两种类型车辆随机需求路由问题

主要研究两种类型车辆随机需求路由问题。因为两种类型车辆随机需求路由问题的处理不同于单类型车辆随机需求路由问题，引进了单位容积和路程的花费的新概念，在服务仅能失败一次的情况下，结合车辆的容积和最大服务结点数，根据平均花费和最大服务结点数之间的关系，得到了两个派车策略，节约了计算量，使得两阶级的模拟退火算法能更有效地解决问题。对需求为二项分布下的VRP（Vehicle routing prolem）问题作了数值实验，给出了派车方案和总的平均花费，得到了较好的结果。     

一种求解旅行商问题的改进蚁群算法

在基本蚁群算法基础上,通过引入信息素的自适应调整策略、限制信息素的范围并动态增加了信息素的局部更新方式．有效地抑制了收敛过程中的停滞现象,提高了算法的搜索能力。TSPLIB的实例求解结果表明了改进算法的有效性。     

基于信息素差异分布策略的路径规划蚁群改进算法

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题,提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离,对初始信息素不平均分配,使其呈正态分布,降低算法搜索初期的盲目性,加快最优解的搜索;其次改进挥发因子,采用双挥发因子原则,控制信息素的挥发,既降低局部最优的可能,又能加快收敛速度;对冗余路径作进一步优化处理,使得路径更优。仿真结果表明,本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快,收敛性更稳定。     

基于平滑BINN算法的移动机器人路径规划

针对BINN算法所得路径存在无必要连续转折的问题,提出了基于平滑BINN算法的移动机器人路径规划.使用迭代法从目标点开始向周围计算神经元活性值,将BINN算法环境建模微分方程离散化.基于环境的活性值分布,采用梯度上升算法生成路径,识别路径中具有一定特征的连续转折部分并做平滑.当直接平滑所得路径上存在障碍物时,将可平滑的...     

航站楼旅客行李提取转盘指派问题

旅客行李提取是影响机场航站楼有效运行的关键环节,对旅客满意度有着重要影响.研究了航站楼旅客行李提取转盘的指派问题,首先分析了行李转盘的指派方式,然后以均衡使用行李转盘为优化目标,建立了机场行李转盘优化指派模型,设计了求解该模型的蚁群算法,并用Matlab编程实现了该算法.最后通过实例分析验证了提出的模型和蚁群算法的正确性,其指派结果与先到先服务的指派结果相比,各行李转盘的使用率更加均衡,从而提高了服务质量和旅客满意度.     

基于分层分解的一种实时车辆路径规划算法

道路网络通常是大规模和复杂的网络，而一般的最短路径算法需要大量的计算时间。为了减少计算负担，本文根据分层和空间分解的道路网络模型，提出了一种基于存储数据的车辆路径规划算法，路径通过查询表格获得。提出的算法尤其适用于集中式车辆路径规划。仿真结果表明，该算法在计算次最优路径时更快且要求更少的内存单元。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

基于多目标协同进化算法的多机器人路径规划

提出一种合作型多目标优化协同进化算法,并应用于具有3个优化目标的多机器人路径规划问题中.算法采用一种新型的子群体间合作方式,提高了候选解的多样性,且避免了在一般多目标进化算法中难以处理的适应值分配或非支配排序过程,减小了对计算资源的消耗.针对多机器人路径规划问题的特点,给出了多机器人间的协调策略,并在算法的群体初始化和进化算子的设计中,引入了基于问题专门知识的启发式方法.在复杂工作环境下的仿真实例表明了算法的有效性.     

基于方向匹配的装配路径规划算法

描述了装配规划中的最短无碰装配路径的自动生成问题。首先由零件在装配体中的几何约束生成局部拆卸方向,在考虑局部拆卸方向的前提下,运用位姿空间方法推导当前装配零件在固定姿态下由装配起点到装配最终位置的最短无碰路径。文中用具有位置分量和方向分量的特征元素描述物体,用方向分量相互匹配的特征元素对,即所谓方向匹配法计算三维离散物体的C-空间障碍。搜索空间用具有动态密度的栅格表达,以改进的具有目标可见性测试和变步长的A算法搜索最短无碰装配路径。该算法可处理复杂结构的装配体,且具有较高的计算效率     

随机需求情形VRP的Hopfield神经网络解法

在涉及物资分发与收集或提供服务的诸多部门中有着各种各样的ＶＲＰ（车辆路由问题）,现有的对于ＶＲＰ的研究主要集中在需求是确定性的情形。由于实际情况中需求往往是随机的,随机性需求情形ＶＲＰ的研究近年来得到了国内外学者的重视。本文利用Ｈｏｐｆｉｅｌｄ人工神经网络解组合最优化问题时计算量不随维数指数增加这一优点,针对一类随机需求情形ＶＲＰ给出了一种Ｈｏｐｆｉｅｌｄ人工神经网络解法。文中描述了相应于该ＶＲＰ     

一种改进的UGPF算法及其在导航问题中的应用

通过对高斯粒子滤波(GPF)算法的分析与总结,提出了一种基于无味卡尔曼滤波(UKF)方法的改进GPF算法(改进UGPF算法).该方法主要利用UKF获取更优的重要性抽样函数,同时优化GPF滤波的算法流程结构.最后通过二维目标跟踪过程中位置导航参数估计问题,对该算法进行了仿真分析,所得结果验证了该算法的有效性.     

