遗传蚁群融合算法求解多项目资源能力平衡问题

为探索更高效的多项目资源能力平衡优化方法,提出了一种基于遗传蚁群融合算法的求解方法。建立了以单位时间内所有项目的总资源消耗方差为优化目标的问题模型,并设计了模型求解的遗传蚁群融合算法。该算法前过程采用遗传算法进行迭代求解,充分利用遗传算法的快速性和全局收敛性,生成初始信息素分布;后过程采用蚁群算法,充分利用蚁群算法的正反馈性和求精解效率高等特点收敛到最优解。通过具体算例验证了算法的可行性和有效性。     

求解FJSP的混合遗传一蚁群算法

为更有效地求解柔性作业车间调度问题,综合考虑其中的机器分配与工序排序问题,建立了相关析取图模型,提出一种混合遗传一蚁群算法。该算法首先通过遗传算法获取问题的较优解,据此给出蚁群算法的信息素初始分布;之后充分利用蚁群算法的正反馈性进行求解,采用精英策略对蚁群的信息素进行局部更新;最后借鉴遗传算法交叉算子的邻域搜索特性扩大蚁群算法解的搜索空间,从而改善解的质量。通过3个经典算例的实验仿真,以及与其他算法的比较,验证了所提算法的可行性与有效性。     

基于TSP问题的动态蚁群遗传算法

近年来围绕提高蚁群算法性能,出现了多种蚁群算法和遗传算法的融合方法,在对蚁群算法、遗传算法和其他相关融合算法进行充分研究的基础上,通过将遗传算法和蚁群算法进行动态融合,并对传统遗传算法的重插入子代操作进行新的改进设计,提出了一种新的动态蚁群遗传算法。将动态蚁群遗传算法应用于TSP问题(Travelling Salesman Problem)的求解,以3个典型的TSP模型为例,通过对多种算法的求解结果进行对比分析,验证了动态蚁群遗传算法具有较好的寻优能力、算法稳定性和寻优速度。     

应用混合遗传蚁群算法求解柔性车间调度问题

将遗传算法和蚁群算法结合用于作业车间调度.该方法利用了遗传算法快速随机的全局搜索能力和蚁群算法并行分布式正反馈机制,同时避免了蚁群算法因初始信息素缺乏收敛速度慢及遗传算法因缺少反馈机制容易陷入局部最优的缺陷.仿真计算结果验证了该方法的有效性.     

遗传算法与蚁群算法在PID优化中的应用比较

针对控制中PID优化问题,分别用遗传算法和蚁群算法进行了寻优,并进行参数调试比较,得出2种算法都可以进行寻优,但遗传算法操作上要比蚁群算法简单得多,而且收敛速度比蚁群算法快的结论。     

基于固定视点的视觉标定算法研究

针对在固定视点中机器视觉标定过程复杂、效率低、标定精度不高的问题,对目前普遍应用的摄像机标定和手眼标定算法进行了研究,提出了可一次性完成固定视点的视觉标定算法。利用实验室的MOTOMAN-UP6工业机器人对该标定算法进行了验证,首先由机器人末端夹持一个棋盘格完成一系列的运动,每次运动结束时摄像机拍摄一幅棋盘格图像,并记录下机器人末端的位姿,等所有运动完成后,采用张正友标定算法对摄像机进行标定,接着采用基于最小二乘法的标定算法对摄像机与基座关系进行简便高效的标定。研究结果表明:该算法标定过程简单、求解速度快并且结果精度高,具有很强的实用性。     

基于混合群智能优化的机器人立体视觉标定

准确的立体视觉模型是机器人高精密视觉定位的基础,而传统的单一非线性优化算法难以实现稳定和高精度的机器人立体视觉标定。结合遗传算法全局搜索能力强和粒子群算法局部搜索能力强的特点,提出了一种基于混合群智能优化的机器人立体视觉三步标定方法。针对非线性视觉模型,标定第一步和第二步分别对两个摄像机模型单独作线性初值求解和初次非线性优化,第三步对双目立体视觉模型作联合非线性优化,直接线性变换、遗传算法、粒子群算法分别作用于标定的三个步骤,每一步计算的结果被用作下一步的初始化。仿真试验分析与实际试验结果表明,相对于传统的优化标定方法和使用单一群智能优化算法的标定方法,该方法在噪声环境下具有更高的准确性和鲁棒性,能够更好满足机器人精密视觉操作的需求。     

