求解恰当可满足性问题的随机局部搜索算法

可满足性问题(SAT)是一种NP完全问题,被广泛运用于人工智能和机器学习等研究。恰当可满足性问题(XSAT)是SAT中一类重要的子问题。目前的大部分关于XSAT的研究主要为理论层面,对高效的求解算法特别是具有高效验证性的随机局部搜索算法研究很少。针对以上问题,分析了基础编码和等价编码两种转化方式的公式的部分性质,提出一种直接求解XSAT的随机局部搜索算法WalkXSAT。首先使用随机局部搜索框架进行基础搜索与条件判定;其次加入变元所属文字的恰当不可满足计分值,优先处理不易恰当满足的变元;然后使用防重复选择翻转变元的启发式策略减小搜索空间;最后,采用多种来源以及多种格式的实例进行对比实验。在直接求解XSAT时,相较于ProbSAT,WalkXSAT的变元翻转次数与求解时间显著减少;在求解基础编码转化后的实例中,当实例变元规模大于100时,ProbSAT已失效,而WalkXSAT依然能够在短时间内求解。实验结果表明,所提WalkXSAT精确性高、稳定性强、收敛快。

局部通信网络下的电磁目标协同搜索方法

针对复杂未知环境中电磁干扰等因素造成的多无人机通信网络受限问题,提出局部通信网络下的电磁目标协同搜索(CSEL)方法。首先,基于电磁目标信号检测模型与频域数字信息素图建立环境认知信息模型;其次,根据无人机之间的通信拓扑关系建立局部通信网络,通过排斥力模型实现无人机的避撞,同时对无人机飞行参数进行约束。在此基础上,综合考虑频率信息素收益、波束覆盖搜索和波位转换代价构造目标收益函数。仿真结果表明,CSEL能够确保在空频多维度协同搜索中具备可行性,并在不同通信阈值下表现出较好的稳定性。

两种高效局部搜索算法求解RB模型实例

RB(revised B)模型是一种在约束可满足问题中具备精确相变增长域的随机实例模型,提出两种高效的启发式局部搜索算法用于解决RB模型生成的大值域约束可满足问题。首先为基于权重指导搜索的W-MCH算法,该算法通过约束判断和违反约束数计分来进行搜索,并引入了基于约束违反概率的权重计算公式,根据其关联的约束权重进行修正,再对变量进行迭代调整。然后提出最小化值域的MDMCH算法,该算法通过记录违反约束和逐步消除已违反约束变量的启发式策略来减少搜索空间,并在最小化后的变量域内重新校准变量赋值,进而有效提高算法的收敛速度。此外,还提出了融入模拟退火策略的WSCH和MDSCH算法,这两种算法都能根据变量的表征特点对变量域进行针对性的搜索。实验结果表明,与多种启发式算法相比,这两种算法在精度与时间效率方面均呈现明显提升,在复杂难解的实例中能够提供高效的求解效率,验证了算法的有效性和优越性。

基于改进迭代局部搜索的多SMT产线多目标优化

针对多PCB订单在多条SMT生产线上的生产调度问题,同时考虑SMT生产线治具约束、生产线停线计划约束,建立以最小化总拖期为主目标和最大完工时间为子目标的数学模型。基于问题特性,提出了一种基于问题邻域知识的多目标迭代局部搜索算法求解问题模型,设计带约束的局部搜索在优化主目标函数时,将子目标函数限制在一定的允许量内,设计4种局部搜索算子局部寻优,扰动产生多个扰动解取Pareto最优解作为下一次的迭代解,增加算法全局搜索能力。在相同的计算资源下,对问题规模大于100×5(PCB订单数×SMT生产线数)的测试集,所提出的算法在主目标总拖期优化上相比传统迭代局部搜索算法提升35%以上,验证了算法的有效性。

