快速启发式多约束优化路径算法研究

针对QoS路由算法中多约束算法的不足,提出了一种新的多约束算法:快速启发式多约束优化路径算法(FH_MCOP)。与现有的路由算法相比,它有两个显著的不同:增加了一个λ快速计算机制,可以降低计算复杂度和加快计算速度,缩短算法响应时间;对MCOP算法进行了有效的改进,使计算结果达到优化。计算结果表明,FH_MCOP能针对多约束优化路径问题的特点降低计算量和提高计算速度。

基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法

为了解决建筑钢筋混凝土桁架结构承载力较低的问题,文章提出了基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法。建筑钢筋混凝土桁架结构设计变量过滤处理为后续计算提供基础。根据轴心受力构件计算标准,构建应力约束条件。使用启发式算法中的组合优化方法,在MATLAB软件完成建筑钢筋混凝土桁架结构拓扑优化。试验结果证明:此方法具有较高的计算能力,可提升桁架结构的应力承载力至70.251J,得到最优优化结果。

质量体积双约束下车辆装载与配送路径联合优化研究

目的针对质量与体积共同限制的配送路径问题,综合考虑订单不可拆分、货物的体积等约束,构建包含路径最短和装载率最高双目标的车辆装载与配送路径联合优化模型。方法在车辆路径优化模型的求解方面,首先利用聚类算法对配送区域进行划分,然后通过车辆的载质量判断是否能进行站点货物的配送,最后利用遗传算法求得最优路径。在三维装载模型的求解上使用贪心算法和基于块的启发式算法,解决了货物的装箱问题。结果基于某公司具体实例对模型与算法的可行性进行了验证,优化后配送的车辆减少了1辆,配送距离减少了154.247 km,平均装载率达到了93.89%,节省了企业的配送成本。结论所构建的模型以及求解的算法可以提高装载率和配送效率,为解决车辆装载与配送路径联合优化问题提供理论依据。

通勤合乘路径优化模型与算法

道路车辆的增多导致城市交通和环境问题日益严重,共享合乘被认为是减少交通拥堵,降低碳排放的有效方法,特别是在新冠疫情持续影响下,通勤者采用互助合乘出行意愿较高.本文考虑到通勤时间的紧迫性,通勤者存在通勤压力和合乘不适感,在没有经济效益驱动的情况下,限制合乘路径的匹配范围,并加入惩罚因子以提高合乘配对成功率.本文提出了一种基于最优时间插值的贪婪启发式算法,添加了3种扰动算子来提高全局搜索能力,采用多组不同规模案例测试扰动效果.结果表明:设计算法可以在短时间内求解出更优结果,在解决大规模问题上,相比于精确算法、粒子群算法和遗传算法更具竞争力.此外,通过选取位置较远且分布均匀的职员作为接送者,可以改善合乘效果.

一个求解带有时间窗口约束的车辆路径问题的启发式算法

对适用于旅行商问题的最近距离搜索启发式算法进行修正,构造出评价函数,并依此提出一个求解有时间窗约束的车辆路径问题的启发式算法.求解具体算和表明,此算法是有效的.

多目标模糊机会约束规划的低碳多式联运路径优化

针对时间窗与需求量不确定性下的多式联运路径优化问题,运用梯形模糊数表示模糊需求量与模糊时间窗,并考虑碳排放成本、运输成本以及客户满意度,建立了多目标模糊机会约束模型。固定的交叉、变异概率会直接影响算法的收敛性,针对此问题,将自适应性与非支配排序遗传算法Ⅱ(NSGA-Ⅱ)结合,并通过与DOCPLEX和NSGA-Ⅱ的对比验证了所提模型与算法的有效性。最后,探究了碳税值与模糊需求量偏好值的变化对优化结果的影响。研究结果表明:碳税值的提出可有效促进“公转铁、公转水”,从而显著减少碳排放量,然而过高的碳税值并不一定意味着碳排放量的减少,还会对企业造成过高的成本;模糊需求量偏好值的提高会造成总成本的增加,意味着运输经济性与可靠性两者不可兼得。因此,合理设置碳税值与模糊需求量偏好值是提高多式联运环保效益与运输效益的有效方式。

