歡迎來到海神之光博客之家?博主簡介熱愛科研的Matlab仿真開發(fā)者修心和技術(shù)同步精進個人主頁海神之光代碼獲取方式海神之光Matlab王者學習之路—代碼獲取方式??座右銘行百里者半于九十。更多Matlab路徑規(guī)劃仿真內(nèi)容點擊①Matlab路徑規(guī)劃進階版②付費專欄Matlab路徑規(guī)劃初級版??關(guān)注CSDN海神之光更多資源等你來?一、簡介1 VRP問題車輛路徑規(guī)劃問題(Vehicle Routing ProblemVRP)一般指的是對一系列發(fā)貨點和收貨點組織調(diào)用一定的車輛安排適當?shù)男熊嚶肪€使車輛有序地通過它們在滿足指定的約束條件下例如貨物的需求量與發(fā)貨量交發(fā)貨時間車輛容量限制行駛里程限制行駛時間限制等力爭實現(xiàn)一定的目標如車輛空駛總里程最短運輸總費用最低車輛按一定時間到達使用的車輛數(shù)最小等。2 VRPTW問題帶時間窗的車輛路徑規(guī)劃問題(Vehicle Routing Problem with Time WindowVRPTW)是在VRP基礎(chǔ)上添加配送時間約束條件產(chǎn)生的一個新問題。在這類問題中給定車輛到達目的地的最早時間和最晚時間要求車輛必須在規(guī)定的時間窗內(nèi)到達早于最早時間或晚于最晚時間都要產(chǎn)生額外的懲罰費用。此時決策如何規(guī)劃調(diào)度車輛使得配送的總費用最小化。3 VRP與VRPTW對比4 問題描述本文將要研究的問題參考自文章《Fruit and Vegetable Agricultural Products Logistics Transport Routing Optimization - A Case Study of Qingdao blueberries distribution》。某果蔬農(nóng)產(chǎn)品運輸配送中心 C0 (Center)。該配送中心有足夠的能力滿足顧客所有對果蔬農(nóng)產(chǎn)品數(shù)量的要求。同時該配送中心有足夠多且完全相同的車輛 J 能夠完成配送活動的需要運輸車輛的最大容量為 V(Volume)配送車輛在配送活動過程中均能一次到達中間不會出現(xiàn)任何阻礙和特殊情況。C{C0 ,C1 ,C2 ……Cn }。其中 C0 代表配送中心。Ci (i1,2, ……n)(Consumer)表示有需求的客戶的需求數(shù)量n 表示有需求的客戶數(shù)量。Dik (Distance)表示顧客 Ci 到顧客 Ck 的距離其中i不等于kQdi (Quantity Demanded)表示顧客 Ci 的需求量Qg (Quality good):表示果蔬農(nóng)產(chǎn)品剛剛采摘完完好時的果蔬農(nóng)產(chǎn)品的質(zhì)量[ETi LTi ]表示客戶 Ci 對某類產(chǎn)品的時間窗約束。在已知以上的條件情況下合理安排最優(yōu)的配送路線使得配送過程中滿足所有條件情況下各個費用之和最少。5 數(shù)學模型具體模型參見三中文獻6 算法設(shè)計個體編碼遺傳算法求解VRPTW的文獻中有多種編碼方式這里對于個體采用自然數(shù)編碼代表配送中心代表顧客不同車輛的配送路線之間用0分隔即每輛車都從倉庫出發(fā)對于有個顧客輛車的VRP問題來說染色體長度為。例如配送中心有3輛車為8個客戶服務(wù)一條可能的染色體如下0, 7, 0, 1, 2, 3, 5, 0, 8, 4, 6, 0這條染色體表示的三輛車的行駛路線為:第一輛車0-7-0第二輛車0-1-2-3-5-0第三輛車0-8-4-6-0懲罰在交叉和突變產(chǎn)生的子代中可能會有兩種違反約束的形式車輛超載不能在時間窗口約束給出的最晚時間點內(nèi)到達指定顧客處對這兩種違反約束的情況采用靜態(tài)懲罰考慮到時間窗口更容易被違反對其施加較大的懲罰因子。對這兩種約束違反的懲罰因子分別設(shè)置為10和500。交叉這里參考《基于電動汽車的帶時間窗的路徑優(yōu)化問題研究》中給出的交叉操作突變對選中的個體中各條子路線用2-opt算法優(yōu)化選擇育種選擇binary錦標賽選擇環(huán)境選擇采用精英保留策略合并子代和父代后選擇數(shù)量等同于族群規(guī)模的個體%?