交互烟花算法求解多车型需求可拆分车辆调度问题

针对物流配送过程中客户需求较大、单辆车难以满足且客户对驶入车型有限制的问题,构建了多车型需求可拆分车辆调度模型。提出交互烟花算法(interactive fireworks algorithm,In-FWA)优化求解模型,在烟花算法(fireworks algorithm,FWA)的基础上作出如下改进:1)在FWA常规爆炸中引入一种新的扇形爆炸机制,加强了烟花间的信息交流;2)使用螺旋变异方式替换了原有的高斯变异,加入了变异烟花与当前最优烟花间的信息交流;3)采取种群间精英群体吸取较差群体中较优维度的方式,进一步加强了算法种群间的信息交互性。最后,通过实验进行验证并与增强型烟花算法(enhanced fireworks algorithm,EFWA)、粒子群优化(particle swarm optimization,PSO)算法、免疫粒子群优化(immune particle swarm optimization,IPSO)算法、蚁群算法(ant colony algorithm,ACA)进行对比分析。结果表明In-FWA具有更高的收敛速度与局部搜索精度,明确了In-FWA求解该问题的有效性与优越性,并提出基于本算法的车辆调度方案。     

并行烟花算法求解多货场电子商务物流运输调度问题

根据电子商务物流运输调度过程中的特征,考虑了不同区域司机配送成本、多货场、时间窗等约束条件,建立了一种多货场电子商务物流运输调度模型,并提出一种并行烟花算法进行求解.所提出的算法采用货场车辆数与最大位置法结合的实数编码方式,并提出一种并行交流策略加强了算法的全局搜索能力以及提高运算速度.对比实验表明,相对于改进前的烟花算法,并行烟花算法具有较好的求解精度和求解时间.     

求解作业车间调度问题的变邻域动态烟花算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域搜索的动态烟花算法。变邻域搜索是一类重要的元启发式算法,在每一次迭代计算过程中通过搜索当前解的邻域得到一个改进的解,通过变邻域搜索方法可有效提高局部最优解的精度。与此同时,算法引入进化速度的概念,并通过进化速度计算烟花算法迭代过程中需更新的维度,实时调整相关参数,加快算法收敛,避免陷入局部最优。算例试验表明,该算法具有较好的鲁棒性,且能有效地提高算法搜索精度,加快收敛速度。     

云计算环境中优化混合遗传算法的资源调度研究

将云计算传统的遗传算法应用到任务调度中,存在迭代次数多、资源利用率低、执行时间长等问题。因此,提出贪心算法来初始化种群,以避免随机初始化种群时基因的低表现性,并且引进精英因子到传统遗传算法中以优化收敛速度。设计出双适应度函数,兼顾考虑用户对执行时间和带宽的要求,通过采用可适应交叉和变异方法,提升算法的全局收敛能力。仿真实验结果表明,在云计算的任务调度中使用优化混合遗传算法能更加有效地解决资源调度问题。     

基于改进烟花算法的物流配送中心选址研究

利用烟花算法求解物流配送中心选址问题,但存在早熟收敛、搜索精度低、鲁棒性较差的缺陷,为此提出一种改进烟花算法SOFWA用于求解该问题。将人群搜索算法中的利己行为、利他行为和预动行为引入烟花算法,以加强各烟花与最优烟花之间的信息交互,从而增大最优烟花的搜索领域|对烟花爆炸和变异过程中产生的无效烟花进行剔除操作,提升算法运行效率。仿真实验证明,改进烟花算法在求解物流配送中心选址问题时有效避免了以上缺陷,相对于其它算法具有一定的优越性。     

基于文化烟花算法的电动汽车充电站规划研究

针对电动汽车充电站规划问题,建立以最小化充电站服务与用户需求综合成本为目标的数学模型,并提出基于文化思想的改进烟花算法求解该问题。将烟花算法嵌入文化算法计算框架中,进行底层搜索寻优,提取其进化过程中的有用信息组成信仰空间知识。信仰空间以粒子群迭代规则更新知识并通过接受函数指导种群空间进化,以提高搜索效率。仿真实验结果证明,文化烟花算法在求解电动汽车充电站规划问题时具有良好的稳定性和较高的求解效率。     

基于MSCOA算法的梯级水库群优化调度

结合梯级水库群联合运行的实际情况,分析目前国内外水库调度算法不足,本论文利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站群中长期水库调度问题应用研究,建立一种梯级水电站群中长期水库优化调度模型,通过实际数据验证,此方法可以获得梯级各电站的最优运行方式,为指导梯级各水电站的实际运行最优化提供科学决策依据。     

求解0/1背包问题的烟花算法研究

0/1背包问题是一个典型的NP难题,具有重要的理论研究价值,也具有广泛的应用基础。借鉴北京大学关于烟花算法的新近成果,尝试考虑二者的结合,初步设计并实现了求解0/1背包问题的烟花算法,开展了较为充分的实验,并作了相关分析与探讨。     

全局人工鱼群算法求解水果运输调度问题

分析4种不同的水果运输调度问题（Fruits in Vehicle Routing Problem,FVRP）：带硬时间窗的具有需求关联的模型、带容量约束的车辆运输调度问题模型、车辆运输调度问题模型和旅行商问题模型,并构建了相应的数学模型,采用基本人工鱼群算法和全局人工鱼群算法对所建立的4种模型求解,实验证明,全局人工鱼群算法克服了精度低、后期收敛慢、复杂度较高等缺点,能有效地求解此类问题,进一步证明了问题模型的复杂程度影响算法寻优能力,问题模型越复杂,收敛更慢.同时,也体现出当问题模型较复杂时,全局人工鱼群算法的寻优质量和速度优于人工鱼群算法.     

