运用混合人工鱼群算法求解装箱问题

装箱问题在实际生产中应用非常广泛,文章在分析该问题特点的基础上提出了使用类CF近似算法和人工鱼群算法相结合的混合人工鱼群算法求解装箱问题,并给出了具体的算法步骤。跟遗传算法试验结果的对比表明该算法在求解装箱问题所得的结果优于遗传算法,具有良好的应用前景。     

用综合试探法提高一维装箱问题的性能

提出了一种综合试探法来解决装箱问题，它能提高求解这类问题的性能，这种方法利用了一种称为下界方法(lower bound method)的策略，初始结果通过对偶问题的方法产生，用到了基于优势，差异，非平衡的负载重分布方法，同时引入了禁忌搜索算法以提高性能。     

一种尺寸可变的装箱问题的在线近似算法

用最坏情况绝对性能研究尺寸可变的装箱问题的在线算法,对于两种箱子规格a和b,给出了一种最坏绝对性能比最多是2.75的在线近似算法.     

条形装箱问题的基于后缀表达式的混合遗传算法

装箱问题作为一种常见的运筹问题,在很多领域有着重要的应用,装箱问题可以分为一维、二维和三维装箱.主要讨论了二维装箱中条形装箱问题的遗传算法的求解,其中采用后缀表达式的形式对装箱方案进行编码,并详细提出了解码的算法和有关的证明,最后通过实例证明了该算法是可行的.     

求解装箱问题的一种模拟退火算法

装箱问题在现实生活中具有广泛的应用,如作业调度、最优任务分配等,是一个NP完全问题。针对一维装箱问题,提出了基于首次适应(FF)近似算法和模拟退火算法相结合的一种模拟退火算法,给出了具体的算法描述。实验结果分析表明,该算法是高效可行的。     

基于自适应遗传算法求解装箱问题

针对遗传算法在求解复杂优化问题时收敛速度慢,易陷入局部最优的不足,对标准遗传算法进行改进,将交叉概率和变异概率进行自适应调节,再结合移民策略,提出可自适应调节参数的改进遗传算法,应用该算法对装箱问题进行相应研究。     

基于自适应遗传算法求解装箱问题

针对遗传算法在求解复杂优化问题时收敛速度慢,易陷入局部最优的不足,对标准遗传算法进行改进,将交叉概率和变异概率进行自适应调节,再结合移民策略,提出可自适应调节参数的改进遗传算法,应用该算法对装箱问题进行相应研究。     

货物长宽比及转轮样式对托盘装箱问题的影响(英文)

在对托盘装箱问题的装箱样式进行调查后,研究了解决托盘装箱问题的一种具有优势的转轮装箱样式.对该样式的定义、组成要素、分类和产生的算法进行了讨论,并提出一种对称式转轮样式的统一命名方式.基于转轮样式的几何形成条件,运用组合与几何学的方法,就货物本身的长宽比特性、货物取向和单层货物数量对转轮样式的结构影响进行了讨论,提出了托盘装箱问题的修改数据集:面积比范围为1～76,货物长宽比范围为1～10.并计算了这一数据集下所有箱数为非质数的转轮样式实例,以及每一可能转轮样式的货物长宽比范围.计算结果显示货物长宽比越大越有可能获得转轮样式的最优解,表明转轮样式和货物长宽比的确影响托盘装箱问题.     

贪心算法在货船装箱中的应用

贪心算法是通过一系列的选择来得到一个问题的解。它所作的每一个选择都是当前状态某种意义的最好选择,即贪心选择。对于一个具体问题,我们该如何知道是否可以用贪心算法来解决,以及能否得到问题的一个最优解呢?可以从许多用贪心算法求解的问题当中,看到它们具有两个重要的性质:贪心选择性质和最优子结构性质。从这两个方面来说明货船装箱问题能用贪心算法来解决,并且能得到一个最优解。     

基于MapReduce的海量数据动态装箱算法研究

针对传统装箱算法在处理海量数据时所存在的的运行效率与空间利用率低的问题,在深入研究已有装箱算法的基础上,在分布式系统中定义一种可变大小的箱子,结合动态和静态算法的优势,提出基于MapReduce的动态装箱算法。实验结果表明,针对海量动态数据,运用基于MapReduce的动态装箱算法,结果接近最优解,同时具有很高的处理效率。     

线性l1问题的一个算法

本文首先将线性l_1问题转化为一个与之等价的约束线性l_1问题,然后研究它的算法,最后给出一个算例。     

基于遗传算法求解TSP问题的算法设计

TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.     

按需最优计算方法及其算法设计策略研究

对NP难问题建立按需最优计算方法,提出了按需最优计算方法的理论框架,搭建了基于该方法的算法设计策略,主要分析了问题的复杂性与算法的有效性之间的匹配关系。基于该框架的研究对重要的NP难问题的结构研究以及处理方法提供了新的方向。     

改进遗传算法求解流水车间调度问题

提出了一个求解流水车间调度问题的改进的遗传算法.该方法把一个染色体编码成若干个可以重复的自然数,表示相应工件的排序权值;通过简单交换两个父代的若干相同位置的基因,产生能够继承父代优良特性的子代;并且采用均匀变异,更好地保持种群中基因的多样性.实验表明,比起传统的遗传算法,该方法的性能有显著改善.     

遗传算法求解旅行商问题的一个新方法

提出了利用遗传算法求解TSP问题的一个新方法,该方法采用二进制编码,并巧妙地设计了一种解码算法,不仅可以使得种群进化,而且扩大了搜索的空间。实验表明,比起传统的遗传算法,新方法的性能有显著改善。     

0-1背包问题的递归算法

分析了背包问题的求解最佳解的经典算法 ,提出了一种求解 0 - 1背包问题的更有效的方法———递归法 .     

一种求解带权集合覆盖问题的近似算法

以优化形式描述的集合覆盖问题是一个NP难问题,设计快速有效的近似算法,具有重要的理论与现实意义．基于贪心算法思想,提出了一种求解带权集合覆盖问题的近似算法,并讨论了该算法的相对近似比．     

带时间窗车辆路径问题的混合遗传算法

针对标准遗传算法在解决带时间窗的车辆路径问题（VRPTW）时存在早熟收敛和易陷入局部极值点的特点,引入遗传算法与禁忌搜索结合的混合算法,同时对杂交算子进行了改进.算法既具有遗传算法的全局性和并行性,又具有禁忌搜索算法的爬山能力.实验表明,改进的混合算法具有计算效率高、收敛速度快等特点,是一种有效的方法.     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

关于实对称带状矩阵逆特征值问题拟Lanczos算法的改进

关于实对称带状矩阵的逆特征值问题,文章对拟Lanczos算法给出了一点改进,通过实际计算验证,该算法简单且数值稳定。