生鲜产品的纯电动冷藏车配送路径问题研究

根据生鲜产品和纯电动冷藏车的特性，研究了供应商使用同一车型的纯电动冷藏车给需求多样化的零售商配送生鲜产品的路径优化问题，考虑了车辆在行驶途中可以多次前往充电站充电以及零售商对于被服务时间的要求，以总配送成本最小为目标，构建了有客户软时间窗约束和车辆里程约束的生鲜产品配送路径问题的数学模型，以Solomn标准算例为基础构造算例，并设计了蚁群算法对模型进行求解，得到了包括充电计划在内的车辆路径方案，并与传统冷藏车配送路径方案相比较，结果发现两种方案的总成本相差不大，纯电动冷藏车虽然路线长度更长，但是可以减少温室气体的排放，运输成本较低，并且享有政府补贴，更加符合供应商的需求。     

考虑灵活充电策略的带时间窗物流配送路径优化研究

电动汽车作为一种新型绿色交通运输工具,目前被广泛的应用于多种物流场景中.然而,电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中的有效推广.为此,针对电动汽车的物流配送路径优化问题,引入一种部分充电策略,提出了考虑部分充电策略的带时间窗电动汽车物流配送路径优化问题,建立了该问题的整数规划模型,并设计混合模拟退火算法对其求解.最后,利用一个研究算例对模型和算法进行了测试和数值分析,验证了其有效性.     

考虑时变交通状况的低碳车辆路径优化

研究了由常发性交通拥堵造成的实时交通状况变化对低碳车辆路径优化的影响。用道路交通状态指数表示城市实时交通状况，以低碳和配送时间最短为目标建立整数规划模型进行路径优化。设计了改进的粒子群算法进行求解，得到帕累托前沿解集。数值算例表明，改进的粒子群算法能有效找到满意解。通过帕累托解集可以证明该方法可以在牺牲少量配送时间的前提下减少碳排放量。随着交通状态指数的增大碳排放量的优化效果更加明显。     

基于BQPSO的潜水器路径规划算法

在栅格法的自治水下机器人离散工作空间基础上,提出一种基于二进制编码的量子粒子群(BQPSO)算法求解自治水下机器人路径规划问题。该算法将路径表示为粒子位置的二进制编码,以路径长度为适应值,引入交叉策略避免陷入局部最小。仿真实验表明,BQPSO算法可以进行有效的自治水下机器人路径避障。     

电动汽车有序充电多目标优化方法

电动汽车大规模无序充电会导致电网负荷波动过大、电压偏移量大,因此,需要对电动汽车充电行为进行多目标优化。通过对电动汽车驾驶人员驾驶行为与充电习惯的分析,建立电动汽车充电负荷模型;在粒子群优化算法的基础上,引入二进制编码对优化函数展开求解,实现有序充电策略的优化。测试表明,利用所提方法对车辆充电行为展开有序优化后,充电桩的负荷在2000～2500 kW区间波动,波动情况趋于平缓,电压偏移量在3.00%以内,网损率在2%左右,有效降低了电网的损耗率,为电力系统的平稳运行提供保障。     

以滚动优化策略的粒子群算法为基础的机器人路径规划研究

介绍了一种基于滚动优化策略的粒子群算法的机器人路径规划,在每一个滚动窗口中,应用粒子群算法进行局部路径规划,寻求一条最优路径.仿真实验证明了该方法的可用性和有效性.     

基于量子粒子群优化算法的车辆路径问题

针对粒子群优化算法的搜索空间有限、容易出现早熟现象的缺陷,提出将一种基于量子行为的粒子群优化算法用于求解车辆路径问题.车辆路径问题是组合优化问题中的NP-难问题.将量子粒子群算法用于车辆路径问题求解,用粒子的位置表示车辆路径,建立车辆路径的数学模型.与粒子群算法相比,量子粒子群算法提高了最优路径搜索的成功率,能更有效的求解问题.     

基于改进粒子群算法的电路板测试路径规划

针对飞针测试机检测电路板时检测时间长、测试效率低、单针检测容易撞针等问题,提出了一种基于改进粒子群算法的测试路径规划算法.首先,使用分区检测的方式解决两针相撞问题;其次,提出一种改进的粒子群算法,在粒子群算法的基础上加入混沌初始化公式用于约束和更新搜索的最大速度,引入遗传算法的交叉、变异的思想,改进粒子群算法易于趋于局部最优的缺陷,提升了算法的全局搜索能力.与粒子群算法、遗传算法进行有效性的对比分析与实机测试.结果表明:此算法可以有效解决测试时两针相撞问题;比起其他两种算法改进粒子群算法在更少的迭代数的同时全局搜索能力更强,可以减少30%算法运算时间、降低10%的测试距离,具有一定的工程应用价值.     

多策略融合的改进粒子群优化算法

为解决传统粒子群算法收敛精度低、收敛速度慢和易陷入局部最优的问题,提出了一种多策略融合的改进粒子群算法。首先,设计了一种基于中垂线算法的游离粒子位置更新方法,加快了游离粒子的收敛速度;其次,设计了一种在最优粒子附近生成爆炸粒子的策略,以增强算法的寻优精度和寻优速度,为适应前两个策略,还设计了一种仅依靠全局最优粒子位置的粒子速度更新策略;最后,将基于概率分层的简化粒子群优化算法的惯性权重和粒子位置更新方法用于本算法。与其他五种改进粒子群算法进行了对比实验,结果表明提出的改进算法无论是处理低维问题还是高维问题表现均具有较大优势,性能更优越。     

具有分工策略的量子粒子群优化算法

基于量子行为的粒子群优化算法是一种随机的全局优化搜索新方法.介绍了PSO算法和QPSO算法,在对QPSO算法和基于分工策略的PSO算法分析的基础上,提出了基于分工策略的QPSO算法,然后对新算法进行实验.实验结果表明,新算法在收敛性和取得最优值方面优于基于分工策略的PSO算法.     