二、部分源代碼clearclcclose alltic%% 用importdata這個函數(shù)來讀取文件c101importdata(‘c101.txt’);vehicle_info [2 4 350 50;3 6 350 50;6 15 450 100;10 17 550 110;13 30 650 140;15 40 650 140;25 50 850 180];cap200; %車輛最大裝載量%% 提取數(shù)據(jù)信息Ec101(1,5); %配送中心時間窗開始時間Lc101(1,6); %配送中心時間窗結(jié)束時間vertexsc101(:,2:3); %所有點的坐標x和ycustomervertexs(2:end,:); %顧客坐標cusnumsize(customer,1); %顧客數(shù)v_num21; %車輛最多使用數(shù)目demandsc101(2:end,4); %需求量ac101(2:end,5); %顧客時間窗開始時間[a[i],b[i]]bc101(2:end,6); %顧客時間窗結(jié)束時間[a[i],b[i]]sc101(2:end,7); %客戶點的服務(wù)時間hpdist(vertexs);distsquareform(h); %距離矩陣滿足三角關(guān)系暫用距離表示花費c[i][j]dist[i][j]%% 遺傳算法參數(shù)設(shè)置alpha10; %違反的容量約束的懲罰函數(shù)系數(shù)belta100; %違反時間窗約束的懲罰函數(shù)系數(shù)NIND100; %種群大小MAXGEN100; %迭代次數(shù)Pc0.9; %交叉概率Pm0.05; %變異概率GGAP0.9; %代溝(Generation gap)Ncusnumv_num-1; %染色體長度顧客數(shù)目車輛最多使用數(shù)目-1%% 初始化種群init_vcinit(cusnum,a,demands,cap); %構(gòu)造初始解ChromInitPopCW(NIND,N,cusnum,init_vc);%% 輸出隨機解的路線和總距離disp(‘初始種群中的一個隨機值:’)[VC,NV,TD,violate_num,violate_cus]decode(Chrom(1,:),cusnum,cap,demands,a,b,L,s,dist);% disp([‘總距離’,num2str(TD)]);disp([‘車輛使用數(shù)目’,num2str(NV),‘車輛行駛總距離’,num2str(TD),‘違反約束路徑數(shù)目’,num2str(violate_num),‘違反約束顧客數(shù)目’,num2str(violate_cus)]);disp(‘~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~’)%% 優(yōu)化gen1;figure;hold on;box onxlim([0,MAXGEN])title(‘優(yōu)化過程’)xlabel(‘代數(shù)’)ylabel(‘最優(yōu)值’)ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值preObjVmin(ObjV);while genMAXGEN%% 計算適應度ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值line([gen-1,gen],[preObjV,min(ObjV)]);pause(0.0001)preObjVmin(ObjV);FitnVFitness(ObjV);%% 選擇SelChSelect(Chrom,FitnV,GGAP);%% OX交叉操作SelChRecombin(SelCh,Pc);%% 變異SelChMutate(SelCh,Pm);%% 局部搜索操作SelChLocalSearch(SelCh,cusnum,cap,demands,a,b,L,s,dist,alpha,belta);%% 重插入子代的新種群ChromReins(Chrom,SelCh,ObjV);%% 刪除種群中重復個體并補齊刪除的個體Chromdeal_Repeat(Chrom);%% 打印當前最優(yōu)解ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值[minObjV,minInd]min(ObjV);disp([‘第’,num2str(gen),‘代最優(yōu)解:’])[bestVC,bestNV,bestTD,best_vionum,best_viocus]decode(Chrom(minInd(1),cusnum,cap,demands,a,b,L,s,dist);disp([‘車輛使用數(shù)目’,num2str(bestNV),‘車輛行駛總距離’,num2str(bestTD),‘違反約束路徑數(shù)目’,num2str(best_vionum),‘違反約束顧客數(shù)目’,num2str(best_viocus)]);fprintf(‘\n’)%% 