基于离散时间最优控制的航空发动机装配序列规划

为实现航空发动机维修差错的控制,采用基于优先约束关系的装配子网对发动机部件装配序列建模. 在给定的装配评价准则下,将装配序列规划问题转化为最优变迁激发序列问题. 引入离散时间的 Pontryagin最小值原理(DTPMP),将极小化哈密顿函数这一全局优化的必要条件作为求解零部件装配序列的启发信息 .为避免潜在死锁,给出了最优变迁激发序列算法. 最后对最优装配序列规划算法的分析显示,该算法有多项式时间的复杂度.

     

基于离散时间最优控制的航空发动机装配序列规划

为实现航空发动机维修差错的控制,采用基于优先约束关系的装配子网对发动机部件装配序列建模.在给定的装配评价准则下,将装配序列规划问题转化为最优变迁激发序列问题.引入离散时间的Pontryagin最小值原理(DTPMP),将极小化哈密顿函数这一全局优化的必要条件作为求解零部件装配序列的启发信息.为避免潜在死锁,给出了最优变迁激发序列算法.最后对最优装配序列规划算法的分析显示,该算法有多项式时间的复杂度.     

萤火虫算法结合人工势场法的机器人路径规划

鉴于已有机器人全局路径规划算法存在的易出现目标不可达问题、计算效率较低、所规划路径平滑性欠佳等不足,提出将新型智能优化算法——萤火虫算法与传统人工势场法相结合的最优全局路径规划算法。首先,根据已知全局地图,利用算法结构简单、计算量较小、运算速度较快的人工势场法作为初始化引导因子对萤火虫算法参数进行初始化,再以极坐标系代替直角坐标系利用萤火虫算法对规划路径进行寻优求解。极坐标法能自动舍弃规划路径上的冗余点,增强所规划路径的平滑性;同时考虑到传统萤火虫算法所存在的不足,对萤火虫算法进行了相应的改进：引入自适应步长改进随机步长,加快算法的收敛,并以混沌逻辑改进萤火虫算法的吸收系数,避免算法收敛到局部最优,在一定程度上解决人工势场法所存在局部震荡和目标不可达问题。实验结果表明所提算法实现效率高、避障效果好,安全可靠性好,最优路径更加接近理想路径,平均误差在0.08 m以下,能够很好地完成路径规划的目标。     

装配序列规划问题的CSP模型及其符号OBDD求解技术

完全、正确的可行装配序列的表示和生成是装配序列评价、优化和选择的前提,为此建立了单调非线性装配意义下的可行装配序列规划问题的约束满足问题(CSP)模型,并给出了基于有序二叉决策图(OBDD)的符号求解算法.首先以装配联接图和移动向量函数为装配体模型,给出了装配联接图模型的共享二叉决策图(SBDD)表示、移动向量函数的OBDD表示,以及装配序列规划问题的CSP描述;然后将生成所有可行装配序列的问题转化为对CSP求解所有可能解的问题,利用回溯算法对CSP问题进行符号OBDD求解,得到了满足几何可行性约束的所有可行装配序列.最后通过装配体实验验证了基于CSP模型和OBDD推理的装配序列生成技术的正确性和可行性.     

离散萤火虫算法在高速列车运行调整中的应用

列车运行调整是一类特殊的NP完全问题,由于约束众多,搜索空间庞大,可行解范围狭小,因此难以获得最优解。针对高速列车运行调整问题的特点,以智能算法中有代表性发展优势的萤火虫算法（FA）为基础,根据实际问题提出一种离散的萤火虫算法（DFA）进行求解。为了增加萤火虫群的多样性,避免算法陷入局部最优解,采用了基于变邻域搜索算法的扰动机制。将该算法用于高速列车运行调整问题,经过算例对比分析,基于离散萤火虫算法调整方案的计算结果优于普通启发式算法调整结果。     

基于人工鱼群算法的混杂FMS优化调度

针对已有的调度方法难以找到混杂柔性制造系统调度全局最优解的问题,根据一阶混杂Petri网模型提出了一种基于人工鱼群算法的混杂柔性制造系统调度方法.利用混杂Petri网不变行为状态序列与时间序列的对应关系把寻找最优解转换成寻找最优时间序列.首先给出了合法时间序列的定义及其基于人工鱼群算法的判定方法;然后给出了最优时间序列求解的人工鱼群算法,同时提出基于最优解视野变异的人工鱼群算法以解决多次优化过程中只会得到某个局部最优解的问题.最后基于这些算法给出混杂柔性制造系统的最优调度求解方法.实验结果表明所提出方法正确有效.     