有向网络中无环最小饱和流问题及其算法

假设网络的初始流为零流,以最大堵塞截面为准堵塞截面,找出从源点到汇点的包含准堵塞截面弧最多的有条件最长增广路对网络进行增流,直至网络达到饱和,并对该算法进行了复杂性分析。利用该算法对多个网络进行论证,结果表明利用有条件最长增广路算法计算出的最小饱和流值与仿真计算以及与双向增流算法计算得到的结果基本相同,增流次数大大减少,且求解的结果避免了在封闭环路中的流量流动,进一步优化了最小饱和流值。     

一种求解成组多播路由问题的新型优化算法

基于蚁群系统提出一种求解成组多播路由问题的新型优化算法。该算法在综合考虑Q oS(Q ua lity of ser-v ice)路由中所有约束条件的同时,也充分考虑各个约束条件自身的独立特性,并根据对不同约束条件的满足程度,在迭代过程所处的不同阶段,自适应地调整路由选择策略。实验证明算法所得的解不但较高程度地满足各个约束条件,而且多样性好、收敛速度快,能满足实际网络服务质量要求。     

VLSI积木块布图设计中一种提高布通率的总体布线算法

论述了积木块布图设计中一种旨在提高布通率的总体布线算法。该算法以求解最小斯坦纳树算法为基础，采用总体布线资源动态调整，不断优化的方法，获得很高的布通率，该算法在ＶＬＳＩ－ＣＡＤ系统中应用取得很好的效果。     

Bluetooth跳频算法及其性能分析

Bluetooth（蓝牙）是由Ericsson等五家世界级的计算机和通信公司作为原始发起组织而推出的一种低成本、短距离的全球无线多媒体通信标准，它可以使我们避免电缆布线的烦琐，实现在各种蓝牙设备之间方便快捷的连接。Bluetooth技术作为无线通信技术领域的最新重大进展，代表着短距离无线通信技术的未来发展潮流。在跳频通信中，跳频序列的性能对系统性能有着决定性的影响。本文重点研究了Bluetooth无线传输协议的跳频算法，给出了算法流程及分析说明，并且对信道跳频序 列进行了初步的性能分析。结果表明该序列具有良好的均匀性和随机性。     

基于模态与遗传优化的某卡车振动特性分析

针对汽车驾驶室在常用高速(65～80 km/h)时,驾驶室左右晃动的振动问题,分别建立了车体、车体与板簧的系统模型,通过试验和仿真计算得到了其自由与约束状态下的振动模态分布,找到了驾驶室产生晃动的主要原因.以板簧刚度、车体刚度为变量,将约束模态分析与遗传算法相结合,对板簧和车体组成的系统进行了优化,并通过改进使常用车速下的驾驶室响应达到了舒适性要求.     

随机有限元法及其工程应用

随机有限元法是近年来发展起来的一种工程数值计算方法,由于它建立在有限元的基础上,并采用随机参数来描述工程实际问题,因而具有更广阔的发展前景和重要的应用价值。随机有限元法的主要内容包括随机原理、随机有限元控制垢建立及其求解。目前,它已被广泛应用于计算结构的可靠度、动力问题、复合材料力学及非线性问题等方面。随着研究工作的竽计算结构的可靠度、动力问题、复合材料力学及非线性问题等方面。随着研究工作的不断深     

非对称广义特征值问题的拟-Eberlein算法及其并行化

非对称广义特征值问题的并行计算,目前在国内外研究得很少, Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 和 Ｐ． Ｊ． Ｅｂｅｒｌｅｉｎ 曾分别研究非 Ｈｅｒｍ ｉｔｅ 矩阵标准特征值的并行拟 Ｊａｃｏｂｉ算法,１９８９ 年 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 和 Ｐ． Ｖａｎ Ｄｏｏｒｅｎ 在 Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 的工作基础上提出了求解非对称广义特征值问题的拟 Ｊａｃｏｂｉ算法（简称 Ｃ Ｖ 算法）与并行拟 Ｊａｃｏｂｉ算法。文中以 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 等人的工作为基础,提出求解大型非对称广义特征值问题的拟 Ｅｂｅｒｌｅｉｎ 算法与并行拟 Ｅｂｅｒｌｅｉｎ 算法, Ｃｈａｌｌｅｎｇｅ Ｌ 并行系统上的数值试验表明,不仅并行效率很高,且敛速远优于 Ｃ Ｖ 算法