包含多重嵌套封闭环的平面切割建模与优化EI北大核心CSCD

为解决在平面图形切割领域中采用不同的切割顺序以及切割起止点导致切割路径空行程相差甚远的问题,提出一种包含多重嵌套封闭环的平面切割路径优化算法.首先提出一种多重嵌套封闭环识别子算法,并以四向链表节点为基础构建包含多重嵌套封闭环的平面切割路径模型;然后考虑各封闭环的几何特征以及彼此之间的关系,将切割路径优化问题转化为多个关联的动态旅行商问题组合;最后通过逐层多次调用禁忌贪婪算法对切割路径进行优化求解,在优化中同时考虑封闭环之间的切割顺序及各封闭环切割起止点的选择.仿真实验结果表明,该算法对包含多重嵌套封闭环的平面切割路径建模和优化是可行和有效的.     

包含多重嵌套封闭环的平面切割建模与优化

为解决在平面图形切割领域中采用不同的切割顺序以及切割起止点导致切割路径空行程相差甚远的问题,提出一种包含多重嵌套封闭环的平面切割路径优化算法.首先提出一种多重嵌套封闭环识别子算法,并以四向链表节点为基础构建包含多重嵌套封闭环的平面切割路径模型;然后考虑各封闭环的几何特征以及彼此之间的关系,将切割路径优化问题转化为多个关联的动态旅行商问题组合;最后通过逐层多次调用禁忌贪婪算法对切割路径进行优化求解,在优化中同时考虑封闭环之间的切割顺序及各封闭环切割起止点的选择.仿真实验结果表明,该算法对包含多重嵌套封闭环的平面切割路径建模和优化是可行和有效的.     

对面域作图的DXF文件优化激光加工路径

DXF(Drawing Exchange File) 文件的图形元素通常是无序排列的,其图元数据在激光加工过程中无效行程多、效率低下。以DXF文件中记录的图形元素为对象,用面域作图技术将零散的加工图形尽可能编组为连续的封闭图组,从原点开始贪婪地选择到下一个图组起始点的最短路径,直至得到整个图纸的优化路径。算法时间复杂性为O(n2)。实验证明该算法应用到激光雕切加工中能减少光头的空走行程和开关光次数,提高加工效率。     

基于多目标蝗虫优化算法的移动机器人路径规划

在静态多障碍物环境下的移动机器人路径规划问题中，粒子群算法存在容易产生早熟收敛和局部寻优能力较差等缺点，导致机器人路径规划精度低。为此，提出一种多目标蝗虫优化算法（MOGOA）来解决这一问题。根据移动机器人路径规划要求将路径长度、平滑度和安全性作为路径优化的目标，建立相应的多目标优化问题的数学模型。在种群的搜索过程中，引入曲线自适应策略以提高算法收敛速度，并使用Pareto最优准则来解决三个目标之间的共存问题。实验结果表明：所提出的算法在解决上述问题中寻找到的路径更短，表现出更好的收敛性。该算法与多目标粒子群（MOPSO）算法相比路径长度减少了约2.01%，搜索到最小路径的迭代次数减少了约19.34%。     

基于DXF的数控切割优化排序算法的研究与实现

采用Visual C++ 6.0开发平台实现了DXF文件读取的接口技术。针对图元排序问题,提出了一种优化排序算法,包括封闭图形的有序化处理、矢量化判断轮廓顺逆方向和包络矩形法结合基于射线法判断轮廓岛屿关系。针对全局路径优化问题,提出一种易于实现的相邻最短路径优化算法,通过实例证实了算法的有效性和实用性。该算法有效缩短了数控切割加工的辅助时间,提高了加工效率,并且能广泛应用于自动编程数控系统中。     

基于遗传算法的轮廓切割顺序受限路径优化

考虑一类轮廓切割顺序受限的加工路径优化问题.遵循由内到外的轮廓切割约束条件,以遍历所有待切割轮廓且刀头在轮廓问移动的空行程距离最短为优化目标,把约束条件转化到遗传算法编码问题采用启发式搜索技术以加快遗传算法的爬山速度,并且能自适应调整交叉和变异概率.实际应用结果表明所提算法能有效缩短空行程.     

