多智能体布谷鸟算法的网络计划资源均衡优化

网络计划资源均衡属于组合优化问题,为了能快速有效地求解此类问题,提出了一种多智能体布谷鸟算法。针对标准布谷鸟算法缺乏信息共享的缺陷,将多智能体系统引入布谷鸟算法中。多智能体的邻域竞争合作算子实现智能体间信息的交流,加快算法收敛速度;变异算子扩大搜索范围增加种群多样性;自学习算子提高局部寻优的能力;布谷鸟算法的Levy飞行进化机制能有效地跳出局部最优实现全局收敛。实例仿真结果证实了,与其他算法相比多智能体布谷鸟算法能更有效地求解网络计划资源均衡优化问题。     

基于QPSO算法的模糊流水车间调度问题

实际生产过程中由于各种客观因素的影响,流水车间调度问题往往具有模糊不确定性。介绍了模糊流水车间调度问题,在此基础上提出了一种收敛速度快、全局性能好的量子微粒群算法来解决该问题。通过仿真实例对该算法进行了验证。结果表明,在求解模糊流水车间调度问题时,量子微粒群算法有很好的效果。     

多资源均衡优化的布谷鸟算法

针对标准多目标布谷鸟算法(CSA)后期收敛速度慢、收敛精度不高的缺陷,提出一种求解多资源均衡优化问题的改进多目标布谷鸟算法。首先,引入非均匀变异算子,以均衡算法的全局搜索能力和局部寻优能力;然后,引进差分进化算子,促进群体间的合作和信息交流,提高算法的收敛精度。通过算例测试表明,改进的多目标布谷鸟算法比标准多目标算法和VEPSO-BP算法具有更好的全局收敛性。     

基于量子粒子群算法的QoS组播路由问题研究

对具有带宽、延时、延时抖动约束的最小代价的QoS组播路由问题进行研究,提出了一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法--量子粒子群算法来实现对该问题的求解.该算法采用整数编码方式,将路由优化问题转化成准连续优化,并采用惩罚函数处理约束条件.最后通过具体算例,对该算法进行了仿真验证,结果表明,在求解QoS组播路由问题时,量子粒子群算法要优于遗传算法、基本微粒群算法,从而验证了该算法的可行性和有效性.     

BP神经网络在供应链管理绩效指标评价中的应用研究

依据平衡记分法原理,建立供应链管理绩效评价的指标体系;依据BP神经网络原理,建立用于企业供应链管理绩效指标评价的BP神经网络评价模型,利用该模型对上海某动力设备有限公司的供应链绩效指标进行了评价,同时探讨了BP神经网络在供应链绩效指标评价中的特点和适用性.     

求解Job shop调度的协同优化算法

针对量子粒子群算法、遗传算法在求解车间调度存在的局部收敛的问题,提出用量子粒子群算法与遗传算法相结合的协同优化方法求解该问题。该算法采用量子粒子群算法与遗传算法的并行搜索结构,通过迁移算子把各个种群联系起来。仿真结果表明,该算法收敛速度快,且具有较高的求解质量。     

考虑节能的改进多目标樽海鞘群算法TFT-LCD面板阵列制程调度问题

TFT-LCD面板生产的阵列制程是可重入混合流水车间调度问题,采用一种改进多目标樽海鞘群算法对其进行优化求解。构建以最大完工时间、总拖期时间和总耗能为优化目标的数学规划模型;针对该问题结构特点,对基本多目标樽海鞘群算法进行了一系列改进操作,包括基于升序排列的随机键编码、PS方法解码、基于Lévy飞行的领导者个体位置更新方式,以及外部档案中非支配个体的变邻域搜索操作,并采用田口方法进行算法参数设置;最后通过对基准算例的数值实验,将改进多目标樽海鞘群算法与基本多目标樽海鞘群算法、多目标粒子群优化算法、快速非支配排序遗传算法进行对比,实验结果表明了改进多目标樽海鞘群算法的有效性。     

基于故障状态演化的租赁设备定周期多维护策略研究

为同时保证设备承租方对租赁设备的可用度,以及优化设备出租方的设备维护成本,提出了基于故障状态的定周期检测的多维护方式策略。首先,对租赁设备进行定周期检测,基于设备故障率来选择相应的维护策略,采取役龄回退的方式描述采取不同的维护策略后设备状态的恢复情况。其次,综合考虑周期维护成本、小修成本、惩罚成本和租赁延迟成本,建立了以出租方成本最低为目标的多维护策略优化模型。通过数学建模和数理统计方法,利用MATLAB仿真进行算例分析,将其与定周期单一预防性维护策略进行对比,证明了对租赁设备进行定周期多策略维护,其维护效果较单一预防性维护有较大的提升。     

基于改进AGA算法求解含交易费用组合投资模型

根据国内证券交易市场的实际情况提出了含交易费用的投资组合优化模型,并利用改进自适应遗传算法(AGA)求解该模型,最后结合实际数据,利用Matlab语言编程仿真求解并取得了很好的效果。