三层物流网络选址—路径优化及混合启发式算法研究

为同时解决转运、分配、选址和车辆路径问题,在考虑车辆载重和行驶距离约束、配送中心处理能力约束的基础上,构建了一个多产品三层物流网络选址—路径模型,以总成本最小为目标,提出一种基于贪婪随机自适应搜索算法和里程节约算法的混合启发式算法,给出了该算法的步骤和伪代码。实验结果表明,该算法具有可行性,并且与其他算法比较而言,算法具有高效性。

基于启发式算法的复杂军事网络路径优化

使用一种启发式算法,使得复杂网络中最大介数最小化,可以达到接近最优化的路径,以改善复杂网络的信息容量。针对海上编队作战系统复杂网络的平均介数、最大介数与网络大小、迭代次数、介数分布情况的仿真发现,复杂网络容量超出比对文献中理论预测的最大值,这对于解决复杂军事网络的拥塞,提高复杂军事网络容量和作战效能重大意义。

基于综合启发式算法的物流配送路径优化研究

物流配送是现代物流的一个核心内容,文章以物流配送的总花费最小构建目标函数,建立了物流配送路径优化模型,并对所建立的模型进行分析,为避免遗传算法在求解该类问题有可能陷入局部最优解的情况,设计了基于遗传算法和模拟退火算法的综合启发式算法,最后通过实例验证了该模型和算法的优势。

防洪优化调度多约束启发式逐步优化方法

决策者的经验和知识判断对实际洪水调度有着非常重要的影响,为此,将决策者预泄控制的实践经验和泄流状态持续性要求纳入模型约束条件中,提出了防洪优化调度多约束启发式逐步优化方法。该方法以最大削峰为控制目标,将水库泄流的一般操作原则概化为启发式信息,以洪水涨落和水位升降作为泄流增减的判别依据,与优化搜索相结合,采用启发式逐步优化算法求解。以水口水库为例,采用5个方案对所提方法进行了对比分析。结果表明,提出的方法可以充分考虑决策者的经验和知识判断,降低了预泄腾库水位过低造成的回蓄风险,避免了泄流过程的波动,得到符合实际洪水调度要求的计算结果。

考虑相邻时段投切次数约束的动态无功优化启发式策略

在开关日动作次数约束基础上,考虑分接头挡位的相邻时段动作次数约束,建立了一种更加实用的动态无功优化新模型。按照"先投先切、后投后切"原则,将同一母线的多个电容器组等效为1个集中变量,并根据其中的电容器组个数来确定等效变量的动态约束值。由此,既满足了电容器的实际动态约束,又减小了模型的变量规模。在求解动态无功优化问题时,以混合智能算法为基础,提出处理动态约束的启发式调整策略,采用稀疏技术,有效提高了算法的效率。IEEE14与IEEE30节点系统和一个实际系统的仿真结果验证了所述模型的正确性和算法的有效性。

求解集送货可拆分车辆路径问题的启发式算法

为了节约运输成本、提高物流服务效率,对集送货可拆分的车辆路径问题进行了研究.该问题允许一个任务点被访问多次,也允许同一车辆访问同一任务点多于一次.针对问题的特点设计三阶段启发式算法,拆分部分任务点的集送货需求,并使车辆行驶距离之和最小.数值实验结果表明,新的算法可以得到合理的车辆路径,尤其适用于送货需求总量大于集货需求总量的情形.

基于禁忌搜索的启发式任务路径规划算法

基于启发式搜索和禁忌搜索技术 ,提出一种用于解决有限资源、不同重要性要求的任务路径规划问题的有效算法 ,通过对不同重要程度的任务进行分层调度 ,得到较为满意的决策结果。该算法具有搜索空间小、求解速度快的优点。

基于启发式算法的排水管道路径优化

管路优化是目前城市污水管网的重要环节。遗传算法是机器学习五大类别中进化主义的主要算法之一,可以求解问题的全局最优解,在求解复杂的优化问题时具有良好的性能。A*算法将传统的BFS算法和Dijkstra算法二者的思想结合起来,使用启发函数进行引导,在速度和准确性之间有很大的灵活性。蚁群算法的鲁棒性强,对初始路线的要求低,参数较少,设置简单,易于应用到求解其他组合优化问题。