基于多顶点替换策略的迭代局部搜索算法解决覆盖推销员问题

覆盖推销员问题(Covering Salesman Problem,CSP)是著名的旅行商问题的一个变体,是NP难问题。给定一组顶点和每个顶点相关联的预定覆盖半径,CSP的目标是在顶点子集上找到一个最短长度的哈密顿回路,使每个顶点被访问或者在被访问顶点的覆盖范围内。为提升搜索候选顶点集的质量,提出一种基于多顶点替换的搜索策略,并将该策略引入到迭代局部搜索算法解决CSP。所提CSP算法通过扰动过程和改进过程的迭代探索邻域最优解,其中扰动过程将搜索发散到未探索的区域,改进过程提升解的质量。实验结果表明,多顶点替换方法相比“移出-重新插入”过程可以获得更高质量的候选顶点集。所提CSP算法在寻优的正确率上取得了不错的成效,尽管运行速度与其他启发式算法相比有差距,但可以在合理的运行时间内解决CSP。

基于改进后局部搜索算法的猕猴桃预估产量在种植区域的分配性能

为进一步提高猕猴桃(Actinidia chinensis Planch.)预估产量在种植区域的分配性能,通过麻雀搜索算法、可变螺旋因子来改进局部搜索算法,并利用逐维透镜学习策略加快改进后局部搜索算法的收敛速度。结果表明,当猕猴桃预估产量不变时,随着可变螺旋因子数值增加,分配时间逐渐降低;当可变螺旋因子数值不变时,猕猴桃预估产量增加,分配时间也增加。猕猴桃预估产量分别为10、20、30、40、50、60 t,4个种植区域面积分别为500、650、700、850 m^(2)。建议当猕猴桃预估产量为10~60 t时,可变螺旋因子数值设定为4;当预估产量为10~40 t时,种植区域3可以满足最佳种植间隔,当预估产量为50~60 t时,种植区域4可以满足最佳种植间隔,根据不同预估产量及种植区域面积合理进行猕猴桃种植间隔分配,保证猕猴桃获得充足的养分。改进后局部搜索算法的收敛速度较快,在迭代500次时,算法已趋于收敛,深度学习、粒子群算法及灰狼算法的收敛速度均小于改进后局部搜索算法。

基于局部贪心搜索的个性化旅游线路自动生成系统

为了提升旅游线路生成系统的旅游路线命中率,考虑游客的旅游喜好,依托于局部贪心搜索算法,设计一种个性化旅游线路自动生成系统。在开发系统硬件的基础上,进行系统的软件设计。了解旅游景点的特征信息,描述旅游景点领域本体知识库,并建立旅游热点关联图。根据用户对旅游点类别属性的偏好程度,智能提取兴趣旅游景点。根据旅游者心理需求进行局部贪心搜索,规划最优个性化旅游线路,生成可视化个性化旅游线路。系统测试结果表明:系统生成的个性化旅游线路命中率为0.64,可以输出更加符合用户个性化需求的旅游路线。

用于局部放电信号定位的多样本能量相关搜索提取时间差算法

提出一种应用多样本非平稳信号的能量相关搜索提取时间差算法,阐明该算法的原理,给出具体计算公式和步骤,对实验室获得的大量变压器局部放电超高频信号数据样本,经过"相关–移位–叠加"数学变换,得到具有统计意义的能量累积曲线,再利用相关搜索原理准确计算出多传感器信号间的时间差,有效解决了多信号间时间差难以准确获取和用单样本数据对局放源定位的结果分散性大的问题,其定位时间误差在皮秒级,距离误差在厘米级。

基于混沌局部搜索算子的人工蜂群算法

在求解函数优化问题时,为了提升人工蜂群算法局部搜索能力,提出了一种新颖的混沌蜂群算法。新算法设计了一种混沌局部搜索算子,并将其嵌入蜂群算法框架中;该算子不仅能够实现在最优食物源周围局部搜索,还能够随着进化代数增加使搜索范围不断缩小。仿真实验结果表明,与人工蜂群算法相比,新算法在Rosenbrock函数上,求解精度和收敛速度明显占优;此外新算法在多模函数Griewank和Rastrigin上,收敛速度明显占优。

局部搜索与遗传算法结合的大规模复杂网络社区探测

基于遗传算法的复杂网络社区探测是当前的研究热点.针对该问题,本文在分析网络模块性函数Q的局部单调性的基础上,给出一种快速、有效的局部搜索变异策略,同时为兼顾初始种群的精度和多样性以达到进一步提高搜索效率的目的,采用了标签传播作为初始种群的产生方法;综上,提出了一个结合局部搜索的遗传算法(Genetic algorithm with local search,LGA).在基准网络及大规模复杂网络上对LGA进行测试,并与当前具有代表性的社区探测算法进行比较,实验结果表明了文中算法的有效性与高效性.

