技术站广义动态配流问题的局部邻域搜索算法

为了实现技术站阶段计划的计算机编制,研究了静态配流和列车解编方案调整的协同优化.在综合考虑优先排空和优先发送较近编组去向车流的编组要求、欠轴列车停运要求,以及到发列车时间和车流接续关系的基础上,以静态配流为主线,通过调整欠轴列车编组顺序以及与其相关到达列车的解体顺序构造邻域,设计了局部邻域搜索算法.该算法的主要思路是:每次搜索只考虑最早出发的欠轴列车;构造其邻域时保证不产生新的欠轴列车;通过邻域搜索后,该列欠轴列车如不能满轴就停运.算例表明,与既有方法相比,该算法能求出编组列车数、编组车辆数和中时的更好解.

求解带平衡约束圆形Packing问题的快速局部搜索算法

带平衡性约束的圆集在圆容器内的布局优化问题,属于NP困难问题。针对此问题,提出了一种快速的局部搜索算法。该算法首先构造出等价的物理模型,定义系统的能量函数,再利用最速下降法对能量函数进行优化,从而间接得到问题的近似解。在局部搜索算法中引入加速策略,提高了计算效率。最后通过两个算例的数值计算,验证了该方法的可行性和有效性。

导引式局部搜索在一类过度约束VRP中的应用

针对一类带时间窗口和容量约束的车辆路线问题(VRP),给出了在过度约束即不存在满足所有约束的可行解的情况下,能够最小化约束违反成本的一种新颖的导引式局部搜索(GLS)算法。该算法通过不断动态修改原问题的目标函数,既保留了局部搜索算法的高效率,又有效克服了局部极小解的局限性,因而能够较快地返回一个满意解。求解示例表明,该算法在求解此类问题时,性能要优于常用的禁忌搜索算法。

基于资源约束和局部启发搜索的规划系统

针对如何充分发挥车间设备的资源潜力,完成企业下达的生产任务,使完成任务所需时间和生产成本尽可能的少和智能规划中资源规划所要解决的典型问题,提出了基于资源约束和局部搜索相结合的规划方法。并且在资源的分配上采用了优先级分派原则,在局部搜索中通过约束表达引导搜索的启发式信息,施行规则控制下的启发式搜索,提高了车间资源规划的效率。根据上述思想,结合顺特电气线圈生产车间资源规划的实际问题,研究开发了车间资源规划系统,实际运行例子表明,所提出的思想是有实用价值的。

基于局部搜索技术的混合遗传算法

针对基本遗传算法(SGA)容易过早陷入局部最优解及其后期局部能力差的缺点,提出了一种带有局部搜索技术的混合遗传算法(HGA),将一种局部搜索技术加入到遗传算法(GA)中,这种局部搜索技术,即设定一种选择机制,有选择地使用最速下降法,并用来判断算法是否收敛的情况.将基本遗传算法(SGA)和一种带有局部搜索技术的混合算法(HGA)进行数值结果比较,说明了该算法具有较高的效率和良好的性能.

一阶逻辑中约束求解的局部搜索法

以一阶谓词逻辑为基础，讨论约束满足问题．着重研究一阶逻辑公式可满足性的局部搜索法，并与命题逻辑中的可满足性过程加以比较．以皇后问题和哈密顿回路问题为例，说明基于一阶逻辑的方法能处理较大的问题实例．

一种带约束搜索窗的非局部平均相干斑抑制算法

为了提升非局部平均(NLM)滤波对合成孔径雷达(SAR)图像乘性相干斑噪声的抑制性能,提出了一种带约束搜索窗(RSW)的NLM抑斑算法RSW-NLM。首先估计搜索窗内像素灰度分布概率密度函数的极大值,并将极大值对应的像素作为聚类中心;然后利用均值比形成的相似性测量函数对搜索窗内各像素进行聚类划分,进而通过保留中心像素所属聚类,形成一种限制与中心像素相似性偏低的像素参与NLM滤波的带约束搜索窗;最后,在带约束搜索窗内实施由局部均值比和变差系数构建的适应SAR图像乘性相干斑噪声的NLM滤波。实验结果表明,RSW-NLM算法与SAR图像三维块匹配算法、基于变差系数的NLM算法以及基于均值比的NLM算法相比,在充分抑制了相干斑的同时,有效保护了边缘、细节等信息,尤其是灰度值接近的弱边缘,其等效视数提高2%以上,边缘保持指数提高1%以上。

