自适应随机搜索算法在水文模型参数优选中的并行效率研究

水文模型参数的快速率定是山洪以及中小河流洪水预报预警中的重要研究内容之一。参数自动优选功能可以极大地提高水文模型的使用效率,随机搜索算法是大多数参数全局优选算法基础,但却因为耗时较长而应用较少。以Brooks的自适应随机搜索算法(adaptive random search method)为对象、利用.NET的Parallel对象进行了CPU并行改造,利用英伟达的CUDA对象进行了GPU+CPU并行改造,并以缅甸境内其培河子流域上的新安江模型为优选对象,比较了优选效果和计算效率。研究表明:ARS算法和SCE-UA的优选结果相当,并行改造后的ARS算法计算效率有显著提高。研究成果对水文模型应用时参数优选算法的比选具有重要的参考价值。

基于并行GRASP的不正常航班调度算法

将并行计算与GRASP结合,设计了一种新的基于并行GRASP的不正常航班调度算法,给出了详细的算法流程与步骤;同时考虑了使用备用飞机、延误航班与取消航班等不正常航班调度策略,通过并行GRASP算法优化了构造的飞机路线和取消路线组成的初始解,给出了每架飞机新的航班路线和航班取消路线。国内一家中等规模航空公司实际算例的结果证明了算法能有效降低以往算法的时间复杂度,明显提升运算效率,可用于较大规模的不正常航班调度运算。

家庭护理人员协同调度与路径规划研究

随着我国老龄人口数量的不断增长以及家庭护理观念的普及,用户日渐青睐居家接受个性化的家庭护理服务。然而护理服务资源在不同区域、机构的配置程度存在差异,单一机构难以满足用户快速增长的多样化、个性化需求。为缓解护理服务资源供需不均衡情况,将协同服务思想引入家庭护理,提出家庭护理人员协同调度与路径规划问题,考虑多个护理中心协同服务同一客户的不同需求。在现有护理资源不变的条件下,通过对资源统筹优化,提高护理资源利用率,使得护理人员的调度方案更加灵活合理,在满足客户需求的前提下达到降低护理中心运营成本的目的。为了研究该问题,首先建立了以护理人员启用、行驶、正常工作、加班工作总成本最小,包含客户需求、护理人员工作时长等约束的家庭护理人员协同调度的数学规划模型;其次,考虑护理人员和客户需求所具备的特性,根据贪心、随机、自适应思想,结合贪心随机启发式和迭代局部搜索等多种方法设计了具有自适应反馈机制的混合贪心随机自适应搜索算法;最后,基于标准算例的仿真实验测试评估所设计算法的性能。实验结果表明:设计的算法相比优化软件GUROBI和标准GRASP能够更加高效、高质量地求解家庭护理人员协同调度与路径规划问题;同时引入协同思想能够大幅缩减运营成本并提高护理人员利用率。

混合量子进化算法在110kV变电站规划中的应用

针对城市电网中110 kV变电站规划这一组合优化问题,给出一种基于混合量子进化算法的变电站规划优化方法。该方法融合了量子进化算法收敛速度快,擅长全局搜索的优点和贪婪随机自适应算法局部搜索能力强的长处。将此方法应用到四川某县110 kV变电站容量规划中,计算结果表明该方法很好地完成了对该县变电站数量、主变容量的优化规划。结果符合该地区电力需求和未来电网建设形势,对该县电网下一步规划建设有重要参考意义,表明了方法的有效性。

结合部件动态变化度求解最小碰集的GRASP算法

针对最小碰集求解问题,提出一种改进的GRASP算法。在算法构造解阶段,提出一种结合部件动态变化度d-covered的打分机制,用来选择可能是最小碰集的部件,避免非最小碰集部件的加入,并能较早地得到最小碰集;在算法局部搜索阶段,结合部件动态变化度drcovered给出锦标赛策略,进而从当前解对应的冗余部件中删除较可能是非最小碰集的部件。此外,还给出了完备算法和不完备算法的时间复杂度分析。实验结果表明:与现有完备算法相比,本文算法能够在较短的时间内找到最优解;与现有不完备算法相比,本文算法可以找到更短长度的最小碰集。

基于可信性理论的输电网规划

建立了基于可信性理论的输电网规划模型,得到模糊不确定负荷下的电网规划方案。将可信度的概念引入模型中,作为评价模糊不确定负荷下电网规划方案优劣的指标,该指标具有明确的物理意义和严格的数学理论基础。利用最小切负荷问题的负荷边界特性,证明了给定可信度指标下输电网规划模型的求解可等价于区间负荷下输电网规划模型的求解。使用结合区间至多切负荷量理论的贪婪随机自适应搜索算法求解该模型,可求得给定可信度指标下的输电网规划方案。新模型的求解不受模糊负荷下实际数学模型的限制,具有较好的适用性和明确的物理意义。46节点系统算例的计算结果验证了该模型和算法的有效性。

