基于量子粒子群算法的制造网格资源调度问题研究

对制造网格资源调度问题进行研究,提出了一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法一量子粒子群算法来实现对该问题的求解。该算法采用整数编码方式,将网格资源调度问题转化成准连续优化问题,并采用加权目标组合的方式处理多目标条件。最后通过具体实例,对该算法进行了仿真验证,结果表明,在求解制造网格资源调度这类NP—Hard问题时,量子粒子群算法能获得比遗传算法更优的求解效果。     

半导体炉管区批调度问题的粒子群优化算法研究

为改善粒子群算法对大规模问题求解的性能,提出了一种基于文化进化的并行粒子群算法,详细阐述了该算法的原理和具体实施方案.针对半导体炉管区批调度问题,设计了双层粒子群算法,外层应用基于文化进化的并行粒子群算法进行批量计划问题的求解,内层采用传统的粒子群算法求解调度问题.通过对其他文献中的仿真实例进行计算和结果比较表明,该算法优于文献中的启发式算法和蚂蚁算法.     

利用量子粒子群算法求解单级多资源约束生产批量计划问题

针对单级多资源约束生产批量计划问题,提出了基于量子粒子群算法求解该问题的方法。此算法将量子强大的领域搜索能力和基本粒子群算法(PSO)通过跟踪极值更新粒子的功能结合,能够改善粒子群算法后期搜索速度慢的问题。通过对其他文献的实例进行计算与比较,结果表明,在求解单级多资源约束生产批量计划问题时,量子粒子群算法(QP-SO)要优于退火惩罚混合遗传算法和传统的遗传算法。     

采用量子粒子群算法的一类模糊作业车间调度问题的研究

针对一类具有模糊加t时间和模糊交货期的作业车间调度问题,提出一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法--量子粒子群算法,对其进行求解.通过仿真实例对此算法进行验证,结果表明,在求解带模糊加丁时间和模糊交货期的作业车间调度问题时,量子粒子群算法有很好的效果.     

置换流水车间调度的文化量子粒子群算法

针对量子粒子群算法在求解置换流水车间调度问题时容易早熟,提出用文化量子粒子群算法求解置换流水车间调度问题.该算法的主群体空间采用量子粒子群算法,知识空间采用遗传算法.通过影响操作和接受操作,知识空间定期将自己的精英个体贡献给主群体空间,主群体空间也定期将自己的精英个体贡献给知识空间.最后将该算法应用到具体问题的求解,用MATLAB编程仿真测试,仿真结果表明,该算法收敛速度快,且具有较高的求解质量,而且其搜索性能优于一般的量子粒子群算法.     

基于量子粒子群算法的主动配电网优化调度研究

以有功网损最小为目标,建立了主动配电网优化调度模型,提出了基于量子粒子群算法的求解策略。在IEEE 33节点主动配电网算例上对建立的模型和提出的求解方法进行验证,仿真结果表明:量子粒子群算法可以有效求解主动配电网优化调度问题,且效率高、稳定性好。     

考虑柔性分批的IPPS问题研究

工艺规划与调度是制造系统的两个重要组成环节,二者的集成是制造系统发展的关键技术之一。针对工艺规划与调度集成问题在批量方面考虑的不足,考虑将批量划分问题集成到工艺规划与调度集成问题中。为避免等批分批可能导致调度过程中生产能力与负载不均衡,采用柔性分批策略。同时考虑准备时间和加工时间,以最大完工时间最小为目标,对该问题进行建模。针对该问题,提出一种粒子群算法进行求解。最后,以实例验证了该数学模型的正确性及算法的有效性。     

求解Job shop调度的协同优化算法

针对量子粒子群算法、遗传算法在求解车间调度存在的局部收敛的问题,提出用量子粒子群算法与遗传算法相结合的协同优化方法求解该问题。该算法采用量子粒子群算法与遗传算法的并行搜索结构,通过迁移算子把各个种群联系起来。仿真结果表明,该算法收敛速度快,且具有较高的求解质量。     

用于车间作业调度的粒子群优化算法

设计了2种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式,同时选择一些典型的Job-Shop调度问题作为算法的试验对象.试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果.在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

用于车间作业调度的粒子群优化算法

设计了两种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式.同时选择一些典型的Job-Shop调度问题作为算法的试验对象,试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果,在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

