基于新型线边集成超市的周期性物料配送优化

为结合传统线边储料和成套供料的优势,有效改善汽车混流装配线的送料机制,引入一种新型线边集成超市物料配送系统,并对送料工人进行物料配送工位分配和周期性配送优化。首先,对相互关联的工位分配和周期性配送问题进行描述,并以最小化送料工人固定成本和物料配送成本为目标建立数学模型。其次,结合模型提出引理定理、构建嵌套启发式动态规划方法获取小规模问题的精确解,对于中大规模问题,构建改进型和声搜索算法进行求解。在算法设计中,通过反复拆分、合并和声记忆库加快算法的搜索速度,并融入邻域搜索、交叉变异等操作以扩大和声搜索空间、避免传统和声搜索算法早熟收敛、易陷入局部最优等缺点。最后,通过仿真实验与其他改进算法进行对比,验证了该算法运行速度快、搜索结果优,可有效解决物料配送优化问题。     

基于静态半成套策略的多目标准时化物料配送调度

针对混流装配线的准时化物料配送调度问题,提出了静态半成套供料策略。首先,对基于静态半成套供料策略的物料配送调度问题进行了描述,建立了以最小化总线边库存和总能源消耗为目标的多目标优化模型。然后,提出了一种改进的多目标引力搜索算法,该算法引入混沌引力算子和记忆搜索策略,加快了算法收敛速度并提高了种群多样性,此外建立了局部搜索优化算子对总能耗和总线边库存进行优化。最后,通过实验与标杆算法进行对比,结果验证了本文算法的可行性和有效性。     

基于蚁群算法的速冻蔬菜配送路径优化研究

以安徽某公司速冻蔬菜为例,介绍了基于蚁群算法的冷链物流配送路径优化问题的研究。通过对安徽某公司配送速冻蔬菜的现状与不足、车辆路径问题及求解算法的特点、蚁群算法模型的建立与应用等进行详细分析,建立了基于蚁群算法的冷链物流配送路径优化研究模型,使其在销售速冻蔬菜时能够达成配送路径更短、配送时间更少、配送成本更低、客户满意度更高的目标。     

基于混合教-学算法的汽车装配线物料供应调度

针对汽车装配线的物料调度问题,以装配线不缺货为约束,构建多设备联合配送的准时化物料供应模型.开展问题域的描述,以优化规划期内的线边库存水平为目标,构建数学规划模型.基于标准教-学算法（TLBO）的框架,提出求解这一复杂组合优化问题的混合教-学算法（HTLBO）.根据问题的特点,设计特定的编码与解码方法,确定各个设备的配送任务及排序.通过融合交换、反转和插入变异算子,构建局部搜索流程,以强化算法的全局开发能力.结合问题的性质,提出基于束搜索技术的剪枝方法,以强化算法的深度寻优能力.开展仿真实验,测试结果验证了该调度算法的可行性和有效性.     

基于蚁群算法的交通控制降阶滚动优化

为解决大规模区域交通控制滚动优化问题中的约束条件复杂、解空间规模庞大的最优化难题，提出了一种基于改进蚁群算法的降阶滚动优化算法.基于宏观交通流模型建立了区域交通控制滚动优化模型，在蚁群算法中设计了层状解构造图对该模型解空间进行描述和求解.运用降阶方法将大规模区域分解成一系列子区域，在蚁群算法中设计了复合层状解构造图对该降阶模型的解空间进行描述和求解，并分析了基于两种解构造图的蚁群算法的计算复杂度.分析和仿真结果表明，该降阶算法提高了整体计算效率，明显地降低了总停车延误时间，适用于大规模区域交通控制的滚动优化.     

