q分量二阶混料K模型R-最优设计

在混料试验设计中,当模型包含较多的未知参数时,使用R-最优设计一方面能保证参数估计的精度,另一方面又能简化最优设计的计算.文章讨论了q分量二阶K模型的R-最优设计,利用混料设计的等价性定理,获得了K模型的R-最优设计,并可以推广至其他模型中.

基于二分法和控制信息素量的改进蚁群算法

为弥补蚁群算法易陷入局部最优、收敛速度较慢等不足,提出一种基于二分法和控制信息素量的改进蚁群算法。在每次迭代结束时,利用二分法放弃行走路程较远的半数蚁群的信息素,使收敛速度得到提高;利用3-opt局部优化方法提高解的精度;通过控制信息素量动态调整蚁群选择路径的概率,避免算法早熟;将改进的算法应用于旅行商问题。实验结果表明,该算法在寻优能力、可靠性、收敛速度以及稳定性方面均表现出明显的优越性。

多监测任务下空间碎片监测网调度优化方法

空间碎片监测网采集的轨道测量数据是轨道编目的基础。面对巨量碎片和有限的监测站点,数据采集方法与快速的作业任务调度优化是充分发挥监测效能、提升编目能力和精度的关键技术。监测任务包括常规监测、重点目标监测和应急监测等。针对监测网多任务调度优化问题,以监测收益为目标函数,分别提出线性指派模型和考虑移动成本的非线性指派模型,并使用改进的LAPJV算法和改进的2-opt算法进行解算。开展了地基观测网络空间碎片监测任务优化仿真实验,线性模型和非线性模型处理200个测站、7170个碎片的4 h任务规划,改进的LAPJV算法和2-opt算法的解算时间分别为12.051 s和162.071 s,监测总收益分别为289399.07和285333.79,分别可监测2931和2918个碎片,占碎片总数的40%以上。结果表明,模型/算法兼顾解算速度和精度,具有近实时监测任务优化的能力,可以作为监测任务优化的有效解决方案。

旅行商问题概述

旅行商问题是组合优化的经典问题,应用广泛,而且长期以来被作为NP-complete问题的理想研究平台。文章介绍了旅行商问题的基础知识、应用,以及常用的求解方法。

连铸组中间包问题的MTSP模型及混合优化算法

针对连铸计划中的组中间包问题,建立了多旅行商问题(MTSP)模型,提出了一种结合启发式、k-opt邻域搜索和EDA进化的混合优化算法.该算法首先利用启发式规则确定虚拟炉次的个数,从而确定染色体编码长度,每个染色体代表一种中包组合方案,然后设计了基于概率矩阵模型的EDA进化算法对染色体进行全局寻优,并使用k-opt邻域搜索进行局部优化.EDA算法不需要设计如遗传算法(GA)那样的交叉算子,避免了交叉导致的编码非法性问题.通过对企业实际生产数据进行仿真计算,其结果表明了算法具有良好的优化性能和实用性.

基于约束满足的热轧批量计划模型与算法

将热轧批量计划问题作为一个约束满足问题处理,建立不确定计划数的VRPSTW约束满足模型.在求解过程中,先用约束满足的一致性技术过滤变量的值域,收缩搜索空间;然后用变量选择和值选择构造轧制计划的解.为变量赋值之后,实施约束传播,保证每块板坯只被访问一次并动态禁止子回路.在已有的解的基础上,应用基于禁忌的k-opt互换改进解的质量.数据实验证明模型和算法是有效的.

冬瓜氮磷钾化肥配施效应

结合冬瓜果实特点与营养吸收特性,探讨冬瓜氮磷钾化肥配施效应。结果表明,每产生1t冬瓜果实需要吸收的总养分为氮1174.8g、磷241g、钾2374g、钙1194g、镁141g、硫121g、硼3.1g和锌1.8g。在土壤有效磷丰富,有效氮、钾缺乏及施有机肥条件下,施磷稍微减产,OPT-N处理比OPT处理减产7.0%,OPT-K处理显著减产14.4%,种植效益降低8.5%及21.0%,氮、钾肥养分产出率分别为29.5kg冬瓜/kgN及61.2kg冬瓜/kgK2O。在土壤有效氮、磷、钾极缺乏及不施有机肥条件下,OPT-N与OPT-K处理分别比OPT处理显著减产21.2%及31.3%,OPT-P处理减产12.5%。种植效益降低56.9%、40.1%及99.1%。氮、磷、钾肥养分产出率分别为41.5kg冬瓜/kgN、81.3kg冬瓜/kgP2O5及61.0kg冬瓜/kgK2O。表明中低产田种植冬瓜时,更应重视氮磷钾肥的合理平衡施用。

多物流配送中心选址及求解

经典蚁群算法不能直接用于求解多配送中心选址问题(MDLP),据此,将MDLP映射为扩展K-TSP过程并设计了改进的蚁群算法.改变了经典蚁群算法禁忌表的设置方式,算法运行时,给蚁群建立一个共享禁忌表,里面存放所有蚂蚁访问过的客户点,任何蚂蚁只能选择共享禁忌表未曾记录的客户点,从而增强蚂蚁间的信息交流,促进它们的分工与协作,使蚂蚁无遗漏无重复地遍历各配送点并找出问题的最优解.为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式.仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP.

