针对模糊需求下的绿色两级车辆路径问题,以最小化车辆运营成本和油耗成本之和为优化目标,提出一种混合超启发式算法进行求解.首先,考虑两级问题解空间庞大且相互耦合,设计一种聚类分解策略将该问题分解为多个子问题,以合理缩小问题搜索空间;然后,提出增强超启发式分布估计算法(enhanced hyperheuristic estimation of distribution algorithm,EHHEDA)对各个子问题进行求解,进而获得原问题的解.EHHEDA基于超启发式算法框架,在高层策略域设计一种基于三维概率模型的分布估计算法,动态确定由底层操作域中各搜索算子所组成的排列(即高层个体),可有效控制和引导整个算法的搜索行为;同时,在底层操作域设计10种有效邻域搜索算子,并加入重升温操作的模拟退火机制作为问题解(即底层个体)的接受准则,有利于在问题解空间中执行深入搜索.仿真实验结果表明,所提出的算法在大多数测试集上优于近年来用于求解类似问题的算法,验证了所提出算法的有效性.
针对非正交多址接入(non-orthogonal multiple access,NOMA)系统在无线环境下传输速率较低的问题,利用智能反射面(intelligent reflecting surface,IRS)可以改变入射信号相移的特性,提出一种基于IRS辅助上行NOMA和速率最大化算法.首先,在满足每个用户功率、每个用户最小速率、IRS相位偏移的约束条件下,构建一个联合用户功率、IRS相移多变量优化模型;然后,通过问题公式的等效简化将原非凸问题转换为2个容易处理的子问题;最后,通过交替方向乘子法(alternating direction method of multipliers,ADMM)、引入松弛变量等方法对子问题进行求解.仿真结果表明,相较于逐次凸逼近法(successiveconvexapproximation,SCA)所提出的算法平均提升了系统0.4 bit/(s·Hz)的和速率,证明了基于ADMM的算法有效提高系统的和速率.
暂无评论