面向圆形布局位置选择的蚁群劳动分工算法

采用定序定位的思路求解圆形布局问题,将确定圆形物体在容器内摆放位置的定位过程看作位置选择问题.借鉴蚁群劳动分工的任务选择实现圆形布局定位过程中的位置选择,提出一种蚁群劳动分工算法.首先分析了定序定位求解框架下圆形布局问题的选择特性;然后建立了任务选择与位置选择之间的映射关系;接着引入蚁群劳动分工中的刺激-响应原理,提出相应的定位算法;最后结合蚁群算法优化放置顺序,完成对圆形布局问题的定序定位求解.通过两组国际公开测试集的数值计算,验证了所提算法的可行性和有效性.     

人机结合蚁群/遗传算法及其在卫星舱布局设计中的应用

卫星舱布局设计问题既存在计算复杂性的组合爆炸,又存在工程的复杂性。许多工程实践表明发挥人机各自特长能有效解决此问题。提出人机结合蚁群／遗传算法HCAGA的求解方法,该算法是将人工方案(人工解)和算法解用统一编码串形式编码,二者结合构成解群,共同参与该算法操作。给出了由计算机自动或人工决定人工方案(人工解)输入时机的两种方式,给出简化的三维卫星布局设计算例。用该算法与并行遗传算法(PGA)和蚁群算法(ACO)进行对比,结果表明该算法在获得工程满意解和计算效率方面较为优越。     

无人机地面控制台人机布局优化设计方法研究

在目前的大数据时代,无人机等智能飞行器应用前景越来越广泛,而无人机进行飞行任务的关键部分在于其地面控制系统。本文通过探究无人机地面控制台人机布局优化设计方法来达到提升无人机地面控制台人机合作工作效率的目的,并最终提升无人机的飞行任务执行的成功率。     

量子蚂蚁算法及其在箱形盖板优化设计中的应用

在蚁群算法的基础上中引入量子理论,将一种新的基于Delta势阱的具有量子行为的量子蚁群算法应用到箱形盖板的优化设计中,优化计算结果表明,量子蚁群算法应用于机械优化设计可获得较好的效果,为复杂的机械优化设计问题提供了新的思路和方法。     

基于加工操作单元的多态蚁群装夹规划方法

针对基于加工特征的计算机辅助装夹规划问题,提出一种基于多态蚁群算法的装夹规划优化方法。根据零件的加工特征,定义了加工操作单元,建立零件的装夹规划模型;接着提出了集成顺序优先约束的多态蚁群求解装夹规划的优化算法。其中顺序优先约束是通过对加工操作单元的划分,实现禁忌加工操作单元的动态调整;多态蚁群算法将局域搜索与全局搜索进行结合,并根据状态转移概率在可行的加工操作单元中进行选择,完成整个装夹路径的规划。最后通过典型零件装夹规划的实例,验证了提出的多态蚁群算法在求解装夹规划问题中的可行性和有效性。     

基于改进蚁群算法的FMS工艺路线优化配置

针对基于CON模型的FMS工艺路线优化问题提出了一种改进的蚁群算法.蚁群算法的特点表明它适合于求解FMS工艺路线优化配置这类非线性约束复杂优化问题.本文充分利用了蚁群算法在求解该类问题方面的优势,通过融合了网格法的蚁群算法实现了将蚁群算法用于求解多变量连续函数优化问题.针对蚁群算法自身存在的容易陷入局部最优等问题,提出了引入交叉算子来改进算法的性能.     

面向作业车间调度的基于拓扑排序的二级嵌套蚁群算法研究

蚁群算法的出现,为求解作业车间调度问题提供了新思路。然而,由于作业车间调度问题的可行域属性非常复杂,目前,采用蚁群算法进行求解,还存在收敛可靠性差和优化程度不高的问题。针对以上两个问题,在对工序拓扑排序的约束特性进行分析的基础上,提出基于拓扑排序的二级嵌套蚁群算法,其基本思想是:以拓扑排序为基础,采用受限主路径覆盖可行域,从而降低搜索的规模和盲目性,提升收敛可靠性;将问题分解为工艺路径优化和设备遴选优化两个级别的问题,从而构造二级优化机制,采用工艺主路径与设备支路径嵌套递归的方式,实现工序排序与设备遴选之间的相互干涉,从而提升解的满意度。比较试验表明,与目前常用的蚁群算法求解方法相比,采用基于拓扑排序的二级嵌套蚁群算法求解作业车间调度问题,具有良好的收敛可靠性、求解效率和寻优能力。     

