共查询到10条相似文献,搜索用时 15 毫秒
1.
求解第Ⅰ类装配线平衡问题的离散粒子群优化算法 总被引:1,自引:0,他引:1
为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。 相似文献
2.
《计算机集成制造系统》2018,(11)
针对现有单工位装配序列规划结果难以满足工位需求的问题,提出一种基于改进粒子群算法的多工位装配序列规划方法。建立多工位装配模型来描述零部件的几何信息及其与工位的关系;用装配序列可行性、装配方向一致性、装配聚合性及工位间平衡性4个评价指标构建适应度函数。为解决一般粒子群算法易陷入局部最优解的问题,对惯性权重进行了改进,提出粒子相似度和相似度阈值的概念,并通过相似度阈值控制粒子的变异,提高了算法的全局搜索能力。以某型发动机为装配实例,验证了改进粒子群算法应用于多工位装配序列规划的可行性;同时将该算法和遗传算法、一般粒子群算法进行比较,证明了该算法的优越性。 相似文献
3.
4.
5.
《机械设计与制造》2017,(4)
为了提高粒子群算法的稳定性,改善陷入局部最优的弊端,提出了一种增加算子扰动且对惯性权重进行正弦调整的粒子群优化算法。该方法首先利用差分方程对粒子的速度与位置变化过程进行深入分析,然后找到粒子群算法收敛的约束条件,进而获得改进后的惯性权重。最后在粒子群算法的速度公式中引入算子扰动项,其对粒子施加扰动,能够有效的抑制算法陷入局部最优问题,使算法在迭代后期也拥有一定的搜索能力。利用4个典型测试函数对算法进行验证,实验结果表明改进的惯性权重及速度更新公式使得该算法具备了较快的收敛速度和较佳的全局收敛性能,与标准粒子群算法相比,改进后的粒子群算法收敛精度高、鲁棒性强。 相似文献
6.
针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。 相似文献
7.
8.
针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性. 相似文献
9.
通过叶片模态实验获得叶片失谐参数建立了动力学模型.在标准粒子群算法中引入遗传算法的交叉算子和变异算子以及遗传选择,保留了粒子群算法收敛较快的特性,增加种群的多样性,改善了粒子群的全局寻优能力,并得到比其他优化算法精度更高的排序结果.研究表明,选择适当的叶片排布顺序可以有效降低叶盘系统受迫振动幅值、减轻系统振动局部化程度,采用提出的离散粒子群算法(discrete particle swarm optimization,简称DPSO)进行叶片排布可以使叶盘系统振动幅度较小或者在可接受范围内. 相似文献
10.
基于粒子群优化和变邻域搜索的混合调度算法 总被引:5,自引:1,他引:5
提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题. 相似文献