基于分级思想的多级蚁态蚁群改进算法

广泛应用于经典NP难问题即旅行商问题(Traveling Salesman Problem,TSP)的蚁群优化(Ant Colony Optimization,ACO)算法存在容易陷入局部最优、收敛速度慢等问题,但其采用正反馈机制并具备较强的鲁棒性,适合与其他算法相融合从而改进优化。基于此,引入人工蜂群的分级思想,提出了一种多级蚁态的蚁群改进(Multistage State Ant Colony Optimization,MSACO)算法。通过引入适应度算子将传统单蚁态蚁群划分为王蚁、被雇佣蚁和非雇佣蚁,并且在每次迭代后重新分配身份以动态维持多级蚁态。王蚁寻找最优路径即最优食物源,被雇佣蚁负责路径构建,非雇佣蚁进行局部优化。为了使非雇佣蚁更有效地获得优质解,提出了一种固定邻域优化算法。实验结果表明,在TSPLIB库的7个数据集中,MSACO均可以达到理论最优解程度,较其他改进算法的最优解迭代次数与运行时间可以减少约40%与50%。

自记忆的深度强化学习模型求解多维背包问题

本文针对多维背包问题维度高,约束强的特点提出了自记忆的学习优化模型(self memorized learn to improve,SML2I),通过深度强化学习的学习机制选择迭代搜索过程中的算子即模型学习当前的解以及历史搜索过程中的解,判断对当前解采用提升策略或者是扰动策略,在此基础上,进一步提出了哈希表与设计了2种有效的基于价值密度的扰动算子.使用哈希表记录历史搜索过程中的解,防止模型重复探索相同的解,基于价值密度的扰动策略生成的新解与之前的解决方案完全不同,因此针对扰动后的解再次采用提升策略同样有效,通过测试89个MKP数据集并与其他文献中先进的求解方法进行对比,实验结果验证了SML2I模型求解MKP问题的可行性与有效性.

L-fuzzy的邻域算子、内部算子以及闭包算子之间的相互确定

设X是集合,L是Hutton代数,FT(X,L)、FN(X,L)、FI(X,L)和FC(X,L)分别表示X上的L-fuzzy拓扑的全体、L-fuzzy邻域算子的全体、L-fuzzy内部算子的全体以及L-fuzzy闭包算子的全体.给出从FI(X,L)到FN(X,L)和FC(X,L)的一一对应φ32和φ34以及从FN(X,L)到FC(X,L)的一一对应φ24,并且证明了可以在FT(X,L)、FN(X,L)、FI(X,L)以及FC(X,L)上定义适当的序关系,使得上述每个映射都是完备格同构.

L-Fuzzy保序算子空间的ω-分离性

在L-fuzzy保序算子空间中引进了ω-分离性等概念,系统地讨论了这些概念的性质,得出它们保持了L-fuzzy拓扑空间中的Ti分离性的主要结论,进而说明ω-分离性是R. Lowen的推广.

作业车间调度的多工序精确联动邻域结构混合进化算法

针对作业车间调度问题,以最小化最大完工时间为优化目标,提出一种基于多工序精确联动邻域结构的混合进化算法。从理论上给出了关键块中工序无效移动的判定条件,据此设计了3对工序精确联动的邻域结构。为避免算法过早收敛,引入基于邻域惩罚的交叉父本匹配选择算子与基于动态惩罚阈值的种群更新策略。通过与其他先进算法在车间调度问题基准算例上进行对比实验,验证了所提算法的有效性与稳定性。

L-fuzzy保序算子空间的ω-基及其性质

在L-fuzzy保序算子空间中引入ω^-基、ω^-子基、ω^-远域基和ω^-远域子基等概念。系统地研究了ω^-基、ω^-子基、ω^-远城基和ω^-远城子基这些概念的性质以及它们之间的关系,同时给出了这些概念在刻画序同态的ω^-连续性以及分子网和理想的ω^-收敛性的若干应用。

L-fuzzy拓扑空间中的N-导算子

引入并系统地讨论了L-fuzzy拓扑空间的N-聚点与N-导算子,结果表明它们具有一般拓扑学中相应的几乎全部结论。例如杨忠道定理成立;X_λ为L-fuzzy集A的N-聚点当且仅当A-x_1中有收敛于x_λ的分子网;(A∨B)^(d*)=A^(d*)∨B^(d*)等等。