两种高效局部搜索算法求解RB模型实例

RB(revised B)模型是一种在约束可满足问题中具备精确相变增长域的随机实例模型,提出两种高效的启发式局部搜索算法用于解决RB模型生成的大值域约束可满足问题。首先为基于权重指导搜索的W-MCH算法,该算法通过约束判断和违反约束数计分来进行搜索,并引入了基于约束违反概率的权重计算公式,根据其关联的约束权重进行修正,再对变量进行迭代调整。然后提出最小化值域的MDMCH算法,该算法通过记录违反约束和逐步消除已违反约束变量的启发式策略来减少搜索空间,并在最小化后的变量域内重新校准变量赋值,进而有效提高算法的收敛速度。此外,还提出了融入模拟退火策略的WSCH和MDSCH算法,这两种算法都能根据变量的表征特点对变量域进行针对性的搜索。实验结果表明,与多种启发式算法相比,这两种算法在精度与时间效率方面均呈现明显提升,在复杂难解的实例中能够提供高效的求解效率,验证了算法的有效性和优越性。

基于局部并行搜索的分布式约束优化算法框架

针对当前局部搜索算法在求解大规模、高密度的分布式约束优化问题(DCOP)时,求解困难且难以跳出局部最优取得进一步优化等问题,提出一种基于局部并行搜索的分布式约束优化算法框架(LPOS),算法中agent通过自身的取值并行地搜索局部所有邻居取值来进一步扩大对解空间的搜索,从而避免算法过早陷入局部最优。为了保证算法的收敛性与稳定性,设计了一种自适应平衡因子K来平衡算法对解的开发和继承能力,并在理论层面证明了并行搜索优化算法可以扩大对解空间的搜索,自适应平衡因子K可以实现平衡目的。综合实验结果表明,基于该算法框架的算法在求解低密度和高密度DCOP时性能都优于目前最新的算法。特别是在求解高密度DCOP中有显著的提升。

用改进的散射搜索法求解带平衡约束的圆形Packing问题

以卫星布局为背景的带平衡约束的圆形Packing问题属NP难问题.该文用给出的改进的散射搜索方法求解.一是给出基于极坐标变换的散射搜索多样性生成策略,二是采取基于极角和极径差异度的参考集更新策略,三是用梯度下降法和Nelder-Mead直接搜索法分别作为散射搜索法中不同阶段所产生新解的改进方法,从而构成改进的散射搜索法,提高了散射搜索法的探索和搜索能力.数值实验结果表明了该改进散射搜索法的可行性和有效性.

用多Agent技术实现个性化搜索

文中分析了随着WWW发展出现的信息过量和现有的搜索引擎很难很好考虑用户兴趣的问题 ,提出了能够协助用户浏览的多Agent系统。这个多Agent系统主要由界面Agent、搜索Agent和学习Agent三个子Agent组成。文中主要介绍了两种界面模式和两种搜索模型 ,并介绍了学习Agent的学习策略 ,然后对两种搜索Agent进行了比较。

局部邻域搜索在对地观测卫星任务规划中的应用与扩展

任务规划作为一项重要技术,已经广泛应用于卫星的星载与地面控制系统中,以提高卫星任务执行的鲁棒性、可预测性和高效性。描述了对地观测卫星任务规划问题及特点,给出了对地观测卫星任务规划的一般处理过程。针对约束规划中的局部邻域搜索算法不能有效反应对地观测卫星成像的时效性和分辨率等需求的问题,提出了基于动态优先级的局部邻域搜索算法。算法在经典约束满足问题求解算法的基础上,主要扩展了任务优先级的定义及在搜索过程中的启发式。通过典型的仿真算例,验证了算法的可行性和有效性。

