具有路由缓冲区的客车制造车间排产优化问题研究

针对客车制造车间改机操作的特点,建立了基于总改机代价的路由缓冲区深度搜索移动规则,指导客车在路由缓冲区的移动过程,在此基础上进一步提出了一种基于最短路径优先(Short Path First,SPF)算法的路由缓冲区局部快速寻优方法,并结合全局优化算法,解决这类具有路由缓冲区的排产优化问题。全局优化算法采用改进的鲸鱼算法,该算法在标准的鲸鱼算法基础上加入了Levy飞行和反向学习策略2处改进,分别扩展了种群的多样性和寻优范围,提高了标准的鲸鱼算法跳出局部极值的能力。通过多组实例仿真测试,验证基于SPF算法的路由缓冲区局部寻优方法与基于改进的鲸鱼算法的全局优化算法结合的优化方案对于解决具有路由缓冲区排产优化问题的有效性。     

直接位置更新策略的试变异粒子群优化算法及其在可靠性优化中的应用

为了提升粒子群优化(Particle swarm optimization,PSO)算法的全局寻优能力,增强PSO算法在处理复杂的、高维的、多模态优化问题的寻优性能,提升PSO算法在可靠性优化应用中的优化效果,提出了一种基于直接位置更新策略的试变异(Direct position updating?based trying?mutation PSO,DTPSO)算法.设计了直接位置更新策略和试变异策略,有效维持了种群的多样性,维持了探索和开发的平衡,提升了获得全局最优解的概率.通过9种复杂测试函数的验证和比较,证明了DTSPO算法设计的合理性,以及算法拥有的优异的全局寻优能力.对可靠性冗余分配和可靠度分配问题进行了优化,并和其它先进的改进算法进行比较,结果证明了DTPSO算法的稳定性和寻优性能.     

快速全局优化算法在电磁场逆问题中的应用

为解决电磁场逆问题分析计算过度依赖计算机资源这一"瓶颈"问题,提出了一种新的快速全局优化算法.该算法首先应用基于紧支集径向基函数(CS-RBF)的改进表面响应模型(RSM)重构原优化问题;然后应用改进的粒子群算法(PSO)对重构的优化问题进行快速全局寻优.研究表明,典型数学函数验证以及电磁场逆问题的分析和计算,验证了算法的全局搜索和快速寻优能力.     

基于混合类电磁机制算法的机械臂逆运动学解

机械臂的逆运动学问题可转化为等效的最小化优化问题,并采用数值优化方法求解。提出一种基于类电磁机制(Electromagnetism-like mechanism,EM)和模式搜索(Pattern search,PS)数值求解机械臂逆运动学问题的混合类电磁机制算法(Hybrid electromagnetism-like mechanism,HEM)。该方法利用修改的类电磁机制(Revised electromagnetism-like mechanism,REM)与模式搜索方法各自特性相互融合平衡算法对解空间的全局探索和局部开发能力,基准函数测试结果表明该算法改善了全局搜索性能及寻优解的可靠性。在此基础上以6自由度TX60型号史陶比尔工业机械臂为例,考虑以机械臂末端位姿误差构建适应度函数并采用上混合类电磁机制算法数值求解,仿真结果表明,与其他方法比较,该方法用较少的适应度值计算次数下就能搜索到期望精度的寻优解,并且能搜索到所有可能关节角逆解的潜在能力,验证了该方法的有效性。     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题，提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性，避免了遗传算法的早熟收敛问题，增强了算法的全局收敛性，并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化，其结果与MDOD和改进遗传算法2种的结果进行比较，表明此算法能够很好处理工程离散化问题。     

非负二元函数最大值求解的复变函数法

二元函数优化问题在许多工程问题中广泛存在,其全局寻优方法一直是人们研究的热点问题之一。基于复变函数中解析函数最大模理论针对一类非负二元函数的全局寻优问题提出了一种高效方法,它可以将目标函数在有界二维区域上的寻优问题简化为一维全局优化问题的求解,给出了方法可行性的理论依据,并用三个算例验证了方法的有效性。方法和结论一方面可直接用于解决解析函数应用场合中的优化问题;另一方面对于适用的二维数学优化问题可实现高精度、高效率的全局寻优。     

混合优化算法在氧化铝生产中物料平衡计算上的应用

通过分析传统的单一优化算法所存在的优点与不足,成功将粒子群算法、混沌优化以及单纯形法3种优化算法有机结合起来,提出一种基于混沌-单纯形法的混合粒子群协同优化算法,加强粒子群的局部寻优效率和全局寻优性能,以提高搜索速度和成功率.Benchmark 函数仿真以及氧化铝生产中拜耳法物料平衡计算的最终结果表明:新算法不仅在稳定性和收敛性上优于传统粒子群算法和相应的改进粒子群优化算法,且具有较高的收敛速度和全局收敛能力,同时也是进行物料平衡计算的一种有效的方法.     

