机组优化组合问题的随机tabu搜索算法

针对机组组合问题的特点,作者对tabu搜索策略和模拟退火算法(SA)的组合算法随机tabu搜索策略的编码方式、移动规则和tabu表的构造等作了适应性的改进,并对实际机组组合算例进行了求解。仿真结果表明,tabu-SA组合算法有效地结合了SA算法的大规模寻优特性和tabu搜索的局部搜索能力强的特点,能快速搜索到高质量的系统优化解。而且随机tabu搜索算法具有框架性算法不易陷入局部最优的特点,易于与其他算法结合来构造新的高效组合算法。

Tabu搜索法在森林采伐量优化问题中的应用

介绍了一种新颖高效的启迪式搜索方式———Tabu搜索法。以一个杉木人工林采伐量方案的优化为例,介绍了Tabu搜索法的基本原理和应用方法,并把Tabu搜索法与线性规划、模拟退火和遗传算法处理同一森林采伐量优化方案例子获得的结果进行了比较。结果表明,禁忌搜索法在解决一般森林采伐量优化问题时有快速高效的特点,尤其是在移动产生的相邻解数目有限且差异较大的情况下,可以很快获得模拟退火和遗传算法多次重复计算也较难达到的高目标方程值。禁忌周期对Tabu搜索法的影响比较小,寻找好的移动方式和排序方式是影响Tabu搜索法效率的关键。

基于函数复杂度的自适应模拟退火和禁忌搜索新算法

在求解多峰复杂函数的过程中,传统的模拟退火算法和禁忌搜索算法经常出现算法快速收敛于局部最优解、后期收敛速度变慢和搜索能力变差等问题.为解决这些问题,本文给出函数复杂度的定义,并提出基于函数复杂度的自适应模拟退火和禁忌搜索算法.该算法首先根据函数复杂度自适应调整步长控制参数,然后根据调整后步长求得函数的粗糙解,在此基础上再使用初始步长求得全局最优解.实验表明,该算法不仅可以跳出局部最优解的限制,并且减少了迭代次数,有效地提高了全局和局部搜索能力.

具有服务优先级别的动态离散泊位调度优化

研究具有不同服务优先级别的船舶动态到达情形下的离散泊位调度问题.以泊位分派和船舶作业开始时间为决策变量,为优化码头作业效率和船公司客户满意度,以最小化船舶总在港时间与加权延迟时间之和为目标建立数学模型.采用基于修改后的先到先服务等规则的启发式算法生成初始解,以此为基础设计结合禁忌深度搜索和模拟退火算法框架的混合算法对问题进行优化求解.不同问题规模下的数据仿真试验表明,该算法可以快速、有效地解决此类问题.

混合退火算法求解旅行商问题

为优化旅行商问题(TSP),结合禁忌搜索算法(TS)和模拟退火算法(SA)的思想设计了混合退火算法(TSA)。针对模拟退火算法搜索效果不稳定等问题,在初始阶段TSA多次禁忌搜索并筛选初始解,确保算法稳定地收敛到全局最优值,在求解部分设计了快速退火算法,使其快速退火并收敛。与其他算法相比,TSA求解精度高,求解效果稳定鲁棒性强,并且求解时间短。TSA对China31问题的优化效果尤为精良,优化结果包括15375,15363,15352和15335等,均优于已知最好解15383。

下一代互联网中的智能QoS组播路由算法

将遗传算法、模拟退火算法、禁忌搜索算法这3种智能优化算法引入基于QoS的优化组播树计算中·首先建立了支持QoS组播的高速网络模型,在此基础上给出了组播算法问题的数学模型·分析了在组播算法问题中应用这3种智能算法所面临的关键问题及解决方案,然后给出了3种算法在费用寻优和运行时间性能方面的对比·仿真表明,这3种算法都有较高的性能,能够满足下一代互联网支持QoS组播的需求·

智能优化算法求解TSP问题

TSP(旅行商)问题代表组合优化问题,具有很强的工程背景和实际应用价值,但至今尚未找到非常有效的求解方法.为此,讨论了最近研究比较热门的使用各种智能优化算法(蚁群算法、遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络、粒子群优化算法、免疫算法等)求解TSP问题的研究进展,指出了各种方法的优缺点和改进策略.最后总结并提出了智能优化算法求解TSP问题的未来研究方向和建议.

