基于混合禁忌搜索算法的供应链排序问题

分析非标准件加工企业供应链的特点,提出协同优化订单分配、生产调度和批量运输调度的多工厂多客户供应链排序问题。以工件的最长订货提前期与总成本加权之和最小化为目标,构建问题的数学模型。在分析解的最优性条件基础上,设计一种基于矢量组编码方法的混合禁忌搜索算法。算法对可行域进行分区,通过基于插入、交换两种邻域操作的禁忌搜索算法选择子区域,采用基于块结构邻域操作的禁忌搜索算法搜索子区域中的优良解。采用所提混合禁忌搜索算法对算例进行优化求解,并对采用不同编码方法、不同启发式算法的算例结果进行比较,结果表明所提出算法的有效性。     

CE-GA协同进化算法求解人机共同作业的U形装配线平衡问题

针对一类广泛存在的生产装配问题,建立人机共同作业的资源约束U形装配线平衡问题(ResourceconstraintU-shaped assembly line balancing problem with man-robot cooperation,RCUALBP_MRC)模型。该模型中机器人与助理均为有限资源,机器人可替代人工操作,助理可协助工人操作,优化目标为同时最小化总成本指标和最大化线效率以及负载标准差综合指标。一种用于求解RCUALBP_MRC的基于交叉熵(Cross-entropy,CE)方法与遗传算法(Geneticalgorithm,GA)的协同进化算法(CE-GACo-evolutionaryalgorithm,CE-GACEA)被提出。首先,根据问题特点,对解中工序子序列设计了一种基于工序选择因子的编码(Task selection factor based code,TSFBC)。其次,在算法的全局搜索阶段对解中工序子序列和机器人及助理子序列所确定的子空间,分别利用GA和CE的操作进行协同搜索,可丰富搜索方向并发现优质解区域;局部搜索阶段加入种群分裂-合并机制,可有效平衡算法的全局与局部搜索,改善算法性能。最后,通过在不同规模问题上的仿真试验和算法对比,验证所提CE-GACEA的有效性。     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

基于全向视觉图像的快速定位方法

对图像的目标的搜索常采用的是区域生长算法或改进的变步长区域生长算法;区域生长算法算法简单,精度很高,但是对于较大图像,搜索速度较慢;改进的变步长区域生长算法在一定精度的范围内可提高搜索速度。文中采用动态窗格搜索算法,动态窗格搜索算法有效地利用了历史结果,提高了目标的搜索速度。     

自适应搜索的快速分块跟踪

针对传统的分块跟踪算法计算量大,难以实时地对运动目标进行跟踪这一问题,提出了一种改进的分块跟踪算法.首先,为降低背景噪声对跟踪性能产生的不利影响,提出的算法对目标所在矩形窗口进行了更细致的划分;然后,根据目标运动信息确定搜索范围和搜索中心,采用分层次的自适应搜索算法,在每一层采用不同的搜索策略逐步逼近与目标模板最相似的...     

深度优先搜索算法和A*算法在迷宫搜索中的仿真研究

本文通过仿真实验比较研究了深度优先搜索算法和三种不同启发式函数的A*算法在标准迷宫中的应用,在实验中,迷宫环境对机器人是未知的,而由于迷宫环境的特殊性--未知的迷宫环境中很少有不会碰撞的路径,从而增加了机器人搜索的难度.机器人搜索的目的是为了进行搜救,因此机器人应该要在尽量短的时间内搜索到目标物并将目标物带回.通过仿真实验对比了不同启发式函数的A*算法与深度优先搜索算法的性能,最后得出在迷宫搜索中A*算法要优于深度优先搜索算法.     

基于混合粒子群算法解决多目标装配线平衡问题

针对第一类装配线平衡问题,提出一种混合的粒子群算法,该算法在标准粒子群算法的基础上对其进行离散化,并提出一种基于优先权重的编码方式,考虑到粒子群算法易陷入局部最优的特点,采用遗传算法的全局搜索能力加强粒子群的全局搜索,再利用变邻域搜索算法进行局部搜索,提高算法的搜索性能。另外,在目标函数方面,在最小化工位数的基础上增加平滑指数这一目标函数,使装配线的效率进一步提高。最后通过算例比较,表明混合粒子群算法能够有效地解决第一类装配线平衡问题。     

基于协同量子粒子群的自动配煤系统优化

提出了一种基于量子粒子群算法的自动配煤优化方法,该方法首先对量子粒子群进行了改进,引入协同与学习策略提高了算法的搜索性能。在对自动配煤系统数学建模时,采用加权法将其由多目标优化问题转化为单目标优化问题,再通过协同量子粒子群优化求解。实验结果表明在对自动配煤系统的优化中,协同量子粒子群具有更优秀的搜索能力,能够快速、可靠、有效地获得最优解。     

基于优化人工蜂群算法的多机器人协同规划

为了提高人工蜂群算法在多机器人路径规划中的性能,提出了优化人工蜂群算法。提出了一种新的环境建模方法,将障碍物边缘平滑化;分析了人工蜂群算法原理,改进了新食物源的生成方法,提出了自适应的搜索因子,兼顾了大范围搜索和算法收敛速度;改进了机器人路径点的表示方法,使用位置夹角表示机器人路径点,减少了位置参数;使用加权方式将路径长度、路径平滑度、路径安全性综合为目标函数。仿真实验结果表明,改进在多机器人路径规划中不仅耗时较少,而且路径也短,且随着机器人数量的增加,耗时和路径长度的差距越来越大。     

面向MPEG-4编码器自适应多样性搜索及优化设计

针对MPEG-4中运动估计的精度和效率的要求,提出了一种基于可变大小块的自适应多样性快速搜索算法。对相同宏块的不同子块,应用两种不同类型的搜索算法——菱形搜索和三步搜索;算法的多样性和子块的自相似性,克服了单个搜索策略的缺点,使得搜索点数大大减少;同时分析和研究了开源MPEG-4视频编码软件XVID,并给出将XVID移植到ADSP-BF533处理器上,完成MPEG-4实时编码的优化设计。实验结果表明,所实现的MPEG-4编码器能够满足实时性要求。