改进分散搜索算法求解包装废弃物回收路径规划问题

目的将包装废弃物回收路径规划归纳为一个带回路和时间窗的逆向物流车辆路径问题(RL-VRPBTW),以最小化回收成本、发车成本和时间窗惩罚为联合优化目标进行建模。方法引入“车辆剩余空间回收能力”因素,改进经典节约里程算法,求得较好的初始解;基于分散搜索框架,设计基于初始解改进的分散搜索算法(ISISS),根据问题模型,采用含0的编码方式,通过多样性产生、参考集更新、子集产生、子集合并、解改进等5个步骤实现算法功能。结果在“部分回收点分布较密集”的城市型地理场景下,针对快消企业的低值固废包装,生成回收点数量分别为50、100、200的3种规模算例,并考虑大小两种车型进行仿真实验。将ISISS算法与改进节约里程、遗传和分散搜索3种算法比较后可知,ISISS算法在大规模包装废弃物回收车辆路径问题上具有更优的求解性能。结论仿真实验结果表明,ISISS是一种求解多目标大规模包装废弃物回收路径规划问题的较优算法。

基于改进分散搜索算法的无人机路径规划

针对在敌情信息不明环境中无人机侦查路径规划问题,建立了车辆路由问题模型(VRP),提出了基于分散搜索的改进混合搜索算法.基于Bayes方法计算出点到点之间的威胁概率,并生成了一个赋权图,将无人机路径规划问题转化为车辆路由寻优模型.采用混合路径规划算法求解.该算法将模拟退火嵌入到分散搜索算法的框架中,充分利用了分散搜索的全局搜索能力与模拟退火的局部搜索能力来优化无人机的侦查路径,混合算法在保证时效性的同时提升了求解的质量.仿真结果验证了算法的有效性.

分散搜索算法研究进展

分散搜索是进化计算领域一种新兴有效的计算技术,近几年受到学术界和工程界的广泛关注。分散搜索采用基于种群的全局搜索策略,较少地利用搜索过程的随机性,注重于采用一系列系统性方法来构建新解,提高搜索的集中性和多样性。阐述和剖析了分散搜索的基本原理和常用流程。在此基础上,对算法框架中的参考集更新方法、子集合并方法和内存策略等重要机制进行了比较系统地深入分析。重点探讨了分散搜索在多目标优化、连续优化以及混合优化等复杂环境下的研究。论述了分散搜索在物流与供应链、生产管理和图像处理等领域的典型应用情况并展望了分散搜索的发展前景。

同时配集货定位—路线问题的变邻域分散搜索算法

针对同时配集货的定位—路线问题,建立了三维指数混合整数规划模型,并设计了变邻域分散搜索求解算法,即在基本分散搜索算法的基础上保留参考集更新和组合策略的全局搜索能力。针对组合后的解可能是不可行解的问题,利用插入法将其改进为可行解,再运用变邻域搜索进行局部开发以提高可行解质量。为保证算法的多样性以进一步扩大搜索空间,初始种群采用两阶段混合多随机法构造。通过采用Lingo求解简单算例验证了模型的正确性,采用设计的变邻域分散搜索算法仿真已有算例并与其他算法比较,证明了该算法的有效性。

随机需求车辆路径问题及混合变邻域分散搜索算法求解

随机需求车辆路径问题(capacitated vehicle routing problem with stochastic demand,CVRPSD)是对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP)的扩展,需求不确定的特点使其较CVRP更复杂,对求解方法要求更高.基于先预优化后重调度思想,提出两阶段的混合变邻域分散搜索算法(variable neighborhood scatter search,VNSS)对该问题进行求解:预优化阶段构建随机机会约束规划模型,对客户点随机需求作机会约束确定型等价处理,生成最优预优化方案;重调度阶段采用新的点重优化策略进行线路调整,降低因失败点而产生的额外成本,减少对人工和车辆的占用.算例验证表明,随机机会约束模型和两阶段变邻域分散搜索算法在求解CVRPSD时较为有效,点重优化策略调整效果较佳.

多目标拆卸序列优化问题的分散搜索算法

针对拆卸序列优化问题以最小拆卸时间和最大拆卸收益为优化目标建立了多目标优化数学模型.应用线性加权方法将多目标优化问题转换为单目标优化问题,并提出了一种改进的分散搜索优化算法.算法采用保持优先关系的交叉过程(PPX)作为子集解的组合算子,通过局域搜索算子改进组合算子产生的新解.引用数值算例对模型和算法进行了验证,结果表明该模型及算法求解多目标拆卸序列优化问题有效.

