求解online packing problem的F-B绝对近似算法

FF算法由于其在线特性在处理在线装箱问题得到广泛使用,但它无法预测后面达到物品造成装箱率低,提出一种预留一定比例的各类未装满箱体的装箱算法。首先对未装满箱体分类并给出相应的数据结构,接着设计一种绑定配对策略来预留各类未装满箱体数目,并引入间隔函数控制新箱体的启用,最后基于FF算法结合预留策略对物品进行装箱来保证装箱的绝对近似比。提出了一种预留绑定配对策略为后续输入物品提供预测空间,特别的是F-B算法能得到5/3的绝对近似比。

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

基于混合遗传算法的可变尺寸货物装箱问题研究

目的针对冷链运输中的生鲜打包及装载优化问题,提出一种允许货物以体积恒定为前提进行尺寸变化的包装装载方案,以最大化集装箱的空间利用率。方法基于上述问题,构建非线性混合整数规划模型,为了方便CPLEX或LINGO等求解器对该非线性混合整数规划模型进行求解,采用一种分段线性化方法,将该非线性模型进行线性化处理。由于所研究问题具有NP-hard属性,无论是CPLEX还是LINGO都无法有效求解大规模算例,因此设计一种有效结合遗传算法与深度、底部、左部方向优先装载(Deepest bottom left with fill,DBLF)的算法。结果大小规模算例实验验证结果表明,混合遗传算法能够在合理时间内获得最优解或近似最优解。结论所提出的可变尺寸包装方案有效提高了装载率,有益于客户和物流公司。

一种改进的沙丘猫优化算法求解装箱问题

针对沙丘猫优化算法容易陷入局部最优的问题,提出一种改进的沙丘猫优化算法。首先通过帐篷混沌为映射模式来增强沙丘猫群体的多样性;然后采用非线性递减模型控制参数,降低了沙丘猫个体的敏感度;为增强沙丘猫的移动能力,引入了高斯随机游走策略,使算法有更强大的全局探索能力。将沙丘猫优化改进算法和其他比较算法用于装箱问题求解,结果表明,沙丘猫优化改进算法在所有算法中代价最小,收敛速度最快。

有色装箱问题的在线近似算法

有色装箱问题是经典装箱问题的推广 ,它在多处理器实时计算机系统的任务调度等实际问题中有着很强的应用背景 .提出了求解有色装箱问题的 KC- A算法 ,它首先对输入物品进行分类预处理 ,然后在同一类内部使用经典装箱问题的近似策略 A;给出了 K C- A算法最坏情况渐近性能比的下界 ;分析了当选用的算法 A是著名装箱算法 N F,FF,BF,WF时 K C- A算法的最坏情况渐近性能比和平均性能比 ;给出了实验结果 ,并指出 K C-

集装箱船全航线预配优化模型与算法研究

集装箱船全航线配载问题属于NP-hard问题.为降低问题求解难度,提出了解决全航线配载问题的分解算法,即将配载问题分解为Bay位选择和Bay位中集装箱排序两个子问题.将Bay位选择看成是"装箱问题",以不同属性集装箱作为待装"物品",以船舶上的Bay位为箱子,以最优装箱(即使用箱子的数量最少)及集装箱在每个港口的倒箱数量最少为目标进行总布置配载;Bay位中集装箱排序是将Bay位选择阶段分配到不同Bay位的集装箱按某些规则进行排序,确定其在Bay位中的具体箱位.主要研究了Bay位选择阶段的模型及算法.实例模拟结果表明该方法可行,为集装箱船全航线配载优化提供了一个实用的模型.

一种用遗传算法求解装箱问题的新编码方法

装箱问题在实际生产中应用非常广泛,然而在传统装箱问题中箱子的容量是固定的,并没有考虑多种容量箱子的问题;文章提出一种用遗传算法求解装箱问题的新编码方法,并用单亲遗传算法实现;这种算法和混合遗传算法相比,有编码简单、收敛快及实现容易等优点。

改进萤火虫算法及其收敛性分析

萤火虫算法因具有结构简单、控制参数少、易于实现的特点而得到广泛的关注和应用,但其易陷入局部最优导致过早收敛,从而影响寻优精度。针对这一问题,本文在位置更新规则中加入随机扰动因子,并剔除了冗余的随机项,以提高算法搜索能力;引入位置置换变异和差分进化算法中的最优变异策略,在保持种群多样性的同时,增强算法跳出局部最优的能力。采用马尔可夫过程证明了算法以概率1收敛到全局最优。利用基准函数和装箱问题对算法进行仿真测试,结果表明,改进后的算法能够有效跳出局部最优,对给出的所有问题均能找到理论最优解,寻优精度和成功率有明显提升。

城市物流配送中的三维装箱算法

针对城市物流多种类物品三维装箱问题,设计了一种新的求解算法。该算法把三维空间分割成小长方体方格并用相应的数据结构来表示。它能处理多种类物品混装的情况,允许一个货物在6个方向上旋转,该算法与车辆路径算法结合就易于得到一个完整的城市智能物流配送算法。

二维一刀切装箱问题的两阶段启发式算法

对用于二维带排样问题的Heuristic Recursive算法进行了调整,给出同一层中两个相邻浪费区域在满足一刀切约束下是否可合并的判定定理。构造了二维带排样问题的多递归层算法,并将它与一维装箱问题的最优匹配递减算法相结合,提出适应二维一刀切非旋转装箱问题的两阶段算法。在500组标准测试案例的基础上,与多种算法进行了比较。实验结果表明,所提算法在绝大多数测试案例上能够获得更好的排样布局。

