集合划分问题的粒子群优化算法

建立了集合划分问题的优化数学模型,结合遗传算法的思想提出的粒子群算法来解决集合划分问题。经过比较测试,6种粒子群算法的效果都比较好,特别交叉策略A和变异策略A的混合粒子群算法是最好的且简单有效的算法。

集合划分问题的蚁群算法

集合划分问题是一个典型的NP完全问题,建立了集合划分问题的优化数学模型,采用蚁群算法解决了此问题。对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则。与贪心法作了比较,结果表明该方法比较有效。

基于遗传算法的集合划分问题求解

集合划分问题是组合优化领域中有着广泛应用基础的著名问题,属于NP难问题。通过引入精英策略提出对遗传算法的改进,并为了能把遗传算法应用到集合划分问题,对数学模型进行了等价变换。针对集合划分问题,设计出一种高效的基因表示,避免了组合优化中处理约束条件的麻烦。解决了传统二进制基因编码无法精确适应离散优化问题,首次提出一种离散编码解决方案。最后,使用VisualC++6编程实现,取得较好的结果。

差异演化算法求解集合划分问题

集合划分问题是组合优化中典型的NP难题,建立了集合划分问题模型,采用差异演化算法对其进行求解。通过对其它文献中仿真实例的计算和结果对比,表明了算法对求解集合划分问题的可行性和有效性。

数学模型在互联网通信中的应用研究

面对内外众多客户对Web服务信息的频繁访问请求,容易形成访问瓶颈,需有效合理地组织、分配和规划内部网(Intranet)信息资源,以减轻服务器的负担;为避免过多地重复访问同一信息而浪费通信费用和增加信道负担,必须设法降低访问费用,提高Intranet网的使用效率。通过引入集合划分问题(setpartitioningproblem,SPP)和背包问题(KNAPSACK)的数学模型及相应算法,定量地解决了互联网通信中访问瓶颈和通信费用的问题,并为解决类似问题开辟了一条新的途径。

SC-FDMA中继系统中最大化容量的资源分配

针对单载波频分多址(single carrier frequency division multiple access,SC-FDMA)系统的子信道相邻限制,研究了适用于SC-FDMA中继系统中最大化容量的资源分配算法,提出将该资源分配问题重构为一个集合划分问题,并借助运筹学中的相关算法求出最优解.为降低最优资源分配算法的计算复杂度,还提出了一种采用贪婪试探法的次优算法.仿真结果表明,在放大转发和解码转发中继协助的SC-FDMA系统中,最优算法的频谱利用率显著高于随机算法,而贪婪次优算法能达到接近最优算法的性能,并且具有较低的计算复杂度.

面向下一代网络业务部署的多维负载平衡算法

分析了用于解决下一代网络业务部署问题的已有负载平衡算法的不足,提出了一种启发式的多维负载平衡优化算法（MLOASD）,并通过理论分析和实验检测证明了该算法的有效性。结果表明,用该算法能够获得系统负载平衡的近似最优的业务部署方案,其性能优于已有算法,具有实用性。

求解区域公交车辆调度问题的蚁群算法研究

本文待区域公交车辆调度问题为"部分班次被一辆车完成"的集合划分问题,考虑车场容量、允许车辆加油及每辆车任务可靠度不低于某值等现实因素,建立以车辆数、车辆等待和空驶时间最小为目标的混合整数规划模型。根据问题特征,设计求解该问题的蚁群算法,在构建人工蚂蚁随机游走的图基础上定义解构建规则、信息素和启发式信息等。最后,通过一个算例验证模型和算法的正确性。

LTE-A蜂窝网络下设备直通中的联合信道分配和功率控制方案

针对在LTE-A(long-term evolution-advanced)上行蜂窝链路与设备直通(deviceto-device,D2D)链路间的同频干扰问题,联合功率控制和信道分配最大化系统频带利用率,同时保证已有蜂窝链路的服务质量需求.此外模型中假设单条D2D链路容许复用多条连续的信道资源.考虑到原问题的复杂性,将其分解为功率控制和信道分配两部分:其中,功率控制部分可借助凸优化分析,而在上述最优解的基础上,信道分配部分等价于经典的集合划分问题,一般意义下为NP-hard(nondeterministic polynomial-time hard)难题,继而设计了一种多项式时间复杂度的贪婪算法来实现性能与复杂度之间的折中.仿真结果表明,所提联合资源优化方案优于单一资源优化方案以及单D2D链路仅能复用单信道的联合资源优化方案,而且其性能接近由分支界限法得到的全局最优解.

随机旅行时间的区域公交车调度模型及算法

研究一类随机旅行时间的区域公交车辆调度问题,将该问题看作为"部分班次被一辆车完成"的集合划分问题,考虑不同车场容量和补充燃料等约束因素,建立以营运费用最小为目标的机会约束规划数学模型。将该模型转化为一类确定性数学模型,设计求解该问题的改进遗传算法,根据问题特征定义染色体编码、产生初始种群的启发式算法、交叉和变异操作等。最后,通过一个算例验证了模型和算法的正确性。