基于MOPSO算法的斜拉桥索力优化分析

针对斜拉桥设计和监控计算中合理成桥状态和施工状态索力的确定问题,提出了一种基于MOPSO算法的斜拉桥索力优化方法。该方法在PSO算法的基础上通过增加外部储备集和优化更新策略来适应多目标、多约束的索力优化,较单目标优化方法仅有单一解的局限性,MOPSO算法考虑因素更全面,得到的Pareto最优解集可供决策者根据经验进一步筛选。采用Python编程语言,联合有限元软件编写基于该方法的优化程序,选取主塔、主梁的弯曲应变能之和,主塔成桥后在恒载作用下的纵桥向位移平方和作为目标函数,以施工过程及成桥后结构处于安全状态和索力总体分布均匀作为约束条件。工程算例优化结果表明,该方法能够快速搜寻到Pareto最优解集,并从中筛选出最优解,其结构应力处于安全范围,主塔线形合理,索力总体分布均匀。该方法可应用于斜拉桥成桥和施工阶段索力的确定及梁拱组合体系桥梁吊杆索力的确定。     

基于MOPSO的分布式电采暖温度范围多目标优化

文中针对分布式电采暖设备温控范围设定方式问题,研究了分布式电采暖设备温度上下限与人体舒适度及经济性的对应关系,建立了分布式电采暖设备运行模型,综合考虑经济性及人体舒适度目标,构建了分布式电采暖设备温度上下限设定优化模型,基于多目标粒子群优化算法对温度上下限设定优化模型进行求解,在此基础上对比分析分布式电采暖设备恒温限方法与变温限方法调节效果,验证了本文所提方法的有效性,为分布式电采暖设备温度上下限制定提供新的思路.     

基于MOPSO算法的营养决策方法

针对营养决策多目标优化模型,提出基于MOPSO(Multi-Objective Particle Swarm Optimization)算法的营养决策方法.提出基于支配原则的选优方案,外部种群Pareto解集与当代解共同参与的竞争原则,最后把MOPSO算法应用到营养分析和决策的优化问题来获求最佳膳食营养结构.结果证明该方法是有效的.     

煤炭企业内部招标中存在的问题及优化措施

煤炭企业作为我国传统企业的重要组成部分,对推动我国经济发展以及满足人们日常生活所需都有着重要作用,煤炭企业为了提高自身的市场竞争能力,就需要加强企业内部招标工作,通过深入挖掘企业内部招标中存在的问题以及采取有效措施对这些问题进行解决,通过从问题的根源出发实现有效推动煤炭企业实现长远发展,下面本文将对煤炭企业内部招标中存...     

基于博弈理论的供应链效率优化研究

供应商库存管理(VMI)已成为供应链管理的一个热点问题. 利用博弈论作为主要分析工具, 对同一供应链在三种不同库存激励合同下的效率进行了比较分析. 结果表明, 在实际中最常见的成本加利润的供货合同是次优的, 导致了整个供应链的效率损失. 简单的收入分成合同, 虽然能在一定程度上提高整个供应链的效率, 但仍然不是最优的. 二元收入分成激励合同则可以使整个供应链的效率达到最高.     

一种基于遗传算法的供应链优化设计研究

供应链优化设计问题由于其自身的复杂性而成为一个极具挑战性的研究课题。文章把遗传算法应用于研究供应链优化设计,构建一个供应链原型测试系统,并对数控机床制造供应链系统进行了实例分析。     

基于效益转移激励的供应链质量改进模型研究

建立了由一个制造商和两个供应商组成的二级供应链的质量改进激励模型,并通过Stackelberg博弈分析了制造商最优激励系数以及供应商最优质量风险防范水平的确定.分析结果表明,效益转移激励模型能够促进供应链质量的改进及制造商收益的提高.最后给出数值算例证明了模型的有效性.     

基于模块化设计的多产品闭环供应链优化研究

建立带能力限制的处理多种电子电器产品的闭环供应链优化模型。模型以产品模块为单位,构建了产品零售商—修复服务提供商—环保设备或工厂(包含零件供应商提供零件给工厂环节)—配送中心—产品零售商的闭环供应链系统。模型全面考虑到电子产品逆向物流处理流程以及政府政策等企业外部环境,以最大化闭环供应链利润为目标函数,以回流产品的处理量和各节点处理能力为约束,最后,利用一个算例验证模型的合理性。     

民机航材供应链优化研究

民机航材是民机制造商最为重要的资产类型，也是资金消耗量最大的部分，不仅直接影响到民机制造商的飞行安全和正常运营，而且直接决定了民机制造商的经营效益。所以，在巨大的市场压力面前，民机制造商既要合理安排一定的航材，又要在优化供应链和降低运行成本上做文章。本文对根据民机制造商供应链管理存在的问题，从航材预测—采购实施，这个环节，寻找解决问题的途径，并提出民机航材供应链优化的对策。     

基于供应链的企业库存成因及优化控制的研究

基于企业全面库存管理思想,运用供应链系统理论作为研究方法,分析了库存管理现状及产生原因,从优化生产管理、整合企业内部供应链和跨企业供应链的角度提出库存控制的对策,以实现全面的库存优化,提高经营效益。     