基于动态反向学习和莱维飞行的双搜索模式萤火虫算法

针对多目标萤火虫算法在解决复杂多目标问题时存在收敛性差和分布性不足的问题,提出了基于动态反向学习和莱维飞行的双搜索模式萤火虫算法(MOFA-LR)。该算法通过比较任意一只萤火虫与种群中其余萤火虫的适应度值,判断它们之间的支配关系,根据不同的支配关系选择不同的搜索模式。当萤火虫被支配时,应注重向帕累托前沿上的优质解靠近,因此通过动态反向学习策略求出当前个体的反向解,使用反向解结合全局最优解共同引导萤火虫移动的搜索模式,能够发掘潜在的较好解,使萤火虫最大可能地向有利方向移动,改善了算法的收敛性;当萤火虫不被支配时,应注重获得均匀分布的帕累托前沿,因此使用全局最优解引导萤火虫飞行并结合莱维扰动的搜索模式,既能有效利用非支配解的优良信息,又能避免算法陷入停滞,在改善算法收敛性的同时维护了分布性。最后,为避免算法在迭代后期出现萤火虫严重聚集的现象,添加变异算子帮助种群跳出局部最优,引导种群进行局部开采。将MOFA-LR与12种新近多目标优化算法进行比较,实验结果表明,MOFA-LR具有良好的收敛性和分布性,证明了所提策略的有效性。     

离散萤火虫优化算法求解概率旅行商问题

对随机组合优化问题中的概率旅行商问题(PTSP)的理论和方法进行了研究分析,采用现代进化算法中有代表性发展优势的萤火虫优化算法(FA),提出一种离散萤火虫优化算法(DFA)以求解.其中引入了新的学习机制使其相比原始的萤火虫优化算法,更容易搜索到全局最优解,有更好的收敛性能.实验中用TSPLIB中的经典实例进行测试来验证其可行性.考察了萤火虫数量和进化迭代次数对求解结果性能的影响,并将DFA与GA、PSO和ACO等其他著名的进化计算算法进行性能比较.实验结果证实了DFA无论对固定访问概率,还是访问概率为区间内随机数等不同情况,都具有良好的有效性和高效性,因此对求解随机组合优化系列问题的有效解决具有一定参考和借鉴价值.     

改进的离散型萤火虫优化算法求解柔性作业车间调度问题

针对传统的群智能优化算法在求解柔性作业车间调度问题(FJSP)时,存在寻优能力不足且易陷入局部最优等缺点,本文以最小化最大完工时间为目标,将萤火虫算法(FA)用于求解柔性作业车间调度问题,提出一种改进的离散型萤火虫算法(DFA)。首先,通过两段式编码建立FA连续优化问题与FJSP离散优化问题之间的联系;其次,设计一种群初始化方法,以确保初始解的质量以及多样性;然后,提出改进离散型萤火虫优化算法并引入局部搜索算法,加强算法的全局搜索能力和局部搜索能力;最后,对标准算例进行仿真,验证DFA算法求解FJSP的有效性。通过与遗传算法和粒子群优化算法进行仿真对比,表明了DFA求解FJSP的优越性。     

基于MapReduce改进离散型萤火虫算法和多重分形的属性约简方法

针对大数据环境下属性约简问题,提出基于MapReduce改进离散型萤火虫算法(IDGSO)和多重分形(MFD)的属性约简方法.首先,通过对萤火虫个体的移动方式进行离散化改进,引入迁徙策略和高斯变异策略,避免陷入局部最优,并提出改进离散型萤火虫算法.然后,将IDGSO结合MFD应用于属性约简中.最后,针对大数据环境下属性约简问题,采用MapReduce编程模式,实现对IDGSO和MFD的并行化.在UCI数据集和实际气象数据集上的实验表明,文中算法约简性能较优,运行效率较快,具有较好的有效性和可行性.     

基于改进萤火虫优化算法的视频监控图像增强

针对视频图像增强问题中连续多帧图像序列中的像素相关性,建立了一种有效的视频图像增强模型,将视频连续图像增强问题转化为从原始低质量图像像素序列到高质量增强图像像素序列的寻优问题。基本萤火虫(GSO)算法具有容易陷入极值振荡和局部最优的缺陷,为了解决这个问题,在位置更新策略中引入了全局最优个体影响因子与局部最优个体影响因子,同时为了保证迭代过程中荧光素更新的多样性,对萤火虫荧光素的挥发及增益系数进行改进,提出了改进萤火虫(IGSO)算法。结合视频图像增强问题特性,重新定义了算法的群体的输入、萤火虫的荧光素和位置更新运动方程,设定了优化目标函数准则。最后典型的道路和室内监控视频图像增强实例验证了所提出的模型和算法的可行性。     

求解置换流水线调度问题的改进萤火虫优化算法

针对最小化最大完成时间的置换流水线调度问题,提出了一种改进的离散萤火虫优化算法。在传统萤火虫优化算法的基础上,采用基于升序排序的随机键编码方式对萤火虫种群进行离散化处理,使用NEH算法对萤火虫种群进行初始化处理,结合遗传算法的交叉变异思想改进位置更新策略,采用个体变异方式解决孤立个体问题,提高算法的寻优能力。最后通过典型算例对改进算法进行仿真测试,实验结果表明该算法求解置换流水线调度问题时具备很强的寻优能力和鲁棒性,明显优于传统萤火虫优化算法和遗传算法,是解决置换流水线调度问题的一种有效算法。     

