基于进化算法和模拟退火算法的混合调度算法

将进化算法与模拟退火算法相结合,提出四种有效的混合调度算法,即遗传退火算法、改进遗传算法、改进进化规划和并行模拟退火算法。两种算法搜索机制的互补增强了全局探索能力,基于关键路径的邻域函数运用提高了算法的效率。仿真结果表明:混合算法在求解质量和求解效率方面均有优势,优于国外同类研究成果;基于模拟退火的变异算子的搜索能力优于交叉算子;改进进化规划优于其他混合算法。     

Free Search——一种新的进化算法

随着计算智能技术的发展,出现了一些新的进化算法.在对一类进化算法--群体优化算法特征分析的基础上,从生物学原理、搜索机制、算法结构等方面,介绍了一种新出现的进化算法Free Search,并归纳了与其他进化算法的共性特征,同粒子群优化算法进行了特征比较.     

一种优化算法在齿轮传动装置故障诊断中的应用

分析了粒子群算法（PSO）和差分进化算法（DE）的特点,提出了一种PSO-DV算法用于优化BP神经网络的权值和阈值,并利用PSO-DV算法优化的BP神经网络进行了齿轮箱的故障诊断。试验结果表明,PSO-DV算法可以避免神经网络陷入局部极小,改善了收敛性能,同时保证了齿轮箱故障诊断的正判率。     

基于MATLAB的蚁群算法仿真研究

介绍了基于MATLAB的蚁群算法仿真研究,对佛罗里达州六城市旅行商问题进行了MATLAB仿真,计算结果显示,作为新型进化算法,蚁群算法能够解决复杂组合优化问题.     

Job shop调度文化进化算法研究

作业车间调度优化问题属典型的NP-hard问题,其求解通常采用智能启发式算法,文化进化算法基于文化算法及文化进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到Jobshop问题的求解,用matlab编程仿真测试,结果表明此算法解决车间调度优化问题是可行的,而且其搜索性能优于一般GA算法及一种改进的微粒群算法。     

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。     

基于并行策略的改进混合粒子群算法及其应用

针对粒子群算法在解决高维度复杂优化易陷入局部最优的问题,构建差分进化算法(DE)、人工蜂群算法(ABC)与粒子群算法(PSO)并行运算的种群更新模型,提出基于并行策略的改进混合粒子群算法(DA_PSO)。以并行策略为基础,不改变种群规模,独立运行3种算法,每隔n次比较3种算法,获得当前最优点,并用其替换粒子群算法的种群最优点,利用PSO算法个体向种群最优靠近的特点,充分吸收DE算法、ABC算法的优点,使被替换后的PSO算法跳出局部最优,提升优化结果的质量。采用五种类型测试函数分别对ABC、DE、PSO和DA_PSO进行对比验证,结果表明:较其他算法而言,DA_PSO算法精度高,稳定性好,适应性强。同时为验证所提方法的科学性与实用性,将其应用在10t~32t/31.5m系列化的桥式起重机主梁金属结构轻量化设计中。     

基于改进双归档进化算法的多目标动态软件项目调度

项目需求变化和开发人员流动使得软件项目管理具有动态性的特征.鉴于此,建立了包含持续时间、项目成本、调度鲁棒性和调度稳定性的多目标动态软件项目调度模型,并提出一种改进的双归档进化算法.双归档进化算法在优化多目标约束问题时可以同时平衡收敛性、多样性和可行性.但随着目标维度增加,双归档进化算法的性能会下降.本文提出的改进算法采用佳点集和启发式策略进行种群初始化,利用评价函数自适应地对两种交叉和变异方法进行概率选择,分别采用质量指标和动态拥挤度距离对收敛性档案和多样性档案进行更新.对比实验基于仿真的和真实的软件项目进行.结果表明,改进的双归档进化算法具有良好的性能,可以获得质量更高的帕累托解集.     

智能优化算法在机械优化设计中的应用

针对传统机械优化设计算法存在的问题，分析介绍了近年来兴起的智能优化算法，主要是几种神经网络模型和进化计算等智能化算法用于机械优化设计的基本思想和应用方法。     

基于同态映射进化算法的改进方法研究

介绍了一种新的进化算法——基于同态映射进化算法(EAHM)．并针对其存在的早熟情况，利用同态映射的逆映射关系，提出了改进方法。以汽车制动器最优化设计为算例，验证了改进方法能够摆脱局部收敛，找到更优的设计方案，提高了全局寻优能力。     

免疫混沌粒子群算法及其在热工辨识中的应用

提出了一种基于免疫和混沌的改进PSO算法(ICPSO),该算法利用了混沌优化的多样性,结合免疫的克隆和交叉变异的原理来初始化和更新粒子群。仿真实验表明,相较于传统的PSO有收敛速度更快、精度更高、不易陷入局部最优的优点。最后采用ICPSO算法对两个典型函数的无约束极值问题和典型二阶传递函数模型辨识问题进行求解,验证了其收敛性和摆脱局部极值点的能力明显优于基本PSO算法。     

