矩形布局优化问题的局部搜索蜂群算法

带平衡约束的矩形布局问题属于组合优化问题,当问题规模增大时求解困难。为提高求解效率,设计了一个蜂群算法,通过分析解的分布,提供了基于贪心策略的群体初始化方案,选择了有效的变异算子,将蜂群算法的搜索空间聚焦于最优解可能的区域。另外设计了一个二次局部搜索算法,对解的质量进行进一步提升。在10个公开的案例上与目前性能最好的算法进行了对照,提出的蜂群算法在其中9个较大规模的案例上超过了现有算法。理论分析和实验结果表明,相对于现有算法,所提蜂群算法能明显提高求解效率。

带平衡约束矩形布局优化问题的深度强化学习算法

带平衡约束的矩形布局问题源于卫星舱设备布局设计,属于组合优化问题。深度强化学习利用奖赏机制,通过数据训练实现高性能决策优化。针对布局优化问题,提出一种基于深度强化学习的新算法DAR及其扩展算法IDAR。DAR用指针网络输出定位顺序,再利用定位机制给出布局结果,算法的时间复杂度是O(n^(3));IDAR算法在DAR的基础上引入迭代机制,算法时间复杂度是O(n^(4)),但能给出更好的结果。测试表明DAR算法具有较好的学习能力,用小型布局问题进行求解训练所获得的模型,能有效应用在大型问题上。在两个大规模典型算例的对照实验中,提出算法分别超出和接近目前最优解,具有时间和质量上的优势。

自收缩性的演化算法及其在布局优化问题中的应用

布局优化问题是现代工程应用中广泛存在的一类组合优化问题,但在理论上它却属于NPC(NP-Complete)问题,如果需考虑性能约束,则问题将更难于求解。论文基于演化算法自适应,自组织,自学习的特性,针对布局优化问题自身的特点,提出了一种自收缩性的演化算法(SCEA)。该算法采用浮点编码方式,定义了二元实向量类型的适应值及适应值间的严格偏序关系。算法借鉴日常生活中的一个简单事实—振动容器则装物更多,引入了三类自适应性的收缩算子(其中第三类特别适用于带性能约束的布局优化问题)。此外,文中使用了对带约束的函数优化问题特别有效的多父体杂交算子,并且针对带性能约束的布局优化问题,提出了“零性能约束初始化”过程。文后,引用了两个带性能约束的布局优化问题的已知例子和一个作者构造的较大规模布局优化问题的例子,实验结果表明,前两个问题对比目前已知最好结果无论在求解时间或结果的精度上均有较大突破,后一个问题也获得了相当好的结果,从而充分验证了算法的有效性和可行性。

用双目标加权遗传算法解决网络磁盘阵列系统下校验散布布局优化问题的研究

廉价磁盘冗余阵列(RAID)作为一种提高存储系统可靠性和性能的技术,已经得到了广泛的应用,有关磁盘阵列结构和数据布局的研究也一直很活跃,但有关网络磁盘阵列下的数据布局的研究还不太多。本文首先概述了校验散布布局的技术和遗传算法的相关知识,提出了利用双目标加权遗传算法的思想解决网络磁盘阵列系统校验散布布局优化的问题。然后以“重构负载均匀分布”和“校验均匀分布”为双目标,使用改变的NSGA来解决网络磁盘阵列系统下校验散布布局的优化问题。最后给出了实验结果。

油库及加油站内部布局优化问题浅析

随着土地资源稀缺性的日益显现,土地价值不断提升,油库及加油站通过扩张面积来改善其经营已难以实现,如何通过内部布局优化来提升油库及加油站的土地利用率和经营效率已成为保证成品油销售供应链顺畅运行的一个重要课题。通过分析当前我国油库及加油站内部布局存在的问题,比较了国内外油库及加油站建设现状,提出了油库及加油站内部布局优化问题的解决思路和建议。

带平衡约束矩形布局优化问题的遗传算法

研究二维矩形布局优化问题,将多个不同重量和尺寸的矩形目标填充到一个圆形容器中,要求给出最小的容器半径,并且系统保持平衡.目前的文献多采用局部搜索方法,但布局质量有待提高.文中设计一种构造式方法——定位法.其基本思想是将一个矩形围绕另外一个已经确定位置的矩形作为参照进行部署.由于围绕着参照矩形部署时只考虑有限个可布局位置,故定位法具有多项式时间复杂性.定位法可能得到较好的布局,但其质量受到布局顺序的影响较大,因此文中提出一种基于遗传算法的布局顺序寻优算法,其中遗传算法的交叉算子和变异算子经过特别的设计,使得遗传的下一代能继续作为布局顺序.在具有大规模测试用例的测试集上的计算结果表明,该布局方法比局部搜索方法有更优良的计算性能.

基于改进遗传算法的布局优化子问题

本文针对子问题,构造了布局子问题(关于同构布局等价类)的改进遗传算法。将该算法应用于二维布局优化子问题,数值实验表明该算法能够在很好地保持图元的邻接关系的前提下找到子问题的最优解。由于布局优化问题可分解为有限个子问题,所以利用该算法可以找到整个布局优化问题的全局最优解。

卫星仪器舱布局问题中不同构图的计算

证明了卫星仪器舱布局问题中的不动点集的性质 。

板料优化中基于满排方案的启发式搜索算法

提出了一种适用于板料排样优化的基于满排方案的启发式搜索算法 ,它克服了现有众多排样算法执行效率低、对板料多规格缺乏支持的缺陷 。