一种基于TCAM的PLO_OPT算法的改进

在最大前缀长度为L的TCAM(Ternary Content Addressable Memory)中,采用PLO_OPT算法更新路由表项仍然有很大的时间消耗,其时间复杂度为O(L/2)。为了进一步提高路由更新速度,根据路由前缀数量分布图,本文提出了一种PLO_OPT路由更新算法的改进方案,每更新一次表项只需进行一次操作即可,可以使时间复杂度达到O(1),且更有效地利用了存储空间。

基于PGA-2-OPT算法的焊接机器人路径规划

针对白车身焊接过程中焊点数量大、焊接顺序规划凭借经验的问题,提出了将焊接顺序和路径的规划问题转换为TSP问题的方案。传统遗传算法对种群多样化要求较高,后期易陷入局部最优问题;基本单亲遗传算法存在路径交叉问题。文章先对焊接任务采用单亲遗传算法得到相对最优解,然后采用2-OPT领域搜索策略,消除路径存在的交叉问题。文章以宝马某车型右前门板焊接任务为例,对焊接轨迹进行优化。改进后的车门焊接轨迹在同等进化代数的情况下,比传统遗传算法缩短了46%,比原有的单亲遗传算法缩短了29%。实验表明,通过PGA-2-OPT算法可以实现车门板焊接路径的优化,并能很好地消除路径交叉问题。

基于智能算法实现多平台OPT协同翻译系统的设计

在执行翻译任务的实际场景中,经常会出现客户对翻译原文进行局部修改的情况,往往需要通过人工进行整理替换后翻译。为了便于译员在执行翻译操作中更高效地完成翻译任务,文中基于Office、Python和Trados等多种工具和平台,利用智能算法设计一种多平台协同OPT翻译系统。对OPT翻译系统进行语料翻译实验测试,结果表明在同样的语料属性下,OPT系统不仅具有较高的准确率,效率方面也有显著提升,并且随着待翻译任务量的增加,OPT系统在准确率和效率上的优势更加明显。

遗传算法和3-opt结合求解带有能力约束的VRP

描述了带有能力约束的车辆路径问题（ＶＲＰ），在预先不固定车辆数的情况下，把聚类和排序有机地结合起来，并用遗传算法和３ｏｐｔ算法相结合的混合算法对问题进行求解，实验结果表明算法获得的最好解、平均负荷率和计算成本都比较令人满意·

保存基因的2-Opt一般反向差分演化算法

为了进一步提高差分演化算法的性能,提出一种采用保存基因的2-Opt一般反向差分演化算法,并把它应用于函数优化问题中.新算法具有以下特征:(1)采用保存被选择个体基因的方式组成参加演化的新个体.保存基因的方法可以很好的保持种群多样性;(2)采用一般反向学习(GOBL)机制进行初始化,提高了初始化效率;(3)采用2-Opt算法加速差分演化算法的收敛速度,提高搜索效率.通过测试函数的实验,并与其他差分演化算法进行比较.实验结果证实了新算法的高效性,通用性和稳健性.

基于Opt-rec多小波数字水印嵌入新方法

以图像作水印且提取时不需要原图像的数字水印技术面临许多挑战,因而,有关这种技术的研究文献很少。该文首次提出了一种基于遗传算法和Opt-rec多小波、利用奇偶性嵌入灰度图像的公开水印新技术。Opt-rec多小波具有对称性、正交性、在眼0,1演有限支撑、无边界失真,对前置滤波器选取具有任意性,因而Opt-rec多小波比普通小波具有更为广泛的应用前景。选择适应度函数,在适当的约束条件下,通过遗传算法,对不同的图像自适应地得到Opt-rec多小波变换的前置滤波器和后置前置滤波器;将灰度水印图像分解成位图,宿主图像进行一层多小波分解,每个低频系数嵌入1比特水印信息;若嵌入“1”,使对应的低频系数四舍五入为奇数,嵌入“0”,则使其为偶数,相反亦可。该算法提取的水印无失真,可以改善水印系统不可感知性和不可统计性。实验结果表明,该方法抗剪切攻击能力较强,但其抵抗噪声、压缩等处理的能力较差。

