优先规则的启发式军事任务计划求解算法

首先对军事任务计划问题进行分析,基于合理假设建立了军事任务计划问题描述模型;随后针对问题模型特点设计了一种基于非支配排序思想的任务优先规则和以任务完成时间最短为目标的任务执行模式优先规则,提出了一种基于优先规则的启发式求解算法;最后,通过仿真算例对该模型和算法的可行性和有效性进行验证,实验结果证明该方法能够快速、有效求得军事任务计划问题的可行解。

融合启发式规则与模拟退火算法的排程模型应用

热压成型与铺叠工序作为复合材料生产环节中的关键工序,生产排程不合理导致资源浪费,生产效能低等问题。据此提出一种融合启发式规则与模拟退火算法的双层排程模型。根据问题特性在传统模拟退火算法基础上提出一系列优化策略,进一步提升模型性能。在实证中采用H复合材料加工厂相关制件数据对上述模型进行测试。实验结果表明,铺叠加工时长由93 h减少为82 h,设备空闲时间减少54个小时。排程效果显著,有效提升生产连续性及设备利用率,降低资源浪费。

融合启发式规则和文化基因算法的多缓冲炼钢—连铸生产调度

针对炼钢连铸生产多缓冲多约束的特点,基于浇次调度提出一种混合启发式规则与文化基因算法的调度方法。建立了炼钢连铸生产调度模型,提炼出有限、无限和可加工三类缓冲区。提出浇次内和浇次间两种启发式规则,通过缓冲区分配和定时来保证同一浇次内的生产顺行和各浇次间的准备时间约束。设计了文化基因算法,将启发式规则融进初始化和解码过程,构造基于优先组合矩阵的变邻域搜索算子改进其局部优化。通过某炼钢厂的实例及随机实验表明所提方法有效,且具有优异的局部拓展与全局优化能力。

基于启发式规则与和声搜索的配电网重构算法

提出一种基于启发式规则与和声搜索算法的配电网经济性重构方法.首先,根据配电网重构网络拓扑要求及和声搜索算法的特点,采用基于重构环解的和声向量编码方式,通过构建重构环特殊支路组、设定支路断开原则避免不可行解的产生;然后,以网损最小为目标分析初始网络,利用启发式规则将各重构环搜索范围压缩到最有可能的有效解范围之中;最后,利用和声搜索算法在有效解范围中全局寻优.该方法显著减少了候选解数目,能够快速搜索到全局最优解,且搜索性能不随网络规模的扩大而变差.IEEE典型算例的仿真结果验证了本文方法的正确性和有效性.

编组站配流问题中多阶段优化算法的启发式规则

以所有车辆在站停留时间最短为目标,对单向单推单溜配流模型进行理论分析,证明该模型下的三个优化目标转换定理,并在不同假设条件下得出8个推论。为了验证上述定理和推论的启发效果,将它们设计为各阶段选择解体列车和编制配流方案的优先规则,并构建以每列出发列车获得最大车流数最多为子目标的多阶段配流问题推理算法,实例结果表明该算法可在线性时间复杂度内获得高效近似解。

基于扩展规则的启发式#SAT求解算法

#SAT在人工智能领域取得了广泛应用,很多现实问题可以规约成#SAT进行求解,得到命题理论的模型个数.通过对基于扩展规则的#SAT求解器的深入研究,发现选择规约子句的顺序对极大项空间的大小有着较大的影响,因此提出两种加速#SAT求解的启发式策略:MW和LC&MW.MW每次选择具有最大权值的子句作为规约子句;LC&MW每次选择最长子句作为规约子句,若最长子句存在多个,则在多个最长子句中选择具有最大权值的子句作为规约子句.利用MW策略设计了算法CER_MW,利用LC&MW策略设计了算法CER_LC&MW.实验结果表明,CER_MW和CER_LC&MW相对于先前的#SAT求解算法在求解效率和求解能力上都有显著的提高.在求解效率方面,CER_MW和CER_LC&MW的求解速度是其他算法的1.4倍~100倍.在求解能力方面,CER_MW和CER_LC&MW在限定时间内可解的测试用例更多.