蚁群优化BP神经网络的电机故障诊断设计与实现

针对传统的故障诊断方法采用专家知识推理方法在获取知识方面的困难,提出了一种采用蚁群优化算法和BP神经网络的自适应电机故障诊断系统。使用BP神经网络对样本数据进行训练,可以建立故障征兆到故障之间的对应关系,从而可以克服专家系统的不足,同时,由于传统的BP算法采用梯度下降算法,具有收敛速度慢和容易陷入局部最优解的问题,且BP神经网络的网络结构和初始参数在确定时往往依靠经验,从而限制了其在故障诊断领域的进一步发展。蚁群算法是一种启发式的模拟进化优化算法,具有正反馈及其分布式计算等特点,因此,将蚁群算法应用于BP神经网络的结构和参数进行优化,然后采用优化后的BP神经网络进行故障诊断,电机诊断实例证明文中方法较BP神经网络和遗传算法优化的BP神经网络具有更高的诊断精度和训练效率。     

改进的精密测角法标定面阵摄像机参数

改进了用于标定线阵摄像机的传统精密测角算法,标定用于面阵摄像机的参数。该算法利用两束平行光之间的夹角和投影在摄像机上图像点之间的对应关系,在给定一个预测摄像机主点的基础上计算它和实际主点之间的偏差以及摄像机焦距。分析了图像特征提取误差对于平行光夹角测量精度的影响,并给出一种基于平行光夹角误差最小的最优估计,从而进一步提高摄像机内部参数的标定精度。通过仿真实验分析了图像特征提取精度和平行光夹角测量精度对摄像机参数标定精度的影响。结果显示,当图像特征提取精度为0.1pixel,二维转台精度为0.5″时,主点标定精度可以达到0.56pixel,焦距标定精度可以达到0.06mm。利用精度为0.5″的二维转台对摄像机参数进行了实际标定,通过分析像点和标定结果所计算的平行光夹角和实际测量的平行光夹角的误差,可知本文算法的误差是经典精密测角法的68.6%,由此证明该算法对于面阵摄像机参数标定具有更好的结果。     

基于双目立体视觉的摄像机外参数快速在线自标定算法

提出了一种基于双目立体视觉的摄像机外参数在线自标定算法。该算法采用理想的小孔成像模型,事先离线标定好摄像机的内参数,且各项内参数在自标定过程中均不发生变化,通过双目系统采集的二维目标图像,进行匹配和分析计算,来实时标定视觉系统的位置参数即摄像机的外参数。由于该算法可以实现摄像机快速在线标定,可以实时获得视觉系统位置参数,故可为无人机的自主着陆提供高度信息。     

扭矩测量仪现场校准方法的探讨

通过分析扭矩测量仪的量值传递现状,从测试和校准两种情况,探讨分析了扭矩测量仪现场校准的方法以及测量结果不确定度的评定方法,确保扭矩测量仪现场校准的准确与可靠。     

Improved Ant Colony-Genetic Algorithm for Information Transmission Path Optimization in Remanufacturing Service System

