首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 140 毫秒
1.
解约束规划问题的新型多目标粒子群优化算法   总被引:4,自引:0,他引:4  
给出了一种求解约束规划问题的新解法。新方法将约束规划问题转化成两个目标优化问题,并对转化后的多目标优化问题设计了一种新型多目标粒子群优化算法(MOPSO)。数据实验表明该算法对带约束的规划问题求解是非常有效的。  相似文献   

2.
基于免疫粒子群算法的多UCAV协同任务分配   总被引:1,自引:0,他引:1       下载免费PDF全文
任务分配问题是多UCAV协同控制的关键和有效保证。综合考虑问题的多规划指标和多类复杂约束条件,建立了基于多目标整数规划的协同多任务分配模型。通过模拟生物免疫系统的免疫特征和运行机制,并将粒子群优化作为算法的局部搜索算子,设计了一种适用于问题求解的免疫粒子群算法,使算法同时具有人工免疫算法种群多样性好、粒子群优化局部搜索能力和进化方向性强等特点。仿真实验表明该方法具有良好的优化效果和时间特性,可较好地解决多UCAV协同任务分配问题。  相似文献   

3.
针对多目标粒子群优化算法在求解约束优化问题时存在难以兼顾收敛性能和求解质量这一问题,提出一种基于免疫网络的改进多目标粒子群优化算法.该算法通过免疫网络互通种群最优信息达到粒子群算法与人工免疫网络算法的协同搜索,同时给出了速度迁移策略、自适应方差变异策略和基于聚类的免疫网络策略.最后将所提出的方法应用于求解电弧炉供电优化模型,达到了减少电量消耗、缩短冶炼时间、延长炉衬使用寿命的目的,同时表明了该算法的有效性.  相似文献   

4.
基于改进粒子群算法的多无人机任务分配研究   总被引:4,自引:0,他引:4  
国博  王社伟  陶军 《计算机仿真》2009,26(7):62-64,153
任务分配问题是多无人机协同控制的关键技术之一.在深入分析多无人机任务分配问题特点的基础上,对现有模型进行了扩展,建立了多无人机协同任务分配的混合移数线性规划(MILP)模型.对现有粒子群算法进行了改进,提出一种具有较强全局搜索能力的多子群多阶段粒子群算法,开展了粒子群算法在多无人机协同任务分配问题中的应用研究,主要针对粒子群算法的编码策略、约束处理、算子选取、参数设置等方面进行相应的调整和改进.最后对算法进行了仿真,仿真结果表明了该方法的有效性.  相似文献   

5.
针对约束多目标优化问题,结合Pareto支配思想、锦标赛选择和排挤距离技术,采用双种群搜索策略,引进免疫机制,对传统的粒子更新策略进行改进,提出一种用于求解约束多目标优化问题的混合粒子群算法。通过4个标准约束多目标函数进行测试,测试结果表明,该方法有效可行,相比传统多目标优化算法更优。  相似文献   

6.
用粒子群算法求解非线性规划问题时不可避免的会产生不可行点,处理好不可行点是粒子群算法取得良好优化结果的关键。依据粒子的目标函数值与违反约束的程度提出了一种处理不可行点的合理选择方案,并运用融合差分演化的混合粒子群算法求解约束优化问题,数值实验表明该算法的有效性。  相似文献   

7.
应用粒子群优化分配WSN多目标跟踪节点任务   总被引:1,自引:0,他引:1  
针对WSN多目标跟踪时传感器节点任务分配竞争冲突问题,提出一种基于最近邻的离散粒子群优化节点跟踪任务分配算法.通过构建多目标多传感器节点联盟协同跟踪任务分配问题的数学模型和目标函数,采用最近邻法对粒子群节点任务分配进行初始化,以目标函数作为适应值函数指引粒子飞行,快速实现节点优化分配.实验表明:在节点覆盖较稀疏情况下,粒子群优化节点任务分配方法与最近邻方法相比,能耗大大减少,并能有效解决多目标跟踪节点任务分配冲突问题和多个监测联盟对传感器资源竞争冲突时系统能耗增加的问题.PSO算法对于实际环境的WSN多目标跟踪具有优越性.  相似文献   

8.
一种求解多目标0-1规划问题的自适应粒子群算法   总被引:2,自引:0,他引:2  
对于带有线性约束的多目标0-1规划问题,给出了一种自适应的粒子群优化算法。该算法利用变换来控制模型的线性约束,并通过对各目标函数进行自适应加权的方式形成适应度函数。数值结果表明该算法是有效的,可以求解实际应用中的一些模型。  相似文献   

