启发式算法

摘要： 影响力最大化是社交网络分析中的一个重要问题,旨在挖掘可以使得信息在网络中传播范围最大化的一小组节点(通常称为种子节点)。基于网络拓扑结构的启发式影响力最大化算法通常仅考虑某单一的网络中心性,没有综合考虑节点特性和网络拓扑结构,导致其效果受网络结构的影响较大。为了解决上述问题,提出了一种融合覆盖范围和结构洞的影响力最大化算法NCSH。该算法首先计算所有节点的覆盖范围和网格约束系数;然后通过覆盖范围增益最大原则选择种子节点;其次,若存在多个节点增益相同,则按照网格约束系数最小原则选取;最后,重复上述步骤直至选出所有种子节点。NCSH在不同种子数量和不同传播概率条件下,在六个真实网络数据集上均保持着优异的效果,在影响力传播范围方面,比同类的基于节点覆盖范围的算法(NCA)平均提高了3.8%;在时间消耗方面,比同类的基于结构洞和度折扣的最大化算法(SHDD)减少了43%。实验结果表明,NCSH能有效解决影响力最大化问题。

摘要： 对卫星测控资源调度问题的现状进行了分析,根据现有场景、需求和任务建立了目标约束满足模型。在系统阐述测控资源、可见弧段、任务需求的基础上,考虑到测控任务需求间复杂的相互关联关系,提出了一种基于任务冲突规避的测控资源调度算法。相比其他传统方法,该算法考虑了全局任务对资源的需求和任务间复杂的关联性,引入了可行解接受度函数,避免了传统启发式算法过分贪婪的缺点。实验结果表明,该算法应用于大规模测控任务资源调度时,能有效提高任务调度的成功率。

摘要： 随着上海烟草集团产销规模的扩大,客户对卷烟的需求朝着多样化、小批量、多频次和个性化方向发展,烟草物流业务的运营体量和复杂程度与日俱增,如何依据全国各地客户点订单情况,并结合物流线路、运输工具、货物(烟件)规格等若干因素,进行快速、有效的车辆配载及货物装车成了上烟物流业务中一个迫切需要解决的问题。为了解决上烟多尺寸烟草的装箱问题,文中充分考虑烟草配载装车场景,建立符合实际业务需求的配载运输模型;确定优化目标与约束条件,建立车货匹配的混合整数线性规划装车模型;基于三维装箱的特性,提出了一种启发式算法,保证车箱空间利用率足够高。实验结果表明,该算法可以求得满意的可行解。

摘要： 高速铁路列车开行方案直接影响旅客出行满意度和铁路运输企业的经济效益。通过分析旅客出行时段需求,提出影响旅客满意度的出行时段方便度、舒适度、达成度及旅行时间满意度等4个因素,构建旅客出行满意度函数;分析了影响铁路运输效益的车站设备占用成本、动车组运用成本和列车在中间站的停车成本,建立了一个双层规划模型,其中上层规划是以运营成本最小化为目标的混合整数规划模型,下层规划是基于UE规则的客流分配模型。通过该模型来描述铁路运输企业和旅客出行满意度的动态博弈关系。根据所提出双层规划模型的特点设计了一个嵌套Frank-Wolfe方法的启发式算法,并通过算例对模型和算法进行了验证和分析,得到较满意的结果。

摘要： 以钢铁企业生产过程的总流程为背景,将吊机调度与多阶段生产调度问题集成考虑,提炼出一类吊机与多阶段生产设备衔接调度的问题,目标函数为最小化最大完工时间。针对该问题,提出求解问题的启发式算法,为验证算法的性能,进一步提出问题的下界并给出了渐近性能分析。计算实验结果表明启发式算法的渐近最优性以及下界的有效性。

