考虑水电机组的火力机组组合优化调度研究，可直接运行，采用python+gurobi编写

旅行商问题（TSP）是最著名的组合优化问题之一。 TSP的目标是找到访问每个城市一次并返回原始城市的最短路线。 在组合优化领域中，它被列为NP难题。

为了提高单目视觉实时测量双护盾隧道掘进机前后盾相对位姿的精度, 引入高精度倾角传感器与单目视觉构成一种组合测量系统。该系统将两个倾角传感器分别与视觉传感器和特征点系统固定连接, 通过倾角传感器提供的多个角度约束, 结合单目视觉实现掘进机前盾体相对于后盾体位姿的更高精度测量。仿真实验表明该系统是可行的, 并且具有理想的精度。搭建了模拟双护盾隧道掘进机位姿变化的实验平台, 利用全站仪进行精度验证。结果表明系统的测量精度优于3 mm, 相对于单目视觉测量方法来说, 测量精度有了显著提升, 可以满足隧道施工中双护盾隧道掘进机位姿的精密测量需求。

分析可伸缩视频编码系统中由嵌入式零树编码生成的码流特征,提出一种利用最优预测估计思想将算术编码和游程编码相结合,实现熵编码优化的新方法。实验结果表明,该方法比传统自适应算术编码的效率提高了10%左右,达到了进一步压缩数据的目的。

受克隆选择理论和免疫网络模型的启发，我们提出了一种新的人工免疫算法，称为免疫记忆克隆算法（IMCA）。 首先讨论了受免疫系统启发的克隆操作员。 IMCA包括两个基于不同免疫记忆机制的版本； 它们是自适应免疫记忆克隆算法（AIMCA）和免疫记忆克隆策略（IMCS）。 在AIMCA中，每种抗体的突变率和存储单位大小会动态调整。 IMCS同时实现抗体种群和存储单元的进化。 通过使用克隆选择运算符，可以将全局搜索与局部搜索有效地结合在一起。 根据抗体-抗体（Ab-Ab）亲和力和抗体-抗原（Ab-Ag）亲和力，IMCA可以自适应地分配存储单元的大小和抗体群体。 在实验中，使用了18个多维函数，维数范围从2到1000，以及组合优化问题，例如旅行商和背包问题（KPs），以验证IMCA的性能。 给出了每次迭代的计算成本。 实验结果表明，IMCA具有较高的收敛速度，并且在增强种群多样性和一定程度上避免过早收敛方面具有很强的能力。 从理论上讲，IMCA以概率1收敛。 2010高等教育出版社和施普林格出版社柏林海德堡。

针对静态配置的Web服务组合系统无法适应组件服务QoS的动态变化,以及对易错环境缺乏自适应性和不能反映系统不断演进特征的问题,提出了一种QoS敏感的服务组合系统动态配置方法.通过扩展Petri网对服务依赖关系进行建模,形成一个形式化的系统配置方案;利用无循环依赖关系验证算法和最终状态合法性验证算法验证了系统配置方案的正确性;提出了一种最优配置选择算法以选取具有最优QoS的服务配置.仿真实验对比了动态配置、静态配置和随机配置对用户服务请求满意度的影响,结果表明,所提建模方法和相应算法能大幅改善组合服务的QoS.

KDD 2018滴滴派单算法论文。 We present a novel order dispatch algorithm in large-scale on- demand ride-hailing platforms. While traditional order dispatch approaches usually focus on immediate customer satisfaction, the proposed algorithm is designed to provide a more efficient way to optimize resource utilization and user experience in a global and more farsighted view. In particular, we model order dispatch as a large-scale sequential decision-making problem, where the decision of assigning an order to a driver is determined by a centralized algo- rithm in a coordinated way. The problem is solved in a learning and planning manner: 1) based on historical data, we first summarize demand and supply patterns into a spatiotemporal quantization, each of which indicates the expected value of a driver being in a particular state; 2) a planning step is conducted in real-time, where each driver-order-pair is valued in consideration of both immedi- ate rewards and future gains, and then dispatch is solved using a combinatorial optimizing algorithm. Through extensive offline experiments and online AB tests, the proposed approach delivers remarkable improvement on the platform’s efficiency and has been successfully deployed in the production system of Didi Chuxing.

MATLAB源码集锦-离散型遗传算法求解组合优化代码

组合优化Combinatorial optimization.. theory and algorithms

实数编码 遗传算法 组合优化,用matlab编的,有示例