多式联运条件下集装箱空箱调运的改善措施

本文阐明了多式联运条件下集装箱空箱调运的含义以及特征,并且说明了空箱是如何产生的,较深入的分析了集装箱空箱调运受阻的原因,主要有调运成本太高、调运方式落后、信息系统不健全等,并针对这些原因提出了具体有效的对策,为未来对空箱调运问题进行详细研究提供了参考。     

基于静态模型的集装箱空箱调运优化设计

集装箱空箱运输问题是进行集装箱和国际多式联运工作的难题。本文在分析了常用的集装箱空箱调运方法的基础上,提出了在满足重箱运输的前提下,利用船舶运力剩余开展空箱调运的思路;在此基础上,建立了集装箱空箱运输的静态模型。该方法简单易行,也可作为高校本专科相关课程的教学提供借鉴。     

树上逆重心问题的模型及解法

网络中的逆重心问题是典型的优化问题。本文考虑了所形成的网络为树时的逆重心问题,建立该问题的线性规划模型,并采用深度优先搜索算法和单纯形算法的混合策略进行求解,最后通过算例验证了该模型和解法的有效性和实用性。     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。     

应用新型量子粒子群优化算法求解PFSP问题

为了提高粒子群算法在求解调度问题时的搜索能力和优化效率以及避免早熟收敛。通过采用了一种新颖的量子粒子群算法,用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;并采用量子非门来实现变异,从而提高种群多样性。由于每个量子都有两个概率幅,因此每个粒子实际占据两个粒子位置,所以在粒子数目相等的情况下,能加速粒子的搜索进程。仿真实验结果表明,在求解置换流水线生产调度问题时优于基本粒子群算法。     

一种基于差分进化算法和粒子群算法的双进化方式的全局优化算法

差分进化算法(Differential Evolution Algorithms,DE)和粒子群算法(Particle Swarm Optimization,PSO)是一种基于种群的全局优化的通用的启发式算法,已经用来求解很多的问题。本文提出一种基于DE和PSO的双进化方式的种群进化策略。对于种群中的每个粒子可以随机选择按照差分进化或者按照粒子群进化。为了提高进化的收敛速度,对于每一代粒子选择一个最优的粒子提供给按照PSO算法进化的粒子使用。通过4个标准函数测试该算法并与PSO和DE算法进行比较,实验证明该算法是一种求解精度高,速度快,鲁棒性好的算法。     

基于粒子群算法的投资组合模型研究

在传统Markowitz投资组合模型中考虑了交易费用和投资数量限制等实际因素,得到了一个改进的投资组合模型,该模型是一个非线性规划问题,在很多情况下,如果采用传统的数值优化算法往往不是很有效.为此,设计了一个基于粒子群的优化算法求解该模型.     

基于粒子群算法的图书采购复本量优化决策

图书采购决策量化问题一直是图书馆学界研究的重要问题,运用数学建模的方法,建立起反映采购复本量与图书流通效用关系的数学模型,并设计了利用粒子群优化算法求解该模型的算法.     

关于0/1背包问题的粒子群优化算法

背包问题作为运筹学中一个典型的组合优化难题,有着广泛的应用背景,有许多不同的求解方法。给出了基于粒子群优化算法的一种求解方法,利用遗传算法的部分思想将粒子群优化算法应用到0/1背包问题中,得到了比较满意的计算结果。     

基于自然选择粒子群算法的PID参数优化

PID控制在工业生产中得到广泛的应用,其性能指标取决于PID参数的选取。粒子群算法是一种常见的智能化算法,简单便于实现,文章采取基于自然选择改进的粒子群算法优化PID控制器的参数,与经典的粒子群算法相比较,文章所提出的算法有效地避免了经典粒子群算法过早陷入局部最优的问题,具有较高的求解效率。