多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

混合遗传变邻域搜索算法求解柔性车间调度问题

针对考虑生产成本的柔性作业车间调度问题(flow job shop scheduling problem, FJSP),以完工时间与加工成本为优化指标,提出一种求解FJSP的混合遗传变邻域搜索算法。根据个体适应度对种群分割,结合自适应交叉概率改进子代种群产生方式;设计两种邻域结构增强算法的局部搜索能力;提出一种基于动态交叉变异概率的优化算法流程提高求解效率。运用提出的算法求解基准实例与实际问题测试,验证了算法的有效性。

作业车间调度的多工序精确联动邻域结构混合进化算法

针对作业车间调度问题,以最小化最大完工时间为优化目标,提出一种基于多工序精确联动邻域结构的混合进化算法。从理论上给出了关键块中工序无效移动的判定条件,据此设计了3对工序精确联动的邻域结构。为避免算法过早收敛,引入基于邻域惩罚的交叉父本匹配选择算子与基于动态惩罚阈值的种群更新策略。通过与其他先进算法在车间调度问题基准算例上进行对比实验,验证了所提算法的有效性与稳定性。

变邻域改进遗传算法求解混合流水车间调度问题

针对混合流水车间调度问题的NP难特性,提出一种改进的混合变邻域搜索的遗传算法。建立了数学模型,提出了算法的总体流程,设计了基于操作的编码和解码方法,并采用NEH启发式算法产生初始种群。随机采用基于位置的交叉和线性次序交叉,选用反转逆序的变异算子,交叉变异后合并子代与父代,保留较优个体,对当前最优个体执行变邻域搜索,以增强遗传算法的局部搜索能力。通过初始对比实验,证明了NEH启发式算法能够产生质量更好的初始解,随机采取两种交叉算子能够提高算法的搜索效率,标准算例实验结果表明所提算法能够有效求解混合流水车间调度问题。

混合进化算法求解多环节资源配置优化问题

资源配置优化问题是制造业价值链管理的基础问题。然而,现有研究多集中在生产环节,对制造全生命周期的整体考虑不足。研究考虑多环节的制造全生命周期资源配置优化问题(MLCRAOP),旨在通过优化研发设计、生产制造、运维服务和配套设备供应环节的服务资源,提升全生命周期的资源配置客户满意度。将时间、成本、质量指标纳入目标函数构建整数规划模型,提出一种混合进化算法用于求解MLCRAOP。通过在设计案例上的对比实验,验证了混合进化算法具有优异的性能。

求解复杂混合流水车间调度的改进NSGAII算法

针对砂型铸造车间调度问题中同时存在单机处理、并行处理与批处理的情形,构建复杂混合流水车间调度问题并提出一种改进非支配排序遗传算法求解上述问题。首先,以最小化最大完工时间和总能量消耗为优化目标建立线性规划模型,针对工序特征提出启发式解码规则。其次,提出了基于非支配的交叉对象匹配机制提升可行解的多样性,提出了基于区域中心的贪婪变邻域搜索机制提升可行解质量。最后,对改进算法进行了仿真,证明了算法的有效性。

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法。该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题。同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法。仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题。

改进自适应变空间差分进化算法

在基本差分进化算法的基础上融入自适应变空间思想,提出自适应变空间差分进化算法,在进化代数达到预设周期整数倍时,按变空间算法自动扩展或收缩搜索空间,实现了自动寻找合适搜索空间、提高收敛速度和精度的目的.此外为了进一步的加快收敛速度,对原变空间算法进行了改造,对其上下限的变化规则进行了修改和添加,提出了改进的变空间算法.仿真结果表明改进方法在收敛精度、速度上优于基本差分进化算法和基于原变空间算法的差分进化算法.最后将其应用到热连轧机精轧机组负荷分配优化计算中,为其提供了一种有效的优化手段.

