一个解非线性0-1整数规划问题基于罚函数的混合粒子群优化算法(英文)

利用罚函数思想把非线性0-1整数规划问题转化为无约束最优化问题,然后把粒子群优化和罚函数方法结合构造出一个基于罚函数的混合粒子群优化算法,数值结果表明所提出的算法是有效的.

基于0-1整数线性规划的军事空运装载优化算法

为了高效地制定军事空运装载方案,在分析空运物资和载机货舱特点的基础上,构建了6种待装物资类型模式和6种承载空间物资布局模式,将三维空运装载问题转化为二维装载问题,建立了军事空运装载问题的数学模型.通过构建空间布局转化模式,将空间布局约束转换成0-1整数线性约束,实现了对0-1整数线性规划空运装载问题的求解.仿真结果表明:该算法运算时间不超过1 s,装载方案平均载重率达38.8%,平均有效空间利用率达59.7%.

转库流向优化模型——特殊0-1线性整数规划问题

对某钢铁企业出厂决策系统的子系统——转库流向优化问题进行了系统分析 ,在此基础上建立了数学模型 ,对这一类特殊的 0 - 1线性整数规划问题进行了研究。

0-1非线性混合整数规划的罚函数解法

本文中我们对一类0-1非线性混合整数规划的解法进行了探讨,通过罚函数把有约束问题化为相应的无约束问题,我们证明了可通过求解一个无约束非线性规划问题得到原问题的ε近似极小解,数值试验表明算法是有效的.

0-1线性规划问题的分类隐数搜寻

针对0-1线性规划问题,提出一种新的分类隐数搜寻方法.该算法将所有的0-1整数点分类,并产生一个描述性的线性方程,由此构造了一组非常好的隐数条件和隐数准则,这样可以排除大量不可行解的列举,大大加快了隐数搜寻过程,并通过几个经典算例的计算结果及与Balas算法的计算结果比较,证实了本算法的高效性.

分子信标芯片计算在0-1整数规划问题中的应用

生物芯片技术和DNA计算分别是近年来生命科学与信息科学的新兴研究领域,对信息高度并行的获取与处理是二者的本质特性.而0-1整数规划问题作为运筹学中一个重要的问题,到目前为止还没有好的算法.在DNA计算和DNA芯片基础上,提出了基于分子信标芯片解决0-1整数规划问题的DNA计算新模型.与以往DNA计算模型相比,该模型具有高信息量和操作易自动化的优点,同时指出分子信标芯片技术有望作为新型生物计算的芯片.

求解0-1整数规划的混合粒子群优化算法

经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出的混合粒子群算法来解决0-1整数规划问题,经过比较测试,6种混合粒子群算法的效果都比较好,特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法。对于目前还没有好的解法的组合优化问题,很容易地修改此算法就可解决。

LINGO语言与0-1混合整数规划选址模型的再结合

目前现有的将LINGO语言和O-1整数规划模型结合解决物流配送中心选址的理论较多,但不完善,主要表现在建模时对费用的考虑不全面、编程时所使用的变量不统一和求解时使用的是算例,数据真实性不高。针对以上问题,论文对LINGO语言与0-1混合整数规划选址模型进行再结合。首先把与配送相关的物流活动分为进货、仓储和送货三大物流环节,由此将配送中心选址中所涉及到的费用分为进货运输费用、仓储费用和送货配送费用;其次对建模所涉及到变量进行科学的规范,并成功建立O-1整数规划模型;最后以邯郸交通运输集团物流配送中心选址为实例,运用所建立的0-1混合整数规划模型,编写相应的LINGO求解程序,通过运行得出邯运集团在石家庄、北京、邯郸建立配送中心此时费用最少,最终到达LINGO语言与0-1混合整数规划选址模型的完美结合。

基于杂交链式反应的0-1整数规划问题计算模型

杂交链式反应因具有DNA链的设计简单且无酶等优点,现已广泛应用于核酸、蛋白质检测,生物传感器等领域.本文将0-1整数规划问题的解空间映射为二叉树,问题的解被映射为该二叉树从根节点至叶的有向路.发夹结构的DNA链被褪火在二维DNA折纸基底的订书钉链上,表示该二叉树.随后加入启动链诱发杂交链式反应,生成所有的路.根据0-1整数规划问题的约束条件设计探针,逐步搜索满足约束条件的路,得到所求0-1整数规划问题的最优解.模型的优点是编码简单,减少了搜索过程中的人工干预,可靠性高.

解0-1线性规划问题的最小部分系数和法

本文提出一种新的求解 0 - 1线性规划问题的方法———最小部分系数和法 ,用它来求解 0 - 1线性规划问题比现行的隐枚举法往往要便捷得多。

多核集群任务分配问题的0-1整数规划求解模型

研究了典型多核集群任务分配中的节点内通讯特性。基于0-1整数非线性规划模型和线性松弛技术,给出了一种0-1整数线性规划任务分配问题求解优化模型。由于节点内的通讯量与通讯延迟较大,以最小化计算代价和节点间通讯代价为研究目标的传统求解模型具有严重的局限性,而该求解模型考虑了节点内通讯代价,并采用了线性规划松弛技术,其目标是最小化计算代价、节点间通讯代价和节点内通讯代价。计算结果验证了提出的模型的有效性。

