基于蚂蚁算法的谐波齿轮传动模糊优化设计

研究了谐波齿轮传动优化设计问题，建立了其模糊优化设计数学模型。引入蚁群更新策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，给出了谐波传动的混合离散变量优化设计实例。     

基于蚂蚁算法的混合离散变量机械优化设计方法

引入蚁群更新、沿途搜索等策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，通过典型优化设计问题进行了验证，并给出了混合离散变量机械优化设计实例。实例表明，改进后的蚂蚁算法全局收敛能力强，程序运行可靠。     

基于智能单粒子算法与支持向量机的稳健优化设计

为了求解混合离散变量优化设计问题,通过引入粒子位置矢量的离散化处理方法,对智能单粒子优化算法(ISPO)进行改进,用MATLAB语言设计了求解混合离散变量优化设计问题的ISPO算法程序,结合支持向量回归机的应用,研究了平面尺寸链离散公差的模糊稳健优化设计问题,给出了稳健设计实例。设计实例表明了本文所提方法的有效性和实用性。     

基于蚂蚁算法的连杆角位移再现机构模糊稳健设计

引入Logistic混沌模型和最优蚂蚁保护策略对蚂蚁算法进行了改进。对再现连杆角位移的平面连杆机构,分析了其运动精度的影响因素,建立了模糊稳健优化设计数学模型。给出了基于蚂蚁算法的模糊稳健优化设计实例,在求解机构杆长等参数的同时,还求出了各杆长的制造公差,保证了机构运动精度的稳健性。     

基于改进遗传算法的离散公差模糊稳健优化设计

为了解决离散变量优化设计问题，采用了一种面向设计、制造的设计变量离散化处理方法。通过改进最优个体保护策略和混沌移民算子，并引入家族竞争遗传机制对基本遗传算法进行了改进。开发了混合离散变量的改进遗传算法程序LSGA2005，用该程序解决了箱体零件尺寸链的离散公差模糊稳健设计问题。实例表明，该算法全局收敛能力强，具有较好的实用价值。     

基于支持向量机的多目标模糊稳健优化设计

为了提高模糊稳健优化设计的计算效率,探讨了基于支持向量机回归机(SVR)的多目标模糊稳健设计方法,该方法以SVR作为非线性约束函数的替代模型,并采用SVR对模糊概率进行仿真计算,可显著降低模糊稳健优化设计的机时消耗;采用字典序优先级的目标规划法,建立了多目标稳健优化设计模型;把SVR与遗传算法相结合,构建了一种混合智能优化算法;通过多目标稳健设计实例,对所提出的方法进行了验证。     

基于支持向量机的模糊稳健优化设计方法

在模糊稳健设计中,需要采用随机模拟方法计算模糊概率和非线性约束函数,但计算效率很低.为此,提出了一种基于支持向量机的模糊稳健设计方法.采用支持向量回归机对模糊概率进行仿真计算,采用支持向量回归机或分类机作为非线性约束函数的替代模型,显著降低了模糊稳健优化设计的机时消耗.给出了新方法的具体算法步骤,并通过模糊稳健优化设计...     

摆动活齿减速器的模糊稳健优化设计

应用基于正交设计的稳健设计法，建立了摆动活齿减速器的优化设计模型，对摆动活齿减速器进行了模糊稳健优化设计，应用模糊综合评判法对该优化设计的结果进行评判，得到了该减速器设计变量的稳健优化设计最优组合。     

基于支持向量回归机的连杆机构模糊稳健设计

针对平面四杆连杆机构的函数再现问题,分析了随机性的干扰因素对机构运动精度的影响,建立了模糊稳健优化设计数学建模.采用支持向量回归机对模糊概率等非线性函数进行仿真计算,提高了模糊稳健优化设计的求解效率、降低了机时消耗.给出了新方法的具体算法步骤,该方法能使机构运动精度和各尺寸的制造公差得到合理匹配,具有工程实用价值.     

