Scatter search算法求解无能力约束生产批量计划问题

多级生产批量计划(multilevel lot-sizing,MLLS)问题是物料需求计划(material requirements planning,MRP)系统中的关键问题,已被证明是NP难问题。Scattersearch(SS)算法是一种亚启发式算法,其应用范围已涉及优化领域中的许多NP难问题。扩展了SS算法的应用范围,采用结合变异算子的混合SS算法(hybrid scatter search,HSS)对具有小规模和中规模的装配结构无能力约束MLLS问题进行了求解。仿真实验表明HSS算法能够有效地求解MLLS问题,其求解结果明显优于遗传算法的求解结果。

正交Scatter Search算法

针对Scatter Search算法在初始种群的分布欠均匀,难以搜索到全局最优,目标函数评价次数多等方面的缺点,把正交设计方法同Scatter Search算法结合起来,提出了Orthogonal Scatter Search(OSS)算法,以改进其不足,满足实际工程的需要。实验证明OSS算法优于SS算法,不仅目标函数评价次数少,收敛速度快,而且易于搜索到全局最优或者非常接近于全局最优,尤其是高维空间效果更加明显。

考虑软时间窗的同时送取货随机旅行时间车辆路径问题

考虑车辆总旅行时间约束和车辆载重限制以及客户对服务时间窗的要求,研究带有软时间窗的同时送取货随机旅行时间车辆路径问题(STT‒VRPSPD),建立机会约束规划模型。将禁忌搜索算法与分散搜索算法相结合,构建混合分散禁忌搜索(HSTS)算法,并采用C‒W节约算法生成初始解。基于经典的Dethloff算例和Solomon时间窗生成方法,分别生成包括50个客户、200个客户各20组算例,算例测试结果验证了混合分散禁忌搜索算法的有效性。

随机需求车辆路径问题及混合变邻域分散搜索算法求解

随机需求车辆路径问题(capacitated vehicle routing problem with stochastic demand,CVRPSD)是对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP)的扩展,需求不确定的特点使其较CVRP更复杂,对求解方法要求更高.基于先预优化后重调度思想,提出两阶段的混合变邻域分散搜索算法(variable neighborhood scatter search,VNSS)对该问题进行求解:预优化阶段构建随机机会约束规划模型,对客户点随机需求作机会约束确定型等价处理,生成最优预优化方案;重调度阶段采用新的点重优化策略进行线路调整,降低因失败点而产生的额外成本,减少对人工和车辆的占用.算例验证表明,随机机会约束模型和两阶段变邻域分散搜索算法在求解CVRPSD时较为有效,点重优化策略调整效果较佳.

不确定性下C2组织结构的“任务—平台”关系设计模型及算法

针对经典"任务—平台"关系设计(task-platform relation design,TPRD)中忽视了指挥控制(com-mand and control,C2)组织所处战场环境不确定性的不足,研究了更符合作战实际的不确定性下C2组织结构的"任务—平台"关系设计(task-platform relation design under uncertainty,TPRDU)问题。考虑了使命成功不确定性、使命执行时间不确定性和平台的能力损耗不确定性,建立了以使命成功概率(mission success probability,MSP)最大为目标的机会约束规划模型。设计了用于求解该模型的分散搜索(scatter search,SS)算法,该算法在生成新解时采用平台冗余设计(platform redundancy design,PRD)策略。最后的计算实验表明了TPRDU问题的实际意义和分散搜索算法的有效性,并验证了PRD策略对MSP的提高作用。

分散搜索算法求解带货物权重的车辆路径问题

研究了由一个分销中心、多个零售商组成的分销网络中运输单产品考虑货物权重的车辆路径问题(weighted vehicle routing problem,WVRP).问题的目标是设计合理的路线最小化由于行驶距离,运输载重量及使用车辆而产生的总费用.针对问题的特点,设计了求解WVRP问题的分散搜索算法(scatter search algo-rithm,SS),该算法基于客户进行编码,以基于最优划分过程的随机初始化作为多样性产生方法,通过对不同解包括的弧组合来生成新解,并用最近邻法对解进行改进.分别采用了随机数据与标准数据对算法进行测试,并与其他求解该问题的算法进行了比较,说明了算法的有效性.

