基于改进遗传算法的多约束VRP求解

建立了多约束条件车辆路径问题的数学模型和求解流程.先采用最近插入法生成初始解,然后基于遗传算法和模拟退火算法改进初始解.实验结果表明:结合模拟退火与遗传算法求解车辆路径问题,可以在一定程度上解决遗传算法易"早熟收敛"问题,从而得到更优的解.     

基于时间窗的多车场车辆路径问题研究

启发式优化算法在解决车辆路径问题时具有较好的收敛性,整体法在解决时间窗的多车场车辆路径问题时具有较好的全局性,结合二者优点,进行了算法研究。首先采用整体法得到车辆路径问题的全局最优解;再采用智能优化算法对配送点进行车场选择,匹配代价最小的车场;最后通过实验验证了该算法在解决时间窗的多车场车辆路径问题上的有效性。     

一种大规模车辆路径问题的启发式算法

针对大规模物流配送,提出了一种集成模拟退火机制和Voronoi长边引导优化的启发式算法.模拟退火机制控制局部搜索过程,Voronoi长边发现解中不合理的空间结构,引导局部搜索过程,从而优化路径质量.实验结果表明,本文算法的搜索性能良好,能够在较短时间内给出高质量的车辆路径安排方案.     

利用GPS技术的货物运输车辆路径问题的遗传算法研究

提出了具有时间窗的货物运输车辆路径问题，根据车辆装载GPS设备的特性，建立了该问题的数学模型，并设计了求解它的遗传算法，初步计算表明算法具有很好的性能。     

一种大规模车辆路径问题的启发式算法

随着中国经济的快速发展,物流配送对车辆调度的实时性与应急情况处理能力提出了更高的要求,使用传统车辆调度算法难以满足突发事件实时处理需求。针对紧急情况如车辆故障或新增任务点等,在传统启发式算法——破坏重建算法的基础上提出了一种动态调度方法：局部搜索方法,实现了物流车辆的动态调度,有效提升了车辆调度中应对紧急情况的实时性与动态性。与多目标混合蚁群优化算法进行实验对比,结果验证了破坏重建算法的优势;利用公开数据和真实数据,与全局方式破坏重建车辆调度方法进行对比实验,结果验证了局部搜索动态调度方法的有效性。     

元启发式算法在校车路径规划中的应用

将单个学校校车路径问题抽象为开放式车辆路径问题,基于元启发式算法框架求解校车最优路径。假设所有校车从同一停车场出发,最终到达学校,首先利用改进的节约算法在全局范围内产生初始解,再用模拟退火算法通过4种局部交换策略获得最优解。100次模拟实验结果表明,在93%的情况下,改进后的元启发式算法框架比ArcGIS 10的VRP求解的最优路径总距离短,且计算效率明显提高。     

遗传模拟退火算法优化BP神经网络的GPS高程拟合

针对传统BP神经网络收敛速度慢、易陷入局部最优和遗传算法优化BP神经网络(GA-BP)算法过早收敛的问题,提出了遗传模拟退火算法优化BP神经网络(GSA-BP)算法. 在遗传算法(GA)的种群更新中加入模拟退火算法(SA),保留种群的多样性. 用GSA-BP算法对某地区进行高程异常拟合,并与BP算法和GA-BP算法结果进行比较. 结果显示:GSA-BP算法精度可分别提高约51%、25%,速度提高约77%、39%,且能基本满足四等水准测量精度要求. 该方法在GPS高程拟合中具有可行性.      

PC集群环境下的并行地理网络车辆路径算法

针对PC集群计算节点内存小、进程间通信速度慢的问题,本文设计了分布式的数据存储机制;提出了用同步变换规则代替解编码传输的进程间通信方式;基于邻域分解策略实现了禁忌搜索过程的并行化,发展了一种适用于PC集群环境的并行地理网络VRP算法。应用模拟路网数据进行了相关试验,结果表明：本文算法的计算结果与ArcGIS基本一致,二者平均偏差率在2.11%~2.87%之间;分布式数据存储策略有效地降低了各进程对内存的需求量,保证了算法的稳健性和扩展性;通过算法的并行化提高了VRP算法的求解效率;该算法具有良好的加速性能,8进程时在各测试数据集中的加速比均在4.46~6.32之间。     

