基于遗传算法的某航空发动机装配车间优化调度

航空发动机装配车间装配生产线的调度问题,是一类比较典型的混合Flowshop问题,同时还带有工件可重人等特点,这就区别于一般的Flowshop和Jobshop调度问题,因此,将可重入混合车间调度问题划为第三类调度问题。关于重入式混合车间生产调度的优化问题通常来说都是属于NP难问题。文中通过某航空发动机装配车间生产线的研究,以最小化最大完工时间为目标函数,借助随机矩阵的编码方式和改进的交叉方法与变异方法,提出了基于遗传算法的调度优化方法。最后实验结果表明,文中提出的改进算法能够有效地实现装配车间调度的优化。     

基于混合遗传算法的重入式流水线调度研究

针对可重入式生产流水线的大规模调度优化问题,提出了一种改进的混合遗传算法。在计算适应值的过程中利用信息素算法的正反馈机制,解决工件在重入环节的竞争问题。并将禁忌搜索算法中独有的记忆功能引入到遗传算法的交叉与变异的进化过程中,可以有效的避免算法早熟和迂回搜索。通过实例仿真,表明改进后的算法相比于普通的遗传算法不仅有较强的收敛性,并且具有更快的寻优功能,是解决复杂调度问题的有效算法。     

可重入混合流水车间调度的拉格朗日松弛算法

为了有效提升多重入车间的生产效率,考虑了实际生产中检查和修复过程对于逐层制造的可重入生产系统的重要性,提出了基于拉格朗日松弛算法的可重入混合流水车间的调度方法.首先进行了问题域的描述,并在此基础上以最小化加权完成时间为调度目标,建立数学规划模型.针对该调度问题提出了基于松弛机器能力约束的拉格朗日松弛算法,使松弛问题分解成工件级子问题,并使用动态规划方法建立递归公式,求解工件级子问题.随后,使用次梯度算法求解拉格朗日对偶问题.最后,对各种不同问题规模进行了仿真实验,结果表明,所提出的调度算法能够在合理的时间内获得满意的近优解.     

区间数可重入混合流水车间调度与预维护协同优化

针对加工时间不确定的可重入混合流水车间调度与预维护协同优化问题,构建以区间最大完工时间、区间总碳排放和区间总预维护费用为优化目标的集成调度模型.针对问题特性,通过设计改进的可能度计算方法,定义区间意义下解的Pareto占优关系.提出一种改进的离散鲸鱼群算法,通过同步调度与维护策略,实现制造与维护的联合优化;设计个体间距离计算策略,寻找“最近较优个体”;设计个体位置移动策略以及多邻域搜索策略,有效地平衡全局搜索和局部搜索,提高收敛精度.通过大量的仿真实验和结果对比分析,表明了所提出的算法对于求解区间数可重入混合流水车间调度和预维护协同优化问题的有效性和可行性.     

罩式退火炉生产优化调度方法及其应用

罩式退火炉的生产调度过程是一个典型的多工序.多约束、有重入的多机并行调度 问题,难于解析建模.对此问题,将离散事件仿真技术与改进的遗传算法相结合,提出罩式退 火炉生产的优化调度方法.生产现场的实际应用表明所提方法大大提高了生产设备的利用率 和生产效率.     

基于反向差分算法的航空发动机装配车间优化调度

航空发动机装配车间的各个生产线的优化调度问题是一个典型的具有可重入特性的生产调度问题,从调度优化难易的角度来看,属于NP难题。针对这个问题,在分析航空发动机的工艺流程与特点以及航空发动机的数学模型之后,以最小化最大完工时间为调度优化问题的目标函数,提出了基于反向差分进化算法的优化调度方案。最后,仿真实验表明,该方案对于解决优化调度问题是行之有效的。     