基于改进禁止搜索算法的矢量量化码书设计

本文提出了基于改进禁止搜索 (TS)算法的矢量量化 (VQ)码书设计方法 .禁止搜索算法的关键是如何定义一个解以及如何在当前解的基础上生成邻域解 .由于码书设计的两个优化准则是最邻近条件和聚类质心条件 ,本文提出了两种禁止搜索算法的解描述方案 ,其相应算法分别叫基于码书的禁止搜索 (CB TS)算法和基于聚类划分的禁止搜索 (PB TS)算法 .为了提高禁止搜索算法的性能 ,文中在禁止搜索算法中融入了模拟退火 (SA)机制 .为了进一步提高码书性能 ,文中还将码书设计的传统LBG算法融入禁止搜索算法中 .结果表明 ,基于禁止搜索的两种码书设计方案所生成的码书性能都比LBG算法有明显提高 .

基于混合优化算法的电网规划方法

分析了以遗传算法、模拟退火算法和禁忌搜索算法为代表的现代启发式算法应用于电网规划这类非线性组合优化问题时存在的缺陷。在传统遗传算法的基础上,结合模拟退火算法概率性的突跳搜索机制和禁忌搜索算法能避免迂回的邻域搜索机制提出了一种混合算法,并以地理信息系统为平台来求解电网规划问题。实际应用结果表明,采用文中的混合算法可提高计算速度、收敛性能和计算效率。

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。

快速公交线路组合频率优化的禁忌模拟退火算法仿真

针对快速公交(BRT)线路组合的频率优化目标,建立了兼顾公交运营效益和乘客服务要求的BRT运营作业安排数学模型。根据问题的特点,将禁忌算法与模拟退火算法相结合,对BRT线路组合的频率进行优化。多次仿真运算结果及分析表明,该算法具有比禁忌算法、模拟退火算法都更好的效率,是解决该类问题的一个有效途径。

Meta-heuristic算法研究进展

对模拟退火、遗传算法和禁忌搜索法等代表性 meta-heuristic算法在理论与应用方面的研究进行综述 ,探讨算法结构和研究体系上的统一性 ,并归纳指出其发展方向。

改进遗传算法在电网规划中的应用

电网规划是电网优化设计、运行、调度的先决条件,提出一种改进的遗传算法用于电网规划。在遗传算法父代群体中的精英个体进行选择过程中,运用模拟退火算法进行精英个体的选择,使选择的精英个体数量和参与变异的个体数量之间的比例为最优;在遗传算法寻找全局最优点过程中,运用禁忌搜索算法参与寻优过程,改善了遗传算法容易陷入局部最优解的缺点。把改进的遗传算法运用于18节点系统中,运算结果为最优解,寻优过程优于传统遗传算法。

单车场集送一体化车辆路径问题及其混合算法研究

针对物流配送中的单车场集送一体化车辆调度问题提出了基于禁忌规则的模拟退火算法.采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束.算法在状态生成函数中利用3种邻域扩大抽样范围;根据问题的特点,在模拟退火算法抽样过程中加入了禁忌规则.介绍了算法的原理,应用算法求解了多个有代表意义的问题实例.对算例结果进行分析表明,该算法可以有效地求得有里程和时间窗约束的单车场集送一体化车辆调度问题的优化解.

