基于改进拉格朗日松弛算法的电力通信网络负载均衡优化策略研究

针对传统电力通信网络路由策略存在的负载分布不均和丢包率较高等问题,基于软件定义网络,提出了一种基于改进拉格朗日松弛算法的电力通信网络QoS路由策略。以链路时延、可用带宽和丢包率为约束建立路由模型,并采用改进的拉格朗日松弛算法进行路径选择。通过仿真与传统路由方法进行对比,验证了该方法的可行性。结果表明,与传统路由策略相比,该方法能够规划出符合QoS要求的路径,负载分布更加均衡,有效降低了业务丢包率,丢包率由45%降低到0.1%,具有一定的实用价值。

改进拉格朗日松弛算法的机组组合研究

为提高计算效率,并针对传统拉格朗日松弛算法(LR)在优化过程中存在对偶间隙不能收敛的问题,提出了一种改进的拉格朗日松弛算法(LR CMSCA)以优化大规模机组组合问题。首先通过正弦余弦算法(SCA)优化拉格朗日乘子的更新路径,以缓解振荡现象;然后在SCA中引入柯西变异算子对当前粒子进行干扰,尽可能避免陷入局部最优,并引入自适应权重更新策略,使粒子更快逼近最优解;最后利用不同机组规模的电力系统进行仿真计算,并将计算结果与其他算法进行比较。结果表明,该方法在计算结果上具有优势,且有实际应用价值。

技术站配流与调机运用综合问题的拉格朗日松弛算法

技术站调度问题中配流与调机运用是关系密切的两个基础问题。基于单机器调度和资源分配理论,构建单解单编技术站配流与调机运用综合问题的混合整数线性规划模型,同时确定出发列车的编组内容和调机的解编任务,使得出发列车满足列车编组要求,且车辆在站加权总停留时间最小。设计拉格朗日松弛算法松弛掉连接约束,将原问题分解为解体子问题、配流子问题和编组子问题,对偶问题采用传统次梯度优化算法求解。最后,采用既有文献算例对该算法的有效性进行测试,结果表明:与分支定界算法相比,该算法能够实现计算质量和时间的较好折中。

带批和离散机柔性流水车间问题的混合异步次梯度优化的拉格朗日松弛算法

为有效解决串行批调度问题,提出了一个混合异步次梯度优化的拉格朗日松弛算法,来求解带批和离散机的柔性流水车间问题(FFSP),目标是最小化总加权完成时间。该问题来源于钢铁业的炼钢-连铸-热轧一体化生产过程,为了加快算法的求解速度,扩大求解规模,在拉格朗日松弛优化算法中引入异步次梯度优化,每次迭代仅最优求解一个批级子问题,而其他子问题的解仍维持为前一次迭代的值,以此获取一个合理的乘子更新方向,大大缩短了每次迭代所消耗的运行时间。通过与基于批解耦和次梯度法的拉格朗日松弛算法的实验对比,说明了无论是实际生产数据还是随机产生的大规模数据,所提出的改进拉格朗日松弛算法都能获得具有竞争性的结果,对于较大规模问题,它在解的质量和收敛速度方面的优势更加明显。

多传感器多目标数据互联中的拉格朗日松弛算法研究

拉格朗日松弛算法在现代优化启发式算法中占有重要地位，本文对多维分配问题的拉格朗日松弛算法进行研究，重点研究松弛次序对数据互联结果的影响。研究方法是针对不同测量误差情况下进行计算机仿真实验。结果表明，多传感器多目标数据互联的拉格朗日松弛算法中，松弛探测效果较好的传感器的观测数据，有助于提高目标关联的准确率，且算法的计算量相应减少。该结论使多维分配问题的拉格朗日松弛算法能满足工程上对数据进行实时处理，具有实际应用价值。

拉格朗日松弛算法在平台罗经多故障诊断技术中的应用研究

最优多故障诊断问题是一个NP-hard问题。针对平台罗经这一复杂系统,采用有向图描述元件与测试点间的因果依赖关系,并建立系统的多信号模型。在考虑元件发生故障的先验概率的前提下,提出一种基于拉格朗日算法(LRA)和子梯度优化算法(SOA)近最优多故障诊断算法,并在某型平台罗经的方位稳定系统多故障诊断中得到应用。结果表明:该方法相对于传统的单故障诊断方法诊断速度快,适用于平台罗经这类大型复杂系统的多故障诊断。

利用拉格朗日松弛算法求解三维分配问题

将拉格朗日松弛算法与最优求解算法的复杂性进行了分析比较,并将该算法应用于求解3-D分配问题,分析与算例结果表明,该算法可大幅度降低3-D分配问题的求解计算量,是求解3-D分配问题的一种有效算法.

