聚合物动态挤出流变参数的非线性组合优化

借助神经网络模型 ,研究了聚合物动态挤出流变参数的非线性组合优化问题 ;特别地 ,把神经网络模型下的梯度计算引入到遗传算法适应度函数的定义 ,解决了振动参数及压力影响下聚合物表观粘度的不等高多极值的极值搜索问题 .计算结果表明该方法是可行的 ,且可推广到一般的应用领域 .

基于蚁群算法的城市公交线网模型优化方法研究

蚁群算法是一种求解组合优化问题的新型通用启发式方法,城市公交线网模型优化是一个复杂的非线性组合优化问题.本文将蚁群算法用于城市公交线网模型优化问题的研究,建立了城市公交线网的数学模型,该模型以乘客公交总出行时间最短与公交运营投入最小为目标函数,并在此基础上设计了相应的算法.算例证明了该算法在城市公交线网优化中应用的可行性和有效性.

基于遗传算法的波分复用网络保护容量优化设计

针对传统数学方法难以快速求得波分复用 (WDM)网络保护容量优化问题的工程满意解 ,提出了一种基于遗传算法的全新求解方案 ,它具有结构简单、搜索效率高、求解速度快等优点 .分析了交配概率和变异概率等控制参数对算法性能和求解精度的影响 .为了加快遗传算法对链路分离型路径保护方法下WDM网络优化模型的求解过程 ,设计了一种简捷的问题解编码方式 ,它极大地简化了选择、交配和变异等遗传算子的执行 .仿真结果表明 ,基于遗传算法的求解方案能够迅速地求出保护容量优化问题的全局近似最优解 。

基于蚁群算法的通信光缆线路优化规划研究

蚁群算法是一种求解组合优化问题的新型通用启发式方法,通信光缆线路优化是一个复杂的非线性组合优化问题。本文将蚁群算法用于通信光缆线路优化问题的研究,建立了通信光缆线路规划的数学模型,并在此基础上设计了相应的算法。算例证明该算法的可行性和有效性。

基于改进蚁群算法的城市公交线网规划方法研究

城市公交线网规划是一个复杂的非线性组合优化问题,目前对于该问题的求解仍存在收敛性和计算速度问题。为解决此问题,提出了一种通过动态调整信息素挥发因子来控制其正反馈过程的改进蚁群算法,提高了网络规划过程中得到全局最优解的概率和收敛速度。算例结果表明:规划结果符合实际,并在相同参数下,改进蚁群算法的迭代次数减少约一半,充分验证了该方法的可行性和有效性。

基于改进GQPSO算法的多目标卷烟配送策略

卷烟配送普遍呈现客户点多、路线复杂的特点,是典型的组合NP难题。以配送成本最低且配送量均衡为优化目标,建立带时间窗的卷烟配送通用数学模型;引入选择与交叉操作,提出运用改进的遗传量子粒子群算法(GQPSO)实现车辆编号和配送次序同步寻优,以制定卷烟配送的最优策略。实例表明:GQPSO能快速有效制定满足优化目标的卷烟配送策略。