基于贪心-遗传优化算法的中长期船舶进出港调度优化

文中提出一个目标周期内港口总卸货量最大的目标函数,结合航海实际,建立以靠泊条件、通航模式、船舶窗口期、船舶安全距离等通航限制条件为约束条件的船舶进出港调度优化模型,并选用贪心-遗传组合优化算法(GGA)进行实现.通过假设港口数据的方式来进行模拟试验验证模型及算法的合理性和有效性,并对港口短期调度模式和中长期调度模式进行对比论证.

贪心二进制狮群优化算法求解多维背包问题

针对经典的多约束组合优化问题——多维背包问题(MKP),提出了一种贪心二进制狮群优化(GBLSO)算法。首先,采用二进制代码转换公式将狮群个体位置离散化,得到二进制的狮群算法;其次,引入反置移动算子对狮王位置进行更新,同时对母狮和幼狮位置重新定义;然后,充分利用贪心算法进行解的可行化处理,增强搜索能力并进一步提高收敛速度;最后,对10个MKP典型算例进行仿真实验,并把GBLSO算法与离散二进制粒子群(DPSO)算法和二进制蝙蝠算法(BBA)进行对比。实验结果表明,GBLSO算法是一种有效的求解MKP的新方法,在求解MKP时具有相对良好的收敛效率、较高的寻优精度和很好的鲁棒性。

贪心核加速动态规划算法求解折扣{0-1}背包问题

针对现有动态规划算法求解折扣{0-1}背包问题(D{0-1}KP)缓慢的问题,基于动态规划思想并结合新型贪心修复优化算法(NGROA)与核算法,通过缩小问题规模加速问题求解来提出一种贪心核加速动态规划(GCADP)算法。首先利用NGROA对问题进行贪心求解,得到非完整项;然后通过计算得到模糊核区间的半径和模糊核区间范围;最后对于模糊核区间内的物品及同一项集内的物品利用基础动态规划(BDP)算法求解。实验结果表明:GCADP算法适用于求解D{0-1}KP,且在求解速度上相比BDP算法平均提升了76.24%,相比FirEGA算法平均提升了75.07%。

基于解析形式的二维参数可变形模板匹配算法

为了更好地进行图像轮廓提取 ,对基于解析形式的二维参数可变形模板匹配方法中的模板结构、形变方式、离散化方案、内外部能量函数及优化算法等方面进行了研究与改进 ,并以生物体为原型 ,提出了一种具有 3种生物组织结构的、形变方式可通过模板结构加以明确控制的、新的参数可变形模板匹配算法 ,该新算法是利用Gaussian函数来扩展外部力的作用域 ,并采用贪心优化快速算法进行能量函数优化。实验结果表明 ,这一新的模板匹配算法具有良好的轮廓提取速度。

救援效率视角下灾后动态应急配送网络优化

针对应急救援问题,在受灾点的位置、需求以及受灾人口等信息动态变化的情况下,建立动态有向救援网络,以救援效率最大化为目标构建数学模型。运用数据包络分析模型,对各段救援路线的效率进行评价;建立基于效率的动态路由模型,通过时间片的划分将动态路由转化为多阶段的静态路由;设计了改进的混合贪心蚁群优化算法对模型进行求解,并将该算法与遗传算法、粒子群算法以及基础的蚁群算法进行对比。实验结果表明:改进的混合贪心蚁群优化算法能够有效处理动态路由问题,寻求到更高的救援效率。

复杂曲面零件的在线检测路径规划方法研究

在线检测技术可以实现曲面零件特别是大型复杂零件加工精度的快速检测,能避免产生因二次装夹而出现的重定位误差。笔者针对在线检测技术的关键问题——检测路径规划开展研究,提出了基于零件三角网格模型测点法矢方向的检测方法,采用贪心局部优化算法和蚂蚁算法对测点路径进行优化,并对实例零件在取不同测点情况下两种算法的路径优化和测量效率进行了分析和比较。