求解TSP问题的混合杂草优化算法

根据组合优化问题的特点,提出一种离散混合杂草优化算法来解决旅行商问题,通过对算法中正态分布于父代周围的子代进行离散化分析,并引入遗传操作中的单点顺序交叉法和对换变异法,从而有效防止了算法的早熟收敛。计算机仿真结果表明,离散混合杂草优化算法相对于基本粒子群算法具有更好的性能。

基于离散混合入侵杂草优化算法的车辆路径问题研究

容量化车辆路径问题(CVRP)已被证明是NP完全问题,CVRP不仅在学术界受到关注,而且在许多工程领域得到了应用。提出了一种离散混合入侵杂草优化算法(DMIWO)来解决容量化车辆路径问题,引入遗传操作过程中的自适应变异和交叉算子,保证算法的多样性,防止算法陷入局部收敛早熟的局部最优解。使用实矩阵编码,并为父代区域中的子代构建离散化过程。针对容量化车辆路径问题的性质,提出了一种改进的2-Opt和交换操作结构,构建了两阶段混合变量域搜索方法,增强了算法的局部搜索能力和全局搜索能力。将仿真实验和文献中的遗传算法、粒子群算法及量子进化算法进行比较,证明了用DMIWO算法解决离散组合优化问题,简单、高效、适应性强。

基于协同学理论的虚拟企业合作伙伴选择研究

为最大化虚拟企业项目中各任务间的协同程度,提出了一种基于协同学理论的虚拟企业伙伴选择方法。建立了以极大化系统协同度为优化目标的伙伴选择模型,该模型考虑了系统的交货时间、总费用和产品准时交货率等因素的协同度。此外,针对基本杂草算法在求解伙伴选择模型的过程中容易陷入局部极值的缺点,设计了一种嵌入混沌搜索行为的混合杂草算法来求解该模型。仿真结果表明了该方法的可行性及有效性。