Crowding-measure-based multiobjective evolutionary algorithm for job shop scheduling

Multiobjective evolutionary algorithm (MOEA) has attracted much attention in the past decade; however, the application of MOEA to practical problems such as job shop scheduling is seldom considered. In this paper, crowding-measure-based multiobjective evolutionary algorithm (CMOEA) is first designed, which makes use of the crowding measure to adjust the external population and assign different fitness for individuals; then CMOEA is applied to job shop scheduling to minimize makespan and the total tardiness of jobs. Finally, the comparison between CMOEA and SPEA demonstrates that CMOEA performs well in job shop scheduling.     

多目标混合流水车间作业调度的演化算法

针对多目标条件下混合流水车间作业调度的优化问题,提出了一种在优化进程中能够动态调整适应度分配的演化算法。该算法采用矩阵编码描述多阶段并行机调度方案,结合问题的优化模型,对每一代Pareto解在各目标方向上的改善程度进行度量,进而通过多目标的选择性权重系数计算种群个体的适应度,以获得在改善指示方向上的选择压力。通过BENCHMARK问题测试和实际算例分析,表明新算法的性能优于现有的求解算法,特别是对于高维多目标优化问题,能够获得较高的演化收敛速度。     

蚁群算法的理论与应用

介绍了一种求解复杂组合优化问题的新的拟生态算法——蚁群算法。阐述了该算法的基本原理、几种改进蚁群算法以及蚁群算法在TSP问题、job-shop调度问题、大规模集成电路布线、电信网络路由等各种组合优化问题中的应用。     

基于分等级搜索的可持续进化算法研究

通过分析标准遗传算法在可持续性进化方面的缺陷，提出了HFC模型及其运算流程，井给出了详细的数学描述。HFC算法的分等级搜索方式改进了标准遗传算法的缺陷，是一种能实现可持续性进化的算法模型。HFC模型不仅能确保种群的多样性，而且保证了个体间的公平竞争。实例验证了HFC模型和标准遗传算法在相同问题上的不同效果。     

改进的BP神经网络在故障诊断中的应用

介绍了BP神经网络的结构和学习方法,针对BP网络存在局部极小值和收敛速度慢等问题．提出采用一种基于Levenbe rg-Marquardt算法(LM算法)的改进BP网络,最后通过汽轮机故障诊断实例的仿真研究,结果表明改进算法的性能明显优于常规BP算法,经改进算法训练的网络能大大提高故障的在线诊断能力．具有广泛的应用前景和应用价值。     

硬胶囊壳生产中黏度控制方法研究

针对硬胶囊生产对胶液黏度控制的要求,在研究了传统控制算法的基础上,提出一种改进的控制算法,该算法不但有效抑制了超调,克服了调节惯性,而且提高了控制精度。经实际应用表明,该控制策略简单,控制精度高,具有较高的实用价值。     

自动组卷系统的研究

本文对随机抽取算法,回溯试探算法,遗传算法,定性映射算法等几种流行的自动组卷算法的原理与实现方法进行了深入的研究与分析,阐述了各种算法的优缺点和适用场合,以便在实际应用中能够根据需要选择适当的组卷算法。     

基于免疫进化神经网络的机械手逆运动控制

将免疫进化算法用于机械手逆运动神经网络控制，基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想构造了自适应变异算子，使系统能够根据环境条件自适应地确定各抗体的变异强度；通过亲和力抑制相似抗体生存并动态地产生新的抗体，以维持抗体种群的多样性。通过对机械手进行仿真试验，并与快速BP算法及标准遗传算法训练的结果进行比较，表明用免疫算法训练的神经网络具有良好的泛化能力，可大大提高机械手逆运动学求解精度。     

动车组底部智能巡检机器人机械结构参数优化

采用当前方法优化动车组底部智能巡检机器人机械结构参数时,由于在构建参数优化函数过程中未考虑机械结构参数约束条件,使得最终优化效果差、优化后巡检机器人运动性能差,因此,提出新的动车组底部智能巡检机器人机械结构参数优化方法。根据动车组底部巡检机器人故障检测过程中,机械探测装置因电压正负极排斥产生的位移倾角,推导巡检机器人动力学方程,并将这一方程输出的巡检机器人机械结构参数矩阵与参数约束条件相结合,构建机械结构参数优化函数,利用量子进化算法求解该函数,根据函数输出结果实现巡检机器人机械结构参数优化。实验结果表明,所提方法优化效果好,优化后巡检机器人运动性能强,实际应用效果更好。