基于模拟退火准则的谱投影梯度算法

针对简单凸集约束优化问题,提出了一种基于模拟退火准则的谱投影梯度方法.在适当的假设下,证明了算法的全局收敛性.数值实验结果表明,与已有的算法比较,本文所提出的算法在求解该类问题时更有效、更具竞争力.

基于GAGALNS算法的带可容忍时间窗的VRP求解

针对带可容忍时间窗的车辆路径规划问题,建立最小化配送总成本的规划模型,结合遗传算法构造改进自适应大邻域搜索算法对该问题求解.利用遗传算法构建高质量解开始自适应大邻域搜索寻优,减小算法计算时间成本;加入3种破坏算子和3种修复算子,以增加种群多样性;嵌入模拟退火接受准则以一定概率接受较差解,自适应更新破坏和修复算子权重,避免算法陷入局部最优.选取Solomon标准测试集进行3组实验,与已知最优解比较距离成本验证算法可行性;在单边容忍度时间窗模型下,与基础ALNS算法对比验证算法改进效果;在双边可容忍时间窗模型下,与相关文献的最优结果对比.实验结果表明,提出的GA-ALNS算法改进效果较为显著,求得的最优解同其他算法相比优化率较好,计算得到的最优方案能实现更低的车辆配送总成本,具有一定的可行性和有效性.

改进蚁群和鸽群算法的机器人路径规划

针对复杂环境下移动机器人路径规划中存在的迭代速度慢和路径欠优等问题,提出将全局与局部规划算法相结合的路径规划方法。首先,利用同步双向A*算法对蚁群算法的信息素进行优化,并对蚁群算法的转移概率和信息素更新机制进行改进,从而使算法的全局寻优速度更快,缩短移动机器人的路径长度;进一步地,将静态路径用于鸽群算法的初始化;然后,利用改进的鸽群算法对移动机器人进行了局部路径规划,通过引入模拟退火准则的方法解决局部最优问题,利用对数S型传递函数对鸽群数量的步长进行优化,从而能更好地避免与动态障碍物的碰撞。最后,利用B样条曲线对路径进行平滑化和重规划。仿真结果表明,该方法在全局静态和局部动态阶段均能生成路径长度短、评价值低的平滑路径,且收敛速度快,适合移动机器人在动态复杂环境中的穿行。

改进遗传算法及其在齿轮传动优化设计中的应用

针对标准遗传算法(SGA)的随机性大、收敛速度慢等缺点,提出一种通用的改进遗传算法,引入局部补差算子,有效地提高了算法的收敛效率。建立了基于模糊因子函数的适应度函数,使对个体的评价更具有合理性。通过对交叉、变异概率的动态调整,克服了SGA未成熟收敛的弊端。将模拟退火算法与现行终止条件结合,形成了模拟退火收敛准则,极大地改善了SGA的局部搜索能力。据此编制计算程序,将其应用于多约束、多变量、复杂非线性的各类齿轮传动优化设计中,均得到了更好的结果。