具有混沌局部搜索策略的双种群遗传算法

为提高遗传算法的局部和全局搜索能力,提出了一种具有混沌局部搜索策略的双种群遗传算法(CLS-DPGA)。CLSDPGA中,一个作为探测种群,另一个作为开发种群。两个种群按照不同交叉概率和变异概率进行进化,每个种群每进化一代后就对其最优解进行混沌局部搜索。若搜索到更优的解,则取代原最优解直至搜索到预设的混沌次数,同时两个种群之间每10代进行一次移民操作。六个Benchmark函数的实验结果证明,CLS-DPGA比另一种自适应局部搜索策略的遗传算法(a-hGA2)具有更好的寻优能力。

基于栅格法的矿难搜索机器人全局路径规划与局部避障

针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法。效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并结合优先权分组的思想,提出一种新的有效的种群初始化方法,同时将该种群初始化方法应用到变异算子中,且依据最优解的变化情况自适应地调整交叉和变异的概率。与此同时,针对环境信息的不同变化情况,结合全局路径规划结果对机器人进行局部避障方法的研究。最后,通过仿真实验证明本方法能够快速有效地在已知环境中得到机器人的最优路径,并且能够在局部变化的环境中实现实时避障。

一种带差分局部搜索的改进型NSGA2算法

NSGA2算法以其Pareto支配的选择模式并辅以解个体密度估计算子选择胜出解的策略而成为了现代多目标进化算法的典范,但是该算法通过计算解个体的聚集距离来保持群体的分布性的机制存在一定的缺陷。鉴于此,提出了一种带差分局部搜索的改进型NSGA2算法。新算法利用差分进化中变异算子的定向引导作用,抽取其中的差分向量,并与NSGA2算法结合以改善解群的分布性。仿真实验表明:新算法较NSGA2算法在解群分布的均匀性和广度上有明显的改善。此外,新算法在时间复杂性方面与经典的NSGA2算法相当。

技术站广义动态配流问题的局部邻域搜索算法

为了实现技术站阶段计划的计算机编制,研究了静态配流和列车解编方案调整的协同优化.在综合考虑优先排空和优先发送较近编组去向车流的编组要求、欠轴列车停运要求,以及到发列车时间和车流接续关系的基础上,以静态配流为主线,通过调整欠轴列车编组顺序以及与其相关到达列车的解体顺序构造邻域,设计了局部邻域搜索算法.该算法的主要思路是:每次搜索只考虑最早出发的欠轴列车;构造其邻域时保证不产生新的欠轴列车;通过邻域搜索后,该列欠轴列车如不能满轴就停运.算例表明,与既有方法相比,该算法能求出编组列车数、编组车辆数和中时的更好解.

均匀局部搜索和高斯变异的布谷鸟搜索算法

布谷鸟搜索(Cuckoo Search,CS)算法是一种简单易实现的全局优化算法,但也存在局部搜索能力弱,求解精度不高的问题.为了克服这些问题,提出一种新的均匀局部搜索和高斯变异的布谷鸟搜索算法.该算法在基于Levy飞行产生新解后执行均匀局部搜索,从而提高算法的局部开采能力,并对被宿主发现的鸟巢采用高斯变异进行重新更新,从而提高算法的寻优精度以及收敛能力.通过对包括单峰函数、多峰函数的13个基准测试函数的仿真实验和分析,验证了新算法的有效性和可靠性,实验结果表明新算法具有较好的收敛速度和收敛精度,是一种具有竞争力的算法.