9.
邹锋  陈得宝  王江涛 《计算机应用》2010,30(7):1885-1888
针对有约束条件的多目标优化问题,提出了一种求解带约束的基于内分泌思想的多目标粒子群算法。利用不可行度方法和约束主导原理指导进化过程中精英种群的选择操作和约束条件的处理,根据生物体激素调节机制中促激素和释放激素间的相互作用原理,考虑当前非劣解集中的个体对其最邻近的一类群体的监督控制,引入当前粒子的类全局最优位置来反映其所属类中最好位置粒子对当前粒子的影响。为验证多目标约束优化算法的有效性,对两个典型的多目标优化问题进行了仿真实验,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解。  相似文献   

10.
求多目标优化问题的粒子群优化算法   总被引:1,自引:1,他引:0       下载免费PDF全文
将粒子群优化算法应用于求解多目标优化问题,提出一种双向搜索机制,指导粒子向着搜索空间中非劣目标区域以及粒子分布最为稀疏的区域这两个方向进行寻优,进而提出了求解多目标优化问题的基于粒子群优化算法的双向搜索法,该算法对粒子全局最优经验的选择策略以及粒子群的状态更新机制进行了改进。实验研究表明,该算法不仅能快速有效地获得多目标优化问题的非劣最优解集,而且求出的解集具有良好的分布性。  相似文献   

11.
改进的约束多目标粒子群算法   总被引:1,自引:0,他引:1  
在约束优化问题搜索空间分析的基础上提出了一种改进的约束多目标粒子群算法(CMOPSO)。提出一种动态ε不可行度许可约束支配关系作为主要约束的处理方法,提高了算法的边缘搜索能力和跨越非联通可行区域的能力。设计了一种新的密集距离度量方法用于外部档案维护,提高了算法的效率;提出了新的全局向导选取策略,使算法获得了更好的收敛性和多样性。数值仿真实验结果表明约束多目标粒子群算法算法可得到分布性、均匀性及逼近性都较好的Pareto最优解。  相似文献   

12.
This paper proposes a novel multi-objective model for an unrelated parallel machine scheduling problem considering inherent uncertainty in processing times and due dates. The problem is characterized by non-zero ready times, sequence and machine-dependent setup times, and secondary resource constraints for jobs. Each job can be processed only if its required machine and secondary resource (if any) are available at the same time. Finding optimal solution for this complex problem in a reasonable time using exact optimization tools is prohibitive. This paper presents an effective multi-objective particle swarm optimization (MOPSO) algorithm to find a good approximation of Pareto frontier where total weighted flow time, total weighted tardiness, and total machine load variation are to be minimized simultaneously. The proposed MOPSO exploits new selection regimes for preserving global as well as personal best solutions. Moreover, a generalized dominance concept in a fuzzy environment is employed to find locally Pareto-optimal frontier. Performance of the proposed MOPSO is compared against a conventional multi-objective particle swarm optimization (CMOPSO) algorithm over a number of randomly generated test problems. Statistical analyses based on the effect of each algorithm on each objective space show that the proposed MOPSO outperforms the CMOPSO in terms of quality, diversity and spacing metrics.  相似文献   

13.
基于混沌多目标粒子群优化算法的云服务选择   总被引:1,自引:0,他引:1  
随着云计算环境中各种服务数量的急剧增长,如何从功能相同或相似的云服务中选择满足用户需求的服务成为云计算研究中亟待解决的关键问题。为此,建立带服务质量约束的多目标服务组合优化模型,针对传统多目标粒子群优化(MOPSO)算法中解的多样性差、易陷入局部最优等缺点,设计基于混沌多目标粒子群优化(CMOPSO)算法的云服务选择方法。采用信息熵理论来维护非支配解集,以保持解的多样性和分布的均匀性。当种群多样性丢失时,引入混沌扰动机制,以提高种群多样性和算法全局寻优能力,避免陷入局部最优。实验结果表明,与MOPSO算法相比,CMOPSO算法的收敛性和解集多样性均得到改善,能够更好地解决云计算环境下服务动态选择问题。  相似文献   