基于改进变邻域搜索的多隔室车辆路径优化算法

为了研究多隔室车辆路径优化问题,建立最小化配送距离数学模型,提出一种改进变邻域搜索算法进行求解。基于变邻域搜索算法框架,设计了多起点寻优机制,运用扫描法构造初始解,设计了Shaking过程与全局扰动过程进行邻域解空间探索,提出还原及再分配策略探寻解空间中不可行区域,结合贪婪算法和多种混合算子设计了Local Search过程的子路径内及子路径间搜索优化机制以展开局部搜索,应用最大迭代次数停止准则结束循环并保留最优解。通过改编算例的实验及对比分析表明,针对多隔室车辆路径优化问题特点设计的改进变邻域搜索算法能够在合适的时间内规划出更合理的配送路径,获得更稳定的高质量解,达到更明显的优化效果。

遗传算法与变邻域搜索混合模型在护士排班中的应用

目的在探讨基于层级管理的护士APN排班模型的基础上,引入具有精确的全局搜索能力的遗传算法与变邻域搜索混合模型来解决护士排班过程中人员层级复杂、不同班次人员需求量不同等问题。方法首先,初始化排班表,然后利用遗传算法对初始化的排班表进行搜索,得到一个初步的排班表,最后利用变邻域搜索优化排班表,得到满足要求的排班表。结果使用该混合模型得到的排班表,能满足每日护士的人数需求和每名护士的工作量要求。同时,基于层级管理,各层级护士分开排班,能降低排班难度,在增加护士人员时,效率仍然较高。结论遗传算法与变邻域搜索的混合模型能解决护士排班中的各种复杂问题,是一种符合实际需求的模型。基于此模型来编制护士排班软件,能提升护理工作效率和满意度,便于对护理人员进行量化考核统计分析。

混合算法的邻域结构变更研究及在排样问题上的应用

本文研究了全局搜索算法和局部搜索算法的混合机制,设计了基于邻域搜索和遗传算法的混合搜索算法。该算法结合了遗传算法的全局搜索特性和邻域局部贪婪搜索特性;在分析排样问题碰靠过程特征的基础上,构建了排样问题邻域假设,当邻域假设满足时,遗传算法+邻域搜索能很好发挥作用;当不能判断邻域结构是否满足邻域假设时,提出了建立遗传算法+匹配变邻域的搜索算法,该算法兼顾了组合优化中邻域搜索的局部搜索无效的情况,实现了匹配的变邻域混合算法在排样优化问题中的应用。实例结果标明,排样图形不一样,其求解难度不一样,该算法均搜索到了更好的排样模式,验证了算法的有效性。

基于二维可变邻域编码方式的混合遗传算法

针对现有混合遗传算法无法兼顾有效性及高效性的问题,提出一种基于二维可变邻域编码方式的新型混合遗传算法(VNHGA)。首先提出了一种将个体"基因型"与"邻域型"分开编码、同步遗传的新型编码方式,以替换传统二进制编码方式;然后设计了一种稳定变异算子,以替换传统变异算子来提高效率。通过多维函数最小值问题对VNHGA进行测试:首先验证采用所提二维可变邻域编码方式后,使用"鲍德温(Baldwin)效应"作为将局部搜索嵌入传统遗传算法策略时,相对于基于"拉马克(Lamarckian)进化"的嵌入策略,仍然具有采用传统二进制编码方式时的特性,即具有良好有效性但高效性不足;其次验证引入稳定变异算子后,算法在保持其有效性的同时提升了效率,运行时间缩短到之前的50%左右;最后,与两种改进混合遗传算法进行比较,验证所提算法优势。结果表明VNHGA兼具有效性与高效性特点,可用于解决最优化问题。

伪单调广义混合变分不等式的改进k步预解算法

在算子的分裂技巧基础上介绍了求解伪单调广义混合变分不等式的改进k步预解算法,算法的收敛性只要求算子的g-伪单调和g-Lipschitz连续性,算子的伪单调比单调更弱.本文的新算法推广了文献中某些已有的结果.

改进的自适应大规模邻域搜索算法求解动态需求的混合车辆路径问题

为了给物流企业在车辆配送方案制定上提供决策支持,针对电动物流车与燃油物流车混合配送的模式,研究了带时间窗的动态需求车辆路径问题,建立了以配送总成本最小化为目标的两阶段整数规划模型。针对模型特点,设计了改进的自适应大规模邻域搜索(improved adaptive large neighborhood search,IALNS)算法,提出新的删除、修复算子及动态阶段加速策略,分别针对大规模的静态算例与动态算例进行算法性能测试。结果表明,与无改进策略的IALNS(IALNS-ND)相比,静态问题中在相同的求解时间内75%的算例(12个算例中9个)IALNS得到的最小值和平均值优于IALNS-ND,动态问题中95%(60个算例中57个算例)的算例可以得到成本和时间均优于IALNS-ND的解;与三种算法——自适应大规模邻域搜索算法(ALNS)、大规模邻域搜索算法(LNS)以及变邻域搜索算法(VNS)相比,静态问题中所有算例IALNS获得的总成本的最小值和平均值均优于三个对比算法,动态问题中58%(60个算例中35个算例)的算例IALNS能够以少于三个对比算法1.5倍甚至10倍的时间获得更优的解。同时随着问题动态度的提高,IALNS的速度更快,质量更好,证明了该算法在求解时效性要求高的动态需求车辆路径问题的优越性。