基于负载均衡的电动汽车充电路径优化方法

Under the premise that the remaining electricity is sufficient, the path planning problem of electric vehicles to the targetcharging pile is the key to the optimization of charging strategies. Normally, when the system is recommended to the user, the sys-tem will make some or a few road sections which have been recommended to different users many times. When a large number of us-ers choose overlapping road sections, they will reduce the current recommendation. The traffic capacity of the road segment makesthese charging paths into optimal paths only in a mathematical sense, resulting in local optimization issues. This paper proposes aglobal path planning method based on load balancing, takes into account the degree of congestion of the section and the user's driv-ing time, to suggest the user a shorter and smooth charging path. Finally, through the simulation experiment, the short-time predic-tion of the traffic flow can reduce the average waiting time of the charging queuing, and the global optimal charging path methodbased on load balancing can improve the utilization of charging piles and avoid traffic congestion issues.     

粒子群优化算法中的惯性权值非线性调整策略

为提升粒子群优化算法的性能,提出基于正弦曲线、正切曲线和对数曲线的非线性惯性权值调整策略。采用镜像策略对越界粒子进行处理,利用标准测试函数测试这些策略对算法的影响。实验结果表明,对于连续函数优化问题,正弦曲线和对数曲线策略优于传统的线性调整策略,而传统的线性调整策略又优于正切曲线策略。     

PSO与捕鱼策略相结合的优化方法

在分析粒子群优化算法（PSO）和采用捕鱼策略的优化方法（FSOA）存在不足的基础上,提出一种将PSO融入捕鱼策略中的优化算法。该算法要求渔夫在打渔活动中采用灵活机动的多点随机抛投鱼网策略。将该优化算法用于解决三个典型的带约束的函数优化问题,优化实验仿真结果表明,该方法具有收敛速度快、优化精度高、稳定性好的特点,具有较好的全局寻优能力。     

基于PSO的矿山企业动态配矿优化研究

采用粒子群优化(PSO)算法求解矿山企业动态配矿问题。依据开采条件圈定出可开采的矿块,用粒子的一位代表矿块,并用0或者1代表选择该矿块来开采,重新定义在约束条件下PSO粒子的运算与“飞行”规则,实现动态配矿优化的粒子群算法。该PSO算法实施简单,优化效果明显,通过2009年实际生产情况与优化结果的对比表明,该算法在生产成本几乎不变的情况下,明显提高了企业效率。     

改进鲸鱼算法在电动汽车有序充电中的应用

为解决大规模电动汽车无序充电对电网稳定性造成的影响,建立了电网层负荷峰谷差最小和用户层充电费用最小的两方面有序充电目标函数.为实现高效且快速的求解,对鲸鱼算法(Whale Optimization Algorithm,WOA)进行了改进,在该算法中加入两种非线性惯性权重来平衡局部搜索能力和全局搜索能力,并提出了一种教学...     

基于个体状态的粒子群优化算法

针对标准粒子群算法的种群多样性丧失和算法早熟收敛问题,借鉴自然界中群居动物个体行为的独立性特征,提出粒子的个体状态概念,给出一种基于微粒个体状态和状态迁移的粒子群优化算法。对典型函数测试结果的比较表明,改进后算法的寻优能力明显高于标准粒子群算法。与其他改进算法相比,该算法的寻优能力也较强。     

三段式粒子群算法在车辆调度问题中的应用

针对标准粒子群算法在解决车辆调度问题上的不足,提出了一种基于整数编码的粒子群优化策略。它依据粒子群算法中粒子进化的思想,给出了三段式保优方法,重新定义了粒子进化速度和位置更新的方式。结合Floyd算法对调度模型进行了仿真验证分析。结果表明,该策略具有较好的寻优能力。     

基于PSO算法的飞行保障车辆调度问题研究

通过对飞行保障车辆调度过程的分析,针对传统估算法依据指挥员经验进行飞行保障车辆调度效率低等缺点,提出了一种基于线性递减权重PSO的飞行保障车辆调度问题解决方案。根据飞行保障车辆调度问题解的特点,对粒子的编码及寻优操作进行了深入研究,提出适合飞行保障车辆调度问题的粒子编码和寻优方式,并将算法利用Matlab编程实现,应用于实际飞行保障车辆调度过程中。仿真结果表明,通过对算法参数的合理设置,可以快速地得到较优的飞机保障工序排序结果,该排序结果能够满足动态飞行保障车辆调度的需要。     

基于子区域的粒子群优化算法研究

针对粒子群优化(PSO)算法在寻优时容易陷入局部最优的不足,提出一种基于子区域的PSO算法。将搜索空间划分成若干个子区域,在各个子区域中均使用标准PSO算法进行寻优,通过比较各个子区域的全局最优解,从而得出整个搜索空间的全局最优。与标准PSO算法及自适应变异PSO算法的比较结果表明,该算法能降低在寻优过程中陷入局部最优的概率,具有较强的寻优能力。