基于启发式规则的混合遗传算法及其在生产计划优化中的应用

以最优或近似最优的作业顺序编制满足关键资源约束的生产计划优化问题一直是企业生产管理中重要的研究课题之一。文章提出了一种基于传统启发式规则的混合遗传算法。该算法将染色体分为两段,前段表示资源安排策略,后段表示为优先分配规则序列,并设计了一种新的交叉算子。最后,介绍了根据此算法编制的一个制造企业生产控制的软件系统。

组合规则启发式算法在模具加工作业调度中的应用研究

由于现行的优化算法在解决模具车间调度问题上存在局限性,目前大部分模具车间由人工编制车间作业计划,导致生产效率较低、物料供应不能同步化等问题。为此,介绍了采用基于组合规则的启发式算法,选择加工时间最短和最小等待时间等规则,解决了现行的优化调度算法在车间调度问题中所遇到的难点。经实例验证获得了较为理想的结果。

基于启发式规则的新型进化算法在流水车间调度中的应用

针对流水车间调度这一典型的NP难问题,采用了一种新型进化算法——DNA进化算法进行求解,并对算法做了改进。改进的DNA进化算法中引入了交换操作以更好地搜索解空间,并采用黄金分割率控制变异个体的数目。同时为了进一步提高搜索性能,采用一种新颖的启发式规则产生初始种群。以50个T aillard基准问题进行仿真,并与遗传算法进行了详细比较,仿真结果表明:改进的DNA进化算法具有更好的求解性能以及更高的运算效率。

基于启发式规则和蚁群算法的车间作业调度方法

车间作业调度问题是一个典型的NP-hard问题,也是一个前沿性的研究课题,已受到学术界和工业界的广泛关注。提出了一种基于启发式规则和蚁群算法的车间作业调度方法。该方法首先采用蚁群算法得到车间作业调度问题的一组可行解,然后采用一些启发式规则进一步优化这些可行解。通过将启发式规则有效地融入到蚁群算法中,使得该混合方法的优化效率得到极大的改进。仿真实例表明,方法是可行的、正确的和有效的。

改变值更新规则加快启发式实时算法的收敛

网络最优路径问题的求解多用启发式算法。LRTA*算法作为启发式A*算法的改进,在多路径求解中,通过引入网络系统实时动态信息,满足动态环境下的实时要求,较快收敛于最优路径。本文给出了通过改变值更新规则来加快实时算法收敛的一种新方法,通过时间和解质量的相对折中,使该算法比LRTA*算法更快地收敛于满意解,是一种求解大城市稠密路网两点间最优路径的有效方法。

基于遗传算法和启发式方法的二维不规则零件排料

将遗传算法应用于解决排料优化问题,文章的基本思想是一个有确切旋转角度的零件序列,遵循既定的排布规则,就唯一的确定了一种方案。把零件的序号和相对于原始状态的旋转角度作为遗传算法的编码基因。把零件是一个接一个的从板材右下角外使用最左最上的排放策略排放在板材上。首先零件应当被放在板材右下角外,先左移,然后上移,如此循环移动,直到不能移动为止。直接实现了对多边形进行排料,避免了零件重叠的盲目检测,并结合应用实例给出了的优结果。

LEDBAT协议优先级反转抑制的启发式动态阈值算法

近年来,随着通信技术和网络传输能力的大幅度提升,应用需求呈现多元化的增长态势(视频会议、在线游戏等交互式应用要求低时延、低抖动,而软件更新等应用则要求高吞吐).为满足时延不敏感的数据传输并保证高效的瓶颈带宽利用率,低优先级拥塞控制算法(如LEDBAT(low extra delay background transport))受到广泛关注.该类算法能在链路空闲时占用未被使用的带宽,而在链路负载较高时释放占用的带宽以保证时延敏感数据的传输.然而,当中间路由器部署主动队列管理算法时,低优先级拥塞控制算法存在优先级反转问题,即链路高负载时无法释放占用的带宽,使其退化为普通拥塞控制算法.为解决该问题,针对LEDBAT中的固定时延阈值造成的优先级反转,提出启发式的动态阈值调整算法,其在运行时动态搜索最优的动态时延阈值,确保LEDBAT与主动队列管理算法共存时仍能保持低优先级特性,同时不降低链路的利用率.为验证算法的有效性,在网络模拟NS2中建立了不同网络场景并对算法进行大量的评估.实验结果表明:与已有低优先拥塞控制算法相比,新算法能够有效解决优先级反转的问题,同时保证链路的带宽利用率.

