遗传蚁群融合算法求解多项目资源能力平衡问题

为探索更高效的多项目资源能力平衡优化方法,提出了一种基于遗传蚁群融合算法的求解方法。建立了以单位时间内所有项目的总资源消耗方差为优化目标的问题模型,并设计了模型求解的遗传蚁群融合算法。该算法前过程采用遗传算法进行迭代求解,充分利用遗传算法的快速性和全局收敛性,生成初始信息素分布;后过程采用蚁群算法,充分利用蚁群算法的正反馈性和求精解效率高等特点收敛到最优解。通过具体算例验证了算法的可行性和有效性。     

求解物流Web服务组合问题的两阶段多目标蚁群算法

针对基于QoS的物流Web服务组合优化问题,提出了两阶段多目标蚁群优化(TMACO)算法。首先,针对原始数据集中存在被支配候选服务而增加算法求解时间的问题,提出了基于Pareto支配的预优化策略;其次,针对属性权重难以确定的问题,提出了不依赖权重的信息素更新策略和启发信息策略;最后,针对基础蚁群算法容易陷入局部最优的问题,提出了懒蚂蚁策略。实验结果表明,TMACO算法具有良好性能,相对于基础蚁群算法、利用解与理想解距离来更新信息素的改进蚁群算法、遗传算法以及用支配程度作为解的个体评价的改进遗传算法,TMACO算法有更高的寻优能力,能够找到更多更优的非劣解。     

基于遗传蚁群混合算法的激光切割机路径优化

激光切割机的路径优化问题是激光切割行业的一个关键问题,针对其特点将其归纳为广义旅行商问题,利用改进的遗传蚁群算法来求解该问题。算法以时间距离最短为目标函数,对轮廓切割顺序及轮廓切割起始点同时进行优化。为了让算法所得解能够快速聚集在最优解附近而又不至于陷入局部最优解,利用遗传算法快速随机的全局搜索能力来产生蚁群算法初期的信息素分布,蚁群算法采用最大最小蚂蚁算法同时在其加入变异因子。仿真结果表明取得了非常好的效果。     

基于改进蚁群算法的PDC钻头孔位加工轨迹优化

针对PDC钻头刀翼上刀具安装孔的铣削加工轨迹进行优化,对经典蚁群算法进行三方面改进:首先,在初始化信息素浓度时加入方向指导;其次,在局部信息素浓度更新的过程中采用信息素重新分配的方法;最后,在全局信息素浓度更新的过程中加入自适应调整因子。使信息素的浓度能够更好地反映路径信息,避免了经典蚁群算法易收敛到局部最优解的问题,增加了搜索到全局最优解的概率。仿真实验表明改进蚁群算法较经典蚁群算法能够更快速更准确地搜索到全局最优解。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。     

基于蚁群遗传算法的BP神经网络摄像机标定

摄像机标定是从二维图像提取三维空间信息的关键步骤。为了有效解决传统摄像机标定算法中的多参数和计算费时费力等问题,提高摄像机标定的精度和速度,首次将蚁群遗传算法应用于摄像机标定中。方法初期采用遗传算法过程生成信息素分布,后期利用蚁群算法正反馈求精确解,最后用优化后的BP神经网络来进行摄像机标定,充分发挥遗传算法的全局搜索能力和蚁群算法的正反馈收敛优势。     

面向Job Shop调度的算法融合方法研究

提出一种算法融合方法,解决单一算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量。在融合方法中,采用遗传算法和蚁群算法进行并行搜索;根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力。采用算法融合方法构造的优化算法对13个难解的benchmarks问题实例进行求解,在较短的时间内,得到的十次实验结果的makespan最优值和平均值优于并行遗传算法(PGA)和TS算法。采用算法融合方法构造的优化算法具有较强的搜索能力,说明提出的算法融合方法是有效的。     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony Optimization algorithm,ACO)的混合优化算法进行求解。采用遗传算法进行快速随机的全局搜索,并生成信息素矩阵初始分布,利用蚁群算法进行精确求解。最后通过标准案例测试,证明了该混合优化算法具有更高的优化效率,同时验证了算法的可行性和有效性。     

基于改进蚁群算法求解带软时间窗的车辆路径问题

针对带软时间窗的车辆路径问题(VRPSTW),建立以配送成本为优化目标的混合整数规划模型，提出一种改进蚁群算法(IACO)求解该问题。在传统蚁群算法(ACO)的基础上，改进蚂蚁状态转移概率公式，通过自适应调整信息素挥发系数改进信息素更新策略，设计插入算子和交换算子嵌入变邻域局部搜索，并设置开始和退出局部搜索的条件，更新当前局部最优解。选取Solomon标准测试集里3类不同规模的算例，测试算法改进效果，以客户规模为100的C类算例验证所提算法求解较大规模算例的可行性，并与传统蚁群算法以及其他文献中的算例结果进行对比。实验结果表明，改进蚁群算法的寻优能力高于其他算法，求解得到的最优配送方案能够实现更低的车辆配送成本，从而验证了改进蚁群算法的有效性。     