二次0-1型整数规划的线性化求解

对目标函数为二次、约束条件为线性的二次规划问题,如果采用一定变换将其变为普通的线性规划,这既能保证结果的正确性,又可以大大地简化计算。讨论了二次0-1型整数规划的线性化求解:将二次0-1型整数规划问题等价转化为一次函数的线性0-1型整数规划问题,这样可以有效地简化求解。并给出了二次0-1型整数规划问题等价转化为线性0-1型整数规划问题的理论证明。实例分析进一步说明了该方法的适用性和可行性。

0-1整数规划模型在混合方案的经济性比选中的应用

在技术经济分析评价中,常见一类混合方案的经济性比选,采用传统方法评价比选比较繁琐,通过把混合方案的经济性比选抽象为0-1整数规划模型,并首次利用功能强大的开源、免费统计软件Rglpk包,结合具体混合方案实例求解模型。

基于多级抽取的0-1整数规划问题的DNA算法

DNA计算是一种借助于分子生物技术进行计算的新方法,在解决一类困难问题特别是NP-完全问题上具有硅计算机无法比拟的优势,利用DNA计算求解0-1整数规划问题的研究具有重大的意义。基于多级分离模型解决0-1整数规划问题,且给出DNA算法。通过一个实例给出了操作的步骤。

求解0-1背包问题的混合贪婪遗传算法

求解0-1背包问题(KP)的最优解的时候,传统遗传算法(GA)的局部求精能力不足而简单局部搜索算法的全局探索能力有限,针对上述问题,将这两个算法整合并提出了混合贪婪遗传算法(HGGA)。在GA全局搜索框架下增加局部搜索模块,并改进传统仅基于物品价值密度的修复算子,增加基于物品价值的贪婪混合选项,从而加速寻优过程。HGGA一方面引导种群在进化的优质解空间中展开精细搜索,另一方面依靠GA的经典操作算子开拓全局搜索空间,从而达到算法求精能力和开拓能力的良好平衡。HGGA分别在三组数据上做了测试,结果表明在第一组15个测试用例中的12个上,HGGA能够百分百找到最优解,成功率达到80%;在第二组小规模数据集上,HGGA的性能明显好于其他同类GA和其他元启发算法;在第三组大规模数据集上,HGGA较其他元启发式算法具有更好的稳定性和高效性。

基于混合编码的差异演化算法解0-1背包问题

针对典型的一类NP完全问题——背包问题,提出一种混合编码的差异演化求解方法。该方法基于差异演化算法框架,采用混合编码机制,每个决策变量均由一个实数和一个二进制数的组合表示。利用新定义的映射算子,构建混合编码的种群;增加边界约束处理算子,确保变异算子计算结果满足边界约束条件;利用新定义的丢弃算子对于不可行的装包策略进行修正。通过数值仿真实验,将该方法与遗传算法、二进制差异算法的计算结果比较分析,表明该算法求解背包问题的有效性与适用性。

基于整数规划和0-1背包问题的宿舍集中化管理分配方案——以桂林电子科技大学为例

为解决校园宿舍资源合理分配问题,满足各学院学生住宿相对集中化、方便学校进行管理等方面的需求,由此提出了关于高校宿舍集中化管理分配方案的研究。该研究以桂林电子科技大学为例,通过收集并计算宿舍和学生数据,使用0-1整数规划对男女生宿舍分布情况进行计算,在此基础上运用0-1背包问题为各个学院安排宿舍,并讨论了研究生搬进花江校区的分配方案,以达到学生集中化管理和宿舍最大化利用的目的。结果表明,该理论研究对校园学生公寓分配问题具有较好的优化作用。

求解0-1背包问题的改进混合遗传算法

针对一种混合遗传算法所采用的贪心变换法的不足,给出了一种改进的贪心修正法;并基于稳态复制的策略,对遗传算法的选择操作进行改进,给出了随机选择操作.在此基础上,提出了一种改进的混合遗传算法,并将新算法用于解决大规模的0-1背包问题,通过实例将新算法与HGA算法进行实验对比分析,并研究了变异概率对新算法性能的影响.实验结果表明新算法收敛速度快,寻优能力强.

0-1整数规划问题的巨磁电阻型DNA计算模型

给出了基于GMR(巨磁电阻)型DNA芯片技术的0-1整数规划问题的DNA计算模型。将问题的变量编码成DNA链,在GMR型芯片表面固定DNA探针,然后将被生物素标记的待分析目标DNA链与探针进行充分杂交,通过芯片上的GMR传感器对芯片上纳米磁珠的检测,以电信号方式输出,得到问题的解,避免了荧光分析中的信号转换而引起的失真。该模型具有较高灵敏度,信号检测和分析较为简单,对信号检测设备要求较低。

基于0-1整数规划的航空薄壁件定位布局优化

为了减少航空薄壁件的定位变形,提出了一种基于0-1整数规划的定位布局优化方法,并对适应自动钻铆的预装配工装的内型卡板布局进行了优化设计。该方法基于"N-2-1"定位原理,将布局优化问题转化为0-1整数规划问题;以对薄壁件定位系统参数化建模分析得到的薄壁件最大变形量最小为优化目标,建立定位布局递推优化模型;采用分步求解的策略,通过混合粒子群算法对薄壁件进行定位布局优化。