摘要： 对于调节能力不强的流域梯级水电站来说,上报电网的梯级总发电计划要尽可能与电网的用电需求相匹配,白天用电高峰期多发,夜晚用电低谷期少发;因此要深挖梯级水电站的调峰能力,同时要避免因龙头电站过度调峰导致的下游调节能力弱的电站产生弃水。针对流域梯级电站在不同时期调峰深度和弃水量不同的特点,分别建立汛期、枯期、平水期模型,以不同深度的调峰和减少弃水量为目标,采用启发式算法,制定短期发电计划,该方式对调节能力有限的梯级水电站短期调度具有很强的实用性,能够适应不同来水条件下发电计划制作需求,比优化调度方式和常规调度方式更为灵活。图2幅,表1个。

摘要： 针对时间敏感网络(time-sensitive networking,TSN)中时间敏感流量的带宽分配,必须要根据流量传输的实时性需求,并考虑不同类型流量的占比,提供具体的优化策略和带宽分配结果。首先,基于网络演算方法,建立时敏流量带宽分配评估模型;然后,根据实时性需求构建带宽分配的约束条件,采用启发式方法,实施带宽分配的优化;最后,通过案例,验证带宽分配在不同链路负载率和流量占比下的变化趋势。实验结果表明,采用基于信用量的流量整形机制,当案例中A类型流量的带宽分配占比为70%时,可获得最佳带宽匹配效果,实现网络中所有流量端到端延迟和最小的流量传输。

摘要： 车辆路径作为经典的组合优化问题一直是研究的热点与难点,无论是在应急管理工作还是物流配送中,对它的合理规划都至关重要.为了今后更好地开展相关工作,本文回顾了精确算法、启发式算法和机器学习算法在车辆路径优化问题中的研究进展,并基于Solomon标准数据集对六种经典算法的求解性能进行了比较分析;分别从局部最优和收敛速度间的平衡关系、个体评价函数、动态车辆路径问题以及机器学习算法在车辆路径问题中的应用等四个方面对其发展趋势进行了展望.

摘要： 工业控制、航空电子、车载网络、移动前传网络等很多行业领域应用都需要确定性低延时的网络传输.为了实现此类业务的传输需求,IEEE 802时间敏感网络(time-sensitive networking,TSN)工作组将标准以太网扩展为TSN,受到学术界和工业界的持续关注.流量调度是TSN标准中的核心机制,通过调度算法在所有交换机出端口确定数据帧传输顺序和时间,满足流量各自的延时和带宽要求并同时优化传输性能.首先对TSN流量调度问题进行形式化描述,介绍了TSN网络与流量模型,并对调度约束和目标进行归纳;进而对现有TSN流量调度机制进行分析与总结,重点阐述每种调度机制解决的具体问题、关注的流量类型、优化的性能指标和求解算法;最后讨论了未来TSN流量调度的设计空间和发展趋势,并针对现有调度机制存在的问题提出了静态规划与动态调节联合的调度思路.

摘要： 软件定义网络(Software Defined Network,SDN)是由美国斯坦福大学Clean Slate课题组提出的一种新型网络体系架构,该架构通过解耦控制平面和转发平面的功能来实现网络流量的灵活转发。但是,由于经济开销和技术条件的限制,互联网服务提供商的骨干网必定长期处于传统设备和SDN设备共存的混合SDN状态。因此,在混合SDN网络中研究应对单节点故障情形的路由保护方法是一个关键的科学问题。文中首先描述了混合SDN网络中应对单节点故障情形时需要解决的问题,然后通过两种启发式方法来解决该问题,最后在真实拓扑结构和模拟拓扑结构中对提出的启发式算法进行测试。实验结果表明,在传统骨干网中,仅需要将一小部分传统设备升级为SDN设备,所提算法就可以应对网络中所有可能的单节点故障情形。

摘要： 为了研究城市交通系统中道路使用者路径选择偏好对于网络通行能力的影响,本文首先建立了基于多目标的路径选择偏好模型和基于多方式的出行时间模型,以路径选择偏好和出行时间为变量构建非集计模型,然后提出改进的启发式算法,来研究网络的通行能力.算法中采用了基于最大忍耐时间的K最短路算法用来减少不合理的绕行路径.根据不同的研究目标,可以得出分别以平均行驶速度和道路饱和度最为约束条件的网络通行能力.最后以淮北市为例,描述了启发式算法的应用过程,并对路径选择偏好和出行时间进行了敏感性分析.

