求解多隔室车辆路径问题的改进粒子群优化算法

针对同时配送多种不能混装货物的多隔室车辆路径问题,建立了最小化车辆行驶成本的数学模型,并提出一种改进粒子群优化算法进行求解。该算法借鉴传统粒子群优化算法与模拟退火算法的思想,以粒子群算法为主框架,在粒子更新过程中引入模拟退火中的Metropolis准则,以一定概率接受劣解,使粒子在寻优过程中能够概率性地跳出局部最优。通过对经典车辆路径问题算例进行改编实验,并与已有文献、基本粒子群优化算法、基本人工蜂群算法分别进行对比分析表明,所提算法不但求解多隔室车辆路径问题有效,而且在求解质量上具有明显优势。     

混合粒子群优化算法求解多车辆拖动货物问题

为确定码头卜集装箱运输到目标位置的顺序和运输的车辆,提出了多车辆拖动货物问题,该问题需要考虑空间约束对车辆调度过程的影响.针对该问题,建立了整数规划数学模型,证明了该问题为NP完全难题,提出了四种解的编码方式,并利用模拟退火算法与粒子群优化算法结合的混合粒子群优化算法进行求解.将计算结果与模拟退火算法、粒子群优化算法进行了比较,结果表明,使用混合粒子群优化算法并采用先到先服务规则的两部分编码方法计算得到的解最好.     

基于粒子群遗传优化算法的多机器人任务分配研究

在粒子群优化算法中,引入遗传算法中的克隆算子和变异算子,提出了粒子群遗传优化算法,并将多机器人系统的任务分配问题转换为在多维解空间内寻找最优解的问题,利用粒子群遗传优化算法在此空间寻找最优解,以实现对多机器人任务的协调分配.算例仿真表明,粒子群遗传优化算法不但具有粒子群优化算法所具有的易于工程实现、计算效率高等优点,还克服了粒子群优化算法易早熟、粒子群整体收敛性差等缺点,能够解决多机器人任务分配问题.     

一种新粒子群优化算法及其实际工程应用

针对传统粒子群算法无法求解混合离散变量的优化问题,以桥式起重机组合型截面梁为研究对象,提出了一种连续变量离散变量混合的约束粒子群算法,不同于传统离散粒子群算法的圆整数值变量,该算法将设计变量分为连续变量、常规离散变量和特殊离散变量,并分别采取传统、圆整和随机步进速度改良措施,使粒子群在可行域内外运动,逐步靠近最优点,解决了桥式起重机组合型截面梁主梁优化问题,并为某些特定种类的连续变量离散变量混合优化问题提供了一种可行的改进粒子群算法。     

车辆货物配装过程建模与优化决策

以家电企业配送为例研究车辆和多品种货物的配装问题。以配送中心车辆运力最大化为目标,研究如何对货物进行装车调配、优化处理来提高车辆的装载效率,以降低配送运输成本。对车辆类型、体积、载重额、客户优先级以及按区域配送线路等约束条件和目标函数进行系统分析,建立车辆货物配装数学模型。运用物流仿真软件建立货物配装的动态仿真模型,用遗传算法对配装过程进行优化,得出装载货物顺序编号的决策方案。仿真统计结果分析表明该仿真模型可以使顾客需求货物满足车辆容重约束并按优先级依次装车时的价值最大,车辆的载重量和有效容积利用率达到90%以上,降低了配送成本。     

基于粒子群算法的越野车悬架参数优化

针对基于平顺性的悬架参数优化问题,建立了越野车后悬架系统参数优化的数学模型,包括优化变量、目标函数和约束条件,设计和应用了三种改进的粒子群算法,线性时变惯性权重粒子群算法、随机惯性权重粒子群算法和时变加速因子粒子群算法,来对车辆悬架平顺性进行优化,并与遗传算法对比。仿真结果表明,时变加速因子粒子群算法在收敛速度和收敛精度上都明显高于其他算法,优化后的车辆平顺性大大提高。     

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。     

基于离散粒子群优化算法的汽车发动机故障特征选择

最优特征选择属于组合优化范畴,针对汽车发动机机械故障特征选择问题,分析了冗余特征的存在对于故障分类器分类性能的影响,选择最优特征组合可以提高故障分类的正确率,提出基于离散粒子群算法的特征优化组合算法,利用BP神经网络评价特征优化的性能,并将其应用到汽车发动机曲轴轴承磨损故障诊断中.实验结果表明,与遗传算法相比,基于离散粒子群算法的特征优化算法优化效率较高,分类正确率较高,优化后的特征集可以显著地提高故障分类器的分类性能.     

求解无等待流水车间问题的若干算法

提出了解决无等待流水车间问题的离散粒子群优化、离散差异进化、变邻域搜索和阈值接收算法.在离散粒子群优化和离散差异进化中,采用基于工件排列的编码,设计了新的个体生成公式.同时研究了基于串行结构、嵌人结构和协同结构的12种混合算法.仿真计算表明,混合算法具有较高的优化性能.     

基于混合二进制粒子群-遗传算法的测试优化选择研究

测试优化选择是一个组合优化问题.通过对测试选择的目标和约束条件进行深入分析, 建立了其数学模型, 并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集.该算法将遗传算法中的遗传算子引入到二进制粒子群算法中, 既避免陷入局部最优和早熟收敛现象, 又提高了搜索效率.大量实验证明, 对于测试优化选择问题, 混合粒子群-遗传算法能够快速有效的获得全局最优解.     