基于SiPESC.OPT的透平低压排汽缸优化设计

针对提高蒸汽透平机组效率的需求,基于SiPESC.OPT集成软件平台,集成SolidWorks,ICEM和CFX等多个软件构建透平低压排汽缸优化设计系统.系统采用参数化建模、三维黏性流体分析和蚁群算法等多种手段,对某型号透平低压排汽缸模型进行优化设计.结果表明,优化后平均压力恢复因数提升188.31%,出口气流不均匀分布因数明显下降.该优化设计系统能有效提高透平低压排汽缸气动性能.

基于空间填充曲线和or-opt搜索求解旅行商问题

为探索求解大规模TSP(旅行商问题)有效实用方法,提出基于SFC(空间填充曲线)和or-opt混合算法来求解TSP,其中SFC方法能快速且有效地获得初始解,or-opt搜索算法可有效改进初始解。通过中国旅行商问题(CTSP)数据测试,无论是速度还是精度都能满足一定要求,证明这种混合算法能快速有效地解决TSP,并为解决大规模此类问题提供了一种新的思路。

带固定半径近邻搜索3-opt的离散烟花算法求解旅行商问题

传统烟花算法求解大规模离散问题存在收敛速度慢、求解精度不高等问题。针对旅行商问题的特点,提出一种带固定半径近邻搜索3-opt的离散烟花算法。该算法基于基本烟花算法进行离散化改进,采用整数编码的路径表示方法来表示旅行商问题的解,对爆炸算子、高斯变异算子进行离散化操作策略设计。为了使算法具有较好的局部搜索能力,提出固定半径近邻搜索3-opt策略来提高算法精度和收敛速度,同时采用不检测标志策略提高算法效率。实验结果表明:该算法能有效地求解旅行商问题,其离散烟花算子在全局收敛能力、收敛精度、求解时间和稳定性等方面均优于传统烟花算子;基准测试算例的最优解平均误差率仅为0.002%,优于对比算法。

基于2-Opt免疫遗传算法的冷链配送路径优化问题研究

分析了生鲜产品冷链配送的现状,并指出了研究生鲜产品冷链配送路径优化问题的重要意义。考虑配送过程中道路颠簸对于生鲜产品配送成本的影响,同时结合车辆固定成本、运输成本、能源成本、惩罚成本、货损成本等建立冷链物流车辆配送路径优化模型,并将2-Opt算法与免疫遗传算法相结合对该模型进行求解,最后通过实例分析,证明该模型有效实用,为相关行业的发展和企业运营提供参考。

基于1stOpt神经网络模型的年均径流预测与应用

针对年均径流预测问题,首先利用1stOpt软件进行逐个影响因子拟合,得到相关影响因子的主次顺序,提取关键因子在基于L-M算法和UGO算法下对年均径流进行多元非线性曲线拟合;另外结合基于L-M算法的改进BP神经网络利用所提取的关键因子进行径流预测,以北方某河流径流实例进行计算,两种方法效果均优于传统模型,且在多影响因子的情况下,组合模型精度和效果更好,为径流预测提供了一个新的更实用的方法。

基于二分法和控制信息素量的改进蚁群算法

为弥补蚁群算法易陷入局部最优、收敛速度较慢等不足,提出一种基于二分法和控制信息素量的改进蚁群算法。在每次迭代结束时,利用二分法放弃行走路程较远的半数蚁群的信息素,使收敛速度得到提高;利用3-opt局部优化方法提高解的精度;通过控制信息素量动态调整蚁群选择路径的概率,避免算法早熟;将改进的算法应用于旅行商问题。实验结果表明,该算法在寻优能力、可靠性、收敛速度以及稳定性方面均表现出明显的优越性。