基于DXF文件的图元优化排序

DXF文件的图形元素是以绘图人员设计的先后顺序记录于文件中，导致以此为基础进行的绘图或加工过程的无效行程大量增加且效率低下。针对此问题，以DXF文件记录的图形元素为对象，提出了一种在运行过程中动态改变图元始末点及图元绘制顺序的优化算法，实现了DXF中图形元素及其控制点的优化排序并生成优化后的DXF文件，使得以此文件为基础的绘图或加工路径得到优化。通过运算实例说明了本方法的有效性。     

图形轮廓提取的图元优先级特征定义及应用

针对图形轮廓提取过程中路径重复搜索、路径选择中断等造成提取效率低下问题,定义了图元优先级特征,包括图元区域优先级、邻域优先级、边界优先级、路由优先级特征;分别采用极限值法、特征值比较法、极值点法和动态优化法对图元的4种优先级特征进行设置.通过图元优先级的配合对提取过程及路径选择进行控制,构造了图形轮廓提取的高效算法.实际应用表明,该算法时效性高、稳定可靠.     

融合粒子群和局部邻域搜索的优化算法

为解决采用单一搜索策略的算法很难兼顾全局搜索和局部搜索,且易陷入局部优化的问题,提出一种融合粒子群优化和局部邻域搜索思想的新算法(Ne-PSO).采用混合搜索策略,通过对全局最优粒子信息的交互和反馈,并行进行全局搜索和局部搜素.同时,新算法引入禁忌策略,通过设置禁忌邻域来限制粒子的搜索区域,有效规避了局部优化.通过4个经典函数的测试,验证了该算法在寻优速度、精度和成功率方面的优异性能.     

优化皮革裁剪加工空行程路径的混合算法

将皮革裁剪多轮廓加工空行程路径优化问题归结为广义旅行商问题,提出了一种求解问题的混合智能优化算法。用改进了的遗传模拟退火算法优化多轮廓排列序列,结合机床特征将问题转化为多段图最短路径问题,采用动态规划算法求解。对传统的Bolt zmann更新准则进行改进,增加搜索记忆功能并设置双阂值,以在尽量保持最优性的前提下减少计算量;根据多段图最优子结构性质设计了个体适应度评价函数。实际应用效果和对标准问题的测试表明,新算法求解质量和收敛速度均有很大的提高。     

机器人路径规划的新型头脑风暴优化算法

针对头脑风暴优化算法在求解机器人路径规划问题时存在初始解成功率低、运算代价大且路径不平滑等问题进行了研究,从心理学角度出发,提出了一种新型头脑风暴优化算法及其离散化方案。引入羊群效应下的教与学思想增强个体学习的方向性,并通过基于自我选择效应的步长调节机制扩大后期局部搜索比例,提升算法效率;离散处理阶段采用贪婪移动搜索法取得较优初始解,重新定义运算过程以双向平滑路径。仿真结果表明,新型头脑风暴优化算法在离散化前后均有较优的表现,在不同障碍物环境中均能规划出较优的路径。数值实验验证了所提算法的有效性,该算法在路径规划领域的应用值得进一步探索。     

基于禁忌搜索的多AGV系统路径优化算法

在多自动导引车（Automated Guided Vehicles,AGV）系统的路径规划中,构建AGV的拓扑结构地图模型,设计基于全局邻域搜索的禁忌算法,以高效准确地解决最短路径的组合优化问题,并进行不同规模算例下的分组实验,验证禁忌搜索算法对路径能耗属性、时间属性和路径负载均衡目标参数的优化效果,来提高多AGV系统的稳定性和高效性。     

基于视觉抓取的并联桁架机器人最优路径控制

针对元件的抓取路径规划问题,提出一种以最小化时间为目的,结合蚁群算法和禁忌搜索算法的混合优化算法。首先,将基于机器视觉抓取元件的问题确定为有约束的旅行商问题（TSP）;然后,分析了元件大小和抓取放置过程对于路径规划的综合影响,对路径选择概率和禁忌域进行了适应性改进;其次,一方面引入了2-opt局部优化以及信息素惩罚、奖励机制以改善蚂蚁的搜索能力,另一方面对信息挥发因子作适应性改进以提高蚂蚁的自适应能力;最后,针对基本算法和改进的混合优化算法,仿真实验和平台实验分别进行了性能指标和抓取时间的对比分析。实验结果表明,仿真环境下,与蚁群优化（ACO）算法和禁忌搜索（TS）算法相比,混合优化算法的平均迭代次数降低了约50%,且其他性能较为优越,平台测试的抓取用时测试结果也说明了混合优化算法较随机结果和基本算法的优越性,可以快速完成元件抓取任务。     

最小赋权支配集的迭代禁忌搜索算法

最小赋权支配集是一个NP困难的组合优化问题,有着广泛的应用背景。提出了一个高效的求解最小赋权支配集的迭代禁忌搜索算法。该算法采用随机贪心构造算法构造初始解,并利用快速的局部禁忌搜索算法寻找局部最优解,通过随机扰动和修复策略来搜索新的区域,以期跳出当前的局部最优解。用顶点数为800到1 000的大规模标准测试例子测试提出的算法。数值实验结果和与现存的启发式算法比较结果表明了算法是有效的。     