加工时间可可控控的炼钢调调度度问题两阶段模型及优化算法

炼钢–精炼–连铸是钢铁产品的关键生产工序,其有效的调度对生产过程中减少热能消耗、提高生产效率具有重要意义.根据生产过程中工序加工时间可控性和主要工艺约束提出了分散搜索(scatter search,SS)算法和数学规划相结合的两阶段求解算法.第1阶段应用SS算法基于各阶段正常的加工时间,确定炼钢–精炼生产阶段各设备的加工炉次集和各炉次的加工顺序.第2阶段将SS求得的解转化为时间约束网络图,建立了以炉次等待设备时间和设备等待炉次时间及最大完成时间最小为调度目标,工序加工时间可控的混合整数规划模型,应用CPLEX求解模型确定各炉次的加工时间和开始时间.基于国内某钢铁企业炼钢–精炼–连铸生产过程的实绩生成了14个不同规模的测试案例,对钢厂生产实绩效果与本文两阶段求解算法的优化效果进行了对比,分析了不同等待时间权重对两阶段算法性能的影响,并与采用遗传局域搜索(genetic local search,GLS)算法与数学规划相结合的求解算法的优化效果进行了比较.实验结果表明本文给出的模型和两阶段求解算法对加工时间可控的炼钢–精炼–连铸调度问题的优化效果很好.

求解过道布置问题的一种改进分散搜索算法

为更好地反映实际布置情况,针对现有研究在求解过道布置问题时忽略通道宽度、未设置总流量入口等不足,构建了考虑通道宽度和总流量入口的混合整数规划模型,提出一种改进分散搜索算法进行求解。该算法将禁忌搜索操作嵌入分散搜索的解改进方法中,可以进一步优化参考集中的解,提高获得全局最优解的概率。设计了包含高质量和多样性解的双层参考集、动态参考集更新方法、子集产生方法等多种改进机制。对不同规模(9~49个设施)的测试问题进行了验算与对比,结果表明:针对小规模问题,所提算法均求得了与Lingo软件相同的最优解;对大规模问题的求解质量明显优于基本分散搜索算法和禁忌搜索算法。

混合模拟退火及分散搜索优化过道布置问题

针对过道布置问题的求解复杂性,提出了一种混合模拟退火及分散搜索算法。该算法通过引入模拟退火操作进一步优化参考集中的解,以提高获得全局最优解的概率。设计了包含高质量和多样性解的双层参考集,扩大了搜索范围,避免算法陷入局部最优。同时采用动态参考集更新方法,及时替换参考集中质量或多样性较差的解,加快算法的收敛速度,并改进子集产生方法,避免产生重复的解,从而提高算法的求解效率。应用所提算法对24个不同规模的测试问题进行验算与对比,结果表明所提算法的求解质量与平稳性均优于基本模拟退火算法和分散搜索算法,且较已有的4种方法更具求解优势。

多目标选择性拆卸序列优化问题的分散搜索算法

针对多资源约束下顺序依赖的选择性拆卸序列优化问题,建立以最大拆卸收益和最小拆卸时间为优化目标的多目标数学模型,提出了一种多目标分散搜索优化算法进行求解.该算法针对本文问题的特点设计了一种保持足够多样性的初始解生成方法,满足拆卸优先关系的交叉组合算子以及改进的参考集更新策略.为了进一步提高解的质量设计了一种局域搜索策略,并利用外部存档方法存放pareto解集.应用多组实例进行计算实验,并与其他求解该问题的算法进行比较,实验结果表明本文算法优于对比算法,证明本文模型和算法求解本类问题有效.

基于改进分散搜索的混流装配线排序问题

针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型。为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法。该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解。设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解。通过某企业混流装配线实例,验证了所设计算法的有效性。

多阶段零售店选址的模型与算法研究

针对零售店的选址问题,设计了分段效用函数,改进了现有竞争性设施选址模型中效用函数的设计不足,把消费者居住地到零售店的距离对效用的作用分成无影响、有直接影响和绝对影响三种情况考虑。在此基础上,建立了多阶段零售店选址模型,决策者对不同阶段的零售店重新布局,使其与消费者需求分布和零售店经营成本变动相匹配。根据模型特点设计了分散搜索算法,分别用Lingo软件和分散搜索算法编程对一组算例进行计算比较,两种算法的运算结果显示,分散搜索算法的运行速度快而且收敛性好。

VLSI电路划分问题的分散搜索算法

电路划分是超大规模集成电路(VLSI)设计自动化中的一个关键阶段,是NP困难的组合优化问题.本文把基于顶点移动的Fiduccia-Mattheyses(FM)算法结合到分散搜索算法框架中,提出了电路划分的分散搜索算法.算法利用FM算法进行局部搜索,利用分散搜索的策略进行全局搜索.为满足该方法对初始解的质量和多样性的要求,采用贪心随机自适应搜索过程(GRASP)和聚类相结合的方法产生初始解.实验结果表明,算法可以求解较大规模的电路划分实例,且与基于多级框架的划分算法hMetis相比,划分的质量有明显的提高.