基于改进遗传算法的物流配送路线优化研究

在分析车辆路径问题(VRP)现有启发式算法的基础上，建立了考虑路线安排的物流配送方案模型，并提出了求解该问题的一种改进遗传算法(IGA)。方法的核心在于针对遗传算法的局部搜索能力的不足，在选择、交叉、变异等遗传操作之后，引入逆转换位算子，根据适应度是否增加，对新产生的染色体进行多次逆转操作。应用C语言编程进行模拟计算，结果表明该改进遗传算法明显增强了群体演化的质量，提高了算法收敛速度，较好地解决了“早熟收敛”问题。     

基于仿真的多级供应链补货策略优化

构造1个由多个供应商、1个配送中心、多个零售商和第三方物流公司组成的多级供应链,考虑顾客随机需求及第三方物流公司提供运输价格折扣情况下的补货策略问题.建立以供应链总成本最小为目标的数学规划模型,以及供应链仿真模型模拟供应链的运作过程,并将遗传算法与仿真模型结合.仿真结果表明,该仿真优化模型能够解决随机条件下复杂供应链的最优补货策略问题,为决策者提供借鉴.     

基于随机森林MOPSO的城市最优资本结构分析

城市资本结构是一个受到多因素交互影响的复杂问题.试图基于随机森林多目标粒子群算法构建多目标多因素影响下的城市最优资本结构模型,对城市资本结构状况进行剖析.首先利用随机森林的拟合回归特性对历史数据进行拟合,从中找到历史数据特征之间的关系.随后采用多目标粒子群约束优化算法,根据已有的关系特征去寻找使目标同时达到最好效果的特征值,再根据这些效果最好的特征值从历史数据中寻找相关性最高的数据,从而分析出资本结构配置相对较优的城市以及年份.通过不断学习这些较优的结构配置,可以对各个城市的发展起到良好的借鉴作用.     

基于改进果蝇优化算法的无功优化

将改进果蝇优化算法运用于无功优化领域,为电力系统的无功优化计算提供了一种新的算法.通过对迭代步长进行自适应调整可以有效避免果蝇算法可能陷入局部最优的问题,同时还能提高收敛精度.在无功优化模型中,对控制变量进行归一化处理,使得量纲一致;将约束条件以罚函数的形式并入目标函数中,实现对状态变量的限制.以IEEE30节点系统和IEEE57节点系统为例,分别基于果蝇优化算法(FOA)、改进果蝇优化算法(IFOA)和遗传算法(GA)进行了无功优化计算,结果表明改进果蝇优化算法(IFOA)具有更好的优化效果和计算速度,更加接近全局最优值,采用该算法解决无功优化问题效果很好.     

基于Schwab-Knopoff算法的优化改进

针对Schwab-Knopoff算法在高频阶段容易出现上下限溢出和有效数字缺失的缺陷提出了该算法在数值溢出阶段的一种算法改进方法:分析影响溢出的主要影响因子,省略相对很小的数值,设法消去共同最大的约数,达到因子数值的整体减小,增加有效数值的长度,从而解决数值溢出问题。实验结果表明:简化算法能够解决高频阶段的数值溢出和有效数字的缺失,使有效频率达到5 000 Hz以上,满足实际应用、简单易行,为实际勘探提供了可靠的频散函数曲线。     

基于改进遗传算法的海上油气田优化气举研究

机组总供气量的降低使注气压力低于最小注气压力,井的间喷易引起压力和流速振荡,或使设备疲劳、系统总产量降低。为此,基于单井动态曲线拟合,确定单井注气速度处于的限制条件。以总产量为目标函数,通过MiniVar方法改进轮盘赌,加快遗传算法的收敛速度。应用改进的遗传算法对某油井配气方案进行优化分析,得到最优配气方案下的产油量和注气量。实例表明:基于改进遗传算法的气举优化配气计算收敛速度快,设计产油量和实际产油量基本一致;改进后的遗传算法虽然无法找到全局最优解,但能找到可以接受的全局次优解。     

基于改进遗传算法的无功优化

遗传算法的基础上对其局限性进行改进,使该算法在电力系统无功优化的应用中具有一定优越性。通过改进编码和选择算子,自适应的交叉变异概率等策略,并引入基于模拟退火策略的适应度函数和混沌算法,使得改进遗传算法高速、准确的收敛于最优解,改善了传统遗传算法易陷入收敛性差、效率低的弊端。在此基础上建立无功优化数学模型,介绍了该算法具体实现步骤,并将其应用于IEEE30节点,证明所提算法是可行和有效的。     

基于空气动力学汽车车身优化改进研究

基于整车参数建立车身和风洞的三维模型并进行网格划分,建立车身空气动力学的有限元模型.采用k-ε湍流模型,利用耦合式求解器对车身进行外流场的仿真分析,得出影响车身外流场的汽车结构性能参数.对影响车身气动性变化的结构因素进行仿真分析,并以此为依据对原始车身模型进行气动造型优化.对改进的车身进行仿真分析,结果显示气动阻力和气动升力都有所降低,验证改进方法的有效性,为汽车车身的优化研究提供新的参考方法.     

基于改进DDPG算法的WSN优化策略研究

DDPG算法是Actor-Critic和DQN算法的结合体,作为目前深度强化学习中最为经典的算法 之一,被广泛应用于WSN。针对 DDPG 算法训练效率低、收敛速度慢、同步误差大等问题,提出一种 基于加权信息熵的深度确定性策略梯度算法。该算法提前对训练数据进行权重分配,根据权重比例 训练数据,并将结果通过神经网络集成。实验结果表明,相较于DQN和DDPG算法,WIE-DDPG算法 的训练效率较高、收敛速度较快、同步误差较小。