更新迭代次數(shù)gengen1 ;end%% 畫出最優(yōu)解的路線圖ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值[minObjV,minInd]min(ObjV);%% 輸出最優(yōu)解的路線和總距離disp(‘最優(yōu)解:’)bestChromChrom(minInd(1);[bestVC,bestNV,bestTD,best_vionum,best_viocus]decode(bestChrom,cusnum,cap,demands,a,b,L,s,dist);disp([‘車輛使用數(shù)目’,num2str(bestNV),‘車輛行駛總距離’,num2str(bestTD),‘違反約束路徑數(shù)目’,num2str(best_vionum),‘違反約束顧客數(shù)目’,num2str(best_viocus)]);disp(‘-------------------------------------------------------------’)%% 判斷最優(yōu)解是否滿足時間窗約束和載重量約束0表示違反約束1表示滿足全部約束flagJudge(bestVC,cap,demands,a,b,L,s,dist);%% 檢查最優(yōu)解中是否存在元素丟失的情況丟失元素如果沒有則為空DELJudge_Del(bestVC);%% 畫出最終路線圖draw_Best(bestVC,vertexs);save c101.mattoc?三、運行結(jié)果?四、matlab版本及參考文獻1 matlab版本2014a2 參考文獻[1]周景欣.遺傳算法求解帶時間窗的車輛路徑問題[J].中國儲運. 2023(01)3 備注簡介此部分摘自互聯(lián)網(wǎng)僅供參考若侵權(quán)聯(lián)系刪除 仿真咨詢1 各類智能優(yōu)化算法改進及應用生產(chǎn)調(diào)度、經(jīng)濟調(diào)度、裝配線調(diào)度、充電優(yōu)化、車間調(diào)度、發(fā)車優(yōu)化、水庫調(diào)度、三維裝箱、物流選址、貨位優(yōu)化、公交排班優(yōu)化、充電樁布局優(yōu)化、車間布局優(yōu)化、集裝箱船配載優(yōu)化、水泵組合優(yōu)化、解醫(yī)療資源分配優(yōu)化、設(shè)施布局優(yōu)化、可視域基站和無人機選址優(yōu)化2 機器學習和深度學習方面卷積神經(jīng)網(wǎng)絡(luò)CNN、LSTM、支持向量機SVM、最小二乘支持向量機LSSVM、極限學習機ELM、核極限學習機KELM、BP、RBF、寬度學習、DBN、RF、RBF、DELM、XGBOOST、TCN實現(xiàn)風電預測、光伏預測、電池壽命預測、輻射源識別、交通流預測、負荷預測、股價預測、PM2.5濃度預測、電池健康狀態(tài)預測、水體光學參數(shù)反演、NLOS信號識別、地鐵停車精準預測、變壓器故障診斷3 圖像處理方面圖像識別、圖像分割、圖像檢測、圖像隱藏、圖像配準、圖像拼接、圖像融合、圖像增強、圖像壓縮感知4 路徑規(guī)劃方面旅行商問題TSP、車輛路徑問題VRP、MVRP、CVRP、VRPTW等、無人機三維路徑規(guī)劃、無人機協(xié)同、無人機編隊、機器人路徑規(guī)劃、柵格地圖路徑規(guī)劃、多式聯(lián)運運輸問題、車輛協(xié)同無人機路徑規(guī)劃、天線線性陣列分布優(yōu)化、車間布局優(yōu)化5 無人機應用方面無人機路徑規(guī)劃、無人機控制、無人機編隊、無人機協(xié)同、無人機任務(wù)分配6 無線傳感器定位及布局方面?zhèn)鞲衅鞑渴饍?yōu)化、通信協(xié)議優(yōu)化、路由優(yōu)化、目標定位優(yōu)化、Dv-Hop定位優(yōu)化、Leach協(xié)議優(yōu)化、WSN覆蓋優(yōu)化、組播優(yōu)化、RSSI定位優(yōu)化7 信號處理方面信號識別、信號加密、信號去噪、信號增強、雷達信號處理、信號水印嵌入提取、肌電信號、腦電信號、信號配時優(yōu)化8 電力系統(tǒng)方面微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲能配置9 元胞自動機方面交通流 人群疏散 病毒擴散 晶體生長10 雷達方面卡爾曼濾波跟蹤、航跡關(guān)聯(lián)、航跡融合 【TWVRP】基于matlab遺傳算法求解帶時間窗的車輛路徑問題【含Matlab源碼 002期】