基于启发式规则与改进和声算法的配网快速故障恢复网络重构

网络重构是改变配电网运行状态最重要的手段之一,可有效提高配电网经济、安全以及供电可靠性。为此,提出融合启发式规则与网络重构的配电网故障快速恢复方法,采用宽度优先遍历的思想,确定故障隔离后非故障失电区,据此利用提出的启发式规则确定非故障失电区的故障恢复方式,以及实现非故障失电区与非故障带电区的连通;对接入了非故障失电区且除去了主动孤岛恢复部分的配电网络,构建以网络损耗最小为目标,以满足配电网安全运行为约束条件的网络重构模型,利用所提出改进和声算法对模型进行求解。通过69节点系统仿真,表明所提方法相比其他方法具有优越性,同时验证了所提出的配电网故障恢复网络重构模型的有效性。

有优先顺序约束的单件车间调度问题的一种启发式算法

本文研究单件车间调度优化问题。针对工件之间存在的加工顺序关系,给出了逆推算法对各工件的交货期进行预处理,将问题转化为一般单件车间调度问题;在此基础上运用合适的调度规则,构造了具有一定优度的启发式算法。

基于优先原则的启发式算法在ZM项目中的应用

施工进度计划的科学编制及合理安排是项目进度管理的重要内容,是影响项目工期目标实现的关键环节。通过关键路径法得到ZM项目建设最短工期进度计划,再从资源约束的角度,采用启发式算法对项目进度计划重新进行调整和编制,得出资源配置最优的工期。

考虑工序相关性的动态Job shop调度问题启发式算法

提出一类考虑工序相关性的、工件批量到达的动态Job shop调度问题,在对工序相关性进行了定义和数学描述的基础上,进一步建立了动态Job shop调度问题的优化模型。设计了一种组合式调度规则RAN(FCFS,ODD),并提出了基于规则的启发式算法以及该类动态Job shop调度问题的算例生成方法。为验证算法和比较评估调度规则的性能,对算例采用文献提出的7种调度规则和RAN(FCFS,ODD)进行了仿真调度,对调度结果的分析表明了算法的有效性和RAN(FCFS,ODD)调度规则求解所提出的动态Job Shop调度问题的优越性能。

求解三维装箱问题的多层启发式搜索算法

文中提出了一个高效求解三维装箱问题的多层启发式搜索算法.该算法基于块装载的思想,按照块选择算法确定每个阶段采用的块,然后以一种固定的装载方式装载块,直到无法继续装载.文中的主要贡献在于发展了一个有效的复合块生成算法,特别的,提出了基于多层搜索的块选择算法,该算法用多层搜索来评价可行块,然后选择最合适的块进行装载.对1500个三维装箱问题测试数据的计算结果表明,提出的算法几乎在所有测试数据上的填充率都超过了目前已知的优秀算法.

基于粗糙集的启发式值约简的改进算法

本文根据粗糙集理论讨论了属性值约简问题,基于属性值的重要度提出了一种改进的启发式值约简方法。首先,通过约简广义特征表和决策表获得决策表的属性值核。其次,用条件属性与决策属性之间的互信息增量来度量值重要度,进行启发式信息、构建和属性值约简。最后,用属性蒸发率和置信度等指标对决策规则质量进行评价,验证了算法的有效性。

基于启发式混合遗传算法的相控阵雷达最优化调度

针对相控阵雷达最优化调度,提出了结合启发式规则的混合遗传算法实现。设计了基于遗传算法的相控阵雷达调度的编码规则、初始种群产生、交叉和变异遗传算子等,定量描述了波束合并和交错跟踪的条件,并提出了五项启发式规则。最后开发了结合启发式规则的混合遗传算法相控阵雷达调度软件系统,并利用仿真结果验证了算法的可行性和有效性。