混流装配线准时化物料配送调度优化

针对混流装配线的准时化物料配送问题,综合考虑搬运设备的运载能力和装配线不允许缺货约束,构建了车辆装载与路径规划的联合优化模型。首先,进行了问题域的描述,并以最小化物料搬运期间所有工位中的最大加权库存水平为目标建立了数学规划模型。其次,结合该调度问题的两条基本性质,提出了回溯搜索算法以获得小规模问题的精确解。此外,为了有效地应对中大规模问题的爆炸搜索空间,构建了改进型离散人工蜂群算法。该算法通过在邻域变换中融入局部搜索和差分进化操作以提升其收敛性能。最后进行了仿真实验,结果验证了准时化配送模型及调度算法的可行性、有效性。     

带时间窗的负载均衡物料配送模型研究与算法实现

针对带时间窗的车间物料配送优化问题,为减少配送作业人数、均衡车辆负载和减少物料配送总时间,建立以调用作业人数最少、车辆负载均衡和总配送时间最短为目标的多目标优化模型,并提出一种改进混合教与学算法对模型进行求解。该算法在原算法基础上加入辅导教学机制和分科目学习策略以提高算法寻优速度,采用随机惯性权重平衡算法的开采与探测能力,在"学"阶段之后设计教师个体局部寻优算子和三种变异算子以提高算法的寻优精度。以某叉车装配车间的物料配送实例为仿真对象进行仿真实验,实验结果验证了该模型和算法的有效性。与粒子群算法、标准教与学算法、改进教与学算法和遗传算法相比,改进混合教与学算法具有较高的寻优精度和寻优效率。     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

基于蚁群算法的图书物流中心配送路径规划

以图书物流中心车辆路径规划问题为研究对象,结合图书配送多品种小批量的特点,以配送路线最短为目标,在考虑车辆容量限制的条件下,建立基于零担运输策略的图书物流中心车辆路径规划模型;针对传统路径规划问题研究的不足,运用GPS导航系统重新定义了配送距离.用蚁群算法对所建模型进行求解与仿真,并结合实际案例给出优化结果,验证了模型及算法的有效性.     

基于改进蚁群算法的SDN数据中心流调度研究

目前在软件定义数据中心网络中,基于蚁群算法的流调度策略在对路径进行选择时存在收敛过慢和搜索停滞等缺点,容易导致数据中心网络时延过高和资源利用率低等问题.为此,提出一种基于蚁群改进的流调度算法.该算法以最大化平均链路带宽利用率为优化目标,将流调度问题抽象为整数线性规划模型,通过重定义蚁群算法中的信息素更新方式对大流的重路...     

Global path planning approach based on ant colony optimization algorithm

Ant colony optimization （ACO） algorithm was modified to optimize the global path. In order to simulate the real ant colonies, according to the foraging behavior of ant colonies and the characteristic of food, conceptions of neighboring area and smell area were presented. The former can ensure the diversity of paths and the latter ensures that each ant can reach the goal. Then the whole path was divided into three parts and ACO was used to search the second part path. When the three parts pathes were adjusted, the final path was found. The valid path and invalid path were defined to ensure the path valid. Finally, the strategies of the pheromone search were applied to search the optimum path. However, when only the pheromone was used to search the optimum path, ACO converges easily. In order to avoid this premature convergence, combining pheromone search and random search, a hybrid ant colony algorithm（HACO） was used to find the optimum path. The comparison between ACO and HACO shows that HACO can be used to find the shortest path.     

求解连续空间优化问题的Powell蚁群算法

针对连续空间函数优化问题,提出了Powell蚁群算法.该算法把Powell方法嵌入蚁群算法的局部搜索,提高蚁群算法的搜索精度和收敛效率.全局搜索过程中,把传统蚁群算法中的信息素更新和蚂蚁的转移规则拓展到连续空间中,定义了相应的求解算法.通过对二维多极值非线性函数的寻优实例进行仿真,并与Powell方法的求解结果进行比较,证明该方法的有效性.     

基于蚁群算法的智能交通最优路径研究

针对车辆智能交通最优路径问题,提出一种实时规划的蚁群算法。在该算法搜索过程中加入针对具体问题的局部搜索寻优算法,在启发函数中引入搜索方向,改进信息素更新策略,限制信息素轨迹量。利用智能交通道路模型对改进算法进行比较分析。实验结果表明,改进后的蚁群算法能够有效地解决车辆实时路径诱导问题,实现车辆实时路径诱导,具有良好的收敛性和寻优性。     