基于自动搜索和光谱匹配技术的训练样本纯化算法

提出了一种基于局部自动搜索和光谱匹配技术的监督分类训练样本的纯化方法。该方法首先利用遥感影像中像元的灰度信息在图像上局部范围内自动搜索和选择最佳样区位置,然后利用光谱匹配的思想对寻找到的最佳样区在光谱空间上进一步纯化。实验结果证明,通过手工选择样区的辅助,该算法能够自动有效地搜寻到最佳样区的位置,并对最佳样区进行纯化处理。原始遥感图像经过本文的样区纯化算法处理后,无论是目视判读效果,还是分类后混淆矩阵的统计及分类精度,均优于纯化处理前的分类结果,具有一定的实用价值。

一种基于最小搜索圆平面多边形域约束Delaunay三角剖分算法

给出一种新的基于边优先的二维多边形域任意散乱数据的约束Delaunay三角剖分算法.算法结合网格分块技术,提出基于最小搜索圆的点搜索思想,并证明了该思想的正确性,有效地提高了搜索"第三点"的速度.算法中散乱数据可以是任意复杂的折线、封闭多边形环及离散点.另外,在三角剖分过程中,实时地去掉封闭点和封闭边,极大地加快了构网速度,实现了平面多边形域散乱数据的快速约束Delaunay三角化.

求解无约束优化问题的改进布谷鸟搜索算法

布谷鸟搜索算法是一种基于种群迭代搜索的全局优化算法。为求解无约束优化问题,提出一种改进的布谷鸟搜索算法。利用混沌序列构造初始种群以增加群体的多样性,引入动态随机局部搜索技术对当前最优解进行局部搜索,以加快算法的收敛速度。对4个标准测试函数进行仿真实验,并与其他6种算法进行比较,结果表明,该算法具有较强的全局搜索能力和较快的收敛速度。

一类人员调配问题的导引式局部搜索算法

描述一类生活实践中常见的可能存在过度约束的人员调配问题,这类问题用传统的分支定界等精确搜索算法求解时比较困难。本文则探讨了一种较新的超启发式搜索方法导引式局部搜索在求解这类过度约束人员调配问题中的应用。与其他常用的超启发式搜索算法如禁忌搜索和模拟退火的比较表明,GLS在此类问题的求解质量、求解速度和算法鲁棒性方面具有较好的综合性能。

一种混合局部搜索算法的嵌套分区算法

提出了一种混合多种局部搜索算法的嵌套分区算法用于求解中小规模旅行商问题。该算法使用加权抽样法产生初始最可能域,用带约束的3-opt局部搜索算法搜索每个子域的最优解,然后对Lin-Kernighan算法进行了改进,并且用改进的Lin-Kernighan算法搜索每个裙域的最优解,最后通过实验分析法确定了子域和裙域最优的抽样个数及初始最可能域的长度。对TSPLIB中15个问题实例的仿真结果表明,所提出的混合局部搜索算法的改进嵌套分区算法在求解旅行商问题时可以获得高质量的解。

基于局部随机搜索粒子群优化算法的电站短期发电优化调度

为提高粒子群优化(PSO)算法搜索精度、加快后期收敛速度,提出一种新的PSO算法,即局部随机搜索PSO算法。该算法用于求解电力系统的短期发电优化调度问题时,不仅要求满足电站实际运行中的系统负荷平衡约束,而且要考虑机组爬坡约束、出力限制区约束等非线性约束。给出了局部随机搜索PSO算法的步骤及短期发电优化调度问题求解方法。通过应用所提出的算法和其他文献提出的PSO算法、改进快速进化规划(IFEP)算法对15机系统的优化调度计算相比,证明所提出的算法最优解的发电费用最低,分别减少了3.8%和1%。

局部面积搜索法在高压相平衡中的应用

用最小Gibbs能曲线积分的正面积最大方法 (AM)进行相平衡的计算和预测 ,可以比传统的闪蒸计算法更好地计算高压下和近临界区的相平衡组成。但是这一方法由于使用了在全组成范围的“穷举”方法搜索最大正面积对应的相平衡组成 ,使得收敛速度慢 ,计算和搜索时间过长 ;将其修改成多次局部面积搜索法(LSAM ) ,极大提高了收敛速度和减少了计算时间 。

启发式局部搜索算法在电路划分中的应用

本文研究一种启发式局部搜索算法Path-relinking在电路划分问题中的应用。Path-relinking技术能在两个解之间建立路径,并搜索路径上的改进解,从而改善划分结果。实验结果证明了该技术的可行性及有效性。