[车间调度]一种求解单机总加权延迟调度问题的改进蚁群算法

针对极小化总加权延迟指标下的单机调度问题研究,提出一种基于信息素差异更新的改进蚁群算法。采用基于工件序列的编码方式,并结合修正交货期优先规则改进了启发式信息的设定;引入正负反馈机制来自适应地差异化更新各节点间信息素,同时将成对交换策略用于局部搜索,以进一步改善调度方案质量。结合OR-Library中多个基准实例的仿真验证了该算法的可行性和有效性。     

基于分布估计—蚁群混合算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,对其优化方法进行了研究,建立了多目标柔性作业车间调度问题的函数模型,提出了分布估计—蚁群混合算法。该算法首先采用分布估计算法快速得到了全局较优解,然后通过选择部分较优解对蚁群算法信息素初始化进行了改进,最后利用蚁群算法正反馈机制快速寻找到了全局最优解;在改进的分布估计算法中,结合了多种方法进行机器选择和工序排序的初始化,给出了相应概率模型和种群更新方式;在改进的蚁群算法中,通过建立两个路径节点集合进行了状态转移规则的描述,并对信息素更新机制进行了分阶段局部更新和全局更新,有利于蚁群算法快速收敛到全局最优解;通过两个柔性作业车间调度实例进行了仿真分析以及和其他算法的对比。研究结果表明:分布估计—蚁群混合算法在求解柔性作业车间调度问题具有较好优化效果和高效求解能力。     

汽车引擎盖焊接路径的自适应混沌蚁群规划方法

为了实现汽车引擎盖焊接路径最优规划,提出了自适应混沌蚁群算法的焊接路径规划方法.建立了焊接机械臂运动学模型和引擎盖焊点路径优化模型;分析了蚁群系统算法原理,对局部信息素更新和全局信息素更新方法进行了改进;在局部信息素更新方面,以蚂蚁聚集度为路径多样性度量依据,提出了局部信息素随蚂蚁聚度自适应更新方法;在全局信息素更新方面,鉴于混沌系统的随机性和遍历性,提出了全局信息素混沌扰动更新方法,用于增加信息素分布的多样性和随机性;基于以上两点改进,提出了自适应混沌蚁群算法.经验证,全局信息素更新方法和局部信息素更新方法均能够提高算法性能,两者叠加可以更大程度改善算法性能;将自适应混沌蚁群算法应用于引擎盖焊接路径规划,得到了最短焊接路径,长度为6.2m.     

小生境蚁群优化及其在JSSP中的应用研究

借鉴蚁群的并行、多样化寻优活动,提出蚁群基本调度规则。为了改进优化性能,提出小生境蚁群优化策略,从信息素分布的时变性、蚂蚁更新信息素策略和信息交流突变性方面改进了基本蚁群算法,提出将小生境蚁群优化调度规则(MACO SR)用于求解车间调度问题的方法。并在MACO SR的启发函数、更新路径等环节中加入蚂蚁等待时间要素。通过求解目标函数为最小化最大加工完成时间的车间调度问题,并与基本蚁群算法、蚁群基本调度规则进行比较,证明了小生境蚁群优化调度规则能获得相当好的优化结果,具有较好的寻优性能。     

改进的最大-最小蚂蚁算法在有时间窗车辆路径问题中的应用

利用最大-最小策略,最大最小蚂蚁算法减小了蚂蚁算法陷入局部陷阱的可能性。基于对最大最小信息素策略和信息素更新方式的改进,结合快速产生初始解的算法,提出了一种新方法。把该方法应用于有时间窗车辆路径问题,试验结果表明该算法是有效的。     

极小化总完工时间批调度问题的两种蚁群算法

针对考虑工件尺寸不同,求解目标为极小化总完工时间的批调度问题,考虑不同的编码方式,提出了基于工件序列的蚁群算法和基于批序列的蚁群算法.基于工件序列的蚁群算法算法采用传统的工件序列编码,需要启发式规则进行分批;基于批序列的蚁群算法算法利用蚁群算法构建性编码的特点,不需要启发式规则,而采取直接分批的方式编码,充分发挥蚁群算法自身的搜索能力.针对总完工时间的优化目标,基于批序列的蚁群算法算法引入批权重构建启发式信息;针对批调度特有性质,基于批序列的蚁群算法算法加入新的信息素更新变量,设置不同的信息素初始值,并采用局部优化技术等改进措施,以克服传统蚁群算法收敛速度慢,易陷入局部最优的缺点,通过对比实验验证了所提算法的有效性.     