L-fuzzy层保序算子空间中的ω_α-紧集

在层保序算子空间中引进了ωα-紧性,给出了它的若干刻画,得到一些好的性质,并说明了ωα-紧性在(ω1α,2ωα)-连续下具有拓扑不变性质。

居住街坊布局形态与建筑运行碳排放的关联特征研究——以西安城区为例

居住街坊是城市构成的基本单元,其住宅建筑运行碳排放也是城市碳排放的主要来源之一,部分研究已初步证明其布局形态对建筑运行碳排放存在一定影响。然而,目前居住街坊布局主要考虑日照、消防及空间美感等因素,缺乏低碳导向的指标和形态引导。故本文以建筑运行低碳化为目标,以西安城区为对象,辅以建筑碳排模拟分析技术,重点探索居住街坊布局形态表征指标与建筑运行碳排放的量化关系特征,典型布局形态类型的低碳化优异程度,揭示布局形态对建筑运行碳排放的影响规律。

考虑运输时间的多资源工序的资源分配优化

针对制造业和服务业等领域中广泛存在的多资源工序资源分配问题,考虑工件和可移动类资源的运输时间,以最小化最长完工时间为优化目标,构建一类新的资源分配混合整数线性规划模型。针对该问题特性,提出变邻域搜索模拟退火的混合算法。该算法结合变邻域搜索算法局部搜索能力强和模拟退火算法全局寻优的优势,同时克服前者容易陷入局部最优而后者局部收敛不佳的问题。在算法的设计中,引入自适应邻域结构和改进降温函数以提高算法的收敛效率。300个不同规模的仿真算例实验结果表明,在求解大规模实例中,所提算法的性能均优于CPLEX求解器、变邻域搜索算法和模拟退火算法,能提供更好的资源分配方案。

L-fuzzy保序算子空间的ωδ-导集

研究了L-fuzzy保序算子空间的ωδ-导集问题.利用L-fuzzy保序算子空间的ωδ-远域和ωδ-聚点等概念,系统讨论了L-fuzzy保序算子空间的ωδ-导集的特征性质.

L-fuzzy权与L-fuzzy邻域算子

设X是集合,L是Hutton代数,FW(X,L)是X上的L-fuzzy的权的全体,FN(X,L)是X上的L-fuzzy领域算子的全体,文中给出了从FW(X,L)到FN(X,L)的一一对应12.

基于多邻域算子组合策略和模拟退火算法的线束截面布局优化设计及仿真验证方法

针对线束截面设计不合理导致线束故障频发的问题,通过建立线束截面排布格局的物理模型,并基于多邻域算子组合策略和模拟退火算法,提出了一种电缆柔性线束截面布局优化设计及仿真验证方法。根据组合策略调用邻域算子生成新邻域,在经过模拟退火算法的多次迭代和搜索后,依据退火函数以一定的概率输出最优解,得到全局优化后的最终布局。最后,对电缆线束实例进行仿真验证,证明了该方法在解决线束截面排布的问题上具有较好的性能和效果,算法的计算复杂度相对较低,可以在实际应用中进行高效求解,在二次电缆柔性线束的设计阶段和现场施工中具有现实的指导意义。

一种新的L-fuzzy粗糙集的刻画方法

远域作为分子的邻近结构,在模糊拓扑中起着重要的作用.能否把远域应用到粗糙集理论中用于刻画近似算子?我们在这方面进行了有益的尝试,得到了较好的结论.基于远域系统,我们讨论了串行的、自反的、弱传递的、弱一元的和传递的等性质,得到了很好的结论.

L-Fuzzy Rough Set Based on Complete Residuated Lattice

Residuated lattice is an important non-classical logic algebra, and L-fuzzy rough set based on residuated lattice can describe the information with incompleteness, fuzziness and uncomparativity in information systems. In this paper, the representation theorems of L-fuzzy rough sets based on residuated lattice are given. The properties and axiomatic definition of the lower and upper approximarion operators in L-fuzzy rough sets are discussed.

L-Fuzzy邻近空间的收敛理论

本文引入L-Fuzzy邻近空间中的L-Fuzzy邻近收敛概念,给出它的一个刻划,并建立了它与分明拓扑中邻近收敛的相互关系,从而是"好的推广".我们也讨论了L-Fuzzy邻近收敛的基本性质,证明了那些在分明拓扑中成立的相应结果.