量子蚁群算法在压力容器优化设计中的应用

建立压力容器的优化设计数学模型,利用一种新型的优化算法——量子蚁群算法对压力容器的主要参数进行优化设计。量子蚁群算法在蚁群算法的基础上引入量子理论,该方法能尽快搜索到较理想的下降方向,提高了算法的收敛速度。具体应用实例表明,基于量子蚁群算法的优化设计切实可行,显示量子蚁群算法在化工设备优化设计问题上的可用性。     

基于蚁群算法的气门弹簧多目标优化

介绍了蚁群算法的基本原理、模型和实现方法,并以常见的气门弹簧作为优化设计目标,建立多目标函数的数学模型,利用MATLAB编程进行求解。通过将计算结果与用遗传算法优化、常规优化算法优化获得的结果进行对比可知,蚁群算法具有很好的寻优能力,同时也表明蚁群算法在优化设计领域的可行性和实用性。     

基于约束蚁群算法的装配序列优化

针对装配序列优化问题,定义装配约束条件下的蚂蚁转移概率函数和启发式信息函数,提出了面向装配序列优化的约束蚁群算法,以获得相对较优的装配序列。改进了算法的参数设置,利用信息素残留系数的动态变化以及优化转移概率的公式,控制算法的迭代速度,避免了算法过快收敛导致的局部最优解。运用CATIA二次开发方式获取了干涉矩阵等装配信息模型,并以一个典型实例分析了约束蚁群算法的特性,验证了算法的可行性和可靠性,实例证明了约束蚁群算法的有效性。     

基于可达域的激光增材制造装备人机界面布局优化研究

由于激光增材制造装备具有多维度信息、多流程、多功能、多对象等人机交互特征,导致其人机交互效率低、舒适安全性差,直接影响制件成形质量的稳定性。基于此,提出一种基于可达域的激光增材制造装备人机界面布局优化方法。依据双手垂直可达域的舒适性划分人机交互界面可达域等级,构建基于可达域的激光增材制造装备人机界面布局优化模型。针对基于域模型构建的多决策变量界面布局模型求解问题,提出一种基于狼群-粒子群算法的混合智能求解算法,将狼群算法的奔走围攻行为机制引入粒子群算法,解决粒子群算法因种群多样性较低而导致计算结果容易陷入局部最优解问题。最后,以LDM4030激光增材制造装备为例,对其人机界面布局进行优化,并进行工效学仿真与眼动试验,结果表明：优化后的人机界面布局在舒适性、安全性以及界面的合理性上都优于原装备的设计,验证了该模型的有效性和可行性。     

改进自适应蚁群算法求解集装箱装载瓦楞纸板问题

集装箱装载瓦楞纸板问题是一个复杂组合优化问题,针对该问题,在满足基本的装载要求和约束条件下,充分利用自适应蚁群算法的强搜索能力和启发式算法对具体问题的针对性,将自适应蚁群算法和启发式算法结合,提出一种改进的自适应蚁群算法,求解出了最优装载方案。对纸板装载问题建立模型,提出目标函数并给出约束条件;根据实际情况提出启发式规则,将其与自适应蚁群算法进行结合;使用实例进行仿真验证。将仿真结果与实际情况进行对比,装载体积率明显提高,证明了该算法能够提高瓦楞纸板装载空间利用率,节省了人力,大大提高了工作效率。     

基于蚁群算法大功率曝气机减速齿轮箱的可靠性优化设计

蚁群算法是基于群体的一种仿生算法，对于复杂系统的优化设计具有鲁棒性好、寻优能力强等特点。本文以大功率倒伞曝气机行星减速齿轮箱的体积最小为优化目标函数，建立了行星减速齿轮箱的数学模型，并运用蚁群算法和MATLAB语言，对行星齿轮箱进行了优化计算。优化结果表明，基于蚁群算法的优化设计较传统优化设计相比，在满足设计要求的前提下体积更轻。为行星齿轮箱的其它优化设计提供了新的思路方法。     

改进蚁群算法的斜齿轮传动多目标优化

本文针对传统蚁群算法在优化目标函数和设计变量较多时,收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的蚁群优化算法。并对两级斜齿圆柱齿轮减速器在考虑其动态性能、体积、可靠度多目标下对齿轮参数进行了优化。其结果与传统设计相比,在保持了减速器较高可靠性的同时,获得了较好的动态性能和较小的体积。本文提出的改进蚁群算法为斜齿轮减速器提供了一种新的优化设计方法。     