摘要： 针对卫星资源失效或应急任务加入对敏捷成像卫星任务动态调度的影响,提出一种前摄反应式动态调度策略,构建了前摄式和反应式调度模型并设计了求解算法.首先,分析了卫星资源失效、应急任务加入等典型的不确定因素及其对任务调度的影响,提出离线前摄式调度和在线反应式调度相结合的动态调度策略;其次,构建了以最大化调度收益和松弛时间为优化目标的鲁棒模型,并针对该模型的多目标优化特性,采用NSGA-II算法进行求解;再次,构建了以最大化调度收益和最小化扰动测度为优化目标的反应式调度模型,针对反应式调度需兼顾优化型和时效性的特点,提出了考虑任务聚类、插入、移位、置换的启发式算法.最后,对算法进行了仿真实现,通过多组算例验证了前摄反应式动态调度策略的有效性.为敏捷成像卫星任务动态调度提供一定的方法支持.

摘要： 随着大量分布式电源(DG)接入配电系统,配电网正由传统的“被动安装”向“主动控制”转变.主动控制策略通常包括:DG出力控制,有载调压(0LTC)控制,就地无功补偿及网络重构.网络重构较其他控制策略具有实施方便、经济性好等优点.本文提出一种基于网络重构的提高主动配电网分布式电源渗透率的方法.一种基于粒子群和启发式算法的混合优化方法被用来寻找具有更高渗透率的网络结构.首先,利用二进制粒子群(BPS0)优化算法进行初始搜索,然后,对粒子群优化结果进行聚类分析,作为启发式算法的初始解进一步寻优.一种新的网络拓扑分析方法与粒子群算法相结合用于提高粒子的搜索效率.连续潮流方法被用来精确求解配电网最大输送能力,克服常规潮流计算分岔点附近不收敛的问题.通过IEEE123算例仿真分析,测试结果验证了本文所提方法在大幅提高系统最大输送能力方面的有效性.

摘要： 基/副版本技术是实现实时分布式系统容错的一个重要手段.然而,传统的异构分布式实时调度算法基本没有考虑任务的动态特性.本文提出一种非周期不可抢占式异构分布式的动态容错模型,在该模型上基于不同调度需求给出两种不同容错调度算法:DRFSA算法与DSFSA算法.DRFSA算法以提高可靠性代价为调度目标,试图通过合理调度提高系统的可靠性.DSFSA算法以可调度性为调度目标,试图通过减少任务执行时间来增加系统的可调度性.算法能够在异构系统中调度动态的实时任务,且能够尽可能响应任务需求.本文最后从可调度性,可靠性代价,任务粒度及到达率,任务接收率及平均响应时间五个方面对算法进行分析.模拟实验结果显示算法各有优缺点,所以在选择调度算法时应根据异构系统的特点来选择.

摘要： 报童模型是供应链管理中的经典模型,具体探讨管理中实现最大利润(或最小费用)的最优订购量问题.近年来这一模型越来越受到学者的重视,并不断地在其他方面推广.该文集中考虑近年来比较热门的多产品报童问题.文中以资金约束为第一约束,风险约束为第二约束,从而构成4种组合.在风险的刻画上,采用半方差来衡量;在资金约束的限制下,采用两种启发式算法来简化运算,通过实现费用函数的最小化来寻求满足约束条件的最优订购量.最后对前文中叙述的结论给以数值分析,为日后进一步的应用提供指导.