网络中多节点故障定位的探测路径选择算法

针对现有故障定位技术不能满足多节点故障定位的要求,尤其当网络中存在大量故障节点时,提出了一种基于主动探测的探测路径选择算法。该算法主要包括用于故障检测的贪婪路径选择算法和用于故障定位的禁忌链路搜索算法。在故障检测阶段,使用贪婪路径选择算法迭代地选择具有最小权重的探测路径覆盖网络中的节点。在故障定位阶段,使用禁忌链路搜索算法多次生成候选路径集以选择最合适的探测路径来解决多节点故障定位问题。在随机网络拓扑和真实网络拓扑上的仿真结果表明,与现有的节点故障定位算法相比,探测路径选择算法具有更高的成功定位率和更低的探测成本。     

基于B-RRT*FND算法的移动机器人路径规划

针对RRT*FN算法获取路径解的速度慢,且无法应用于动态环境等问题,提出固定节点数的动态双向渐近最优快速随机扩展树算法(bidrectional RRT* fix-node dynamic, B-RRT*FND),用于解决移动机器人在二维空间内快速实时获取无碰撞路径的问题.所提出算法基于RRT*FN算法,采用双向贪婪搜索方法加快路径搜索速度,解决单向RRT算法由于随机采样的盲目性造成的搜索速度慢、在狭窄环境下难以搜索到解的问题;利用固定节点算法在规划过程中不占用过多计算量的特点,在路径迭代优化过程中,实时更新地图信息,并对被破坏的原始路径进行修复重连,以完成算法的动态规划.将所提出算法与RRT、RRT*FN等算法在3种环境下进行对比仿真,验证结果表明,所提出算法在规划速度、路径解长度以及动态规划性能方面具有较好效果.     

基于双粒子群算法的矿井搜救机器人路径规划

针对在复杂地形中标准的粒子群算法用于矿井搜救机器人路径规划存在迭代速度慢和求解精度低的问题,提出了一种基于双粒子群算法的矿井搜救机器人路径规划方法。首先将障碍物膨胀化处理为规则化多边形,以此建立环境模型,再以改进双粒子群算法作为路径寻优算法,当传感器检测到搜救机器人正前方一定距离内有障碍物时,开始运行双改进粒子群算法:改进学习因子的粒子群算法(CPSO)粒子步长大,适用于相对开阔地带寻找路径,而添加动态速度权重的粒子群算法(PPSO)粒子步长小,擅长在障碍物形状复杂多变地带寻找路径;然后评估2种粒子群算法得到的路径是否符合避障条件,若均符合避障条件,则选取最短路径作为最终路径;最后得到矿井搜救机器人在整个路况模型中的最优行驶路径。仿真结果表明,通过改进学习因子和添加动态速度权重提高了粒子群算法的收敛速度,降低了最优解波动幅度,改进的双粒子群算法能够与路径规划模型有效结合,在复杂路段能够寻找到最优路径,提高了路径规划成功率,缩短了路径长度。     

基于遗传算法的混合优化策略研究

最优化问题是工程设计、科学研究、经济管理等众多领域经常遇到的一类问题。随着待解决问题范围的不断扩大以及优化算法研究的不断深入,混合优化策略已成为解决大规模、高复杂度优化问题的一种重要而有效的方法。介绍了遗传算法、贪婪法、模拟退火算法、禁忌搜索的基本原理,阐述了各种算法的优缺点;针对各单一算法存在的缺陷和不足,对三种以遗传算法为主体框架的混合优化算法进行了分析;最后,指出了混合优化算法存在的问题及今后的发展方向。     

IT外包进度风险控制的自适应禁忌搜索算法

针对委托代理模式下的IT外包项目的进度风险控制问题构建了双层结构的优化模型.设计了自适应禁忌搜索算法对模型进行求解，该算法将多样化搜索机制与禁忌搜索相结合，在算法运行过程中，根据适应值的反馈自动调整禁忌搜索强度与多样化搜索力度；同时，应用贪婪策略构造初始解，循环交替应用两种邻域结构提高算法寻优能力.实验结果表明，进度风险控制显著地降低了IT外包项目的拖期风险，同时使委托方和代理商双方实现收益最大化.将自适应禁忌搜索算法的实验结果分别与遗传算法、模拟退火算法、禁忌搜索算法、自适应遗传算法和自适应模拟退火算法的实验结果进行了比较：在收敛程度和稳定性方面自适应禁忌搜索算法优于其它算法，并且随着问题规模的增加，该算法的优势更为明显.