基于Arena的车间作业排序问题建模方法及其仿真优化系统设计

针对车间作业排序问题的固有复杂性和目标函数难于解析求解等特点,建立了一个优化与仿真的集成系统框架,并提出了一种新的建模求解思路:首先,以通用仿真工具Arena为平台,提出虚拟抢占规则,实现了车间作业排序问题的仿真建模。然后,以贪婪随机自适应搜索算法为基础,结合高级语言VB,利用面向对象编程思想,通过Arena类库,设计了一个通用的车间作业排序问题的仿真优化系统框架,从而实现了优化和仿真的外部集成。在该框架下,可引入各种随机因素,提高对实际系统的建模与求解能力。最后,通过实例验证了该方法的有效性。

考虑发电备用容量的输电网规划

在系统中留有一定的发电备用容量是确保电力系统安全可靠运行的重要措施之一。文中建立了考虑发电备用容量的输电网规划模型。该模型以线路投资成本最小为目标,引入任意一台发电机故障时系统的安全性约束以确保该故障下系统的发电备用容量可以被充分利用从而维持系统的安全性;引入网络可用传输能力约束以确保负荷增长时系统的发电备用容量能够有效传输到负荷点从而维持系统的安全性。使用改进的贪婪随机自适应搜索算法求解新模型。6节点、46节点系统算例的计算结果验证了所述方法的正确性和有效性。

不确定信息下的输电网规划新模型

在传统的确定性信息下的输电网规划模型的基础上,通过增加一些新的约束,使得规划后的网络具有一定的剩余传输容量以适应未来不确定负荷的变化。在新模型中,引入了线路负载率约束,使得规划后的网络能够适应未来长时小幅度的负荷不确定性波动;引入了区域负荷增长量约束,使得规划后的网络能够适应未来短时大幅度区域负荷增长的增长地点的不确定性。使用贪婪随机自适应搜索算法可以快速有效地求解新模型。新模型的建立无需对未来不确定负荷的负荷特性进行详细的数学建模,易于求解并有着更好的适应性。46节点系统算例的计算结果验证了该模型和算法的正确性及有效性。

基于突发污染事件的管网水质监测点优化布置

针对城市供水系统中突发的污染事件,提出了供水管网水质监测点布置方法.利用混合整数规划模型表达了多目标水质监测点布置,通过模拟管网发生的水质污染事件,计算管网发生污染事件时对用户带来的影响值,利用改进的贪心随机自适应性搜索算法对模型求解,并结合ZJ市管网,验证了该算法对模型的求解效率,提出了该市基于突发污染事件的管网水质监测点优化布置方案.

考虑合环约束的配电网重构方法

为避免用户停电,配电网合解环操作是电网调度部门通过重构调整运行方式的重要手段。文中建立了考虑合环约束的配电网重构模型,模型以线损最小为目标,同时考虑了正常运行方式和合环运行方式下的节点电压和线路功率限值约束。提出改进的贪婪自适应搜索算法求解所建模型,采用基于戴维南等值定理的配电网合环潮流算法验证合环安全性。该方法可求得配电网重构的具体合环操作步骤,确保重构过程中无新用户停电。两个系统算例的计算结果验证了所述方法的正确性和有效性。

区间负荷下的输电网灵活规划方法

建立了区间负荷下的输电网灵活规划模型,该模型考虑负荷的不确定因素,以投资成本最小为目标,以正常情况和线路N-1情况下的网络安全为约束,求解该模型得到区间负荷下满足正常情况和线路N-1情况下系统安全的输电网规划方案。根据区间至多切负荷量的数值来判别区间负荷下电网规划方案的安全性和安全程度,使用改进的贪婪随机自适应搜索算法快速求解该模型。6节点系统和某实际77节点系统的规划结果验证了该方法的正确性和有效性。

GRASP在多对一配送网络中ITIO问题上的应用

通过应用贪婪随机自适应搜索算法(GRASP)求解多对一配送系统中的库存与运输整合优化问题(ITIO),解决了在系统中产品种类、供应商数量或车辆运载能力增加时,计算量呈指数性增加而难以得到优化解的难题。首先,运用距离比例启发式算法获得初始解;其次,运用供应商转移指派算法在其邻域寻找最佳解;第三,以上两步的反复迭代获得最优解。通过算例分析验证了GRASP算法在解决ITIO问题时能迅速找到优化解,解的质量随着问题规模的扩大而改善。

基于参数分析的物流网络优化问题研究

介绍了带边中断动态网络最大流问题,在运用含参数的贪婪随机自适应搜索算法对该问题进行求解时,其算法内部参数设置问题未能得到较好的解决,针对这一问题,采用目前比较热门的参数分析工具irace对求解该问题算法的参数进行分析,寻求算法的最佳参数设置,通过实验设计与分析表明,irace在参数分析的基础上得出的结果要比在默认参数下求得的结果更好,可以根据irace分析出的结果及时更改原来GRASP算法中的默认参数,使得最终结果更接近最优解。

管道工具喷粉线生产调度建模与算法

针对不同品种、不同材质和不同颜色管道工具喷粉生产调度问题,以生产成本最小化为优化目标,研究其优化调度方法.首先,建立这个问题的混合整数非线性规划模型(MINLP);其次,针对该问题设计出相应的贪婪随机自适应搜索算法(GRASP)和遗传算法(GA);在此基础上,提出两种算法相集成的GRASP+GA算法.应用生产实例数据分析比较了这三种算法,验证了GRASP+GA算法的优越性.