航空货站自动化存取系统作业调度优化

为从作业调度角度提高航空货站自动化存取系统运作效率,在分析双板作业和防冲突避让对指令序列完工时间影响的基础上,以指令序列完工时间最短为优化目标,建立了航空货站自动化存取系统调度优化模型,并设计了一种改进的蚁群算法对模型进行求解.为避免算法在搜索过程中陷入局部最优,在引入权重信息素和随机扰动策略的基础上,提出了具有变异率的状态转移参数,用于在寻优过程中决定蚂蚁的移动方向.仿真结果表明:改进的蚁群算法较基本蚁群算法和遗传算法具有更好的全局搜索能力和求解精度,所提出的调度优化方法获得的指令序列完工时间较先到先服务调度策略有至少37%的改进.     

祁连山北缘断裂滑动参数的GPS数据蚁群算法反演研究

介绍了新近为求解复杂组合优化问题提出的蚁群算法,分析和讨论了蚁群算法在反演参数的搜索空间离散化,将参数反演问题转换成一个组合优化问题等过程;再针对断层参数的特点,改进蚁群算法并结合多断裂位错模型,利用河西地区1999～2001年和2001～2004年期间观测的GPS数据对祁连山北缘断层的三维滑动速率进行了反演计算分析....     

一种求解连续优化的蚁群混合算法

针对蚁群优化算法和Alopex算法的特性，将Alopex算法嵌入到改进的蚁群优化算法中．提出一种求解连续空间优化问题的混合算法（ACOAL），ACOAL算法定义了新的蚁群信息素更新规则、蚁群在解空间的寻优方式和蚁群行进策略；同时，结合Alopex算法以加强搜索能力，该算法充分发挥了Alopex算法的快速搜索能力和蚁群算法寻优性质优良的特性，提高了算法的收敛速度，避免了优化算法陷入局部最优。     

基于蚁群神经网络算法的机器人逆解

提出了一种机器人逆运动学问题建模的新方法.利用神经网络逼近机器人逆运动学的输入与输出、利用改进的蚁群算法学习神经网络.针对蚁群算法主要用于离散优化的特点,对基本的蚁群算法进行了改进,采用了全局搜索、局部搜索和确定性搜索,为连续问题的优化提供了一条新的思路.利用改进的蚁群算法学习神经网络,为神经网络提供了一种新的学习算法,使得该方法兼具了蚁群算法与神经网络的优点.应用实例表明了该方法的有效性,提高了机器人逆运动学求解的速度和精度.     

基于多操作规程和原则的操纵器排列优化

为了解决操纵器排列中采用经验法存在的排列依据难以追溯、排列结果因人而异的问题,提出了基于蚁群算法的操纵器排列优化方法.依据蚂蚁觅食现象提出的蚁群算法可优化操纵器的排列,使操纵员手的总移动距离最短.研究中以操纵器的重要性、使用频率、操作次序以及相关性工效学排列原则作为蚁群算法的启发信息,以不同规程下操纵员手的移动总距离作为目标函数,建立了基于蚁群算法的操纵器排列优化数学模型,并进行了实例研究,得到了确定的排列结果.研究表明,该方法的排列依据科学,排列过程可追溯,排列结果最优.     

自适应和最大最小蚁群算法的物流车辆路径优化比较

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了自适应蚁群算法和最大最小蚁群算法进行车辆路径优化,分析、比较了这两种算法的不同并在Matlab上做了仿真。仿真实验结果显示自适应蚁群算法在收敛速度和寻找最短路径上都略逊于最大最小蚁群算法,最大最小蚁群算法在物流车辆路径优化上优于适应蚁群算法。     

基于募集机制的连续蚁群系统及其应用

针对经典蚁群算法只适用于离散优化问题的不足，从蚂蚁觅食的生物学行为出发，以寻觅最优食
物源为目标，运用蚁群的海量募集和成群募集两种机制，并结合蚂蚁的厌食现象，均衡地搜索，由此构
建了适用于连续问题的蚁群优化系统（MG-CACO）.经典函数的测试表明，MG-CACO的全局寻优效率高，稳
健性良好，尤其对高维问题的适应性强.将MG-CACO用于二甲苯异构化装置的操作条件优化，效果令人满
意，其全局寻优性能和稳定性均优于其他方法.