给大家分享5篇关于旅行商问题的计算机专业论文

今天分享的是关于旅行商问题的5篇计算机毕业论文范文, 如果你的论文涉及到旅行商问题等主题,本文能够帮助到你

粒子群优化算法及其若干工程应用研究

这是一篇关于粒子群优化算法,作业车间调度,信息共享机制,旅行商问题,神经网络,切削参数优化的论文, 主要内容为粒子群优化算法是基于群体智能理论的优化算法。该算法利用生物群体内个体的合作与竞争等复杂性行为产生群体智能,并为工程优化问题提供高效的解决方法。本文主要研究了粒子群优化算法及其若干工程应用包括神经网络训练、切削参数优化、旅行商问题及作业车间调度问题,并给出了以上应用的实际工程优化前景。首先,系统地介绍了粒子群优化算法,归纳了其发展过程中的各种改进。总结了粒子群优化算法的基本应用,并概述了其在工程优化领域的应用。其次,研究了粒子群优化算法在神经网络训练中的应用,提出了基于粒子群优化的神经网络训练算法―SPSO。该算法在训练神经网络权值的同时优化其连接结构,删除冗余连接,部分消除了冗余参数及相应冗余连接结构对神经网络性能的影响,使神经网络获得与模式分类问题匹配的信息处理能力。随后,研究了粒子群优化算法在切削参数优化中的应用。提出了适合粒子群优化机理的约束处理,并通过与直接搜索算法的混合,加强了粒子群优化算法的局部搜索能力。通过单工序铣削加工实例验证了该方法的有效性。该约束优化方法可用于解决任何可建模为非线性规划模型的工程优化问题。然后,研究了广义粒子群优化模型及其在旅行商问题的应用。论文针对粒子群优化算法产生至今一直未能有效应用到离散以及组合优化领域的缺陷,深入分析了其优化机理,突破传统的速度-位移搜索模型,提出了广义粒子群优化模型。以旅行商问题(TSP)为例给出了算法的具体实现,并通过标准测试问题验证了算法的有效性。最后,研究了基于粒子群优化的作业车间调度。论文分析了传统粒子群优化算法信息共享机制的局限性,提出了新的基于种群的元启发式算法的信息共享机制,该机制可实现与基于种群的元启发式算法的融合。论文使用标准作业车间调度测试问题验证该信息共享机制的有效性。

基于遗传算法的玻璃排版优化系统的设计与实现

这是一篇关于遗传算法,组合优化问题,背包问题,布局设计问题,旅行商问题的论文, 主要内容为遗传算法是借鉴生物的自然选择和遗传进化机制而开发出的一种全局优化自适应概率搜索算法，对于非常复杂、高度非线性大型系统的优化求解，表现出比其它传统优化方法更加独特和优越的性能，是21世纪有关智能计算中的核心技术之一。 GA利用简单的编码技术和繁殖机制来表现复杂的现象，从而解决非常困难的问题。特别是由于它不受搜索空间的限制性假设的约束，不必要求诸如连续性、导数存在和单峰等假设，以及其固有的并行性，遗传算法目前已经在最优化、机器学习和并行处理等领域得到了越来越广泛的应用。本文对应用遗传算法解决一个多目标组合优化问题——玻璃排版优化问题进行了深入研究，基于遗传算法对玻璃排版进行优化的研究迄今为止在国内外还未见到有相关资料的介绍。本文对问题的求解提出了一些新的实现方法，为类似问题提供了一条新的求解途径；设计并实现了玻璃排版优化系统及系统优化算法。本文的主要工作如下：将一个多目标问题分解为多个单一目标问题，逐步求解，以降低整体求解难度；在用遗传算法求解有关问题中，使用不同的解码方法计算个体适应度，构造不同的遗传算法运行框架。根据求解问题的复杂度，个体染色体分别使用了单参数编码方法和多参数级联编码方法，染色体中的参数又分别采用了二进制编码、波兰表达式的符号编码、数字符号编码。针对具体编码方法的不同，为保证后代个体的合法性，算法中采用了单点交叉、部分映射交叉、顺序交叉、循环交叉等多种交叉算子和基本位变异、逆转变异、交换变异、反转变异、替代变异等多种变异算子。为提高算法运行效率，选择算子采用了比例选择与最佳个体保留选择机制相结合的方法。为加强遗传算法的搜索性能，还在算法中使用了融入传统爬山法的混合遗传技术和小生境技术。总结了使用分步求解方法求解大型复杂的多目标优化问题的一些处理技巧以及改进整个系统优化算法的方向。最后对玻璃排版系统中优化问题间的求解关系进行了分析，得出以下结论：①当要加工的玻璃块较少且玻璃块的总面积不超过玻璃原片的面积时，求解背包问题的算法不同，群体中解的质量差异较小，对整个系统的优化结果影响不大，并与要加工的玻璃规格无关；②当要加工的玻璃块较多时，求解背包问题的算法不同，群体中解的质量有较大差异，并且对布局设计问题的求解及整个系统的优化结果都有较大影响；③当要加工的玻璃块的规格不同时，对于同样一批玻璃块，GA使用贪婪法解码求解背包问题，其解中面积较大的玻璃块容易被优先选中排版，而GA使用惩罚解码求解背包问题，其解中被选中排版的玻璃块则较随机；④求解布局设计问题找到的合理布局排版方案不一定是最优方案，排版方案越优越有利于求解旅行商问题找到更短的最优切割路径。本文的主要内容和结构安排如下：第一章介绍了本文的工作及工作背景，并对求解组合优化问题的传统方法和遗传算法进行了比较；第二章对遗传算法做了系统介绍。具体内容有：遗传算法与自然进化的关系，遗传算法的特点、基本实现技术等；第三章介绍了问题的解决方案和玻璃排版优化系统及系统优化算法的设计；第四章详基于遗传算法的玻璃排版优化系统的设计与实现细讲解了求解玻璃排版优化中背包问题的遗传算法的设计及其具体实现；第五章详细讲解了求解玻璃排版优化中布局设计问题的遗传算法的设计及其具体实现，并对背包问题与布局设计问题的求解关系进行了讨论；第六章详细讲解了求解玻璃排版优化中旅行商问题的遗传算法的设计及其具体实现，并对布局设计问题与旅行商问题的求解关系进行了讨论，最后对玻璃排版优化中三个问题的求解关系进行了分析，提出了对系统优化算法进行改进的方向。