分散搜索算法求解带货物权重的车辆路径问题

研究了由一个分销中心、多个零售商组成的分销网络中运输单产品考虑货物权重的车辆路径问题(weighted vehicle routing problem,WVRP).问题的目标是设计合理的路线最小化由于行驶距离,运输载重量及使用车辆而产生的总费用.针对问题的特点,设计了求解WVRP问题的分散搜索算法(scatter search algo-rithm,SS),该算法基于客户进行编码,以基于最优划分过程的随机初始化作为多样性产生方法,通过对不同解包括的弧组合来生成新解,并用最近邻法对解进行改进.分别采用了随机数据与标准数据对算法进行测试,并与其他求解该问题的算法进行了比较,说明了算法的有效性.

基于改进分散搜索的混流装配线排序问题

针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型。为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法。该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解。设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解。通过某企业混流装配线实例,验证了所设计算法的有效性。

VLSI电路划分问题的分散搜索算法

电路划分是超大规模集成电路(VLSI)设计自动化中的一个关键阶段,是NP困难的组合优化问题.本文把基于顶点移动的Fiduccia-Mattheyses(FM)算法结合到分散搜索算法框架中,提出了电路划分的分散搜索算法.算法利用FM算法进行局部搜索,利用分散搜索的策略进行全局搜索.为满足该方法对初始解的质量和多样性的要求,采用贪心随机自适应搜索过程(GRASP)和聚类相结合的方法产生初始解.实验结果表明,算法可以求解较大规模的电路划分实例,且与基于多级框架的划分算法hMetis相比,划分的质量有明显的提高.

基于分散搜索的多目标动态单元构建方法

研究市场需求变化的情况下生产单元内部配置可调整的多周期多目标动态单元构建方法.考虑单元构建费用、设备利用率和跨单元移动数目,提出了动态单元构建方法的非线性多目标数学规划模型.为有效求解该模型,开发了一种分散搜索算法.该算法利用多样性初始解产生方法、全局判断方法、参考集更新方法和解改进方法等实现了生产单元的动态构建.对大规模的单元构建实例进行仿真分析,通过与基准算法进行比较,验证了模型与算法的有效性.

基于分散搜索的零部件跨单元生产的单元管理方法

研究单元制造环境中零部件生产工艺不相同情况下零部件跨单元生产的单元管理问题。以最小化单元制造系统的流水时间为目标,对生产单元内设备上的零部件进行生产调度,提出该问题的非线性数学规划模型,开发针对该问题的分散搜索算法。该算法改进多样性产生器,使算法生成一系列多样性好的初始解,并针对该单元管理问题的特点,开发参考集更新方法、子集产生方法、子集合并方法和解改进方法等多种机制来实现对单元制造系统的有效管理。通过对多组单元管理实例进行仿真分析,与基准优化软件CPLEX相比较,验证模型与算法的有效性。

用于求解连续优化问题的均匀设计和改造BLX-α的分散搜索算法

分散搜索算法是近年来快速兴起的一种基于种群的进化计算方法,与遗传算法不同的是,它对高质量解和多样性解并存的小数据集使用多种系统子方法和有限次随机过程来获取全局最优解或满意解.基于分散搜索的柔性框架,使用均匀设计来改进以往连续分散搜索算法中的多样性产生方法,将BLX-α算子加以相应改造作为解合并方法,提出了一种基于均匀设计和改造BLX-α算子的新型分散搜索算法(URBSS)来解决非线性连续优化问题.通过8个广为使用的测试函数进行了仿真实验,实验结果表明在与其他连续优化方法的比较中,URBSS能够准确快速地搜索到全局最优解,具有很好的收敛速度和全局优化能力.

奖励收集斯坦利最小树的混合拉格朗日与分散搜索算法

针对PCSTP问题,提出了HLGSS混合算法.通过拉格朗日松弛策略,将PCSTP问题转化为简单的CMST问题;然后由Volume算法求解PCSTP的拉格朗日对偶问题并获得其下界.用SS算法优化原问题的可行解,利用求解拉格朗日对偶问题过程中获得的原始-对偶信息来指导SS算法的搜索.仿真结果表明,HLGSS比SS降低了算法的搜索空间,加速了算法的收敛性.

