带时间窗车辆路径问题的粒子群算法

将粒子群算法(PSO)应用于带时间窗车辆路径优化问题(VRPTW),构造车辆路径问题的粒子表达方法,建立了此问题的粒子群算法,并与遗传算法作了比较.实验结果表明,粒子群算法可以快速、有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

具有时间约束的电梯节能调度算法

针对电梯节能问题, 提出电梯能耗损失计算方法, 构建具有时间约束的电梯节能调度模型, 应用粒子群算法(particle swarm optimization, PSO)分别对已知目标楼层和预测目标楼层两种情况的电梯节能调度问题进行建模和求解. 通过数值仿真分析, 从等待时间和能耗两方面比较了三种算法(最近服务原则(nearest car, NC)、已知目标楼层的粒子群算法和预测目标楼层的粒子群算法)的性能. 研究结果表明, 与NC算法相比, 在保证80%以上 乘客等待时间小于60s的情况下, 已知目标楼层的PSO算法可以实现系统节能18.2%; 预测目标楼层的PSO算法可以实现系统节 能9.6%. 随着等待时间约束的放宽, PSO算法可获得的节能比例显著增加. 目标楼层的准确性对节能调度具有重要影响, 已知目 标楼层的PSO算法会比预测目标楼层的PSO算法约多节能10%.     

基于混合粒子群优化算法的故障特征选择

通过将遗传算法和粒子群优化算法相结合,提出了混合粒子群优化算法(HPSO),用于机械故障特征选择问题.此方法在对粒子进行优化的同时选择部分优良的粒子进行遗传交叉和变异操作,增强了算法跳出局部极值的能力.某导弹运输车减速器齿轮故障特征选择试验结果表明HPSO可以快速、有效地求得优化特征集,其性能优于PSO和GA.     

改进PSO算法及在PID参数整定中应用研究

针对粒子群优化算法(PSO)存在早熟和局部收敛的问题,提出了一种带变异算子的改进粒子群优化算法(IPSOM),该算法在搜索中以一定变异概率对选中的粒子进行变异,同时对飞离搜索区域的粒子用新产生的粒子取代,以克服粒子群优化算法易陷入局部最优解的缺陷。用一典型的Rastigrin复杂函数对新算法进行测试,结果表明改进的算法较之粒子群优化算法(PSO)和常规遗传算法(SGA)不但提高了全局寻优能力,而且有效避免了早熟收敛问题。在此基础上将这种改进算法应用于高阶带时滞对象的PID控制器设计中进行仿真研究,结果表明了所提出算法的有效性和所设计控制器的优越性。     

粒子群算法在柔性工作车间调度中的应用

粒子群算法是一种新出现的群智能优化算法。本文针对柔性工作车间调度问题的特点构造了此问题的粒子表达方法，给出了具体的算法应用过程，并与遗传算法做了对比实验。实验结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的。     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.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,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

基于PSO算法的系统辨识方法

研究了利用粒子群优化(particle swarm optimization, PSO)算法对系统进行辨识的新颖方法.该系统辨识方法的基本思想是将典型数学模型的相互组合而构成系统模型,即就是首先将系统结构辨识问题转化为组合优化问题,然后再采用粒子群优化算法同时实现系统的结构辨识与参数辨识.最后,给出了仿真示例,其仿真结果验证了所给的系统辨识新方法的合理性和有效性,辨识精度高,具有良好的实用性.     

求解零空闲置换流水车间调度问题的离散烟花算法

针对以最小化最大完工时间为目标的零空闲置换流水线调度问题,提出了一种带有局部搜索的离散烟花算法.首先,结合调度问题的置换特征,定义了基于工件序列的编码方式;其次,结合反转和交换等操作重新定义了爆炸算子和变异算子;再次,开发了基于插入邻域的局部搜索策略,以增强烟花算法的局部搜索能力;最后,采用实验设计探讨了关键参数对算法性能的影响.基于Taillard基准问题的对比分析结果表明:所提方法在寻优精度、稳定性等指标上优于标准烟花算法、离散萤火虫算法、离散蛙跳算法、离散粒子群算法和遗传算法,且不劣于结合变邻域搜索的粒子群优化、混合离散粒子群优化、杂草优化等算法.     