基于拉格朗日松弛算法的终端区飞机排序研究

终端区飞机排序问题是减少航班延误、降低成本的关键技术。考虑机型运行成本和飞机总延误时间,建立一个0~1整数规划模型。因其是一个组合优化问题,多约束相互制约,采用拉格朗日松弛算法将复杂约束转换为线性约束进行求解。仿真结果表明,求得的进近队列延误小、延误成本低、无冲突,且拉格朗日松弛算法计算得到的结果更为可靠,符合实际运行需求,结果优于传统的启发式算法。

等待时间受限的HFSP及其拉格朗日松弛算法

等待时间受限的混合流水车间调度问题(HFSP)广泛存在于钢铁生产,玻璃加工和塑料等行业。目前,关于等待时间受限的HFSP的研究较少。首先建立了等待时间受限的混合流水车间调度问题模型,然后设计了基于工件分解策略的拉格朗日松弛算法来进行求解。该算法通过将机器容量约束松弛到目标函数中,将得到的松弛问题进而分解为一系列易于求解的工件级子问题来进行求解。最后对设计的算法进行仿真验证,测试结果表明所设计的拉格朗日松弛算法能够在较短的时间内产生较好的近优解。

基于社会化库存的多回程物流配送问题的拉格朗日松弛算法

社会化库存是同城配送快速发展所呈现出的一种新特征。在社会化库存模式下,顾客可从多个同城商店订购货物,其物流配送服务需要通过配送车辆在商店与顾客间的多次往返而实现,这是一类特殊的多回程混合取送物流配送问题。针对该问题,建立了混合整数规划模型及改进的拉格朗日松弛算法;考虑到传统拉格朗日松弛算法存在无法有效提供上界的缺陷,引入了基于次短路的可行解生成思想,实现了问题上界的有效求解。仿真算例表明,所提算法能够取得优于CPLEX求解器的计算效率。

基于拉格朗日松弛算法的应急物流配送车辆调度模型优化研究

大型突发事件的应急物流具有多货物多起止点网络流、多种运输方式转换及对运输时间限制的特点。文中根据应急物流的特点设计一种描述车辆调度问题(VRP)的多模式分层网络,通过划分时间段和延期费用构建多目标VRP数学组合优化模型,并采用拉格朗日松弛算法将该问题分解为2个子问题分别进行优化,最后通过算例验证该优化模型的有效性和收敛性。

基于拉格朗日松弛算法的军用物资集散分拨中心选址

为提高战区物资保障网络的保障效率和效益,通过分析军用物资集散分拨中心的基本功能,在综合考虑运输成本和建设成本的基础上,构建改进型军用物资集散分拨中心P-中值选址模型,并采用拉格朗日松弛算法进行求解,最后通过实例分析验证了模型的实用价值。

带包容性处理集限制的作业接受与两台并行机调度问题的拉格朗日松弛算法

在资源主体加工能力有限和客户作业需要承诺交货期限的双重约束下,本文研究具有包容性处理集限制的作业接受与并行机调度问题,其目标是最大化资源主体收益。研究问题中,资源主体拥有两台加工速度相同,但功能不同的机器,其中一台机器的可处理作业集合是另一台机器可处理作业集合的子集或超集。针对该NP难问题,基于拉格朗日松弛技巧设计了一种高效的启发式算法。广泛的数值实验结果显示,拉格朗日松弛启发式算法结果与最优解平均相差不超过7.5%,该算法能够在合理的时间内获取大规模问题的优化解。

基于拉格朗日松弛算法的露天矿开采境界优化研究

露天矿开采境界优化是露天矿开采设计和生产过程中的重要内容,涉及矿山的安全、经济等各个方面,意义重大。首先采用拉格朗日松弛算法,建立露天矿山开采境界优化模型;以某石灰石露天矿为例,借助3DMine建立矿体的块体模型,以经济效益最大化为优化目标,进行露天开采境界优化研究,并与未优化的境界进行对比分析。境界优化后,矿山总剥离量减小3.84%,采出矿量增加1.96%,剥采比随之减小8.33%,经济效益明显提高。