求解过道布置问题的一种改进分散搜索算法

为更好地反映实际布置情况,针对现有研究在求解过道布置问题时忽略通道宽度、未设置总流量入口等不足,构建了考虑通道宽度和总流量入口的混合整数规划模型,提出一种改进分散搜索算法进行求解。该算法将禁忌搜索操作嵌入分散搜索的解改进方法中,可以进一步优化参考集中的解,提高获得全局最优解的概率。设计了包含高质量和多样性解的双层参考集、动态参考集更新方法、子集产生方法等多种改进机制。对不同规模(9~49个设施)的测试问题进行了验算与对比,结果表明:针对小规模问题,所提算法均求得了与Lingo软件相同的最优解;对大规模问题的求解质量明显优于基本分散搜索算法和禁忌搜索算法。

混合模拟退火及分散搜索优化过道布置问题

针对过道布置问题的求解复杂性,提出了一种混合模拟退火及分散搜索算法。该算法通过引入模拟退火操作进一步优化参考集中的解,以提高获得全局最优解的概率。设计了包含高质量和多样性解的双层参考集,扩大了搜索范围,避免算法陷入局部最优。同时采用动态参考集更新方法,及时替换参考集中质量或多样性较差的解,加快算法的收敛速度,并改进子集产生方法,避免产生重复的解,从而提高算法的求解效率。应用所提算法对24个不同规模的测试问题进行验算与对比,结果表明所提算法的求解质量与平稳性均优于基本模拟退火算法和分散搜索算法,且较已有的4种方法更具求解优势。

多目标选择性拆卸序列优化问题的分散搜索算法

针对多资源约束下顺序依赖的选择性拆卸序列优化问题,建立以最大拆卸收益和最小拆卸时间为优化目标的多目标数学模型,提出了一种多目标分散搜索优化算法进行求解.该算法针对本文问题的特点设计了一种保持足够多样性的初始解生成方法,满足拆卸优先关系的交叉组合算子以及改进的参考集更新策略.为了进一步提高解的质量设计了一种局域搜索策略,并利用外部存档方法存放pareto解集.应用多组实例进行计算实验,并与其他求解该问题的算法进行比较,实验结果表明本文算法优于对比算法,证明本文模型和算法求解本类问题有效.

基于改进分散搜索算法的多资源跨单元调度问题研究

针对单元制造系统中不同设备、操作人员和自动导引小车的特点以及对制造系统的作用,提出了多资源约束下的跨单元调度问题。以零件延期交货、员工工作人数及跨单元移动次数、自动导引小车数量最少为目标,构建目标规划模型。针对模型的特殊性,提出了改进分散搜索算法,算法中应用遗传算法获得新解,应用模式搜索法改进新解,进一步提高了算法的收敛速度。最后将此模型及算法应用于不同规模的8个算例,证明了模型和算法的有效性,针对算例进行详细分析,说明设备、人员和自动导引小车在调度过程中的相互作用。

多分配枢纽站集覆盖问题及分散搜索算法实现

研究多分配枢纽站集覆盖选址问题(M AHSCP):如何以最少的建站费用选择枢纽站,使所有的O-D流都能够在规定的时间、费用或距离内从供给点任意经过一个或两个枢纽站后到达需求点。通过建立M AHSCP的改进模型,设计求解该问题的分散搜索算法,算法提供了两种组合操作策略,最后给出基于澳大利亚邮政(AP)枢纽中心选址数据包的计算实验。实验表明,分散搜索算法在求解M AHSCP时具有很好的计算效果。同时,实验显示两种组合操作策略分别具有更好的求解效率与求解质量。

分散搜索算法求解多目标优化问题

最近涌现了各种进化方法来解决多目标优化问题,分散搜索也是一种可以解决多目标问题的算法。该算法的结构引用进化算法的杂交和变异算子来增强它的性能,但该算法与其他进化算法的不同在于一系列操作策略不再基于随机性原理,而是运用"分散-收敛集聚"的迭代机制。论文在多目标优化问题区域讨论分散搜索算法,寻找多目标的非支配集或Pareto最优解。实验表明,分散搜索算法具有很好的收敛性和分布性。

利用分散搜索算法实现受时延约束的多播路由

提出一种新的基于分散搜索算法(Scatter Search,SS)来解决受时延约束的多播路由的方法。作为进化算法的一种,分散搜索算法不但继承了进化算法中通过杂交和变异算子来增强性能的机制,还独创性地运用了"分散-收敛集聚"的迭代机制。通过在受时延约束多播路由算法上应用SS算法,寻找包含所有组播节点在内的最小代价树。实验表明,本算法具有较好的收敛性和分布性。