具有工件约束的模具制造优化调度算法研究

为解决具有工件约束的模具制造优化调度问题,提出了一种利用蚁群算法和优先分配启发式调度算法相结合的调度算法。该算法能够方便地描述问题的约束条件的特点。首先,由蚁群算法确定模具零件各工序所用的加工机床,用节点模式下的有向图描述问题的解空间,用蚂蚁种子信息素踪迹更新策略对信息素进行更新,以获得问题的解;然后,利用优先分配启发式调度算法确定在同一台机床上加工的各零件的先后顺序。实验结果验证了算法的有效性。     

混沌蚁群算法及其在连续域优化中的应用

蚁群算法是一种新型的模拟进化算法,该算法采用分布式并行计算和正反馈机制,具有较强的鲁棒性,易于与其他方法结合,目前在很多优化领域中得到了广泛应用,但是进化速度慢,易陷入局部最优是其最主要的缺点。本文在基于网格划分策略的蚁群算法的基础上,结合混沌理论,提出了混沌蚁群算法。在算法初始化和信息素更新方面提出了改进,采用了MAX-MINAntSystem的思想对路径上可能的残留信息素进行了限制,通过实例验证,证明了该算法是有效性。     

改进蚁群算法对车辆配送二次调度的Matlab实现

货物配送中在保证时间窗的前提下,需要同一辆车进行二次或多次配送,以提高单车利用率,节约成本。针对基于时间轴的车辆调度模型,改进蚁群算法转移概率公式,并引入了上下界限来约束信息素的更新;对可行解进行有效合并,得出最佳运输车辆数,并对车辆行驶状态进行实时监控。最后通过对模型进行Matlab仿真试验,验证了算法的良好性能。     

基于改进蚁群算法的复合材料双向加载十字形试件优化设计

为研究复合材料在双向加载情况下的应力应变特性,基于蚁群算法对双向加载试验中的十字形试件进行优化设计。考虑信息素更新对全局最优解有较大的依赖性,对编码方式和信息素更新公式进行了改进,并通过典型算例对改进后的蚁群算法准确性进行了验证。最后根据复合材料十字形试件设计要求,利用改进蚁群算法与FEM参数化建模相结合的方法对十字形进行了优化设计。由优化结果可知,优化后的试验区应变场均匀度有了很大提高,且优化迭代过程较快。     

基于改进蚁群算法的PDC钻头孔位加工轨迹优化

针对PDC钻头刀翼上刀具安装孔的铣削加工轨迹进行优化,对经典蚁群算法进行三方面改进:首先,在初始化信息素浓度时加入方向指导;其次,在局部信息素浓度更新的过程中采用信息素重新分配的方法;最后,在全局信息素浓度更新的过程中加入自适应调整因子。使信息素的浓度能够更好地反映路径信息,避免了经典蚁群算法易收敛到局部最优解的问题,增加了搜索到全局最优解的概率。仿真实验表明改进蚁群算法较经典蚁群算法能够更快速更准确地搜索到全局最优解。     

使用改进蚁群算法的AGV路径规划研究

AGV路径规划问题是AGV研究领域的一个关键技术问题。针对传统的蚁群算法耗时长,搜索效率低,容易出现次优的缺点,改进了计算基本蚁群算法启发因子的方法;提出了优胜劣汰机制以及全局信息素调整方案,合理地更新了路径规划中的信息素;利用最大最小蚂蚁系统对路径上信息素进行了限制;研究了路径规划中死锁问题的解决方法。最后给出了基于改进蚁群算法的AGV路径规划步骤并进行了仿真实验。仿真实验结果表明,在该算法作用下,AGV路径规划的搜索效率优于传统蚁群算法,且规划路径更短,提高了搜索的准确性。     

