求解混杂生产调度问题的嵌套混合蚁群算法(英文)

蚁群算法作为解决优化问题的有力工具 ,它的有效性已经得到了证明 .由于其生物学背景 ,基本蚁群算法被设计来求解复杂的排序类型组合优化问题 ,在连续空间优化问题的求解方面研究很少 .本文提出一种嵌套混合蚁群算法 ,用于解决具有混杂变量类型的复杂生产调度问题 ,在一种新的最佳路径信息素更新算法的基础上 ,提高了搜索效率 .计算机仿真结果表明 ,本文提出的方法在求解此类问题上性能优于另一种基于进化计算的有效方法———遗传算法 .蚁群算法作为解决优化问题的有力工具 ,它的有效性已经得到了证明 .由于其生物学背景 ,基本蚁群算法被设计来求解复杂的排序类型组合优化问题 ,在连续空间优化问题的求解方面研究很少 .本文提出一种嵌套混合蚁群算法 ,用于解决具有混杂变量类型的复杂生产调度问题 ,在一种新的最佳路径信息素更新算法的基础上 ,提高了搜索效率 .计算机仿真结果表明 ,本文提出的方法在求解此类问题上性能优于另一种基于进化计算的有效方法———遗传算法 .

应急救援中心的选址-调度的双层模型及混合嵌套式算法

针对突发重大疫情或灾害后实施应急救援过程中的物资调配急迫性与时效性以及多车型运输问题,本文构建了一种选址-调度双层模型.即,上层以总的运输代价最小化为目标,下层以配送代价(时间、距离和满意度)最小为目标的双层动态交互模型,同时考虑时间窗、配送覆盖范围限制以及运输车辆容量限制及距离等约束条件.根据模型特点,设计了一种混合嵌套算法,上层为新型排球超级联赛算法(New Volleyball Premier League Algorithm,NVPL),下层为改进的遗传算法(Improved Genetic Algorithm,IGA)来求解.采用了新冠疫情爆发期间全国药物临时配送中心选址和紧急调度运输背景的相关算例进行求解,并与双层遗传算法和双层粒子群算法作对比,验证了模型的有效性与算法的准确性.

求解非线性方程组的混合遗传算法

非线性方程组的求解是数值计算领域中最困难的问题,大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组,选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点,提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性,有效地克服了经典算法的初始点敏感问题;同时在遗传算法中引入经典算法(Powell法、拟牛顿迭代法)作局部搜索,克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对比了不同算法。计算结果表明所设计的混合遗传算法有着可靠的收敛性和较高的收敛速度和精度,是求解非线性方程组的一种成功算法。

混合遗传算法及其在运载火箭最优上升轨道设计中的应用

运载火箭最优上升轨道设计问题是一类终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时收敛性差、局部收敛等问题表现得比较突出。针对上述问题,将具有良好全局收敛性的遗传算法应用到运载火箭最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合遗传算法和单纯型算法的优点,设计了两种混合遗传算法。计算结果表明,所设计的混合遗传算法是求解复杂问题的有效全局优化方法,可以成功地解决一类终端时刻可变飞行器最优控制问题。

基于混合效应模型的杉木单木冠幅预测模型

以湖南省黄丰桥国有林场103块样地共2461株杉木为例,建立单木冠幅模型。由于所调查数据是在不同立地条件下相同样地中重复观察得到,数据间存在明显相关性,为解决此问题,将考虑立地指数和样地对冠幅生长的随机影响,即建立嵌套2水平非线性混合冠幅模型。从12个常用林分模型中选出较好的冠幅直径模型作为构建混合模型的基础模型。除胸高直径外,还考虑其他17个林分或树木因子对冠幅的影响。通过指标AIC(akaike information criterion)和对数似然确定最佳形式参数随机效应组合类型,用指数函数、幂函数以及常数加幂函数3种形式的残差方差模型消除异方差,最后对混合模型和传统回归模型进行比较及评价。结果表明:逻辑斯蒂形式的冠幅直径模型[模型(13)]拟合效果较好,选择为基础模型;胸径、冠底高、树高和样地优势高是影响冠幅的主要因子;幂函数消除异方差效果最好;与立地指数相比,立地指数与样地的嵌套效应对冠幅影响更大;模型(15)的嵌套2水平比总体平均水平和立地指数水平预测精度高,相比于模型(13)有明显改进。本文主要为方法研究,对于其他树种可以用相似方法构建冠幅模型。