求解卸装一体化的车辆路径问题的混合启发式算法

提出一种结合蚁群系统（Ant Colony System,ACS）和变邻域下降搜索（Variable Neighborhood Descent,VND）的混合启发式算法ACS_VND,求解卸装一体化车辆路径问题.利用基于插入的ACS解构造方法产生多个弱可行解,再逐个转换成强可行解,并选择其中最好的作为VND的初始解.在VND过程中使用三种不同的邻域结构：插入、交换和2-opt依次对解进行迭代优化.对55个规模为22~199的benchmark算例的求解结果表明,算法ACS_VND能在较短时间内获得52个算例的已知最好解,并且更新了其中44个算例的已知最好解,求解性能优于现有算法.

考虑伤员健康状态变化的紧急医疗救援路径优化

重大突发事件造成的伤员人数往往超出现场急救、转运和处理能力,邻近医院仅能提供有限的医疗救援服务,高效地转运不同受伤程度的伤员成为紧急医疗救援的关键。以全部伤员的健康状态总和最大为目标,考虑伤员病情随时间动态恶化的程度,提出了一种救护车与社会车辆共同救援的多车场、多车型、多周期紧急医疗救援路径优化模型,并以成都市的部分安置点和医院的实际数据为例,采用启发式邻域搜索算法对模型进行求解,验证了模型的有效性。结果表明:采用共同救援模式可有效提高伤员整体健康水平。研究结果可为重大突发事件下的伤员转运及通道保障提供决策参考。

二维平行放位装车问题的布局约束启发式算法

在分析二维平行放位货物装车问题的基础上 ,对货物装车问题设定了布局约束 ,构造了布局约束启发式算法。实验结果表明 ,此算法可以有效求得问题的优化解或近似优化解 。

物流网络选址与路径优化问题的模型与启发式解法

以商品从供应商,经过物流中心(或配送中心),配送到最终用户的整个过程中所产生的费用最小化为目标函数,提出了求解供应商的最佳位置与数量、配送中心的最佳位置与数量以及从配送中心到最终用户的最佳配送路径优化问题,建立了问题的数学模型,利用传统启发式算法与模拟退火法开发了问题求解的混合启发式解法,并利用人工生成数据和实例进行了计算验证。对于小规模问题,通过与数理规划软件所求得的最优解进行比较可以看出,所提出的数学模型可以准确地描述此类问题,所提出的混合启发式解法能够在短时间内求解问题,并得到非常接近于最优解的近似解;对于大规模问题,虽然无法求得最优解进行比较,但从实例计算结果来看,所求解也是较好的,因此可以认为所提出的解法是有效和良好的,具有较高的实用价值。

启发式路径下节约里程的订单分批算法

基于电商配送中心人到货整箱拣选系统,考虑拣选器具和商品包装体积,构造以最大化里程节约量为目标的订单分批模型,提出基于启发式拣选路径下节约里程的订单分批算法,并结合某企业物流中心订单数据对该算法进行仿真实验。研究结果表明,基于启发式路径下里程节约的订单分批方法(D-eco)的求解效果优于先到先服务分批方法(FCFS)和基于相似度的订单分批方法(SBBM)。在5种不同订单池容量下,采用D-eco进行订单分批后拣货人员总行走距离平均比FCFS和SBBM多缩减了12%和2%。

组合截面工程结构离散变量优化设计的通用模型及启发式算法

建立了组合截面离散变量优化设计的通用模型;提出了一种启发式求解算法。通过对截面设计变量的合并,把截面整体作为一个设计变量;将约束条件按其作用范围分为三类:局部约束、全局约束、中间约束,即介于局部和全局约束之间的约束;根据离散结构实体杆件在结构中受力和传力的特点,将杆件分为5类。针对三类约束的不同特点,分别给出了启发式求解算法。最后通过一个三维的空间结构实例给出验证,优化效率高,效果明显。六个工程实例的优化结果比经验设计可节省材料5.0～19.0%。实践表明本文提出的模型通用性强,启发式求解方法效率高且实用,适合大规模离散变量工程结构最轻设计问题。