14.
The assignment problem is a well-known graph optimization problem defined on weighted-bipartite graphs. The objective of the standard assignment problem is to maximize the summation of the weights of the matched edges of the bipartite graph. In the standard assignment problem, any node in one partition can be matched with any node in the other partition without any restriction. In this paper, variations of the standard assignment problem are defined with matching constraints by introducing structures in the partitions of the bipartite graph, and by defining constraints on these structures. According to the first constraint, the matching between the two partitions should respect the hierarchical-ordering constraints defined by forest and level graph structures produced by using the nodes of the two partitions respectively. In order to define the second constraint, the nodes of the partitions of the bipartite graph are distributed into mutually exclusive sets. The set-restriction constraint enforces the rule that in one of the partitions all the elements of each set should be matched with the elements of a set in the other partition. Even with one of these constraints the assignment problem becomes an NP-hard problem. Therefore, the extended assignment problem with both the hierarchical-ordering and set-restriction constraints becomes an NP-hard multi-objective optimization problem with three conflicting objectives; namely, minimizing the numbers of hierarchical-ordering and set-restriction violations, and maximizing the summation of the weights of the edges of the matching. Genetic algorithms are proven to be very successful for NP-hard multi-objective optimization problems. In this paper, we also propose genetic algorithm solutions for different versions of the assignment problem with multiple objectives based on hierarchical and set constraints, and we empirically show the performance of these solutions.  相似文献   

15.
产品开发任务分配问题的多目标优化求解   总被引:1,自引:0,他引:1  
针对目前产品开发任务分配问题研究存在的不足,给出了任务分配问题的数学描述和约束条件,提出了任务分配模型中的相关矩阵,并采用权重因子和极差变换法建立了多目标优化的目标函数.针对任务分配过程的动态性和不确定性,提出采用基于时序逻辑关系的动态分配蚁群算法进行优化计算,并分析了该方法的优点,给出了详细的算法步骤.最后通过仿真实验验证了所提出方法的可行性和有效性.  相似文献   

16.
为了制定合理高效的泊位岸桥联合分配方案,加快船舶周转,本文针对船舶动态到港的连续泊位建立了以船舶总在港时间最短为目标的泊位岸桥联合分配混合整数非线性模型.通过多目标约束处理策略将复杂约束的违反程度转化为另一个目标,从而将原单目标优化模型转化为双目标优化模型,并用基于快速非支配排序的多目标遗传算法(NSGA-II)对其进行求解.同时,针对问题特点,分别设计了基于调整、惩罚函数、可行解优先和综合约束处理策略的单目标遗传算法对原模型进行求解.通过多组不同规模的标准算例对本文的方法进行测试,验证了基于多目标约束处理策略的方法求解效果相较于单目标约束处理策略的方法更加高效和稳定.  相似文献   

17.
针对多目标优化过程中如何将个人偏好信息融入寻优搜索过程的问题,本文提出一种最大化个人偏好 以确定搜索方向的多目标优化进化算法.该算法首先采用权重和法将多目标问题转换为单目标问题,再利用遗传算 法进行全局搜索,在满足个人偏好约束条件下,每一代进化结束后通过解约束优化问题获得能够使种群综合适应度 具有最大方差的权重组合,从而最大化个人偏好以选择综合最优的个体进行遗传操作.按照不同个人偏好应用于传 动系统进行控制器设计,仿真结果表明该算法能够获得满足个人偏好约束条件下的全局最优解.  相似文献   

18.
由于云计算平台的动态不确定性和非定期任务调度本身的复杂性,使得非定期任务调度过程中的耗时长和负载不均等问题很难得到有效解决。针对上述问题,提出一种非定期任务并行调度方法,并应用到云计算中。通过多方面考虑云平台客户非定期任务的截止时间底线、调度估算等并行调度约束条件和各种可用资源的性能参数,对非定期任务调度的多目标约束条件进行量化建模。基于建模生成的隶属度函数将非定期任务多目标约束的调度优化问题转变成单一目标约束问题,采用模拟退火算法对该问题进行求解,最终实现对非定期任务的并行调度。分析实验结果可知,与传统方法相比,所提方法能够有效减少非定期任务的传输时间,并且能够均衡节点负载,表明所提方法具有有效性。  相似文献   

19.
解非线性约束规划问题的新型多目标遗传算法   总被引:1,自引:1,他引:1  
给出非线性约束规划问题的一种新解法。把带约束的非线性规划问题转化成为两个目标的多目标优化问题,并为转化后的多目标优化模型设计了一种新型多目标遗传算法,数据实验表明该算法对带约束的非线性规划问题求解是非常有效的。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号