智能组合优化平台设计与实现

这是一篇关于旅行商问题,车间调度问题,优化算法的论文, 主要内容为旅行商问题和车间调度问题是现实世界中的一类组合优化问题,这类问题均属于NP难问题。自上世纪50年代中期仿生学创立以来,人们不断地从生物进化的机理中得到启发,提出了许多用于解决复杂优化问题的新方法,比如神经网络、遗传算法、模拟退火算法、进化规划等。这些新方法已经成功地应用于解决实际的组合优化问题,因此开发一个使用智能优化算法解决组合优化问题的平台是可行的并且具有重要的意义。本文首先分析了TSP和JSP等组合优化问题,并介绍了近年来一些流行的智能优化算法。然后提出了智能组合优化平台的分析与设计的方法,阐明了该平台的整体架构与开发过程。之后对平台开发中使用的类进行定义说明,明确和规范了类之间的调用与功能,进而实现了该平台。最后对该平台运行的结果进行了测试并且分析该平台需要改进的功能与空间。

智能组合优化平台设计与实现

生物地理学算法的研究及应用

这是一篇关于生物地理学算法,系统辨识,旅行商问题,调度问题,番茄种植规划模型的论文, 主要内容为受生物地理学这门学科的启发,一种根据物种生存存在的迁移规律和变异规律衍生而来的仿生优化算法——生物地理学算法(BBO)被提出。它是一种基于生物自然进化理论和物种迁徙原理的新型进化算法。自提出以来,在各种有约束和无约束的基准测试函数上均表现出良好的优化性能,引起了许多国内外学者的关注。由于BBO算法在迭代后期有易陷入局部最优、探索能力差等缺点。因此,为改善BBO算法的搜索性能,本课题基于两种改进思路,提出了5种基于BBO算法的改进算法,并将其改进算法应用到系统辨识、旅行商问题、调度问题和种植规划中。因此,课题的主要研究内容为BBO算法的改进及应用研究,概括为以下4个方面:(1)为改善BBO算法在迭代后期不易跳出局部最优的这一现象,从BBO算法的操作算子着手研究,提出基于操作算子的改进BBO算法(简称IBBO)。为提高BBO算法的局部搜索能力,提出基于模拟退火的生物地理学算法(简称SAIBBO)。为平衡BBO算法的开采能力和搜索能力,提出差分进化-生物地理学算法(简称IDEBBO)。针对BBO算法的缺点中的种群多样性差这一点,引入混沌技术,提出混合生物地理学算法(简称HBBO)。为加快BBO算法的收敛速度及精度,提出粒子群-生物地理学算法(简称PSOBBO)。然后选用不同特性的测试函数,对提出的每种改进算法都进行仿真测试。仿真结果表明,无论是在收敛结果还是收敛速率上,五种改进方法的优化效果比基本BBO算法表现得更优。(2)为解决系统辨识问题,首先需要将辨识问题转变成一个系统辨识的参数寻优问题,然后将IBBO和IDEBBO算法应用于系统辨识。通过以采用IBBO算法的Hammerstein模型和采用IDEBBO算法的Wiener模型为例进行数值仿真,与其他优化算法相比。结果表明,所采用的算法能够提高辨识参数的精度,获得很好的辨识结果。同时,解决系统辨识问题的有效性也得到了验证。体现了IBBO和IDEBBO算法求解系统辨识问题的可行性。(3)为解决旅行商问题和调度问题。提出基于实数编码的离散SABBO算法,以求解旅行商问题的最优路径。采用典型的标准问题进行测试,测试结果验证该算法是有效的。提出基于实数编码的PSOBBO算法,用以调度问题的调度优化,选用标准调度问题进行实验,实验结果表明该方法是有效可行的。(4)为了改善在新疆番茄生产期长期存在的番茄原料供应不均衡问题。研究种植期的番茄种植与生产期的番茄产量之间关系,建立番茄种植规划的数学模型。将规划问题转变成组合优化问题,提出一种采用基于实数编码的离散HBBO算法对番茄种植规划模型的求解。以新疆某番茄加工厂提供的数据进行计算,结果表明,采用该算法获得的种植方案能实现番茄原料的产量与番茄酱厂生产能力之间的平衡。计算结果验证了番茄规划模型的合理性。同时,与其他进化算法相比,在求解番茄规划问题上,HBBO算法也具有更好的收敛性。由于该方法在求解大规模规划问题时,优化效果不好,因此,提出离散BBO算法对大规模番茄规划问题进行求解。仿真结果表明该方法能够实现番茄原料的均衡供应。

本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码工厂，原文地址：https://bishedaima.com/lunwen/53397.html