歡迎來到海神之光博客之家?博主簡介熱愛科研的Matlab仿真開發(fā)者修心和技術(shù)同步精進個人主頁海神之光代碼獲取方式海神之光Matlab王者學習之路—代碼獲取方式??座右銘行百里者半于九十。更多Matlab路徑規(guī)劃仿真內(nèi)容點擊①Matlab路徑規(guī)劃進階版②付費專欄Matlab路徑規(guī)劃初級版??關(guān)注CSDN海神之光更多資源等你來?一、簡介1 VRP問題車輛路徑規(guī)劃問題(Vehicle Routing ProblemVRP)一般指的是對一系列發(fā)貨點和收貨點組織調(diào)用一定的車輛安排適當?shù)男熊嚶肪€使車輛有序地通過它們在滿足指定的約束條件下例如貨物的需求量與發(fā)貨量交發(fā)貨時間車輛容量限制行駛里程限制行駛時間限制等力爭實現(xiàn)一定的目標如車輛空駛總里程最短運輸總費用最低車輛按一定時間到達使用的車輛數(shù)最小等。2 VRPTW問題帶時間窗的車輛路徑規(guī)劃問題(Vehicle Routing Problem with Time WindowVRPTW)是在VRP基礎(chǔ)上添加配送時間約束條件產(chǎn)生的一個新問題。在這類問題中給定車輛到達目的地的最早時間和最晚時間要求車輛必須在規(guī)定的時間窗內(nèi)到達早于最早時間或晚于最晚時間都要產(chǎn)生額外的懲罰費用。此時決策如何規(guī)劃調(diào)度車輛使得配送的總費用最小化。3 VRP與VRPTW對比4 問題描述本文將要研究的問題參考自文章《Fruit and Vegetable Agricultural Products Logistics Transport Routing Optimization - A Case Study of Qingdao blueberries distribution》。某果蔬農(nóng)產(chǎn)品運輸配送中心 C0 (Center)。該配送中心有足夠的能力滿足顧客所有對果蔬農(nóng)產(chǎn)品數(shù)量的要求。同時該配送中心有足夠多且完全相同的車輛 J 能夠完成配送活動的需要運輸車輛的最大容量為 V(Volume)配送車輛在配送活動過程中均能一次到達中間不會出現(xiàn)任何阻礙和特殊情況。C{C0 ,C1 ,C2 ……Cn }。其中 C0 代表配送中心。Ci (i1,2, ……n)(Consumer)表示有需求的客戶的需求數(shù)量n 表示有需求的客戶數(shù)量。Dik (Distance)表示顧客 Ci 到顧客 Ck 的距離其中i不等于kQdi (Quantity Demanded)表示顧客 Ci 的需求量Qg (Quality good):表示果蔬農(nóng)產(chǎn)品剛剛采摘完完好時的果蔬農(nóng)產(chǎn)品的質(zhì)量[ETi LTi ]表示客戶 Ci 對某類產(chǎn)品的時間窗約束。在已知以上的條件情況下合理安排最優(yōu)的配送路線使得配送過程中滿足所有條件情況下各個費用之和最少。5 數(shù)學模型具體模型參見三中文獻6 算法設(shè)計個體編碼遺傳算法求解VRPTW的文獻中有多種編碼方式這里對于個體采用自然數(shù)編碼代表配送中心代表顧客不同車輛的配送路線之間用0分隔即每輛車都從倉庫出發(fā)對于有個顧客輛車的VRP問題來說染色體長度為。例如配送中心有3輛車為8個客戶服務(wù)一條可能的染色體如下0, 7, 0, 1, 2, 3, 5, 0, 8, 4, 6, 0這條染色體表示的三輛車的行駛路線為:第一輛車0-7-0第二輛車0-1-2-3-5-0第三輛車0-8-4-6-0懲罰在交叉和突變產(chǎn)生的子代中可能會有兩種違反約束的形式車輛超載不能在時間窗口約束給出的最晚時間點內(nèi)到達指定顧客處對這兩種違反約束的情況采用靜態(tài)懲罰考慮到時間窗口更容易被違反對其施加較大的懲罰因子。對這兩種約束違反的懲罰因子分別設(shè)置為10和500。交叉這里參考《基于電動汽車的帶時間窗的路徑優(yōu)化問題研究》中給出的交叉操作突變對選中的個體中各條子路線用2-opt算法優(yōu)化選擇育種選擇binary錦標賽選擇環(huán)境選擇采用精英保留策略合并子代和父代后選擇數(shù)量等同于族群規(guī)模的個體%?