数控系统加工路径的优化

以数控冲床加工为背景,针对数控系统加工路径优化问题,首先介绍了优化加工路径的基本原理,后分别介绍了最近邻算法和K元交换试探算法的应用。采用优化方法后,可以大幅提高数控系统(以冲床加工为例)的加工效率,这在批量生产过程中可以创造可观的经济价值。

一种混合局部搜索算法的遗传算法求解旅行商问题

针对遗传算法容易产生早熟现象以及局部寻优能力较差的缺点,提出一种求解旅行商问题的高效混合遗传算法。该算法首先用加权最近邻法产生初始种群,对种群中相同的个体,用K-近邻法产生新的个体代替相同的个体,然后淘汰适应性较差的个体,用交叉操作产生新的个体,最后,对部分个体进行3-opt优化变异,对种群中优秀个体用改进的Lin-Kernighan算法进行优化。对TSPLIB中部分实例的仿真结果表明,所提出的混合局部搜索算法的改进遗传算法在求解TSP问题时可以高效地获得高质量的解。

求解旅行商问题的高效自适应混合蚂蚁算法

在目前求解TSP问题效果最好的混合算法——最大最小蚂蚁算法和3-opt局部搜索算法的基础上,提出了一种改进的混合蚂蚁算法。算法前期使用局部搜索的解初始化信息素矩阵,加快收敛速度,后期依Metropolis接受准则概率接受局部优化解,有效地避免陷入局部最优,自适应的信息素调节机制使算法更加灵活,而K近邻候选集则使之适应大规模问题求解,理论分析和TSPLIB中部分实例仿真结果表明,此算法能比其他改进蚁群算法具有更多优越性。

旅行商问题的近似求解算法

在最近邻法、k-变换策略和贪心算法的基础上,尝试设计效率较高的产生旅行商问题较优可行解的方法。将3变换邻域分成两种结构(称为3_1和3_2变换邻域)考虑,设计以下算法:利用最近邻法产生初始当前最优解;然后依次在当前最优解的3_2、3_1、2变换邻域中寻找更优的局部最优解成为当前最优解,直到结果没有改进。利用算法对一些经典的实例进行实验,依次将每个城市作为出发地,在多项式时间O(n4)得到的最优解与给定的最优解相对误差在1%内。

求解TSP的学习记忆果蝇算法

提出一种解决TSP的学习记忆果蝇算法.为克服传统果蝇算法易于陷入局部极值的缺点,该算法引入了果蝇的学习记忆机制,通过设置种群记忆区指导果蝇个体的搜索方向,以提高算法的全局寻优能力.同时,为增强算法求解TSP的局部搜索能力,结合λ-opt算法设计了一种离散型嗅觉搜索过程.实验结果分析表明,本文所提出的算法能够有效地求解TSP,具有可靠的全局收敛性,较快的收敛速度.

北海电厂320MW机组控制系统优化

针对中电投北海电厂320 MW机组控制系统存在的磨煤机起、停和锅炉蒸汽/激波吹灰过程中机组协调控制及送风（氧量）自动控制无法正常投入、主蒸汽温度波动大、汽包水位自动调节特性差等问题,采用OPT-K优化软件包对控制系统进行了优化。对常规PID参数的自整定和引入现代控制理论构建的状态观测器,使控制系统自动投入率及其调节品质明显提高,解决了起、停磨煤机时导致的汽包水位波动大、蒸汽温度扰动大等问题,汽轮机、锅炉协调控制系统投入情况良好。

一种面向对象的多角色蚁群算法及其TSP问题求解

蚁群算法的改进大多从算法本身入手或与其他算法相结合,未充分利用待解决问题所包含的信息,提升效果较为有限.对此,提出一种面向对象的多角色蚁群算法.该算法充分利用旅行商问题(TSP)对象的空间信息,采用k-均值聚类将城市划分为不同类别;同时,对蚁群进行角色划分,不同角色的蚁群针对城市类别关系执行各自不同的搜索策略,增强了蚁群的搜索能力,较大幅度地提高了求解质量.每进行一次迭代,仅各角色最优个体进行信息素更新,防止算法退化为随机的贪婪搜索.将精英策略与跳出局部最优相结合可避免算法的停滞.50个经典TSP实例仿真实验表明:所提出的算法可以在较少的迭代次数内获得或非常接近于问题的已知最优解;对于大规模TSP问题所得结果也远超所对比的算法.