The information transmission path optimization(ITPO) can often a ect the e ciency and accuracy of remanufactur?ing service. However, there is a greater degree of uncertainty and complexity in information transmission of remanu?facturing service system, which leads to a critical need for designing planning models to deal with this added uncer?tainty and complexity. In this paper, a three?dimensional(3D) model of remanufacturing service information network for information transmission is developed, which combines the physic coordinate and the transmitted properties of all the devices in the remanufacturing service system. In order to solve the basic ITPO in the 3D model, an improved 3D ant colony algorithm(Improved AC) was put forward. Moreover, to further improve the operation e ciency of the algorithm, an improved ant colony?genetic algorithm(AC?GA) that combines the improved AC and genetic algorithm was developed. In addition, by taking the transmission of remanufacturing service demand information of certain roller as example, the e ectiveness of AC?GA algorithm was analyzed and compared with that of improved AC, and the results demonstrated that AC?GA algorithm was superior to AC algorithm in aspects of information transmission delay, information transmission cost, and rate of information loss.     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

无人机3D航迹规划及动态避障算法研究

规划一条高时效且低代价的三维(3D)航行轨迹,成为目前无人机广泛应用亟须解决的问题。针对蚁群算法在航迹规划中出现的航迹长度和平滑性不足问题,通过改进蚁群系统中的节点移动规则、构造多重启发信息并结合粒子群优化算法的全局搜索能力,提出了蚁群粒子群融合算法。同时,就飞行航迹中出现的动态避障问题和目标点变化问题,提出了改进生物启发神经动力学模型算法,该算法针对3D静态最优航迹中出现的障碍物和目标点变化,实现了局部在线航迹调整。实验仿真结果表明,蚁群粒子群融合算法能在3D静态环境中规划出一条期望航迹。同时,改进生物启发神经动力学模型算法不仅能对突发障碍动态避障,还能对动态目标点变化实时跟踪。     

遗传蚁群算法在软件测试用例生成中的应用

针对传统软件测试方法工作量大,测试过程重复性高等缺点,提出了一种新的软件测试用例生成方法。该方法基于蚁群算法和遗传算法,利用遗传算法与蚁群算法提取每组软件测试程序特征值,再经过选择、交叉和变异操作,获得软件测试用例的组合。实验结果证明：该算法具有隐性并行性和全局寻优能力,可在不降低速度的情况下提高软件测试用例生成的精度。     

面向Job Shop调度的算法融合方法研究

提出一种算法融合方法,解决单一算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量。在融合方法中,采用遗传算法和蚁群算法进行并行搜索;根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力。采用算法融合方法构造的优化算法对13个难解的benchmarks问题实例进行求解,在较短的时间内,得到的十次实验结果的makespan最优值和平均值优于并行遗传算法(PGA)和TS算法。采用算法融合方法构造的优化算法具有较强的搜索能力,说明提出的算法融合方法是有效的。     

基于3D立体靶标的摄像机标定算法

利用透镜成像理论建立摄像机数学模型,提出了一种线性求解摄像机内外参数的方法.该方法特点是采用主动发光的光点阵列标定靶,利用2D标定靶的精确移动来实现基于3D立体靶标的摄像机标定的算法.     

基于蚁群算法的喷涂机器人喷枪路径规划

根据复杂曲面的几何特性,对曲面进行分片处理,并建立喷枪路径的评价函数,在每一片上进行喷涂机器人喷枪路径的规划。为了使喷涂机器人喷涂作业的时间最短,将整个曲面上的喷枪路径优化组合问题看成乡村邮递员问题(ORPP),并利用改进的蚁群算法求解ORPP问题。算法中通过在进化过程中动态调整蚂蚁的个体信息,激励蚁群搜索可行空间并发现最优解集。最后以一个复杂曲面工件为喷涂对象进行喷涂实验,结果证明了改进的蚁群算法比一般性随机算法效果更佳。     

基于蚁群算法的选择装配

选择装配是一种由低加工精度零件获得高精度装配件的方法,可归纳为一个组合优化问题,蚁群算法是解决这类问题的有效方法.综合考虑选择装配中的匹配率和匹配精度,提出以综合装配质量指标为选择装配的目标函数.为了求解选择装配的组合优化问题,在蚁群算法的框架内提出一个考虑信息素分布为节点模式的蚁群算法解构造图模型,并详细讨论蚁群算法的实现过程.通过对实例的仿真计算,考证该方法的实效性.     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*