高速分组交换网络中调度器的设计

为了满足迅猛发展的网络业务对网络服务质量提出的更高要求,使用高速分组网络交换机中的队列调度器可以有效地提供高质量的网络服务。通过采用分级式队列调度和四种队列调度算法有效地实现了队列调度器的设计。并且深入地比较和分析了队列调度器中多种队列调度算法的优缺点,尤其是对DRR调度算法进行了优化和改进。最后。对所设计的电路进行了仿真验证和电路综合,结果表明该调度器可以满足网络对服务质量的更高要求,并且能够应用到高速分组交换网络的调度器设计中。     

基于综合规则与遗传算法的可重入生产系统调度

可重入生产系统调度问题属于NP难题,该文将遗传算法方法与调度规则结合起来用于解决可重入生产系统的调度问题。首先针对系统的可重入性建立了一类综合规则,然后在设备分组与分时段的基础上,提出了基于一类综合规则组合的可重入生产系统调度策略,并采用遗传算法与过程仿真相结合的办法对综合规则组合进行优化,仿真比较验证了该调度策略的有效性。     

流水车间成组工件调度问题的多目标优化算法

针对优化目标是最小化全部提前/拖期和机器调整次数的多目标流水车间成组工件调度问题,提出了一种改进的变权重进化算法结合延迟调整算法的联合优化方法。首先采用改进的变权重进化算法对加工排序进行寻优;其次,在给定调度序列的情况下采用延迟调整算法对加工时刻进行优化。仿真实验表明,所设计的算法能够有效地求解该类问题。     

基于Petri网与遗传算法的可重入生产系统调度

可重入生产系统调度问题属于NP难题,该文建立了系统的扩展Petri网模型,并且将遗传算法方法与调度规则结合起来用于解决可重入生产系统的调度问题。针对可重入生产系统生产过程的动态复杂性,首先建立了一类综合调度规则,然后提出了基于设备分组与分时段的综合规则组合的可重入生产系统调度策略,并采用遗传算法与基于Petri网模型的过程仿真相结合的方法对综合规则组合进行优化,仿真比较验证了该调度策略的有效性。     

基于遗传算法的卡尔曼滤波器水下机器人信号处理方法

水下机器人的传感器信号受环境影响较大,数据滤波一直是机器人控制的核心问题之一。该文在卡尔曼滤波的基础上,引入遗传算法,对卡尔曼滤波方法进行改进,提出基于遗传算法优化的卡尔曼滤波器模型,从而提高水下机器人测量数据的精度．降低系统噪声和量测噪声所带来的误差。OUTLAND1000水下机器人罗经传感器的水池仿真试验结果表明所提改进滤波方法有效、实用。     

遗传算法在旅行商问题的研究与应用

旅行商问题（TSP）是一类典型的非确定性多项式（NP）完全组合优化问题.针对基本遗传算法在求解这类问题时容易出现局部收敛现象,提出了改进,采用轮盘赌和优秀个体复制相结合的方法进行选择,对11个城市的旅行商问题进行研究,通过比较发现取得良好的收敛,该方法在解决很多NP完全组合优化问题上同样适用.     

Multi-level genetic algorithm for the resource-constrained re-entrant scheduling problem in the flow shop

The re-entrant flow shop scheduling problem (RFSP) is regarded as a NP-hard problem and attracted the attention of both researchers and industry. Current approach attempts to minimize the makespan of RFSP without considering the interdependency between the resource constraints and the re-entrant probability. This paper proposed Multi-level genetic algorithm (GA) by including the co-related re-entrant possibility and production mode in multi-level chromosome encoding. Repair operator is incorporated in the Multi-level genetic algorithm so as to revise the infeasible solution by resolving the resource conflict. With the objective of minimizing the makespan, Multi-level genetic algorithm (GA) is proposed and ANOVA is used to fine tune the parameter setting of GA. The experiment shows that the proposed approach is more effective to find the near-optimal schedule than the simulated annealing algorithm for both small-size problem and large-size problem.     