动态需求的多车型车辆调度问题及云遗传算法

根据动态信息产生的时间点不同提出时间轴概念,利用时间轴将动态车辆调度问题转化为一系列的静态车辆调度问题,建立考虑车载率和油耗的综合费用为优化目标的车辆调度模型.利用云模型云滴的随机性和稳定倾向性改进自适应遗传算法中交叉率和变异率设置方式,设计云自适应遗传算法对车辆调度问题进行实时再优化.最后,结合算例对模型和算法的有效性进行验证.     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足，以智能回收箱为研究对象，考虑多频次回收和车辆共享调度策略，提出基于产品回收定价的逆向物流车辆路径优化方案。首先，构建了智能回收箱回收量与回收定价的线性函数；然后，构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型，并建立了回收中心产品的最大化收益模型；其次，根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的时空聚类算法，进而提出一种改进的混合算法，该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补，同时采用了精英保留策略，增强了混合算法的搜索性能，并通过与HGA算法、GA-TS算法和HACO算法进行比较分析，验证了模型和算法的有效性；最后，结合重庆市某智能回收物流网络的实际数据进行优化研究，分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明，本文所提的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度，并可在回收中心获得最大化收益的同时有效降低逆向物流的运输成本，进而为逆向物流企业进行产品回收定价和车辆回收路径优化调度提供方法支持和决策参考。     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

UUV编队协同最优扩方应召搜索方法

针对螺旋应召搜索方法理论上可行但实际上无法实现的问题，提出了基于改进的粒子群优化（particle swarm optimization，PSO）算法的无人水下航行器（unmanned underwater vehicle，UUV）编队协同最优扩方应召搜索水下匀速直线运动目标的方法。首先，根据UUV的搜索宽度，建立了最优转向角模型，给出了采用改进的PSO算法的具体求解流程，并在此基础上继续探讨当目标速度未知情况下的搜索计划。然后，根据投放方式的不同，探讨了UUV编队的几种协同搜索方法。最后，通过仿真实验，证明了该方法的有效性，并根据仿真结果给出了对未来UUV 装备技术发展方向的建议。     

柔性作业车间AGV与机器双资源集成调度研究

针对含有AGV(automated guided vehicle)的柔性作业车间调度问题,建立了以最小化最大完工时间为目标的双资源集成调度优化模型.在种群初始化过程中提出一种启发式初始化方法,提高种群初始解的质量,加快算法的收敛速度.针对离散粒子群算法易早熟的弊端,结合竞争学习机制和随机重启机制提出一种可有效避免早熟的...     

求解作业排序问题的通用混合遗传算法研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向 ,由于其固有的计算复杂性( NP-Hard) ,一般无法利用经典方法求出最优解。本文针对一般作业排序问题 ,将遗传算法与启发式方法相结合 ,建立了一种混合算法框架 ,利用遗传算法改进启发式方法的求解性能 ,同时利用启发式方法引导遗传搜索过程 ,以提高其搜索效率。通过对完工时间与平均延误时间等不同优化目标的计算分析与比较表明 ,该方法对不同类型的排序问题均具有相当满意的求解效果.     

浸出过程浸出率预测与在线优化

本文建立了浸出过程浸出率混合预测模型;基于该预测模型及生产的实际需要,将一个动态浸出问题转化为带约束的优化问题;针对在线优化计算时间长,精度要求高的难题,提出了变邻域搜索PSO算法及基于该算法的动态生产过程在线优化策略.通过实际应用证明混合预测模型预测精度高;在线优化算法自适应性强、运算量小、精度高,具有较高的实际应用...     

基于粒子群优化的无人战斗机编队任务协调方法研究

执行任务时多无人机之间的任务协调是保证无人机具备协同工作能力并且顺利完成任务的关键.将无人战斗机编队的协调过程看成一种动态的任务分配过程,建立任务协调模型,分析任务协调问题的粒子初始化和寻优方法,编写基于粒子群优化算法的任务协调问题程序.对粒子群优化算法参数对任务协调方案的影响进行了仿真验证,结果表明此方法得出的方案合理有效可以满足无人战斗机任务协调问题的要求.