二、部分源代碼clearclcclose alltic%% 用importdata這個函數(shù)來讀取文件c101importdata(‘c101.txt’);vehicle_info [2 4 350 50;3 6 350 50;6 15 450 100;10 17 550 110;13 30 650 140;15 40 650 140;25 50 850 180];cap200; %車輛最大裝載量%% 提取數(shù)據(jù)信息Ec101(1,5); %配送中心時間窗開始時間Lc101(1,6); %配送中心時間窗結(jié)束時間vertexsc101(:,2:3); %所有點的坐標x和ycustomervertexs(2:end,:); %顧客坐標cusnumsize(customer,1); %顧客數(shù)v_num21; %車輛最多使用數(shù)目demandsc101(2:end,4); %需求量ac101(2:end,5); %顧客時間窗開始時間[a[i],b[i]]bc101(2:end,6); %顧客時間窗結(jié)束時間[a[i],b[i]]sc101(2:end,7); %客戶點的服務(wù)時間hpdist(vertexs);distsquareform(h); %距離矩陣滿足三角關(guān)系暫用距離表示花費c[i][j]dist[i][j]%% 遺傳算法參數(shù)設(shè)置alpha10; %違反的容量約束的懲罰函數(shù)系數(shù)belta100; %違反時間窗約束的懲罰函數(shù)系數(shù)NIND100; %種群大小MAXGEN100; %迭代次數(shù)Pc0.9; %交叉概率Pm0.05; %變異概率GGAP0.9; %代溝(Generation gap)Ncusnumv_num-1; %染色體長度顧客數(shù)目車輛最多使用數(shù)目-1%% 初始化種群init_vcinit(cusnum,a,demands,cap); %構(gòu)造初始解ChromInitPopCW(NIND,N,cusnum,init_vc);%% 輸出隨機解的路線和總距離disp(‘初始種群中的一個隨機值:’)[VC,NV,TD,violate_num,violate_cus]decode(Chrom(1,:),cusnum,cap,demands,a,b,L,s,dist);% disp([‘總距離’,num2str(TD)]);disp([‘車輛使用數(shù)目’,num2str(NV),‘車輛行駛總距離’,num2str(TD),‘違反約束路徑數(shù)目’,num2str(violate_num),‘違反約束顧客數(shù)目’,num2str(violate_cus)]);disp(‘~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~’)%% 優(yōu)化gen1;figure;hold on;box onxlim([0,MAXGEN])title(‘優(yōu)化過程’)xlabel(‘代數(shù)’)ylabel(‘最優(yōu)值’)ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值preObjVmin(ObjV);while genMAXGEN%% 計算適應度ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值line([gen-1,gen],[preObjV,min(ObjV)]);pause(0.0001)preObjVmin(ObjV);FitnVFitness(ObjV);%% 選擇SelChSelect(Chrom,FitnV,GGAP);%% OX交叉操作SelChRecombin(SelCh,Pc);%% 變異SelChMutate(SelCh,Pm);%% 局部搜索操作SelChLocalSearch(SelCh,cusnum,cap,demands,a,b,L,s,dist,alpha,belta);%% 重插入子代的新種群ChromReins(Chrom,SelCh,ObjV);%% 刪除種群中重復個體并補齊刪除的個體Chromdeal_Repeat(Chrom);%% 打印當前最優(yōu)解ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值[minObjV,minInd]min(ObjV);disp([‘第’,num2str(gen),‘代最優(yōu)解:’])[bestVC,bestNV,bestTD,best_vionum,best_viocus]decode(Chrom(minInd(1),cusnum,cap,demands,a,b,L,s,dist);disp([‘車輛使用數(shù)目’,num2str(bestNV),‘車輛行駛總距離’,num2str(bestTD),‘違反約束路徑數(shù)目’,num2str(best_vionum),‘違反約束顧客數(shù)目’,num2str(best_viocus)]);fprintf(‘\n’)%% 