摘要： 针对自动化集装箱码头水平搬运作业和堆场作业,提出一种新的决策方法,以最小化最大完工时间为目标,同时考虑船舶装、卸作业,建立自动升降车(Automated Lifting Vehicles,ALV)调度与堆场位置分配同步优化模型,提出求解同步优化模型的优化算法,设计基于遗传算法的启发式算法,利用算例对模型与算法的有效性进行了验证.计算结果表明,提出的启发式算法可以提高运算效率,另外,同步优化模型可同时考虑码头多个作业环节,因此,得到的方案能使码头整体效益达到最优.

摘要： 随着国家医保对尿毒症患者报销比例的提高、医院血液透析中心数量的增加以及医疗服务水平的提高,会有更多需要血液透析的患者得到救治.但是目前国内从事血液透析工作的医护人员配置较为紧张、血液透析设备也相对短缺.如何合理、高效地利用现有的设备资源及护士资源为患者提供高质量的血液透析服务已成为医院血液透析中心的关键问题之一.rn 以病人安排、设备安排、护士安排为决策变量，以均衡病人治疗间隔、尽可能满足病人偏好、均衡使用设备、最小化设备成本、合理分配各等级护士人数、尽可能满足护士偏好为目标，考虑患者需求、设备配置、护士配置等一系列约束，建立血液透析服务设备与护士集成排班模型。rn 所建立的血液透析服务设备与护士集成排班模型是非线性多目标整数规划模型，难以用己有的方法直接求解。本文以所建立的集成排班模型为依据，设计基于非支配排序的双层遗传算法对问题进行求解，得到联合排班表的一系列非劣解，为血液透析中心管理者提供决策依据。算法将护士排班表非劣解生成嵌入到设备排班表的非劣解搜索过程中。在搜索设备排班表非劣解过程中记录并更新己搜索空间的联合排班表非劣解集。采用基于非支配排序的遗传算法生成设备排班表非劣解集与护士排班方案表非劣解集。两层遗传算法皆采用基本启发式算法得到初始种群。rn 基于武汉市某医院的血液透析中心的实际案例，本文进行了计算实验对模型与算法的正确性及有效性进行验证。实验结果表明所提出的双层遗传算法可行、有效，与基本启发式排班结果相比，本文提出的算法在各个目标下的表现更为优异。

摘要： 经过十多年的快速发展,健康服务行业已然成为我国具有发展潜力的朝阳产业.在"互联网+"和"健康中国"的概念提出后,O2O健康服务发展如日中天.不仅传统健康服务企业在寻求互联网转型,各大互联网企业也纷纷布局健康服务O2O,志在打造一条让老百姓获取健康服务更方便的桥梁.医联网作为一种以物联网技术为基础的多维度医医相连、医患相连的智慧型O2O医学服务平台,也是一类典型的O2O健康服务体系.rn 本文研究的是O2O健康服务模式下多技能健康服务专家的排班调度问题，在排班中，考虑了专家的多技能性、工作地点和班次的不固定性以及用户的偏好等因素，以尽可能满足用户的偏好、尽可能让专家在各班次工作在同一地点、尽可能让专家的工作时间更均匀和尽可能调度更少的专家为目标，建立了一个多目标健康服务专家排班调度整数规划模型，并设计了一种启发式算法对问题进行求解，该算法包括上、下午调度方案生成算法，调度方案的生成算法主要思想是运用各种规则生成各服务站的指派专家组，然后根据各服务站中的用户需求、偏好，建立用户与专家的对应关系，最终确定用户接受服务的时间、服务的专家。rn 基于设计的案例开展了计算实验对模型与算法的正确性与有效性进行验证，并对比了基本启发式算法在两种技能紧张度定义下的求解效果。实验结果表明:本文提出的模型和算法有效，启发式算法中在“技能需求数量供给比”的技能紧张度定义下能取得更好的求解效果。

摘要： 针对10kV电缆线路,介绍了一种基于电子档案的电缆线路运维新模式,通过GPS定位获得中间接头的位置,整理形成电子档案,并通过C-W算法,得出电缆线路巡视的最优路径,从而大大提高工作效率.