一个三重嵌套的中尺度模式及暴雨模拟试验

该文介绍了新近发展的一个高分辨率有限区模式（ＨＬＡＭ）．它是通过三重嵌套在现有计算机（ＣＹＢＥＲ－９９２）条件下实现的，其范围、地理位置及侧边界宽度均设计为灵活可变，尤其水平分辨率可按任意倍数提高。利用水平分辨率为５０ｋｍ左右的模式版本进行了实际资料的降水个例实验。结果是令人鼓舞的：（１）与嵌套的低分辨率（格距增大４倍）模式预报比较，不论低压中心位置、强降水落区、雨带走向及降水中心位置的预报都更接近实况；（２）高分辨率模式积分区域虽然缩小，但并未影响预报效果，其４８小时预报仍有较高精度。初步试验表明，进一步完善和改进后的ＨＬＡＭ完全可以发展为一个用于中尺度研究及业务使用的高分辨率区域模式。

高峰时段城市轨道交通快慢车与多站限流协同优化方法

针对城市轨道交通线路高峰时段客流组织压力大、乘客出行时效要求高等特征,提出一种快慢车组织与多车站限流相协调的协同优化方法。该方法考虑快车跨站与越行方式、列车承载能力和车站乘客安全容量等主要约束条件,建立以乘客总出行时间最少和各站各状态内上车人数占总候车人数比例方差之和最小为目标的优化模型,设计嵌套混合遗传算法求解。以某市域轨道交通线路为算例并对不同目标的权重系数分配进行敏感性分析。研究结果表明:对比站站停及不考虑车站协调限流的方案,该方法分别在乘客出行效率及乘客出行公平性方面有所优化,能有效缓解大客流车站的客流组织压力。

基于PM_(2.5)站点监测数据的京津冀AOD补值研究

以京津冀2020年318个地面监测站点的PM_(2.5)数据为估算因子,构建了时空线性混合效应模型(STLME)和时空嵌套线性混合效应模型(STNLME),为AOD数据的补值研究提供了一种新方法.结果表明:在有AOD-PM_(2.5)匹配数据的日期,上述两个模型估算精度相近,交叉验证后决定系数R^(2)分别为0.868和0.874,均方根误差RMSE分别为0.112和0.109;在无AOD-PM_(2.5)匹配数据的日期,嵌套模型估算精度明显高于非嵌套模型,交叉验证后决定系数R^(2)分别为0.63和0.26.经过模型补值后,研究区监测站点所在网格AOD数据空间维有效比率从原始数据的44.35%提高到99.35%,时间维有效比率从87.94%提高到100%;同时,每个站点的年均AOD值都有明显提高,弥补了高PM_(2.5)浓度条件下缺失的AOD数据,可以减少空气污染和健康研究中暴露评估的偏差.

结合地基PM_(2.5)观测资料构建京津冀MODIS AOD完整数据集

针对遥感气溶胶光学厚度(AOD)产品普遍存在的非随机性缺失问题,本文选取2020年京津冀地区10km×10km的MODIS_MYDMOD04_L2日值数据和地基PM_(2.5)浓度观测日值数据,经过MODIS AOD单星两种算法产品的逆方差加权及双星算术平均融合、PM_(2.5)浓度数据的嵌套式时空混合效应模型转换融合和基于上述两种融合产品的时空克里金插值融合等方法集成,建立了研究区完整的AOD日值数据集.结果显示:经AERONET AOD数据验证,双星MODIS AOD融合结果R^(2)为0.87,RMSE为0.27;混合效应模型转换融合结果R^(2)为0.82,RMSE为0.31;时空克里金插值融合结果R^(2)为0.83,RMSE为0.28.AOD数据年平均每日空间覆盖率从MODIS原始数据的58.36%提高到时空克里金插值融合后的98.00%.MODIS AOD多算法多星数据融合的作用是增强与PM_(2.5)浓度日均值数据在时间尺度上的匹配度.地基PM_(2.5)浓度转换融合的作用一是补充区域内分布较均匀的局域AOD相对高值数据,保障了后续时空克里金插值的整体精度;二是能改善大片区域原始AOD数据缺失问题,可明显提高插值的时空覆盖率.所设计的数据融合方法体系,具有方法较简便、精度较高、数据集完整性好的特点.

双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。