考虑碳排放的多产品多目标供应链协同优化

针对供应链配送环节车辆产生的碳排放量问题,以时变网络下车辆变化的速度为关键变量,建立了考虑碳排放量目标的,将生产时间、库存时间和配送路径协同优化的模型,同时考虑了产品种类、客户需求时间窗、车辆满载率及装卸时间等约束。提出了粒子群算法与蚁群算法相结合的混合粒子群算法对模型进行优化计算,并设计了两段实数的编码、解码方式。使用蚁群算法的信息素强度方式更新粒子群算法的粒子方向,使粒子在更新过程中保留方向性和记忆性。通过对数值算例的仿真优化与结果对比分析,验证了模型的合理性和算法的有效性。     

求解第Ⅰ类装配线平衡问题的离散粒子群优化算法

为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。     

离散粒子群优化算法求解矩形件排样问题

提出了一种基于离散粒子群优化算法求解矩形件排样问题的方法.文中介绍了基本粒子群优化的搜索策略与基本算法,用置换子和置换序列构造一种离散粒子群优化矩形件排样算法,通过实例和遗传算法相比较,实验结果表明该算法是有效的.     

解决无等待流水车间调度问题的离散粒子群优化算法

针对以生产周期为目标的无等待流水车间调度问题,提出了一种离散粒子群优化算法.研究了无等待流水车间调度问题的快速邻域搜索技术,并将其分别用于加强粒子、个体极值或全体极值的邻域探索能力,得到了三种改进的离散粒子群优化算法.基于典型算例的试验,表明了上述算法的有效性.     

基于改进DPSO算法的航空发动机失谐叶片排序

通过叶片模态实验获得叶片失谐参数建立了动力学模型.在标准粒子群算法中引入遗传算法的交叉算子和变异算子以及遗传选择,保留了粒子群算法收敛较快的特性,增加种群的多样性,改善了粒子群的全局寻优能力,并得到比其他优化算法精度更高的排序结果.研究表明,选择适当的叶片排布顺序可以有效降低叶盘系统受迫振动幅值、减轻系统振动局部化程度,采用提出的离散粒子群算法(discrete particle swarm optimization,简称DPSO)进行叶片排布可以使叶盘系统振动幅度较小或者在可接受范围内.     

基于混合蚁群粒子群的多AGV路径规划研究

针对智能仓库中AGV搬运货物的路径优化、交通管制等问题,首先分析了立体仓库中AGV的工作特点与路径的情况,提出了混合蚁群粒子群方法,在传统的人工蜂群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性,通过仿真,该算法路径优化速度较快,且比以往的路径安全。使AGV的运行效率得到提高。     

基于改进离散粒子群算法的炼钢连铸最优炉次计划

提出了炉次数未知的炼钢连铸一体化生产的组炉模型.对该模型直接求解存在大量不可行解的困难进行分析,提出将该模型转化为伪旅行商问题的方法,并提出采用离散粒子群优化算法求解该问题.针对离散粒子群优化收敛速度和精度低的缺点,提出了一种基于序列倒置的改进离散粒子群优化算法.引入学习选择概率来选择学习粒子,利用运行代数阈值常数确定当前粒子何时向全局最优粒子学习,并通过局部最优子粒子群比决定局部最优子群的规模.讨论了这些参数的选择原则,并给出了相应参考选择范围.实验研究表明,所提模型是合适的,所提改进算法是有效的.     

基于离散震荡粒子群算法的柔性作业车间调度优化方法

提出了一种离散震荡粒子群算法与细菌觅食算法优化融合的混合智能算法,并将其应用于离散型柔性车间调度问题中。该算法利用离散震荡粒子群算法对不断更新的粒子的每一维进行适当震荡搜索操作,并引入细菌觅食算法中的趋同操作作为局部搜索策略,对整个种群中的最优粒子进行邻域搜索,提高最优解的精度。最后利用实际生产数据,对实际生产过程进行仿真。仿真结果表明:所提出的算法收敛速度较快,收敛精度有明显的提高,对于实际调度问题具有一定的理论价值和指导意义。     

自动化立体仓库的货位分配优化

为有效解决自动化立体仓库(AS/RS),即自动存取系统的货位分配问题,以货架稳定性和出入库效率为目标,结合多色集合、粒子群算法和模拟退火算法三者优势,建立区域划分、货位分配两阶段的多目标货位分配决策模型。区域划分阶段考虑货物出入库效率和货架受力情况,采用多色集合的围道布尔矩阵进行划分。货位分配阶段根据入库货物的类型和数目,采用结合模拟退火算法的混合粒子群算法求解货位分配优化问题。在MATLAB软件中运行实例,结果证明,与遗传算法和粒子群算法比较,混合粒子群算法在求解货位分配优化问题时的收敛速度快、稳定性高,且能在保证货架稳定性的前提下提高出入库效率。     

基于群智能算法的设备布局离散优化研究

针对单向环形设备布局设计问题,建立了新的数学模型.利用多维实数编码及映射方法,将连续粒子群优化算法应用于求解设备单向环形布局问题,提供了求解离散优化问题的新思路.利用遗传算法中的杂交策略扩展了粒子群优化算法,提高了粒子群优化算法性能.建立了问题的图结构描述,以引入蚁群系统算法搜索优化解.给出了两种方法的求解步骤.通过实例计算和结果比较,说明该算法能有效地解决此类离散优化问题,降低成本,提高效率,所得解质量较高,有很好的实用价值.