基于均匀局部搜索和可变步长的萤火虫算法

针对萤火虫算法(FA)收敛速度慢和求解精度不高的问题,提出一种基于均匀局部搜索和可变步长策略的萤火虫优化算法(UVFA)。首先,根据均匀设计理论建立局部搜索算子,对FA的搜索过程进行改进,以提升算法的局部开采能力和收敛速度;其次,利用可变步长策略,动态地调整算法搜索步长,以平衡全局和局部的勘探能力和开采能力;最后将均匀局部搜索算子和可变步长进行融合。通过对12个标准测试函数进行仿真实验,结果表明,UVFA的目标函数均值均明显优于FA、明智步长策略的萤火虫算法(WSSFA)、可变步长萤火虫算法(VSSFA)和基于均匀局部搜索的萤火虫优化算法(UFA),并且时间复杂度明显降低,并且在低维和高维问题中均显示出了较好的质量,具有良好的鲁棒性。

k-Median近似计算复杂度与局部搜索近似算法分析

k-Median 问题的近似算法研究一直是计算机科学工作者关注的焦点,现有研究结果大多是关于欧式空间和 Metric 空间的,一般距离空间 k-Median 的结果多年来一直未见.考虑一般距离空间 k-Median 问题,设 dmax/dmin表示 k-Median 实例中与客户点邻接的最长边长比最短边长的最大者.首先证明 dmax/dmin≤ω+ε的 k-Median 问题不存在近似度小于1+ ω ?1 (loglog n) e 的多项式时间近似算法,除非 NP ? DTIME(nO ) ,由此推出 Metric k-Median 问题不可近似到 1+ 2 (log log n) e,除非 NP ? DTIME(nO ) .然后给出 k-Median 问题的一个局部搜索算法,分析表明,若有 dmax/dmin≤ω,则算法的近似度为 1+ ω2 .该结果亦适用于 Metric k-Median,ω≤5 时,局部搜索算法求解 Metric k-Median 的 ?1近似度为 3,好于现有结果 3+ 2 .通过计算机实验,进一步研究了 k-Median 局部搜索求解算法的实际计算效果和该 p算法的改进方法.

基于Powell局部搜索策略的全局优化布谷鸟算法

为了解决布谷鸟搜索算法后期收敛速度慢、求解精度不高、易陷入局部最优等缺陷,提出了一种基于Powell局部搜索策略的全局优化布谷鸟搜索算法。算法将布谷鸟全局搜索能力与Powell方法的局部寻优性能有机地结合,并根据适应度值逐步构建精英种群候选解池在迭代后期牵引Powell搜索的局部优化,在保证求解速度、尽可能找到全局极值点的同时提高算法的求解精度。对52个典型测试函数实验结果表明,该算法相比于传统的布谷鸟搜索算法不仅寻优精度和寻优率有所提高,并且适应能力强、鲁棒性好,与最新提出的其他改进算法相比也具有一定的竞争优势。

基于局部搜索和遗传算法的激光切割路径优化

为了缩短激光加工时间,提高加工效率,提出了一种新的局部搜索法与遗传算法相结合的激光切割路径优化算法。该算法从加工轮廓中提取节点,通过局部搜索法对节点进行局部路径优化,再运用的遗传算法求得近似最优解,遗传算法中的选择算子改进为基于相对适应度的轮盘赌选择算子。详细介绍了算法的原理及实现,通过编程仿真证明该算法与传统的遗传算法相比具有良好的优化效果,可明显缩短加工路径,减少加工时间,提高加工效率。

采用多局部搜索策略的无功优化多模因算法

引入局部搜索策略可提高无功优化进化算法的收敛性能,但目前引入的局部搜索策略都比较单一,不能取得很好的收敛效果。因此该文提出一种基于多局部搜索策略的无功优化多模因算法。该算法根据现有的多种局部搜索策略,提出包含修正型、定向型和随机型3类模因的无功优化模因池。在IEEE30节点标准系统上的仿真表明,新算法可发挥各类局部搜索策略的特点,具有良好的收敛特性。此外,该文还比较不同作用比例的多模因算法,分析作用比例与算法效率的关系,为局部搜索策略在无功优化中的进一步应用提供参考。