摘要：针对线束截面设计不合理导致线束故障频发的问题,通过建立线束截面排布格局的物理模型,并基于多邻域算子组合策略和模拟退火算法,提出了一种电缆柔性线束截面布局优化设计及仿真验证方法。根据组合策略调用邻域算子生成新邻域,在经过模拟退火算法的多次迭代和搜索后,依据退火函数以一定的概率输出最优解,得到全局优化后的最终布局。最后,对电缆线束实例进行仿真验证,证明了该方法在解决线束截面排布的问题上具有较好的性能和效果,算法的计算复杂度相对较低,可以在实际应用中进行高效求解,在二次电缆柔性线束的设计阶段和现场施工中具有现实的指导意义。

摘要：本文针对多维背包问题维度高,约束强的特点提出了自记忆的学习优化模型(self memorized learn to improve,SML2I),通过深度强化学习的学习机制选择迭代搜索过程中的算子即模型学习当前的解以及历史搜索过程中的解,判断对当前解采用提升策略或者是扰动策略,在此基础上,进一步提出了哈希表与设计了2种有效的基于价值密度的扰动算子.使用哈希表记录历史搜索过程中的解,防止模型重复探索相同的解,基于价值密度的扰动策略生成的新解与之前的解决方案完全不同,因此针对扰动后的解再次采用提升策略同样有效,通过测试89个MKP数据集并与其他文献中先进的求解方法进行对比,实验结果验证了SML2I模型求解MKP问题的可行性与有效性.

摘要：甩挂运输路径规划问题(TTRP)是一个NP-hard组合优化问题,为了探究元启发式算法下求解TTRP时邻域算子的特性,建立了基于禁忌搜索的算法框架,并设计了相应的对比实验来验证。验证结果表明,邻域算子的实施顺序和数目对求解性能都有影响,建议采用数目足够多的邻域算子的同时使用顺序执行方式。

摘要：为了降低中小家具制造企业废弃家具的回收成本,考虑家具产品在运输途中的特征,构建了以总行驶距离最短和车辆数最少为目标函数的双目标数学模型,并设计了一个改进的两阶段禁忌搜索算法进行求解。算法的第一阶段求解所有客户的旅行商问题路径,以此作为第二阶段车辆路径问题中划分路径的基础。构建了一个将邻域算子和邻域交换点对作为禁忌对象的新的禁忌表,并对所使用的多邻域结构体进行了数据测试,结果表明点逆序算子和点交换算子组合的优化效果优于其他组合。经文献对比进一步表明了所设计算法的有效性。

摘要：为了降低家具配送成本,提高物流效率,基于第三方物流配送模式,构建了以总行驶距离最短和车辆数最少为最优目标的开放式车辆路径问题(open vehicle routing problem,OVRP)数学模型,并设计了一个改进的两阶段禁忌搜索算法进行求解,第1阶段求解包含所有客户的TSP(traveling salesman problem)路径来作为第2阶段划分OVRP路径的基础.设计了一个随机动态禁忌表,并将"邻域算子编号"和"邻域交换点对"同时作为禁忌对象,避免了过度禁忌的情况.另外,对5个邻域算子进行了测试,表明采用由点交换、分序点插入、点逆序和前点前向插入这4个算子组成的多邻域结构体效果最佳.经算例测试和文献对比,验证了设计算法的有效性,采用第三方物流配送比自营物流配送更节省成本.

摘要：为了提高粒子群算法全局寻优能力,提出一种远邻粒子群算法,该算法引入邻域算子概念,每个粒子选择与自身欧氏距离较远的粒子建立邻域,邻域中粒子的数目用邻域算子表示.测试函数实验结果表明,该算法在一定程度上消除了标准粒子群算法容易陷入局部最优的缺点.应用远邻粒子群算法对Delta机器人进行优化设计,结果证实:所提出的远邻粒子群算法较标准粒子群算法具有更好的寻优能力,比邻居递增粒子群算法搜索精度更高.

摘要：针对矩形件排样问题,提出一种新的空白矩形填充算法和邻域搜索算法相结合的混合优化算法。首先,设计空白矩形填充算法时,提出了消除多余空白矩形的方法,以减小计算时间复杂度。其次,利用邻域搜索算法优化矩形件排放顺序,通过挖掘矩形件排样的问题特征,设计了受限距离的交叉和插入两种邻域算子,并提出了特殊算子执行点选择策略。然后,设计了基于两种邻域算子交替迭代的邻域搜索算法。最后,对文献中的21个经典案例进行试验计算,4个案例的排样利用率达到了100%,绝大多数案例的排样利用率超过了99%,最小排样利用率超过了98%。将其他常用算法和文献中算法进行比较,验证了本文算法的有效性。同时,对某建材加工企业所提供的8个实际案例进行试验计算,所得排样利用率与理想最优排样利用率的平均差为1.7%,说明了本文算法的实用性。

摘要：粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·