一种求解球面三维旅行商问题的改进离散蝙蝠算法

提出了一种求解球面三维旅行商问题的改进离散蝙蝠算法。通过离散化基本蝙蝠算法,对其全局搜索和局部搜索进行重新定义,使其适合求解球面三维旅行商问题。利用贪婪随机机制产生较好的初始解,并设计了交换、逆序和插入操作,最后融入2-opt算子。与模拟退火算法、禁忌搜索算法和改进的花朵授粉算法相比,6种不同城市规模的仿真实验表明,该算法在求解球面三维旅行商问题时寻优能力和鲁棒性方面表现优越。

求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.

基于Isight的塔架门框结构的优化设计

在多学科优化集成软件Isight环境中,综合应用Pro/E参数化建模功能、Abaqus有限元分析功能,建立一种面向塔架门框的CAD/CAE集成优化设计的框架。首先建立门框的参数化几何模型,其次建立有限元分析模型并提交求解。应用试验设计DOE(Design of Experiments)中的最优LHD(Latin Hypercube Design)算法分析门框几何参数因子与应力间的交互效应、相关性。采用模拟退火ASA(Adaptive Simulated Annealing)全局优化算法开展门框的静强度优化设计,以整段塔架的重量最轻为目标,得到满足门框强度设计的最优解。为塔架门框的强度优化设计提供一种科学的设计方法。

车辆路径问题的模拟退火算法

在构造车辆路径问题(Vehicle Routing Problem,VRP)数学模型后,采用路径间调整和路径内优化方法,结合模拟退火算法策略对该问题进行求解。重点阐述了VRP模拟退火算法的设计思路,详细分析和编制了求解程序框图,并实现了计算机求解。仿真测试结果表明:采用模拟退火算法求解VRP效果显著,计算速度较快,与有关算法对比显示了较强的实用性和可操作性,为解决大规模VRP提供了一种有效算法。

基于二次退火机制的改进多态蚁群算法

利用多态蚁群算法和模拟退火算法的优点提出一种新的融合优化算法。研究结果表明:模拟退火用于优化每轮迭代后的路径,使得信息素释放更好的反映路径的质量;退火思想同时用于信息素更新机制,避免算法早熟、停滞,较差的路径按照退火竞争机制释放信息素;由于每轮迭代最优路径释放信息素最多,对其进行3-opt优化,提高搜索效率。同时,新发现的最优路径允许释放更多的信息素,使得蚂蚁在后续迭代中能够记住这条新路径。实验结果验证了算法的有效性。

改进的求解TSP问题文化蚁群优化方法

在文化算法基础上提出了一种改进的用于求解TSP问题的蚁群优化算法。改进算法采用新的双层进化机制对文化算法的种群空间与信念空间进行了重新设计,用最大最小蚁群系统(MMAS)构建种群空间,在信念空间中对当前最优解进行改进的3-OPT交叉变换操作,由于采用了这种双层进化机制,种群空间获得了更高的进化效率。通过仿真实验结果表明,改进算法比传统的蚁群算法(ACO)、文化蚁群算法(CACS)效果更好,收敛速度更快,精确度更高。

求解TSP问题的实数编码演化算法

采用实数编码的染色体表示方式,先后自行设计实现了两种演化算法求解TSP问题。其中第二种算法中使用了自适应演化算子,能有效消除路径上的交叉,并能在一定程度上进行合理的段位移,更加符合该染色体表示方式的特点。实验结果表明,用实数编码的染色体表示方式求解TSP是可行的,而且使用自适应演化算法求解可以取得比较好的结果。

基于中心分拨模式的多车场集送货一体化车辆优化调度方法

基于中心分拨理论的运输模式被很多大型物流企业所采用。因此研究其优化调度方法以确定各发车城市及车辆行驶路径。针对该优化问题建立数学模型及其求解框架,并利用改进的节约法求解,对得到的结果采用2-opt搜索算法进行修正。通过计算实例,说明了数学模型和求解方案的有效性。