摘要： 针对10kV电缆线路,介绍了一种基于电子档案的电缆线路运维新模式,通过GPS定位获得中间接头的位置,整理形成电子档案,并通过C-W算法,得出电缆线路巡视的最优路径,从而大大提高工作效率.

摘要： 本发明公开了一种基于改进蚁群算法和启发式算法的集装箱货物摆放方法，具有如下步骤：初始待装载化货物信息和集装箱空间信息；初始化蚁群、初始化每一只蚂蚁的货物装载链信息以及初始化信息素信息；当前的蚂蚁根据当前蚁群算法的迭代次数和最大迭代次数，生成选货概率，使用轮盘赌的方式选择启发式选货方式或蚁群选货方式；若选择启发式：考虑当前的空间的左方和后方所装载的货物和当前待装载空间，从待装载的货物中选择适合的货物进行递归装载；若选择蚁群，查询信息素矩阵，根据轮盘赌的方式选择装载货物；对选出的货物，用回溯的方式，选出当前货物的最佳摆放姿态。

摘要： 本发明涉及一种基于元启发式算法与贪婪算法结合的排课方法，属于教学排课方法领域。该方法从数据库中快速提取配置好的基本信息，按照排课的要求，使用带约束性的机制生成初始解值；读取完数据后，采用元启发式算法和贪婪算法进行数据分析，通过对数据解空间的分离，然后分别进行搜索，得到各个解空间的局部最优解后，再对各个解进行综合匹配，使最终结果临近最优解。本方法采用融合多种算法的方式，通过优化元启发式算法和贪婪算法的结合，在百万的不同排课组合找到最优的排课。算法以课程为中心，进行搜索匹配，取最优匹配的值。排课成功率最高达到99％，能较好地解决排课冲突问题，使得有限的学校教育资源得到最大化利用。

摘要： 本发明公开了基于启发式算法和时变行驶时间的公交排班表生成算法，包括：S1、初始化该公交线路的所有车的状态；S2、在当前发车时间点，根据车的可用时间判断状态是否需要改变；S3、完成状态判断后，将状态为在主场站空闲的车依序添加到集合IB中，将状态为在副场站空闲的车依序添加到集合IV中；S4、在当前发车时间点，从发车场站的集合中选择第一辆公交车执行任务，并把该车状态变更为从发车场站开往目的地场站，可用时间变更为当前发车时间点加上从发车场站到目的地场站的时变行驶时间再加上对应休息时间得到的时间点；S5、遍历该公交线路的初始发车时刻表，在每一发车时间点执行S2~S4，生成公交排班表。

摘要： 本发明涉及一种搜索密码算法线性层硬件实现优化的启发式算法，本发明的主要步骤为：首先将GF(2)中的n阶可逆矩阵进行矩阵分解，即将其分解成若干初等矩阵的乘积；其次，将给定矩阵的分解转化成矩阵的实现方案；最后，通过GF(2)中矩阵乘法的性质对矩阵分解进行简化从而达到矩阵实现优化的目的。本发明可以获得密码算法线性层具有更少异或操作的实现，可以减少算法实现的代价。

摘要： 本发明涉及公交系统月计划排班领域，尤其为基于启发式算法的公交系统月计划排班算法，该算法包括以下几个步骤：(1)参数设置；(2)向量编码；(3)产生初始随机解向量集群；(4)解向量评价；(5)解向量保留策略；(6)解向量之间的更新；(7)解向量自身的更新；(8)终止判断。本发明，通过结合机器学习和启发式算法将从大量月计划学习得到的特征数据整合到启发式的算法中，基于启发式算法的公交系统月计划排班算法可以保证高效与合理性的基础上得到大量优质的公交系统月计划排班；增强公交系统的月计划排班的科学性与合理性，最终达到对公交系统资源的充分利用和解决排班难问题的目的。