双机流水车间外包与调度联合优化问题的混合变邻域搜索算法

针对最小化内部完工期与总外包费用的双机流水车间外包与调度联合优化问题,开发了一种混合变邻域搜索算法。在该算法中,采用工件剔除型启发式方法产生初始联合决策解;基于3种新型邻域结构提出了最佳改进式局部搜索规程;引入概率式准则来决定下轮迭代的目标搜索邻域。通过算法校准实验分析,探索出合适的邻域变更次序和温度参数的计算方式。通过与CPLEX软件、隐枚举测试程序对比显示,对于工件数不超过30的算例,校准后所提算法求得最优解的耗用时间更少。通过与遗传算法、模拟退火算法、和声搜索3种对比算法在工件数不少于100的算例上进行对比发现,所提算法经校准后,在求解质量和解的鲁棒性上均具有显著优势。

基于有向图强连通改进变邻域搜索算法的AGV单向导向路径网络设计

为最小化物料搬运成本,结合有向图强连通性理论,提出一种改进变邻域搜索算法。首先,以最小化AGV的运载和空载成本为目标,建立相应的数学规划模型。接着,给出一种初始解生成方法,并构建目标函数计算的网络流模型。然后,为提高局部搜索能力,以有向图强连通性中反转路、反转圈保持强连通性为基础,提出3种邻域结构生成方法,以保证邻域解搜索过程中解的可行性,提高求解效率和质量。最后,针对6个基准案例,运用算法求解,并将其与其他多种启发式算法进行比较。实验结果表明,对于中小规模问题案例,算法求得案例的最优解;对于两个大规模案例,算法求得新的最好解,验证了提出算法的有效性。

基于混合变异策略差分进化算法的边坡滑裂面搜索研究

针对"基于反射变异策略的自适应差分进化算法"仍易陷入局部最优的问题,通过引入一个基本的变异策略提出一种基于混合变异策略(DE/current-to-rand/1)的差分进化算法。根据各变异策略生成成功子代的比率使用轮盘赌选择为各个个体选择合适的变异策略,以改善算法的全局收敛能力。将提出的算法结合有限元应力场应用于两个经典算例的边坡临界滑动面搜索及安全系数求解,与其他极限平衡法进行了对比,并使用其中一个算例作为计算模型与其他优化算法进行了收敛性能比较。统计结果验证了改进算法的性能更稳定且收敛速度较快,也验证了该算法结合有限元应力场求解边坡问题的有效性。

基于改进混合差分进化算法的水轮机调速系统空载PID参数优化

为优化水轮发电机组调速系统空载PID相关参数,提出一种改进混合差分进化算法(IHDE),即先根据某电站混流式水轮发电机组建立相应空载工况数学模型,其次引入IHDE对空载工况数学模型PID参数进行优化,由于DE算法易出现早熟收敛问题,对该算法缩放因子的取值进行优化;同时,为了增强差分进化算法(DE)的全局搜索性能,在DE的选择阶段加入模拟退火算法的个体更新机制进行选择操作;然后,提出一种改进的综合ITAE指标用于评价空载扰动的仿真结果,使得目标函数的评价方式更加准确且符合相关标准要求;最后,通过试验仿真与不同算法进行对比,验证了IHDE优化水轮发电机组调速系统PID参数的有效性。

粒子群和变邻域差分进化搜索算法在多目标无功优化中的应用

目前很少研究多目标无功优化问题,而应用到多目标无功优化的多数智能算法容易陷入局部最优点。提出采用变邻域差分进化搜索与BPSO混合算法对网络无功优化,该算法具有并行处理特点、参数少容易控制、收敛速度快,很适合处理多目标无功优化问题,该算法不仅能够保证群体的多样性并且又能继承上一代的优越性,达到了多目标的要求,通过算例验证可知该混合算法能够收敛到全局最优解,具有可行性和合理性。

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题,以最大完工时间为目标建立数学模型,提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量,用遗传算法进行初步搜索,将搜索的结果通过迭代贪婪策略进一步搜索,以提高解的质量,再对关键路径进行邻域搜索,设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构,加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试,实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。