基于改进粒子群算法的应变传感器优化布置

在结构健康监测和损伤识别研究中,为了应用有限的试验设备资源获取尽可能多的有效测试信息,快速有效地解决应变传感器的优化配置问题,提出了一种基于克隆选择和离散粒子群混合算法优化新型适应度函数的应变传感器优化布置方法,并将该方法应用到拉西瓦拱坝上。结果表明,基于改进克隆选择和离散粒子群混合算法具有更强的全局寻优能力,且提出的应变类适应度函数在保证应变模态正交性和模态应变能方面更有优势。该方法能很好地识别拱坝的应变振型,可在各类结构的模态测试和损伤识别研究中进行推广。     

移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

基于改进粒子群算法的PID参数整定

粒子群算法是一种基于群智能的全局寻优方法,方法简单,易于实现,寻优效果好。PID控制因其算法简单、鲁棒性好、可靠性高而被广泛应用于工业控制过程。该文提出了一种改进的PSO算法以提高其优化性能,通过典型测试函数的实验证明了该改进的PSO算法具有较好的优化性能。最后,将改进后的PSO算法应用到PID参数整定中,通过MATLAB仿真证明了该方法的可行性和优越性。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

波形弹簧优化设计

建立了以波形弹簧体积最小为优化目标的数学模型,采用混合离散变量优化算法（ＭＤＯＤ算法）进行了优化设计,结果表明本文提供的优化技术具有一定的实用价值。     

CAPP系统中优化下料问题的研究

介绍了CAPP系统中的优化下料问题，采用离散变量优化方法（MDOD）对下料模型优化求解，并对数学模型的技术关键做了剖析，改进了传统下料优化方法中使用单纯形法来获得近似解的不足。     

Optimization analysis of trajectory for re-entry vehicle using global orthogonal polynomial

We present a procedure for the application of global orthogonal polynomial into an atmospheric re-entry maneuvering problem. This trajectory optimization is imbedded in a family of canonically parameterized optimal control problem. The optimal control problem is transcribed to nonlinear programming via global orthogonal polynomial and is solved a sparse nonlinear optimization algorithm. We analyze the optimal trajectories with respect to the performance of re-entry maneuver.     

驾驶员确定汽车预期轨迹的网格式优化模型

分析了驾驶员的操纵行为特性和轨迹决策模型的基本原理，指出了由于加速度增量式划分所带来的收敛性问题和评价指标隶属函数的非严格单调所带来的稳定性问题。在介绍优化方法基本原理的基础上，利用网格优化方法建立了汽车预期轨迹决策模型，并利用严格单调Sigmoid函数建立各个评价指标的隶属函数，消除了原有模型的不稳定和不收敛特性，为智能汽车方向决策控制的研究提供了一个更加合理的模型。     

基于混沌优化的多层前馈神经网络

BP算法是应用广泛的一种多层前馈神经网络模型,针对算法求解精度低、搜索速度慢、易于陷入局部极值点等问题,根据混沌理论的全局优化思想,提出采用"多次载波"技术将混沌优化和前馈神经网络相结合,利用已找到的近似最优解来启发搜索全局最优解的方法训练神经网络,以布尔函数识别、曲线逼近、模式识别3个典型应用对算法进行验证。研究结果表明,算法具有较好的泛化能力和快速全局收敛的性能,特别是针对中小规模的网络,混沌优化算法在训练时间、全局收敛率等指标方面优于BP算法。     

权重改进的蛙跳算法优化PID参数

针对非线性、大延迟、时变的控制系统,传统的PID控制效果不理想,为此提出用蛙跳(shuffled frog leaping algorithm,SFLA)仿生优化算法整定PID参数,但传统蛙跳算法易陷入局部最优,收敛速度慢,因此提出权重改进的蛙跳算法(weight improved shuffled frog leaping algorithm,WISFLA)。该算法引入线性递减惯性权重修正最差青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。通过两个经典控制系统的仿真测试,结果表明,WISFLA算法可以平衡算法的全局搜索和局部搜索,比SFLA和PSO(particle swarm optimization)的寻优能力强,迭代次数少,更适合PID参数的整定优化。     

混沌蚁群算法及其在连续域优化中的应用

蚁群算法是一种新型的模拟进化算法,该算法采用分布式并行计算和正反馈机制,具有较强的鲁棒性,易于与其他方法结合,目前在很多优化领域中得到了广泛应用,但是进化速度慢,易陷入局部最优是其最主要的缺点。本文在基于网格划分策略的蚁群算法的基础上,结合混沌理论,提出了混沌蚁群算法。在算法初始化和信息素更新方面提出了改进,采用了MAX-MINAntSystem的思想对路径上可能的残留信息素进行了限制,通过实例验证,证明了该算法是有效性。     

Applications of soft computing techniques in response surface based approximate optimization

The paper describes the construction of global function approximation models for use in design optimization via global search techniques such as genetic algorithms. Two different approximation methods referred to as evolutionary fuzzy modeling (EFM) and neuro-fuzzy modeling (NFM) are implemented in the context of global approximate optimization. EFM and NFM are based on soft computing paradigms utilizing fuzzy systems, neural networks and evolutionary computing techniques. Such approximation methods may have their promising characteristics in a case where the training data is not sufficiently provided or uncertain information may be included in design process. Fuzzy inference system is the central system for of identifying the input/output relationship in both methods. The paper introduces the general procedures including fuzzy rule generation, membership function selection and inference process for EFM and NFM, and presents their generalization capabilities in terms of a number of fuzzy rules and training data with application to a three-bar truss optimization.