带有多重空间干涉约束的工程调度优化

工程活动的空间干涉会延迟活动进度,降低活动质量,甚至引发事故,威胁员工的生命安全。针对这一问题,研究考虑多重空间干涉的工程调度优化问题。对工程中的空间资源和空间冲突进行系统地分类,建立带有多重空间干涉约束的工程调度优化模型并设计一种求解该问题的启发式算法——禁忌模拟退火算法。分别例举一个现实的工程案例和随机生成的算例群进行计算实验,结果表明,算法能快速生成项目调度计划方案,有效避免或减少多重空间干涉并尽可能地缩短工期,为工程管理者提供决策支持。

舰艇编队防空目标分配优化算法研究

针对所要解决的舰艇编队防空目标分配问题,文章结合现代防空作战特点,建立了防空目标分配模型,并讨论了数学模型的求解问题。对模拟退火算法、遗传算法、禁忌搜索算法进行了分析和研究,运用MATLAB软件编程仿真来解决所建立的防空目标分配模型。研究表明,禁忌搜索算法每次都能以100%的概率搜索到全局最优解,但由于其搜索时间过长而且搜索时间的随机性太强,不适用于解决战时的目标分配问题。而模拟退火算法和遗传算法则可以在较短的时间内达到较高的搜索概率,在实际运用中,应根据所限定时间的不同来对这两种算法进行选择使用。另外,从程序的复杂度上来看,模拟退火算法的程序相对较为简单,而遗传算法的程序相对较为复杂。

面向多核任务调度的混合遗传算法

多核处理器的并行任务调度一直是研究的热点话题,属于NP-hard问题。针对此问题,本文提出了一种集启发式算法、禁忌搜索算法、模拟退火算法于一体的改进混合遗传算法(modified hybrid genetic algorithm,MHGA)。MHGA改进如下:首先,采用启发式的分层调度来初始化种群,提高初始种群质量;其次,提出基于禁忌搜索(tabu search,TS)的随机编号交叉算子,提高种群的多样性;最后,采用基于模拟退火(simulated annealing,SA)的变异,提高个体质量。实验结果表明,与其他遗传算法(genetic algorithm,GA)相比,MHGA可以得到更小的任务调度时间和更快的最优解搜索能力。

禁忌模拟退火复合形法及其在边坡稳定性分析中的应用

对于随机生成的初始复形,首先,选取与其他顶点相似程度最大的顶点进行禁忌退火操作,禁忌退火产生新顶点的区域限于该点和其余各顶点的中心点连线上,若关于该点的禁忌退火没有产生新的顶点,即禁忌退火失败,则选取与其他顶点相似程度次大的顶点进行退火,直至关于复形全部顶点的退火操作均失败;然后,对当前的复形进行改进的复合形法计算,采用与基本复合形法类似的映射收缩算子迭代至收敛。禁忌模拟退火复合形法不仅考虑了目标函数的改进,而且保持了各顶点的多样性,避免了基本复合形法容易陷入局部极优的缺点。对2个非均质土坡的临界滑动面进行搜索表明,该方法具有较高的寻优成功率。

禁忌搜索与SIC模型结合在公交冗余站点优化中的应用

站点数量是影响公交系统可达性和效率的重要因素之一,增设站点可提高公交可达性,但降低系统效率,延长出行时间;适量减少冗余站点,则能有效改善公交的服务质量。空间相互作用覆盖(Spatial Interaction Coverage,SIC)模型在满足区位需求量及站点吸引力相互作用强度之和最大化的前提下,通过识别冗余站点,提高公交系统效率。本文将SIC模型应用于东莞市公交冗余站点的优化中,引入站点覆盖面积比值作为吸引力的指标之一,并针对退火算法求解模型的不足,采用禁忌搜索算法进行最优求解。实验表明,SIC模型适用于国内公交冗余站点的优化研究,且与退火算法相比,所提出的算法对于处理复杂的空间优化问题具有更大的优越性。

混合智能优化频率指配算法

在模拟退火算法的基础上,引入禁忌搜索的记忆功能,提出了一种基于混合智能优化的频率指配算法,仿真分析了该混合算法各参数对算法性能的影响,并将禁忌搜索、模拟退火两种算法单独应用时的性能和该混合算法的性能进行了对比.结果表明,该混合算法收敛快,稳定性好,解的质量高,能有效改善搜索效率和精度,为解决大规模复杂网系的频率指配问题进行了有益的探索.