基于情景萤火虫算法的机器人路径规划

针对传统非结构环境下路径规划时机器人运动状态振荡和适应性差等问题,提出了一种基于情景萤火虫算法（SGSO）的机器人路径规划策略。该算法基于混沌系统的规律性、随机性和历遍性以实现初始化,并利用黄金比分割法进行后期优化,以提高种群的多样性,抑制算法的早熟和局部收敛;同时,引入关于萤火虫"天敌"的情景理解,改进萤火虫种群的选择机制,解决萤火虫在非结构环境下寻迹过程中的搁浅现象,增强了算法的适应性和鲁棒性。四个测试函数的仿真实验结果表明,所提算法的求解精度、收敛效率优于基本萤火虫种群优化（GSO）算法;将该算法应用于非结构环境下移动机器人的路径规划中,检测结果表明,基于SGSO的规划路径更短,且转角处更光滑,有效避免了机器人大角度转向对动力系统造成的额外负荷,验证了所提算法的可行性和有效性。     

基于萤火虫优化的副本放置方法

在云计算环境下分布式存储系统中,通常采用副本技术保证存储系统的可用性和可靠性,放置策略是副本技术的一个关键问题。针对现有副本放置策略中存在的副本访问开销大的问题,提出一种基于离散型萤火虫优化的副本放置算法。考虑副本放置对用户访问性能的影响,对其建立数学模型,计算萤火虫位置的适应度函数,并朝着荧光素值最大即最优值移动,进而得到合适的副本放置节点。通过仿真实验评估提出的方法,并与基于蚁群算法的副本放置策略进行比较。实验结果证明该算法能够选择合适的副本放置节点,具有较好的收敛性,并有效地降低存储系统的副本访问开销。     

多选择背包问题的元胞萤火虫算法

为有效求解多选择背包问题,基于元胞自动机的原理和萤火虫算法,提出一种求解多选择背包问题的元胞萤火虫算法。将元胞及其邻居引入到算法中来保持种群的多样性,利用元胞的演化规则进行局部优化,避免算法陷入局部极值。通过对典型多选择背包问题的仿真实验和其他算法的比较,表明该算法可行有效,有良好的全局优化能力。     

一种最大最小萤光素值人工萤火虫算法*

针对基本人工萤火虫算法存在着易陷入局部极小和进化后期收敛速度慢等缺点,提出了一种最大最小萤光素值人工萤火虫算法。该算法在萤光素值更新过程中,对荧光素的变化范围加以限定,给出最大最小萤光素值范围,从而避免算法陷入局部最优。通过八个典型函数测试,实验结果表明所提出的算法具有较强的全局搜索能力,且能有效地避免早熟现象,从而提高了人工萤火虫算法整体性能。     

一种改进的变步长自适应GSO算法

基本萤火虫群优化(GSO)算法在求解全局优化问题时,存在收敛速度慢、求解精度不高等问题。为此,提出一种变步长自适应GSO算法。该算法在一定程度上可以避免GSO算法过早陷入局部最优,且步长随迭代次数的增加而自适应地调整,从而使算法在后期获得精度更高的解。运用6个标准测试函数进行实验,结果表明,与GSO算法相比,该算法的收敛速度及精度均有明显提高。     

基于深度邻域搜索PSO 算法的装配序列优化问题

针对产品结构特征建立几何约束矩阵, 以最大化满足几何约束条件装配次数和最小化装配方向改变次数为目标, 研究产品装配序列优化问题. 利用值变换的粒子位置和速度更新规则, 基于具有随机性启发式算法产生初始种群, 提出一种带有深度邻域搜索改进策略的粒子群算法解决装配序列问题. 通过装配实例验证了所提出算法的性能并对装配序列质量进行了评价, 所得结果表明了该算法在解决装配序列优化问题上的有效性与稳定性.

     

Glowworm swarm optimization algorithm with topsis for solving multiple objective environmental economic dispatch problem

A new glowworm swarm optimization (GSO) algorithm is proposed to find the optimal solution for multiple objective environmental economic dispatch (MOEED) problem. In this proposed approach, technique for order preference similar to an ideal solution (TOPSIS) is employed as an overall fitness ranking tool to evaluate the multiple objectives simultaneously. In addition, a time varying step size is incorporated in the GSO algorithm to get better performance. Finally, to evaluate the feasibility and effectiveness of the proposed combination of GSO algorithm with TOPSIS (GSO–T) approach is examined in four different test cases. Simulation results have revealed the capabilities of the proposed GSO–T approach to find the optimal solution for MOEED problem. The comparison with own coded weighted sum method incorporated GSO (WGSO) and other methods reported in literatures exhibit the superiority of the proposed GSO–T approach and also the results confirm the potential of the proposed GSO–T approach to solve the MOEED problem.