摘要： 本发明公开了一种基于改进蚁群算法和启发式算法的集装箱货物摆放方法，具有如下步骤：初始待装载化货物信息和集装箱空间信息；初始化蚁群、初始化每一只蚂蚁的货物装载链信息以及初始化信息素信息；当前的蚂蚁根据当前蚁群算法的迭代次数和最大迭代次数，生成选货概率，使用轮盘赌的方式选择启发式选货方式或蚁群选货方式；若选择启发式：考虑当前的空间的左方和后方所装载的货物和当前待装载空间，从待装载的货物中选择适合的货物进行递归装载；若选择蚁群，查询信息素矩阵，根据轮盘赌的方式选择装载货物；对选出的货物，用回溯的方式，选出当前货物的最佳摆放姿态。

摘要： 本发明提供了一种基于启发式算法用于生产线输送原料的排柜方法和系统，属于物流运输领域。所述排柜方法首先获取每日运力上限、物料需求及当前可拉取的货柜；再根据物料需求列表，计算每个货柜的需求覆盖率，并按需求覆盖率从大到小的顺序对货柜进行排列，生成待拉取货柜列表；根据每日运力上限，创建出相应数量的运力空位，按初始状态为空的等待被分配货柜的车次生成初始排柜方案，按预设排柜规则计算初始排柜方案分数；再从物料匹配和运力节约两个方面更改方案，并进行方案比较，最终得到最优的排柜方案。本发明在匹配物料清单的同时，最大限度的减少了拉柜数量，节省了拉柜成本，同时更加合理地安排了生产线原料的输送。

摘要： 本发明提供一种基于混合元启发式算法的带容量约束的车辆路径获取方法，属于计算机技术领域，通过随机贪婪策略在初始狼群中构造N条初始回路，N条初始回路为N条狼的N个初始解的组合；计算每个初始解的路径花费，并选择路径花费前三小的初始解所对应的狼的组合作为原始最优解；对含有原始最优解的狼群进行迭代更新，获取当前轮次的前3个最优解；利用当前轮次的最优解进行下一轮次的狼群迭代计算，直至达到设定的迭代次数，并获取末次迭代的前3个最优解；获取末次迭代的前3个最优解中第一条头狼代表的解，作为带容量约束的车辆路径问题的解。具有提升带容量约束的车辆路径问题的解精度的技术效果。

摘要： 本发明公开了一种利用启发式算法降低联邦学习中设备跑时间的方法。本发明利用启发式算法中的模拟退火算法求解局部最优解，得出令各参与方设备空跑时间缩短的解决方案。相较于传统的联邦学习算法，本发明设定在每轮运算中各参与方迭代的次数可以不同。利用模拟退火算法，根据数据预处理阶段得到的参与方平均迭代时间求解每轮参与方的最优迭代次数。并将传统联邦学习算法中参与方本地训练和中央服务器求解下一轮参与方名单的串行设计改为并行设计，从而尽可能降低参与方空等时间。

摘要： 本发明公开了一种基于启发式算法的智能装车方法，一种基于启发式算法的智能装车方法，包括：S100：获取订单数据、车厢数据，并进行预处理；S200：基于预处理结果，对车厢空间进行分区；S300：基于分区结果，对货物放置空间进行求解；S400：对求解结果进一步优化。通过上述方式，本发明能够针对装车问题，无论是单车多订单，还是多车多订单，本方法设计将车厢分割成若干小空间，能够实现在车厢厢体外进行小空间的堆货，然后再由叉车将货堆直接整堆进行装车。在进行多车协同运输时，通过分步优化的方法提高求解效率，为使所有车辆的空间利用率最大，首先选择最优订单类型搭配，提高下层小空间的利用率，然后再对上层小空间优化求解。