基于烟花算法的EMD信号降噪方法

为了增加基于阈值的EMD方法的降噪性能和自适应性,提出一种基于烟花算法的EMD信号降噪方法,依据EMD分解得到本征模函数分量个数,动态确定烟花的维数,以批处理方式确定各个本征模函数分量的最优阈值并降噪,然后利用降噪后的本征模函数分量进行信号重构.仿真结果表明,所提出的方法降噪性能优于软阈值的EMD和基于蚁群优化的EMD降噪方法.     

基于改进网格模拟器的DBC优化调度算法研究

网格资源调度策略是网格计算领域中的关键研究方向之一.网格模拟器是资源调度策略优化和改进研究的重要平台.本文阐述了GridSim模拟器的整个框架结构和运行机制.分析了其不足,并加以改进形成新的模拟器DSSim.还对基于市场经济模型的DBC:优化调度算法进行了改进,并通过新模拟器DSSim进行了相应的模拟.模拟结果表明,改进后的算法无论在任务平均完成时间还是任务的完成率上都优于以前的优化调度算法.     

基于改进蝙蝠算法的电力系统节能发电调度策略研究

本文对含火力发电,水利发电的电力系统的发电优化调度进行策略分析,实现电力系统的节能发电调度.策略中通过构建基于火力发电中的煤炭耗量最小化、整个电网网络损耗最小化以及对水电站的蓄水量调节最大化的多目标优化函数.在对多目标优化函数求解时采用差分算法与蝙蝠算法结合的改进蝙蝠算法进行优化处理,实验结果表明,该优化算法能够相比于直接采用蝙蝠算法能够有效提高节能率,这可以为电力调度决策提供依据.     

基于遗传算法的干线运输车辆调度问题研究

在对干线运输实际背景作合理假设的基础上,建立了较完整的干线运输车辆调度问题的数学模型。将基本遗传算法在交叉、变异等操作方面进行了一系列改进,使之适用于运输企业的干线运输车辆调度问题的求解。同时,对改进的遗传算法进行计算机数值仿真实验,并对实验结果进行分析和评价。     

烟花算法在联合补货问题中的应用研究

烟花算法作为一种新型群体智能优化算法,在众多领域得到成功应用。联合采购品种的不断扩大对算法性能提出了巨大挑战。针对联合补货问题设计了基于烟花算法的求解方案,并利用基础算例证明方案有效性。随机生成的大规模算例表明,烟花算法相较于混合差分进化算法,在求解大规模联合补货问题时可获得更优的近似最优解,具有更快的收敛速度和更高的稳定性,验证了烟花算法在混合整数规划方面的应用效果。     

基于物流车辆调度算法的研究

物流车辆优化调度问题是一个研究热点,学者们采用了各种优化方法来解决实际问题。本文简述了物流配送车辆调度问题的常见算法,对求解车辆优化调度问题的步骤作了说明,并在结论中提出了算法的不足之处,以使大家根据实际情况选择最佳的车辆调度算法,提高经济效益。     

出水COD模糊预测的烟花算法优化

针对复杂的污水处理过程中化学需氧量(COD)难以实现精准、经济测量这一难题,提出一种出水COD浓度预测的模糊建模方法.基于活性污泥法搭建关于出水COD的模糊预测模型,用模糊C均值聚类算法(FCM)对模型进行结构辨识,采用最小二乘法对模型进行参数辨识,并用烟花算法(FWA)对模型的结构和参数进行优化学习.将污水处理仿真基本模型(BSM1)提供的数据在MATLAB平台进行仿真实验,结果表明,采用烟花算法优化后的模糊预测模型对出水COD的预测精度更高,预测效果更好.     

一种改进的灰狼算法

针对灰狼算法的缺点,提出一种改进的灰狼算法。引入混沌策略初始化种群,产生更均匀的初始种群;将线性收敛因子改进为非线性收敛因子,能更好地均衡全局搜索和局部搜索;在灰狼更新位置时,根据头狼的决策能力,加入权重策略,使每个灰狼个体更快地向最优的位置移动。最后用6个标准测试函数做仿真实验,结果表明,改进后的灰狼算法在单峰函数和多峰函数求解中,收敛速度和寻优精度都优于其他算法。     

基于两级的公平调度算法

为了保证对各个端口的不同优先级(PRl)的数据包的公平调度，本文提出了一种相适应的算法解决接口间的公平调度和接口内不同优先级间的公平调度。     

Eucalyptus中基于能量消耗的调度算法研究

能量消耗是云计算研究中一个十分重要的问题,介绍了开源云项目Eucalyptus,分析了其核心调度算法及在考虑能量消耗的应用场景中存在的问题,利用虚拟机在线迁移技术提出了基于能量消耗的调度算法。实验证明,基于能量消耗的调度算法性能优于Eucalyptus现有的核心调度算法。最后总结了需要进一步提高的方面。     

基于改进量子粒子群算法的电力系统经济调度仿真研究

针对水火电系统的多约束、时滞非线性特点,建立了带有梯级水电厂的电力系统模型,并采用量子粒子群(QPSO)算法对系统进行优化求解。为了解决基本量子粒子群算法容易陷入局部最优解的问题,提出了一种改进量子粒子群(IQPSO)算法。为了验证该算法的性能,运用Matlab编写程序,利用典型的4水电3火电系统算例进行仿真。算例表明,改进的量子粒子群算法具有更好的收敛特性。