期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
针对目标的布局启发式算法 被引量:5
1
作者 王金敏 简其和 喻宏波 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2005年第6期499-502,共4页
为解决二维矩形布局问题,在广泛研究各种启发式方法的基础上,提出了基于目标的启发式算法.该算法在布局开始时确定布局目标,布局过程中综合运用多种策略,让每个局部最优解达到布局目标值,得到稳定的、可靠的全局解;并且简要分析了矩形... 为解决二维矩形布局问题,在广泛研究各种启发式方法的基础上,提出了基于目标的启发式算法.该算法在布局开始时确定布局目标,布局过程中综合运用多种策略,让每个局部最优解达到布局目标值,得到稳定的、可靠的全局解;并且简要分析了矩形正交布局的空间分解方法,提出了群组的基本策略以及布局的定序规则和定位规则.实验结果表明,算法具有较强实用性,布局效率提高200以上. 展开更多
关键词 布局问题 布局目标 启发式方法 局部寻优 群组 空间分解
下载PDF
基于学习的遗传算法及其在布局中的应用 被引量:42
2
作者 于洋 查建中 唐晓君 《计算机学报》 EI CSCD 北大核心 2001年第12期1242-1249,共8页
布局问题属于具有很强应用背景的组合优化问题 ,除其内在的 NP完全的计算复杂性 ,布局还包括约束复杂性问题和布局物体与空间的形状复杂性问题 .针对布局求解中存在的问题 ,该文进行了基于全局优化的布局求解方法研究 .布局问题中有一... 布局问题属于具有很强应用背景的组合优化问题 ,除其内在的 NP完全的计算复杂性 ,布局还包括约束复杂性问题和布局物体与空间的形状复杂性问题 .针对布局求解中存在的问题 ,该文进行了基于全局优化的布局求解方法研究 .布局问题中有一类关于复杂分片光滑连续函数全局优化求解的问题 .传统的优化算法对此无能为力 ,遗传算法是一种有前途的全局优化算法 ,但目前的各种遗传算法的效率和精度不能令人满意 .文中从生物可以从环境中学习生存技巧、自主的趋利避害的思路出发 ,增加了学习算子 ,引用函数的局部信息 ,构造拟牛顿方向 ,令每个个体在当前状态下有目的地搜索 ,最有效的向局部最优点趋进 .通过典型测试函数与传统遗传算法 ,模拟退火算法 ,复合形法进行比较验算 ,表明该算法具有优良的求解质量和较好的求解效率 ;并以旋转卫星舱布局的简化模型为背景 ,建立多目标优化数学模型 ,与传统遗传算法和乘子法的计算结果比较 ,该算法求解的质量和效率更优 .该文研究表明 ,基于学习的遗传算法在布局优化中具有应用潜力 ;启发式随机搜索策略和局部优化算法相结合的求解方案是解决复杂函数优化的有效途径 . 展开更多
关键词 遗传算法 布局 全局优化 多目标优化 组合优化 NP问题
下载PDF
三维货物装箱问题的研究进展 被引量:11
3
作者 李鹏 汤勇 《铁道科学与工程学报》 CAS CSCD 北大核心 2015年第5期1232-1242,共11页
基于问题的复杂度、优化模型的现实度以及求解算法的适合度3方面,对三维装箱问题的研究现状进行分析,着重对货物与箱体的规模与异构性、优化目标与约束条件的实用性和求解方法的优缺点进行归纳;其次,总结三维装箱问题在以上3方面存在的... 基于问题的复杂度、优化模型的现实度以及求解算法的适合度3方面,对三维装箱问题的研究现状进行分析,着重对货物与箱体的规模与异构性、优化目标与约束条件的实用性和求解方法的优缺点进行归纳;其次,总结三维装箱问题在以上3方面存在的不足;最后,从整体问题复杂化、优化目标多样化和约束条件现实化、假设条件最小化、求解方法实用化等5方面对三维装箱问题的研究进行展望。 展开更多
关键词 三维装箱问题 启发算法 整型规划 遗传算法 多目标优化
下载PDF
基于多目标优化的集装箱自动装箱软件开发
4
作者 刘欢 刘寅 《自动化应用》 2024年第21期26-28,共3页
近年来,随着集装箱运输的不断发展、集装箱码头吞吐量的不断攀升,如何快速、高效、低成本地完成集装箱装箱任务已成为集装箱码头亟需解决的问题。在此背景下,基于遗传算法和Unity3D物理引擎开发了一款新型的基于多目标的集装箱自动装箱... 近年来,随着集装箱运输的不断发展、集装箱码头吞吐量的不断攀升,如何快速、高效、低成本地完成集装箱装箱任务已成为集装箱码头亟需解决的问题。在此背景下,基于遗传算法和Unity3D物理引擎开发了一款新型的基于多目标的集装箱自动装箱软件系统。其创新之处在于除利用传统的遗传算法进行装箱决策外,还添加了手动装箱功能,使最终方案更合理化、人性化。 展开更多
关键词 装箱问题 遗传算法 手动装箱 多目标优化
下载PDF
结合批量问题的多目标矩形件优化排样 被引量:4
5