基于遗传算法的时相关动态车辆路径规划模型

动态车辆路径规划是智能交通和商业物流领域中的一个重要研究方面,其最大的优点是就是综合考虑了各种实时信息,及时优化更新配送车辆的行驶路径,进一步降低物流成本。提出了一种基于遗传算法的时相关动态车辆路径规划模型。该模型将时变的交通信息和动态客户订单考虑在内,可以获得比较好的动态更新效率和优化结果,为此类动态车辆路径规划探索出了一条可行的途径。     

利用不等式约束求解病态问题的新算法

病态问题是大地测量数据处理中常见的问题,充分利用平差过程所给的先验信息可以确保参数的可靠性和有效性.提出了一种利用不等式约束求解病态问题的新算法,该算法将先验信息表示为不等式形式,并与病态模型构成不等式约束平差模型.结合Karush-Kuhn-Tucker条件可将该模型转化为线性互补问题,然后利用Lemke算法求解.该...     

模拟退火算法在控制网平差中的应用

线性最小二乘估计在对非线性函数进行线性近似的过程中会产生模型误差,而一些非线性参数估计方法可能因为函数复杂而难以求导,法方程系数矩阵秩亏或呈病态矩阵时难以求解,非线性迭代解法有时对初始值的选择存在依赖性,不恰当的初始值会导致迭代无法收敛。针对这些问题,引入了模拟退火算法,介绍了该算法的基本原理、计算步骤和收敛性,并以3个控制网平差应用为例,说明该算法具有无需求导求逆,简洁实用,易于编程等优势,并能实现全局优化,获得高精度的平差结果。     

模拟退火粒子群与小波的地基沉降预测应用

针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。     

地图自动着色算法研究与实践

从四色问题的抽象模型入手,通过对现有的搜索算法——遗传算法、模拟退火算法这两种算法的原理和流程进行了较为细致的分析,总结出它们在地图四色填充实现过程中的优点与不足之处,并进行比较,找出这两种算法的结合点进行算法的改进优化,将模拟退火算法引入遗传算法,使它们结合起来解决地图四色填充问题,从而形成相对优化的算法,以期达到更加优化的效果。     

混和模拟退火-遗传算法在参数估计中的应用

在分析传统遗传算法和模拟退火算法各自优缺点的基础上,提出把模拟退火算法和传统遗传算法相结合的混和算法,有效避免了两种算法的不足之处,并将该混和模拟退火遗传算法用于非线性的参数估计中。     

一种基于圆形窗口的多边形裁剪新算法

本文在相关文献提出的圆形窗口裁减算法基础上,提出了一种圆形窗口裁剪多边形的有效算法.该算法的基本思想是,建立单线性链表数据结构来存储多边形的顶点以及多边形与圆的交点,使用一种免解二次方程的算法来求交点的坐标.该算法与其他同类算法相比,具有较简单的数据结构和较快的运行速度.     

时段选取对大气负荷重力效应的影响分析

针对当前重力观测数据处理中大气负荷效应改正的不确定性问题,该文提出一种分时段改正方法。通过采用不同时段观测数据,基于回归分析方法系统讨论时段选取对大气负荷重力效应改正的影响。利用高精度Wettzell台站超导重力观测数据进行实验分析。实验结果表明:采用不同时段观测数据,大气导纳值差异最大值约为-0.1μGal/hPa;采用不同时段的观测数据进行大气效应改正,其最大差异整体上可以达到2μGal。本文的研究可为精确计算大气负荷重力效应提供一定参考。     

遗传算法在甲流SIR模型参数求解中的应用

论文以全国甲型H1N1流行性感冒（下简称甲流）疫情数据为实例,讨论了采用SIR模型对甲流的传播过程进行模拟时相关参数的求解问题。分别通过优化的遗传算法（Genetic Algorithm,GA）和模拟退火算法（Simula-ted Annealing Algorithm,SA）求得该非线性模型中的重要参数阈值（日治愈率与日传染率的比值）,并由该参数阈值计算出各月患病人数。论文比较分析了两种算法在精度和效率上的优劣,发现遗传算法优于模拟退火。同时模拟结果验证了SIR模型适合甲流疫情的分析模拟。