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。     

轮式机器人路径规划的改进蚁群算法

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

轮式机器人路径规划的改进蚁群算法CSCD

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

考虑工时不确定的混合流水车间滚动调度方法

针对加工时间不确定的混合流水车间动态调度问题,提出一种基于滚动窗口的改进蚁群算法。为实现对事件驱动机制下重调度发生频率的有效缓冲,设计基于交货期偏差容忍度的滚动调度策略。同时为提高调度算法的计算效率,以应对现实生产中工时偏差的频繁发生,在滚动时域分解方法框架下提出一种改进的蚁群算法。一方面,通过压缩蚂蚁可选路径限制其移动范围,在缩短蚂蚁搜索周期的同时寻求新的解;另一方面,通过适当刺激蚂蚁尝试具有较弱信息素路径,提高所得解的全局性。通过实例仿真,分别对滚动调度策略和动态调度算法性能进行分析验证,得出较优的滚动调度策略参数,并验证了算法的优越性。最后给出实际生产算例,验证了滚动调度方法的有效性。     

改进蚁群算法求解TSP问题研究

针对基本蚁群算法存在的收敛速度慢,易停滞等不足,提出一种新的算法改进策略。对初始信息素引入距离信息,并根据蚂蚁构建的路径质量,引入正负反馈机制对各路径信息素进行自适应差异化更新,使算法在对较优路径信息充分利用的同时,也保持着较好的全局搜索能力,避免了算法的过早停滞;同时对每次循环中的最优路径引入局部搜索策略,实现了对可行解的进一步优化。结合多个不同规模TSP问题的仿真实验表明了该改进算法的可行性和有效性。     

基于新型蚂蚁算法的传动方案优化设计研究

针对复杂机械产品传动方案的优化设计问题,提出了一种融合模拟退火算法的新型蚂蚁算法.该算法改进了蚂蚁算法中信息素的初值设置和信息素更新模型,探讨了新型蚂蚁算法的融合思想和设计依据,建立了基于新型蚂蚁算法的传动方案的优化设计过程模型.该方法能尽快搜索到较理想的下降方向,提高了蚂蚁算法的收敛速度,同时克服了模拟退火算法要求初始温度足够高,收敛速度缓慢的缺陷.具体应用表明了该方法是可行的.     

基于自适应蚁群优化算法的数据挖掘模型研究

在Ant-Miner算法框架中通过对启发式因子、信息素更新及路径选择概率等策略的改进,提出基于自适应蚁群优化算法的分类挖掘模型,并进行实验分析,与基本Ant-Miner算法相比较,表明这一算法在规则质量及运行时间上都有很大的优势.     

改进ACO及其在移动机器人路径规划中的应用

针对基本ACO存在收敛精度不高、收敛速度慢、容易陷入局部最优的不足现象展开研究。通过基本ACO原理和数学模型分析,得出参数设置不当和信息素更新迟滞是基本ACO容易产生不足的原因。在此基础上,提出基于狼群分配原则信息素更新策略的改进ACO。采用Python模型和Matlab模拟计算相结合的方式进行ACO参数优化设计和Griewank函数、Ackly函数的对比实验。结果表明,蚂蚁数量m与城市数量n关系系数为1.5、信息素启发式因子α为[1.0,3.0]、期望启发式因子β为[2.0,4.0]、信息素挥发系数ρ为[0.5,0.7]、信息素强度Q为[10,1000]时,所得算法性能较好。采用栅格法的移动机器人路径规划研究进一步表明,改进ACO收敛精度更高、收敛速度更快、不易陷入局部最优,与基本ACO相比,算法性能大大提高。