基于遗传粒子群算法的冷连轧 轧制规程优化设计

选取等相对负荷为轧制规程的目标函数，令轧制力、轧制功率、轧制力矩、轧制速度等参数满足一定约束条件，采用罚函数法将有约束条件转为无约束条件。用遗传粒子群算法对目标函数进行优化，求得最优解。该混合算法集合了遗传算法全局搜索能力强，粒子群算法局部搜索能力强，收敛速度快的特点。使得各机架功率合理分配，设备能力充分发挥，生产效率提高。     

柔性调度多目标优化的混合粒子群算法研究

研究多目标柔性调度问题,提出了一种基于多目标粒子群优化算法和局域搜索技术相结合的新算法.建立以最大完成时间、机器总负载和最大机器负载为目标函数的多目标数学调度模型.将粒子群算法运用到机器分配子问题;局域搜索技术运用到工序排列子问题,对粒子群算法得到的结果进行再调度.粒子群优化算法的全局搜索能力与局域搜索技术相结合,加快了算法的收敛速度.最后通过与其他算法进行测试比较,验证了该算法的可行性及有效性.     

基于PSO-BP算法的3D打印制件精度预测模型

针对选择性激光烧结(SLS)中制件精度和工艺参数难以选择的问题以及BP神经网络本身缺陷,提出一种利用粒子群算法优化的BP神经网络建立SLS烧结件精度预测模型的方法。首先根据SLS成型工艺的特点,分析影响成型件精度的因素,通过实验获得不同激光功率、扫描速度、扫描间距和分层厚度条件下多组成型件精度数据,并采用多目标函数优化的单目标化思想优化目标函数,然后通过粒子群算法优化BP神经网络。用优化后的最优解作为BP神经网络算法的初始权值和阈值,利用MATLAB建立优化后的BP神经网络预测模型,对优化后的精度函数模型进行预测分析,并与传统BP神经网络获得的预测结果进行对比。结果表明:粒子群优化的神经网络模型具有良好的全局搜索能力和收敛性,精度预测更加准确,对SLS打印制件具有一定的指导作用。     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。     

基于PSO-ACO融合算法的物流车辆路径优化与控制研究

传统蚁群算法在解决物流配送路径问题时容易出现“早熟”问题，使路径寻找速度和优化结果受到影响。为更合理进行车辆路径调度管理，提出一种粒子群 蚁群相融合的物流配送路径规划算法，该算法充分利用粒子群较强的全局搜索能力和搜索速度快的特点，将得到的次优解转化为蚁群算法中的初始信息素的增量，最后利用蚁群算法的正反馈机制求解问题的精确解。研究结果表明：与单一算法相比，融合算法能快速有效地确定物流配送路径，具有较快的寻优速度和收敛精度，更合理的控制物流配送成本。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

基于自适应变异粒子群优化算法的移动机器人路径规划

对路径规划中区域划分的建模方法进行改进,实现根据环境中障碍物的具体分布来自适应划分环境空间,将路径规划问题转化为带约束目标函数优化求解问题.针对粒子群算法的局部极小值问题,提出将自适应差分进化算子作为粒子群优化算法的自适应变异算子的改进方案.仿真结果表明:环境模型的自适应划分可以提高算法的搜索效率,缩短计算时间,使算法具有更好的实时性;加自适应变异算子的粒子群优化算法可以使目标函数快速跳出局部最优的束缚.     

变异粒子群算法在装配线平衡问题中的应用北大核心

为找到更加符合实际的解,建立装配线平衡问题模型时,考虑在最大化生产线效率的基础上,增加了平滑指数这一目标函数。应用粒子群算法进行求解时,为避免常规算法易过早陷入局部最优这一不足,提出了一种变异粒子群算法。该算法对设定步长内位置没有更新的个体采用多点变异的方法增加种群多样性,从而达到改变个体极值与全局极值的目的。通过横向搜索、纵向进化的机制,可有效提高种群的搜索能力。最后,通过对实例库中例子的求解,验证了算法的可行性。     

基于混沌粒子群的铝热连轧多目标轧制规程优化

针对铝热连轧轧制规程制定过程中的多目标问题,提出一种基于混沌粒子群算法的多目标轧制规程优化方法。选取预防打滑和等功率裕度为多目标优化函数;为了提高粒子群算法的收敛性和分布性,提出一种基于混沌序列的动态加权法选择全局最优粒子,并改进了拥挤距离计算方法;提出一种基于模糊偏好的选择策略用以从最优解集中选择最终采用的轧制规程。基于该方法对某铝热连精轧机组轧制规程进行了优化,验证了该方法的有效性。