拉格朗日松弛对偶问题的一个改进次梯度算法

拉格朗日松弛法是处理整数优化问题的一个重要方法。针对利用次梯度算法求解拉格朗日松弛对偶问题时容易出现收敛速度较慢及计算效率低等问题,对次梯度算法进行了改进:结合当前次梯度和历史次梯度的线性组合给出新的迭代方向,然后决定合适步长。同时证明了算法的收敛性及有效的消除迭代过程中的锯齿现象。将改进的拉格朗日松弛的次梯度算法用于解决TSP问题,数值计算结果表明,改进的次梯度算法比普通次梯度算法收敛较快,说明了改进算法的有效性。

战时前沿补给基地选址模型及其拉格朗日松弛算法研究

战时前沿补给基地同时负责预储和转运物资,通常于战斗初期设置在战役浅近方向的交通要塞处。针对前沿补给基地选址具有的长时效性和低敏捷性特点,考虑由于战时不确定环境可能造成前沿补给基地中断失效,建立基于备用覆盖模型的前沿补给基地二次交叉覆盖选址模型。设计拉格朗日松弛和贪婪搜索结合的算法,以贪婪搜索算法加强拉格朗日松弛算法的上界解。案例结果表明,模型适合战时前沿补给基地的选址实际,算法具有更好的求解效率,能够为决策者提供科学依据。

拉格朗日松弛的无人机路径规划

提出了基于城市建筑物遮挡模型的无人驾驶飞行器(简称无人机)路径规划方法,主要包含两方面的内容:一是利用圆柱体虚拟城市的建筑物环境,使建筑物对无人机的遮挡面积可计算,另外,由于建筑物的相对位置会相互遮挡,不可以进行简单的面积加法。采用程序实现了无人机的遮挡总和的计算,即每个建筑物遮挡面积的并集。二是在计算出无人机飞行的水平平面上(x,y)点的遮挡曲面值的基础上,给出了无人机基于拉格朗日松弛算法的优化路径规划,即走一条遮挡面积最小的路径的方法。给出matlab仿真结果,实验结果表明该方法是十分有效的。

求解无容量设施选址问题的拉格朗日蝙蝠算法

无容量设施选址问题(Uncapacitated Facility Location Problem,UFLP)是一类经典的组合优化问题,被证明是一种NP-hard问题,易于描述却难于求解.首先根据UFLP的数学模型及其具体特征,重新设计了蝙蝠算法的操作算子,给出了求解UFLP的蝙蝠算法.其次构建出三种可行化方法,并将其与求解UFLP的蝙蝠算法和拉格朗日松弛算法相结合,设计了求解该问题的拉格朗日蝙蝠算法.最后通过仿真实例和与其他算法进行比较的方式,验证了该混合算法用来求解UFLP的可行性,是解决离散型问题的一种有效方式.

求解广义分配问题的拉格朗日蝙蝠算法

基于广义分配问题(GAP)自身的特点,将拉格朗日松弛算法(LR)和蝙蝠算法(BA)相结合,提出了一种高效的拉格朗日蝙蝠算法(LR-DBA)。首先,基于GAP的数学模型,在BA算法的基本框架上,重新定义了蝙蝠速度、位置以及局部更新公式,得出全新的求解GAP的离散蝙蝠算法(DBA)。其次,将其与LR相结合,设计出求解GAP的LR-DBA算法。最后,经过大量算例测试表明,对比DBA算法,LR-DBA混合算法在求解GAP时具有明显优势。

库存路径调度问题的随机次梯度拉格朗日算法

为有效提高库存路径问题在供应链中的配送效益,建立了以最小化库存成本、运输成本和缺货损失成本为目标的库存路径规划模型,并针对此模型设计了一种随机次梯度拉格朗日松弛算法。在算法求解过程中,每次迭代采用随机因子调节次梯度来获得更好的拉格朗日乘子更新方向,以加快求解速度。最后通过算例表明:与传统次梯度算法和智能优化算法相比,所提算法能够在较短时间内得到较好的下界值和对偶间隙,随着数据规模的增大,其优越性越好。