更新迭代次數(shù)gengen1 ;end%% 畫出最優(yōu)解的路線圖ObjVcalObj(Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta); %計算種群目標函數(shù)值[minObjV,minInd]min(ObjV);%% 輸出最優(yōu)解的路線和總距離disp(‘最優(yōu)解:’)bestChromChrom(minInd(1);[bestVC,bestNV,bestTD,best_vionum,best_viocus]decode(bestChrom,cusnum,cap,demands,a,b,L,s,dist);disp([‘車輛使用數(shù)目’,num2str(bestNV),‘車輛行駛總距離’,num2str(bestTD),‘違反約束路徑數(shù)目’,num2str(best_vionum),‘違反約束顧客數(shù)目’,num2str(best_viocus)]);disp(‘-------------------------------------------------------------’)%% 判斷最優(yōu)解是否滿足時間窗約束和載重量約束0表示違反約束1表示滿足全部約束flagJudge(bestVC,cap,demands,a,b,L,s,dist);%% 檢查最優(yōu)解中是否存在元素丟失的情況丟失元素如果沒有則為空DELJudge_Del(bestVC);%% 畫出最終路線圖draw_Best(bestVC,vertexs);save c101.mattoc?三、運行結(jié)果?四、matlab版本及參考文獻1 matlab版本2014a2 參考文獻[1]周景欣.遺傳算法求解帶時間窗的車輛路徑問題[J].中國儲運. 2023(01)3 備注簡介此部分摘自互聯(lián)網(wǎng)僅供參考若侵權(quán)聯(lián)系刪除 仿真咨詢1 各類智能優(yōu)化算法改進及應用生產(chǎn)調(diào)度、經(jīng)濟調(diào)度、裝配線調(diào)度、充電優(yōu)化、車間調(diào)度、發(fā)車優(yōu)化、水庫調(diào)度、三維裝箱、物流選址、貨位優(yōu)化、公交排班優(yōu)化、充電樁布局優(yōu)化、車間布局優(yōu)化、集裝箱船配載優(yōu)化、水泵組合優(yōu)化、解醫(yī)療資源分配優(yōu)化、設(shè)施布局優(yōu)化、可視域基站和無人機選址優(yōu)化2 機器學習和深度學習方面卷積神經(jīng)網(wǎng)絡(luò)CNN、LSTM、支持向量機SVM、最小二乘支持向量機LSSVM、極限學習機ELM、核極限學習機KELM、BP、RBF、寬度學習、DBN、RF、RBF、DELM、XGBOOST、TCN實現(xiàn)風電預測、光伏預測、電池壽命預測、輻射源識別、交通流預測、負荷預測、股價預測、PM2.5濃度預測、電池健康狀態(tài)預測、水體光學參數(shù)反演、NLOS信號識別、地鐵停車精準預測、變壓器故障診斷3 圖像處理方面圖像識別、圖像分割、圖像檢測、圖像隱藏、圖像配準、圖像拼接、圖像融合、圖像增強、圖像壓縮感知4 路徑規(guī)劃方面旅行商問題TSP、車輛路徑問題VRP、MVRP、CVRP、VRPTW等、無人機三維路徑規(guī)劃、無人機協(xié)同、無人機編隊、機器人路徑規(guī)劃、柵格地圖路徑規(guī)劃、多式聯(lián)運運輸問題、車輛協(xié)同無人機路徑規(guī)劃、天線線性陣列分布優(yōu)化、車間布局優(yōu)化5 無人機應用方面無人機路徑規(guī)劃、無人機控制、無人機編隊、無人機協(xié)同、無人機任務(wù)分配6 無線傳感器定位及布局方面?zhèn)鞲衅鞑渴饍?yōu)化、通信協(xié)議優(yōu)化、路由優(yōu)化、目標定位優(yōu)化、Dv-Hop定位優(yōu)化、Leach協(xié)議優(yōu)化、WSN覆蓋優(yōu)化、組播優(yōu)化、RSSI定位優(yōu)化7 信號處理方面信號識別、信號加密、信號去噪、信號增強、雷達信號處理、信號水印嵌入提取、肌電信號、腦電信號、信號配時優(yōu)化8 電力系統(tǒng)方面微電網(wǎng)優(yōu)化、無功優(yōu)化、配電網(wǎng)重構(gòu)、儲能配置9 元胞自動機方面交通流 人群疏散 病毒擴散 晶體生長10 雷達方面卡爾曼濾波跟蹤、航跡關(guān)聯(lián)、航跡融合