改进二进制和声搜索算法求解多维背包问题

和声搜索（HS）是一种已广泛应用于连续优化问题的元启发式方法。针对典型的组合优化问题——多维背包问题（MKP）,提出一种改进二进制和声搜索（IBHS）算法。算法通过伯努利随机过程生成二进制群体,在候选和声生成算子中,引入动态自适应参数,通过算法参数的自适应调整来协调算法的全局搜索和局部搜索,并提出一种新的更有效的衡量商品多维加权价值密度的方法用于二进制个体修正和优化;引入精英局部搜索机制进行协同寻优,提高IBHS的收敛速度。通过求解10组不同规模的典型多维背包算例和与贪心二进制狮群优化（GBLSO）算法、改进的差分演化（MBDE）算法以及二进制修正和声（BMHS）算法的对比分析,实验结果表明,所提算法在求解MKP时有具有良好的收敛效率、较高的寻优精度和很好的鲁棒性。     

基于改进遗传算法的船舶管路布局设计

针对船舶管路布局设计中的路径规划问题提出一种改进型遗传算法求解方法。建立船舶管路布局设计问题的模型空间、约束条件和优化目标;提出一种基于连接点网格的定长编码方法,结合该编码方法设计了适合改进遗传算法应用的适应度函数和交叉、变异算子,定长编码可降低遗传算子设计复杂度和非法个体修补代价;提出在进化流程中嵌入以“去折弯”和“改模式”两种改善型变异方法构建的爬山操作,以提升算法收敛性和寻优能力。通过仿真实验验证所提算法具有可行性和先进性。     

基于K-EROS的QAR数据集的相似性分析

叙述了传统的PCA方法在处理QAR数据相似性问题的不足,提出基于EROS的KPCA方法处理QAR数据之间的相似性问题。通过引入EROS方法而不需要对数据进行向量化,引入核矩阵对QAR数据进行主成分分析,可以有效降低数据的维数。选取两组QAR数据集,采用支持向量积方法,选用不同数目的主成分进行分类实验,同SPCA方法和GPCA方法进行比较,实验结果显示把该方法运用到QAR数据集,具有较好的分类结果。     

基于改进双种群遗传算法的模糊控制器的优化

遗传算法是一种自适应、启发式、群体型、概率性、迭代式全局收敛算法,利用遗传算法的良好的搜索特性来优化模糊控制器,可以取得很好的控制效果.本文对传统的双种群遗传算法进行了归纳和分析,在此基础上提出了一种改进的双种群遗传算法(CGDPGA).将此改进算法用于优化模糊控制器的隶属度函数、量化因子和比例因子来实现模糊控制器的全...     

基于单标注样本的多损失学习与联合度量视频行人重识别

为解决行人重识别标注成本巨大的问题,提出了基于单标注样本的多损失学习与联合度量视频行人重识别方法。针对标签样本数量少,得到的模型不够鲁棒的问题,提出了多损失学习（MLL）策略：在每次训练过程中,针对不同的数据,采用不同的损失函数进行优化,提高模型的判别力。其次,在标签估计时,提出了一个联合距离度量（JDM）,该度量将样本距离和近邻距离结合,进一步提升伪标签预测的精度。JDM改善了无标签数据标签估计的准确率低、未标记的数据没有被充分利用导致训练过程不稳定的问题。实验结果表明,和单标注样本渐进学习方法PL相比,当每次迭代增加的伪标签样本的比率为\mathrm{0.10}时,在MARS和 DukeMTMC-VideoReID两个数据集上的rank-1准确度达到了65.5%和76.2%,分别提升了7.6和5.2个百分点。     

求解TTP问题新优化模型的混合遗传算法

流窜犯问题（Traveling Thief Problem,TTP）是旅行商问题和背包问题的一个组合问题,同时具有两个问题的计算复杂度。在现有TTP问题中考虑了小偷提前不知道物品具体位置的情况,给出了新的具有概率分布信息的优化模型;利用有效价值指标,给出了物品的选取方法;基于一个TSP的遗传算法框架和新设计的局部搜索策略,提出了求解该模型的混合遗传算法。数值仿真结果表明,提出的算法是可行有效的。