基于改进分组遗传算法的虚拟机放置研究

为了提高云计算的资源利用率以及减少能耗,采用改进的分组遗传算法来解决虚拟机放置的效率。通过对遗传算法的交配和突变等过程进行重新设计,提高遗传算法过程中优秀基因遗传给后代的几率,并提出了相应的算法,达到快速求解虚拟机放置问题的目的。实验结果表明,该算法可以快速采用最少的物理机来放置虚拟机,有效地提高了虚拟机放置问题的求解速度。

周期性任务调度的装箱算法

针对基于时间触发的CAN控制系统,给出了确定周期性任务表中的基本周期的两种策略,提出了构造周期性任务调度表的下次适应、降序下次适应、最佳适应和降序最佳适应四种算法,分析了这四种不同算法的时间复杂度和最坏渐近性能比,最后对不同规模下的四种算法进行了仿真比较,结果表明文中给出的四种算法效果均优于经典的一维装箱算法。

基于群体编码方式的遗传算法求解装箱问题

就传统装箱问题提出了一种改进的混合遗传算法。该改进的遗传算法主要通过基于群体的编码方法,将每一个箱子视为一个群体,使得在进化过程中,只对群体部分进行操作,从而大大减少了冗余,克服了传统的基于物品编码或基于箱子编码的遗传算法的不足。仿真实验结果表明,该编码方式的遗传算法比基于物品编码的遗传算法显著提高了优化效果。

调和装箱算法的平均性能分析

经典一维装箱问题在多处理器调度、资源分配和日常生活中的计划、包装、调度等优化问题中有着极为重要的应用 .该文系统地分析了在待处理的物品大小相互独立的情况下 ,L ee & L ee提出的调和近似装箱算法的平均性能 ;具体给出了在均匀分布下 ,调和算法平均性能比的值 ,并用实验验证了这些结果 .

基于混合遗传算法的TTE静态调度表生成设计

时间触发以太网(TTE)以其独特的TT消息流调度保证了全局通信的结构。在TTE中,为了进一步提高已经调度的TT消息流的通信效果并创造更多的时域空间以便将来使用,引入遗传算法提高全局搜索能力,并提出一种融合装箱算法和遗传算法的混合遗传算法(Hybrid-GA)。采用典型装箱模型对消息调度问题进行转化,利用混合遗传算法对其进行求解。通过仿真实验证明,混合遗传算法可以有效地满足实时性要求,并实现较少的时间片消耗。对比单纯遗传算法,混合遗传算法因其较好的发挥装箱算法的局部搜索能力,可以更加快速地收敛于全局最优解,表现出很好的调度表生成能力。

集装箱船舶装箱排序问题优化模型及算法

针对现实约束下的船舶装箱排序问题,利用整数规划方法,以最小化横倾力矩为目标,构建该问题的数学模型。开发3阶段的启发式算法,基于规则构建预配载方案,进行集装箱互换,搜索优化解。对小规模案例和不同规模实际案例进行仿真试验,结果表明启发式算法均能在0.1s内获得船舶实配约束下装箱排序问题的解。同时,通过与IBM ILOG CPLEX中分支定界算法的精确解求解情况进行对比,验证模型及优化算法的有效性和实用性。

无线异构网络的资源分配策略

无线异构网络要求实现不同工作模式通信系统间的资源合理分配。为了获得不同通信系统对无线资源的有效利用,参考XG架构定义了可承载不同通信系统业务需求的多维度资源容器,提出二级资源分配策略及相应的资源分配算法来实现多维度资源容器与各个通信系统之间各种业务承载需求的匹配。仿真与性能分析验证了该资源分配策略在实现不同通信系统共存的条件下,提高了无线网络频谱资源利用率。

一种求解装箱问题的改进遗传算法

针对现有遗传算法求解装箱问题收敛速度慢的问题,提出了一种改进的遗传算法。通过在初始化种群中加入降序最佳适应算法生成个体、最优个体保存策略和对适应度尺度进行变换,对现有的遗传算法进行改进。为了验证算法的有效性,设计了仿真实验。实验结果表明,改进后的算法找到最优解的概率更大、求解速度更快。

改进的装炉组合问题建模与优化算法

针对罩式炉退火生产中的钢卷组合堆垛优化问题,建立了以最小化钢卷组炉总加热时间为目标的数学模型。模型综合考虑了钢卷自身属性以及生产工艺约束条件等因素对钢卷组炉加热处理时间的影响。在分析罩式炉退火加热工艺规范的基础上,提出了一种改进自适应遗传算法对模型求解。算法首先类比装炉组合问题与一维装箱问题的相似点分组编码染色体,借鉴装箱问题的优化思想改善初始解种群质量;然后在工艺规则的指导下对遗传基因进行启发式交叉和变异,变异率和交叉率随种群收敛程度自适应调整以保证种群多样性和全局收敛性;最后结合局部穷举搜索方法实现了对上述模型的优化计算。仿真对比实验以及现场实际应用效果均表明该算法相对其他算法的优越性。

多箱型三维装箱问题及其优化研究

对多箱型三维装箱问题进行了描述,提出了求解该问题的禁忌算法。算法基于自然数编码,设计了货物的摆放规则和序列生成方式,采用三种邻域,利用邻域操作控制集装箱数量限制,采用惩罚函数处理集装箱重量约束和重心约束。介绍了算法的原理,给出了具有代表性算例实验结果并且进行了分析。实验结果表明了提出的禁忌算法对优化多箱型三维装箱问题的有效性。