基于频率算符的专利智能化检索策略及其在农药等化学领域中的高效运用

农药等化学领域专利申请往往以化合物、组合物以及制备方法等形式较多,针对于这方面申请在构建检索表达式上存在较大的难度,且在专利数据库中检索往往呈现噪音大、漏检等现象。智能检索系统已成为专利检索工作的主要工具,提升检索效能潜力明显。信息化时代文献数量的爆炸式增长以及数据库不断整合使得文献检索范围的扩大,导致实际检索中噪音文献越来越多,智能语义检索推荐TOP 100篇文献的命中率对于文献查全和查准也存在局限性。为基于智能语义排序快速筛选出对比文件,探索了在智能检索模式下,以频率算符为基础,联合其他布尔运算符快速降噪,实现了“人工智慧+机器智能”协同作用,利于智能化检索系统在农药等化学领域中高效运用。

考虑互联互通的城市轨道交通网络列车开行方案优化

为顺应城市轨道交通网络列车跨线运营的运输组织发展趋势,从乘客和企业两方面,提出一种互联互通条件下城市轨道交通网络列车开行方案优化模型。模型以网络列车跨线交路组合方案和发车频率为决策变量,考虑线路通过能力、运用车数量、断面运能等约束,以乘客出行成本和企业运营成本的系统成本最小化为目标。针对模型变量多的特点,设计考虑理性乘客客流分配方法的改进邻域搜索算法进行求解。以包含4条线路的某城市地铁网络进行案例分析,研究跨线运营下的最优开行方案,并与分线运营予以比较,验证优化模型的可行性和算法的有效性。研究结果表明:1)改进的邻域搜索算法求解时间较短,且收敛解质量较稳定;2)与分线运营相比,互联互通下,全网系统成本降低了接近4.0%,全网换乘客流量降低了4.8%,同时开行跨线列车能有效降低企业运营成本,最多可降低40%;3)开行跨线列车提高了乘客的直通性,乘客直达路径数量提高了6.4%,多次换乘的行为大幅减少;4)为保证跨线运营的服务水平,应合理设置跨线交路数量。采用本模型时应充分考虑全网实际客流特点和乘客时间价值,当全网小时进站量大于97 314人次且换乘系数大于1.45时,跨线运营比分线运营更具优势。

基于局部区域动态覆盖的3D点云分类方法

局部几何形状的描述能力,对不规则的点云形状表示是十分重要的.然而,现有的网络仍然很难有效地捕捉准确的局部形状信息.在点云中模拟深度可分离卷积计算方式,提出一种新型的动态覆盖卷积(dynamic cover convolution, DC-Conv),以聚合局部特征. DC-Conv的核心是空间覆盖算子(space cover operator, SCOP),该算子通过在局部区域中构建各向异性的空间几何体覆盖局部特征空间,以加强局部特征的紧凑性.DC-Conv通过在局部邻域中动态组合多个SCOP,实现局部形状的捕捉.其中,SCOP的注意力系数通过数据驱动的方式由点位置自适应地学习得到.在3D点云形状识别基准数据集ModelNet40, ModelNet10和ScanObjectNN上的实验结果表明,该方法能有效提高3D点云形状识别的性能和对稀疏点云的鲁棒性.最后,也提供了充分的消融实验验证该方法的有效性.开源代码发布在https://github.com/changshuowang/DC-CNN.

改进学习型遗传算法求解柔性车间调度问题

针对智能优化算法在解空间搜索时忽略问题特征导致搜索效率无法进一步提升的问题,从柔性车间调度问题的特征入手,引入关键机器和搜索过程学习概念,提出一种基于关键机器的改进学习型遗传算法。首先,针对柔性车间调度问题解表达中的机器选择设计知识体,通过搜索过程得到的解更新知识体,并反馈到求解过程的引导;其次,使用了一种自适应的变异算子改善遗传算法早熟收敛的问题;然后,基于变换加工机器和加工顺序以及关键机器的思想设计了3种邻域结构;最后,引入关键机器的概念,并将其引入到知识体更新以及邻域搜索的过程中。仿真结果表明,较其它方法而言,本文提出的算法在不同规模的标准算例上找到最优解的能力更强。