插装式溢流阀调压弹簧的模糊稳健优化设计

以插装式溢流阀调压弹簧固有频率最大为设计目标 ,综合考虑优化设计中的模糊因素和随机因素 ,建立了其模糊稳健优化设计数学模型 ,并采用混沌遗传优化算法进行求解。理论分析和设计实例表明 ,模糊稳健优化设计能提高设计目标的稳健性 ,并保证在可控因素和不可控因素影响下模糊约束条件的可行性 ,是提高设计质量的有效方法     

量子蚁群算法在压力容器优化设计中的应用

建立压力容器的优化设计数学模型,利用一种新型的优化算法——量子蚁群算法对压力容器的主要参数进行优化设计。量子蚁群算法在蚁群算法的基础上引入量子理论,该方法能尽快搜索到较理想的下降方向,提高了算法的收敛速度。具体应用实例表明,基于量子蚁群算法的优化设计切实可行,显示量子蚁群算法在化工设备优化设计问题上的可用性。     

改进蚁群算法的斜齿轮传动多目标优化

本文针对传统蚁群算法在优化目标函数和设计变量较多时,收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的蚁群优化算法。并对两级斜齿圆柱齿轮减速器在考虑其动态性能、体积、可靠度多目标下对齿轮参数进行了优化。其结果与传统设计相比,在保持了减速器较高可靠性的同时,获得了较好的动态性能和较小的体积。本文提出的改进蚁群算法为斜齿轮减速器提供了一种新的优化设计方法。     

An ant colony algorithm for scheduling in flowshops with sequence-dependent setup times of jobs

The problem of scheduling in flowshops with sequence-dependent setup times of jobs is considered and solved by making use of ant colony optimization (ACO) algorithms. ACO is an algorithmic approach, inspired by the foraging behavior of real ants, that can be applied to the solution of combinatorial optimization problems. A new ant colony algorithm has been developed in this paper to solve the flowshop scheduling problem with the consideration of sequence-dependent setup times of jobs. The objective is to minimize the makespan. Artificial ants are used to construct solutions for flowshop scheduling problems, and the solutions are subsequently improved by a local search procedure. An existing ant colony algorithm and the proposed ant colony algorithm were compared with two existing heuristics. It was found after extensive computational investigation that the proposed ant colony algorithm gives promising and better results, as compared to those solutions given by the existing ant colony algorithm and the existing heuristics, for the flowshop scheduling problem under study.     

面向云计算环境任务调度的改进蚁群算法

云计算环境下的任务调度问题是一个NP完全问题,其目的是在各个处理节点上合理分配任务,优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标,针对蚁群优化算法易陷入局部最优的缺陷,提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中,以提高蚁群优化算法的局部搜索能力。通过在云仿真平台Cloud Sim上进行仿真实验,结果表明改进蚁群算法缩短了总任务完成时间,降低了计算成本,从而证明了该算法能有效地解决云计算环境下的任务调度问题,并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。     

蚁群算法的理论与应用

介绍了一种求解复杂组合优化问题的新的拟生态算法——蚁群算法。阐述了该算法的基本原理、几种改进蚁群算法以及蚁群算法在TSP问题、job-shop调度问题、大规模集成电路布线、电信网络路由等各种组合优化问题中的应用。     

改进蚁群算法及其仿真

蚁群算法是近几年优化领域中出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其他方法结合。本文提出了一种改进型的蚁群算法,引入了搜索方向,并对信息素的更新方式进行了改进。仿真实验证明,改进后的蚁群算法能够获得较好的控制效果。     

基于PCA与蚁群算法的机械故障聚类诊断方法

针对现代机械复杂化、智能化的特点,为快速准确地诊断出设备故障,提出了基于PCA与蚁群算法的机械故障聚类诊断新方法。定义了聚类准确率判别因子,对主元的选取进行自适应调整,利用基于高斯径向基核函数的主元分析方法实现了故障特征提取。以蚁群算法解决旅行商问题为原型,定义了城市圈,改进蚁群算法实现了双重寻优,把故障聚类转化为蚁群算法最擅长的寻求最优解问题,将改进的蚁群算法用于故障特征样本的聚类。实例分析证明了该方法的有效性。     

多种群蚁群算法解机组组合优化

电力系统机组组合问题是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。为解决蚁群算法在解决机组组合问题中遇到的计算速度慢、易陷入局部最优等问题,将多种群蚁群算法应用到解决机组组合的问题中。开展了多种群蚁群算法在机组组合问题中的应用分析,新建了除搜索蚁之外的侦察蚁和工蚁,设定了3种蚁群之间的信息交互原理,提出了各蚁群的信息素更新方法。在修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。研究结果表明,所提出的多种群蚁群算法是合理、有效的。