作者 郑明月 刘林 +1 位作者 阚方 方昶 《计算机工程与应用》 CSCD 2014年第22期260-264,共5页
设计多目标启发式进化算法,研究了一种考虑批量问题的二维矩形件排样问题,建立了含有原材料成本最小化和零件库存成本最小化的多目标优化模型。先用启发式算法初始化下料方式,再用改进的快速非支配排序算法进行优化求解,确定下料方案。... 设计多目标启发式进化算法,研究了一种考虑批量问题的二维矩形件排样问题,建立了含有原材料成本最小化和零件库存成本最小化的多目标优化模型。先用启发式算法初始化下料方式,再用改进的快速非支配排序算法进行优化求解,确定下料方案。通过实验结果以及与其他算法的对比表明,在中等规模的矩形件排样问题中,该算法能够在较快的时间内既保证较高的原料利用率,又能降低该问题的总成本,证明了该算法的有效性。 展开更多
关键词 矩形件排样 批量问题 多目标优化 启发式 进化算法
下载PDF
云环境下基于改进NSGA Ⅱ的虚拟机调度算法 被引量:4
6
作者 殷小龙 李君 万明祥 《计算机技术与发展》 2014年第8期71-75,共5页
在云环境中,如何将大量的虚拟机调度到物理节点上是一个基本且复杂的问题。文中首先对虚拟机的调度建立装箱问题模型,将该模型的求解转化一个多目标优化问题,目标分别为负载均衡、提高任务执行效率和降低能耗;接着对基于非支配排序的遗... 在云环境中,如何将大量的虚拟机调度到物理节点上是一个基本且复杂的问题。文中首先对虚拟机的调度建立装箱问题模型,将该模型的求解转化一个多目标优化问题,目标分别为负载均衡、提高任务执行效率和降低能耗;接着对基于非支配排序的遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA Ⅱ)进行改进,利用回溯法中的剪枝函数确定最优初始种群,引入正态分布密度函数限制优秀精英。仿真结果表明,基于改进NSGA II的虚拟机调度算法在任务执行时间、负载均衡和能量消耗三个方面优于其他一些常用算法。 展开更多
关键词 云计算 虚拟资源调度 装箱问题 多目标优化
下载PDF
基于分组策略的多目标三维装箱算法 被引量:2
7
作者 张长勇 吴刚鑫 《包装工程》 CAS 北大核心 2023年第21期204-213,共10页
目的针对现有三维装箱算法优化目标单一、优化效率低的问题,提出适用于求解大规模货物装载问题的多目标装箱算法,以提高装箱规划效率,确保货物运输安全。方法考虑5种现实约束条件,以体积利用率和装载垛型重心偏移量为优化目标,建立多目... 目的针对现有三维装箱算法优化目标单一、优化效率低的问题,提出适用于求解大规模货物装载问题的多目标装箱算法,以提高装箱规划效率,确保货物运输安全。方法考虑5种现实约束条件,以体积利用率和装载垛型重心偏移量为优化目标,建立多目标货物装载优化模型。采用拟人式装箱对货物进行预分组,减小决策空间,然后结合分组信息与装箱算法生成初始解;引入数据驱动的装箱交叉算子提高算法收敛性;设计多策略变异算子提高算法结果的多样性。结果以公共数据集和真实航空货物数据作为实验数据进行实验。实验结果表明,在满足多种约束条件下,集装箱装载强异构货物平均体积利用率达到92.0%,重心位置空间偏移从20 cm减少到7.5 cm,并且算法运行时间减少了73.5%。结论本文所提算法应用于求解大规模多目标三维装箱问题,提高了装箱质量和效率,可为三维装箱算法的工程应用提供参考。 展开更多
关键词 三维装箱 多目标优化 组合优化 多变异策略
下载PDF
基于响应面模型和灰关联分析的保压曲线优化 被引量:2
8
作者 胥泽林 李阳 +2 位作者 高煌 张云 黄志高 《塑料》 CSCD 北大核心 2017年第6期95-98,106,共5页
注射成型中合理的保压曲线不仅能减小制品的体积收缩,还能降低制品各部分的体积收缩差异,避免产品产生翘曲变形。建立了保压曲线的优化模型:首先结合实验设计,利用CAE分析软件对不同保压曲线下的注射成型过程进行模流分析;然后采用灰关... 注射成型中合理的保压曲线不仅能减小制品的体积收缩,还能降低制品各部分的体积收缩差异,避免产品产生翘曲变形。建立了保压曲线的优化模型:首先结合实验设计,利用CAE分析软件对不同保压曲线下的注射成型过程进行模流分析;然后采用灰关联分析法对最大体积收缩率和体积收缩率标准差2个指标进行综合评价,建立了综合评价指标与保压曲线中各参数之间的响应面模型,最后获得全局范围内的最优参数组合。与已有研究相比,通过建立可靠的保压曲线优化模型和评价指标,对保压曲线进行了多目标优化,保证了最优保压曲线中的各个参数均为全局范围上的最优解,从而使制品的最大体积收缩率在满足使用要求的前提下,显著降低了各部分的体积收缩差异,减少了制品的翘曲变形量。 展开更多
关键词 注射成型 保压曲线 响应面模型 灰关联分析法 多目标优化
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部