基于并行禁忌搜索算法的配电网重构

为更好地实现配电网重构,引入了分治法,进而提出了采用并行禁忌搜索算法实现重构的方法。将配电网简化为只含支路组的环网,并给出了配电网重构的必要条件。重构时,首先选择断开的支路组,采用深度优先搜索算法形成父子链表;然后引入可降低复杂度的分治思想,以可断开支路组为解空间进行分组,应用多处理器进行并行禁忌搜索。算例结果验证了该方法的有效性。

基于并行禁忌搜索算法的配电网重构

针对配电网重构过程中编码复杂和计算效率低等问题,采用并行禁忌搜索算法通过设置多个禁忌长度对解空间同时进行搜索,提高了搜索效率。在设计邻域结构时,采用N维坐标系的编码策略对网络中开关进行编码,其中坐标系的维数对应网络中联络开关的个数,在每维坐标中针对每个状态量分别进行加1和减1操作,对应网络拓扑图中的开关的移动操作,在该种邻域结构下进行寻优并得到全局最优解。最后采用2个IEEE经典算例进行仿真,验证了该算法的可行性。

多级网络物资前送决策模型及并行禁忌搜索算法研究

战时多级网络物资前送研究主要集中在单级网络、确定型模型和规划求解方面,对战场不确定环境下的多级物资分配网络研究较少。在考虑时间、成本的基础上,结合战场实际,运用泊松过程建立了基于敌侦察不确定形态下的随机风险模型,并构造了战时多级网络物资前送决策模型。通过对模型特点分析,结合随机游动算法构造了并行禁忌搜索算法,并通过实例对模型进行求解分析。实验结果表明,所建模型适合不确定战时条件下的多级物资前送实际,并行禁忌搜索算法能够有效求解所建模型,获得物资前送方案,为决策者提供科学依据。

基于禁忌-并行遗传算法的士兵职业技能个性化学习

目前士兵职业技能教育的学习对象在文化层次、学习能力上有较大差异,而传统的培训方式因师资力量、学习时间、学习资源等多种因素的限制,导致士兵学习积极性不高,学习效果很不理想。基于此,文章提出了基于禁忌-并行遗传算法的士兵职业技能个性化学习,希望士兵在无监督情况下高效自主学习。

高速铁路枢纽站技术作业计划与动车所调车作业计划协同编制研究

分析高速铁路枢纽站技术作业计划与动车所调车作业计划的协同编制过程,提出了将两个计划一体化编制的思想。以需安排作业效益最大化为优化目标,构建基于动车组车底的高速铁路枢纽站与动车所作业计划协同编制模型。针对模型特点,提出瓶颈工序、启发式分配规则及粗粒度主从进程模式的并行禁忌搜索策略(PTS)相结合的混合优化算法,首先确定作业安排瓶颈工序,然后启动主进程和若干从进程,主进程运用启发式分配规则快速生成初始解分配给从进程,从进程运用与瓶颈工序相关的禁忌算法搜索优化解,并反馈给主进程,主进程记录全局最优解并根据交叉策略生成新的初始解,重新分配给从进程进行TS搜索。最后,用实例验证了模型和算法的有效性。

网络化运营下城市轨道交通列车车底运用计划编制的优化方法

为提高城市轨道交通列车车底的运营效率,以城市轨道交通网络化运营为前提,研究网络化运营下城市轨道交通列车车底运用计划编制优化的方法。以车场能力约束、车底与车次衔接约束、车底始发与回送车场约束等为条件,构建以运营费用最小为目标的网络化运营下城市轨道交通列车车底运用计划编制优化模型,并给出并行禁忌搜索的智能算法。以某市轨道交通系统中3条线路组成的路网为例,验证了优化方法和求解算法的有效性和实用性。

考虑运营费用和线性化树形改编策略的货物列车开行方案研究

国外货物列车开行方案的制定通常以车流和车列的综合费用最小为目标,而我国大多以车流的集结和改编车小时消耗最小为目标,很少考虑每个车列的运营费用,造成理论开行费用偏小,其方案未必最优.此外,我国现有开行方案模型将车流树形改编策略递归表示,不利于对不可行流的处理.鉴于此,本文对现有模型进行改造,在总目标中增加车列运营费用;在约束中引入新的决策变量,实现线性化的车流树形改编策略.设计并行禁忌搜索算法实现对模型的求解.结果表明,单位列车运营费用中的固定费用对开行方案有着重要的影响,其费用越高,总开行列数越少,列车平均运距越长,但总改编车流量增加;线性化的改编策略直观展现车流的改编路径,便于对不可行流的运输方案进行调整.

带时限与回程的配送中心运输调度问题研究

在优化模型中将配送任务执行时间及每日调用车辆数量及路径作为决策对象,以车辆的固定费用、行驶费用、未按时完成服务产生的惩罚、存储费用等作为优化目标。在遗传算法中采用自然数编码形式以便于优化车辆数量,采用基于扫描算法的启发式算法构造更好的初始解,引入单亲遗传算子、重启机制及并行禁忌搜索以提高种群质量和深度寻优。经不同规模算例间对比测试,显示基于扫描算法的混合遗传算法具有最佳的优化性能。