基于蚂蚁算法的谐波齿轮传动模糊优化设计

研究了谐波齿轮传动优化设计问题，建立了其模糊优化设计数学模型。引入蚁群更新策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，给出了谐波传动的混合离散变量优化设计实例。     

基于蚂蚁算法的混合离散变量机械优化设计方法

引入蚁群更新、沿途搜索等策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，通过典型优化设计问题进行了验证，并给出了混合离散变量机械优化设计实例。实例表明，改进后的蚂蚁算法全局收敛能力强，程序运行可靠。     

基于自适应蚁群算法的矩形件排样优化

蚁群算法是一种新型的进化算法,但它与其他进化算法一样也存在容易陷入局部搜索空间等缺陷。将蚁群算法引入到矩形零件的排样优化问题中,根据待排矩形零件面积和长宽比对每个蚂蚁节点赋予一定的初始信息量,同时对基本蚁群系统中的状态转移概率与信息素挥发因子做了适当改进,使其拥有自适应调节作用,从而有效的避免了蚂蚁长时间陷入局部搜索空间,使算法能在较短的时间内收敛到全局最优或近似最优解。最后两个实例表明,此算法用于求解矩形件排样问题是有效的。     

Intelligent Optimization Methods for the Design of an Overhead Travelling Crane

In design optimization of crane metal structures, present approaches are based on simple models and mixed variables, which are difficult to use in practice and usually lead to failure of optimized results for rounding variables. Crane metal structure optimal design(CMSOD) belongs to a constrained nonlinear optimization problem with discrete variables. A novel algorithm combining ant colony algorithm with a mutation-based local search(ACAM) is developed and used for a real CMSOD for the first time. In the algorithm model, the encoded mode of continuous array elements is introduced. This not only avoids the need to round optimization design variables during mixed variable optimization, but also facilitates the construction of heuristic information, and the storage and update of the ant colony pheromone. Together with the proposed ACAM, a genetic algorithm(GA) and particle swarm optimization(PSO) are used to optimize the metal structure of a crane. The optimization results show that the convergence speed of ACAM is approximately 20% of that of the GA and around 11% of that of the PSO. The objective function value given by ACAM is 22.23% less than the practical design value, a reduction of 16.42% over the GA and 3.27% over the PSO. The developed ACAM is an effective intelligent method for CMSOD and superior to other methods.     

A population-based hybrid ant system for quadratic assignment formulations in facility layout design

The facility layout design problem is an extensively studied research problem and belongs to nonpolynomial hard (NP-hard) combinatorial optimization problem. Quadratic assignment problem (QAP) is one of the formulations that is investigated for facility layout design because of its wide applicability. Ant colony optimization (ACO), a biologically inspired heuristic has centered on solving the QAP by achieving approximation as good as possible. This paper presents a population-based hybrid ant system (PHAS), which is an extension of the hybrid ant system (HAS) in which the size of the ant colony has been fixed. The performance of the proposed ant algorithm for QAP is compared with the existing metaheuristic implementations such as tabu search, reactive tabu search, simulated annealing, genetic hybrid method, HAS, and max–min ant system. The experimental results show that the proposed PHAS perform significantly better than the other existing algorithms of QAP.     

基于矩阵算式和蚁群算法的元功能链设计方案优化方法*

为解决矩阵算式求解元功能链设计方案过程中缺乏优化工具的问题,提出了一种矩阵算式结合蚁群算法的优化方法。分析了相似性理论,用相似度和广义距离表征两个相邻元件的兼容性;定义了相似度矩阵,并使之与设计方案矩阵关联计算,获得了蕴含元件相似度信息的设计方案矩阵;定义了设计方案的评价模型和基于蚁群算法的优化模型,给出了评价参数、权重以及评价值的计算方法;以元件的评价得分作为信息素,以广义距离作为相邻节点路径的长度,构建了信息素矩阵和概率矩阵;将方案求解问题转化为组合优化的最优路径问题,用蚁群算法直接优化蕴含在设计方案矩阵中的方案,得到了同时满足结构需求、功能需求、评价需求的设计方案。通过某三轴伺服传送机构设计方案优化的实例,验证了方法的有效性。