利用相应的方法划分为若干个小规模的配送区域,而不同的配送区域的划分方法对最后优化效果影响很大,本文从解决实际问题入手,首先明确了使用聚类算法进行配送区域的划分可以使得到的区域比较紧密且更符合实际需求,然后分析了现有基于K-means聚类算法的优劣性,在此基础上设计了-种新的配送区域均衡的划分方法--改进的两阶段K-means聚类算法,并经过仿真实验验证了方法的实用性和有效性.     

大规模客运专线网络运营优化模型与求解算法

本文在分析铁路运营优化模型的研究进展的基础上,提出了一个适合大规模客运专线网络运营的优化模型,并提出了求解此模型的列生成算法和启发式快速算法。目的是将客运专线网路的开行方案优化与动态收益优化问题结合起来,解决更大、更复杂的客运网络运营优化问题。模型以列车运营总收益最大化为目标。用随机生成数据进行的模型试验表明,模型及算法可以在较短的时间内求解较大规模的收益管理优化问题。