分散搜索算法求解多目标优化问题

最近涌现了各种进化方法来解决多目标优化问题,分散搜索也是一种可以解决多目标问题的算法。该算法的结构引用进化算法的杂交和变异算子来增强它的性能,但该算法与其他进化算法的不同在于一系列操作策略不再基于随机性原理,而是运用"分散-收敛集聚"的迭代机制。论文在多目标优化问题区域讨论分散搜索算法,寻找多目标的非支配集或Pareto最优解。实验表明,分散搜索算法具有很好的收敛性和分布性。

同时配集货定位—路线问题的变邻域分散搜索算法

针对同时配集货的定位—路线问题,建立了三维指数混合整数规划模型,并设计了变邻域分散搜索求解算法,即在基本分散搜索算法的基础上保留参考集更新和组合策略的全局搜索能力。针对组合后的解可能是不可行解的问题,利用插入法将其改进为可行解,再运用变邻域搜索进行局部开发以提高可行解质量。为保证算法的多样性以进一步扩大搜索空间,初始种群采用两阶段混合多随机法构造。通过采用Lingo求解简单算例验证了模型的正确性,采用设计的变邻域分散搜索算法仿真已有算例并与其他算法比较,证明了该算法的有效性。

奖励收集斯坦利最小树的混合拉格朗日与分散搜索算法

针对PCSTP问题,提出了HLGSS混合算法.通过拉格朗日松弛策略,将PCSTP问题转化为简单的CMST问题;然后由Volume算法求解PCSTP的拉格朗日对偶问题并获得其下界.用SS算法优化原问题的可行解,利用求解拉格朗日对偶问题过程中获得的原始-对偶信息来指导SS算法的搜索.仿真结果表明,HLGSS比SS降低了算法的搜索空间,加速了算法的收敛性.

基于改进分散搜索算法的多资源跨单元调度问题研究

针对单元制造系统中不同设备、操作人员和自动导引小车的特点以及对制造系统的作用,提出了多资源约束下的跨单元调度问题。以零件延期交货、员工工作人数及跨单元移动次数、自动导引小车数量最少为目标,构建目标规划模型。针对模型的特殊性,提出了改进分散搜索算法,算法中应用遗传算法获得新解,应用模式搜索法改进新解,进一步提高了算法的收敛速度。最后将此模型及算法应用于不同规模的8个算例,证明了模型和算法的有效性,针对算例进行详细分析,说明设备、人员和自动导引小车在调度过程中的相互作用。

利用分散搜索算法实现受时延约束的多播路由

提出一种新的基于分散搜索算法(Scatter Search,SS)来解决受时延约束的多播路由的方法。作为进化算法的一种,分散搜索算法不但继承了进化算法中通过杂交和变异算子来增强性能的机制,还独创性地运用了"分散-收敛集聚"的迭代机制。通过在受时延约束多播路由算法上应用SS算法,寻找包含所有组播节点在内的最小代价树。实验表明,本算法具有较好的收敛性和分布性。

基于伞布搜索法的贴片机贴装顺序优化算法

以多贴装头直列式贴片机为研究对象,对喂料器已指派情况的元件贴装顺序优化问题提出了一种新的基于伞布搜索算法(SS)的优化算法。首先介绍了SS算法初始种解的生成方法以及如何保证初始种解的多样性的方法。其次讨论了待评估解的改良算法的设计思路和实现方法。其后提出了SS算法种群参考解集的生成和合并规则以及重复解的判定方法。最后将本文提出的SS算法与GA算法用38块评估板进行比较,结果表明算法SS比GA优化效果更好。

基于模糊需求与机器产能的动态单元构建与布局问题

针对动态单元构建与布局问题中产品需求与机器产能的不确定性,综合考虑多行布局和柔性单元外形等因素,建立了基于模糊需求和机器产能的基本问题模型。考虑以分段线性隶属函数表示模糊目标函数和约束条件,将原问题转化为最大化决策问题,以确定在给定约束下最大程度地满足模糊目标函数的设计方案。提出一种基于结构化编码的分散搜索算法,该算法采用带轮盘赌选择算子的子集合并方法提高新解的质量,并利用动态参考集更新方法加快收敛速度。通过对比该算法与LINGO和模拟退火算法在不同规模问题下所得的结果,验证了模型的正确性与算法的有效性。