基于进化算法和模拟退火算法的混合调度算法

将进化算法与模拟退火算法相结合,提出四种有效的混合调度算法,即遗传退火算法、改进遗传算法、改进进化规划和并行模拟退火算法。两种算法搜索机制的互补增强了全局探索能力,基于关键路径的邻域函数运用提高了算法的效率。仿真结果表明:混合算法在求解质量和求解效率方面均有优势,优于国外同类研究成果;基于模拟退火的变异算子的搜索能力优于交叉算子;改进进化规划优于其他混合算法。     

基于生物遗传算法的车间布局优化算法

为了有效地减少产品在车间中的传输时间,根据车间中的生产工件的工艺流程对设备进行优化布局是十分必要的.本文应用遗传算法突出的寻优能力,根据中小批量生产方式的特点,提出了车间内设备布局的优化设计方法.     

智能优化算法在无功优化中的应用综述

对无功优化的研究现状进行了总结,对现有的无功优化算法进行了分类。重点介绍了智能优化算法在电力系统无功优化中的应用及其优缺点,在此基础上,概括了几种常用混合优化算法。最后指出了无功优化的发展趋势。     

利用GASA混合算法对离散生产系统车间设施布置优化研究

这里通过分析模拟退火算法和遗传算法的特性,将两种算法去粕取精,引出GASA混合算法。建立以生产车间布置为研究对象的数学模型,应用GASA混合算法对模型进行优化,并采用VB语言编写车间布置优化程序。通过实例分析表明,利用GASA混合算法对离散生产系统车间进行优化布置,可以最大程度降低企业搬运成本。     

Algorithms for flexible flow shop problems with unrelated parallel machines, setup times, and dual criteria

In textile industries, production facilities are established as multi-stage production flow shop facilities, where a production stage may be made up of parallel machines. This known as a flexible or hybrid flow shop environment. This paper considers the problem of scheduling n independent jobs in such an environment. In addition, we also consider the general case in which parallel machines at each stage may be unrelated. Each job is processed in ordered operations on a machine at each stage. Its release date and due date are given. The preemption of jobs is not permitted. We consider both sequence- and machine-dependent setup times. The problem is to determine a schedule that minimizes a convex combination of makespan and the number of tardy jobs. A 0–1 mixed integer program of the problem is formulated. Since this problem is NP-hard in the strong sense, we develop heuristic algorithms to solve it approximately. Firstly, several basic dispatching rules and well-known constructive heuristics for flow shop makespan scheduling problems are generalized to the problem under consideration. We sketch how, from a job sequence, a complete schedule for the flexible flow shop problem with unrelated parallel machines can be constructed. To improve the solutions, polynomial heuristic improvement methods based on shift moves of jobs are applied. Then, genetic algorithms are suggested. We discuss the components of these algorithms and test their parameters. The performance of the heuristics is compared relative to each other on a set of test problems with up to 50 jobs and 20 stages.     

二维一刀切装箱问题的两阶段启发式算法

对用于二维带排样问题的Heuristic Recursive算法进行了调整,给出同一层中两个相邻浪费区域在满足一刀切约束下是否可合并的判定定理。构造了二维带排样问题的多递归层算法,并将它与一维装箱问题的最优匹配递减算法相结合,提出适应二维一刀切非旋转装箱问题的两阶段算法。在500组标准测试案例的基础上,与多种算法进行了比较。实验结果表明,所提算法在绝大多数测试案例上能够获得更好的排样布局。     

The influence of the scene parameters and of noise on the behaviour of automatic focusing algorithms

A systematic study is presented of the properties of autofocus criteria. Special importance is attributed to their behaviour with respect to noise, working range and image sharpness, whose reproducibility has been investigated. It can be demonstrated that autofocus algorithms have either a large working range and do not focus in an unambiguous way or vice versa. From considerations of the properties of autofocus algorithms two novel algorithms have been developed which are insensitive to noise. One of these algorithms is characterized by a particularly large working range, whereas the other is capable of achieving maximum sharpness in a reproducible manner.     

一种改进的SSDA算法在自动装配线中的研究与应用

介绍了传统SSDA算法的步骤，从提高系统处理的实时性出发，针对本系统采集的实时图像的特点和传统SSDA算法的不足，提出了4点改进的方法，并给出了流程园和部分处理的程序。     

基于Matlab的气动加热模拟试验系统

针对高速飞行器的热障问题,提出了一种基于Matlab的气动加热模拟试验系统方案。系统采用PLC作为控制器,运用Matlab辨识控制系统模型,遗传算法给出PID参数,上位机用WinCC实现实时监测与数据报表生成,WinCC和Matlab之间则通过OPC进行通信。实验结果表明,系统能很好地模拟气动加热环境。     

遗传算法在齿轮传动设计中的应用

提出了一种利用遗传算法和校核公式直接进行齿轮传动优化设计的方法，把优化约束条件转化到二进制遗传编码和适应度函数中，使得优化的可行域变为变量的数值范围，从而简化了优化的数学模型和优化迭代过程；提出了不同设计原则下的3种适应度函数并进行了实例设计，得到了不同的多组解，为用户根据齿轮传动的具体工况选择合适的设计结果提供了依据。