设计指标最优分配的协同方法

设计指标最优分配是飞机顶层设计中的一个关键问题。本文借鉴协同优化思想,发展了一种新的设计指标最优分配方法———协同分配法(collaborative allocation),用于处理飞机顶层设计中的大规模设计指标最优分配问题。给出了协同分配法的分配思想并建立了该方法的数学模型。用一个可靠度指标最优分配算例说明了协同分配法的数学模型建立及求解过程,初步验证了该方法对设计指标最优分配的有效性。     

引入灰色关联分析的多目标函数优化解法在振动筛参数优化建模中的应用

在对振动筛进行运动学和动力学分析的基础上建立参数优化模型。首次提出了在多目标优化算法中引入灰色关联分析优化算法 ,阐述了算法的可行性和主要步骤 ,并将其应用到振动筛参数优化模型。应用结果表明 ,该方法计算简单、计算量小且效果显著     

求解物流Web服务组合问题的两阶段多目标蚁群算法

针对基于QoS的物流Web服务组合优化问题,提出了两阶段多目标蚁群优化(TMACO)算法。首先,针对原始数据集中存在被支配候选服务而增加算法求解时间的问题,提出了基于Pareto支配的预优化策略;其次,针对属性权重难以确定的问题,提出了不依赖权重的信息素更新策略和启发信息策略;最后,针对基础蚁群算法容易陷入局部最优的问题,提出了懒蚂蚁策略。实验结果表明,TMACO算法具有良好性能,相对于基础蚁群算法、利用解与理想解距离来更新信息素的改进蚁群算法、遗传算法以及用支配程度作为解的个体评价的改进遗传算法,TMACO算法有更高的寻优能力,能够找到更多更优的非劣解。     

遗传参数自适应调整算法及其在液压动力系统优化控制中的应用

针对固定参数的遗传算法容易陷入过早收敛,进入局部最优状态等问题,建立了交叉概率及变异概率的模糊逻辑控制器以实现遗传算法策略性参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力。运用常规优化方法及改进优化算法对永磁电机驱动的液压系统流量进行优化控制和对比,仿真和实验结果表明：采用遗传参数自适应调整算法优化控制器,可使系统在典型工况下,保持良好的控制性能,并且具有高于常规优化方法的控制精度和鲁棒性。     

Optimum surface roughness in end milling Inconel 718 by coupling neural network model and genetic algorithm

In this study, optimum cutting parameters of Inconel 718 are determined to enable minimum surface roughness under the constraints of roughness and material removal rate. In doing this, advantages of statistical experimental design technique, experimental measurements, artificial neural network and genetic optimization method are exploited in an integrated manner. Cutting experiments are designed based on statistical three-level full factorial experimental design technique. A predictive model for surface roughness is created using a feed forward artificial neural network exploiting experimental data. Neural network model and analytical definition of material removal rate are employed in the construction of optimization problem. The optimization problem was solved by an effective genetic algorithm for variety of constraint limits. Additional experiments have been conducted to compare optimum values and their corresponding roughness and material removal rate values predicted from the genetic algorithm. Generally a good correlation is observed between the predicted optimum and the experimental measurements. The neural network model coupled with genetic algorithm can be effectively utilized to find the best or optimum cutting parameter values for a specific cutting condition in end milling Inconel 718.     

基于Kriging模型的后优化近似研究

后优化分析技术定量地研究当优化参数发生变化时，相应的优化结果会发生怎样的改变。过去的研究多集中在对优化结果的敏感度分析(一阶近似)，所得到的结果只在当前参数的微小扰动范围内有效。用Kriging模型进行优化结果的插值近似(相对于优化参数)，从而可以提供整个参数空间中优化结果的全貌。用简单的算例与一阶近似、二次响应面近似进行了比较，同时为了解决临界约束集发生改变时，目标函数突变对Kriging模型近似精度带来的影响，提出一种分片插值方案，较大地提高了Kriging的近似精度。     

A robust optimization using the statistics based on kriging metamodel

Robust design technology has been applied to versatile engineering problems to ensure consistency in product performance. Since 1980s, the concept of robust design has been introduced to numerical optimization field, which is called the robust optimization. The robustness in the robust optimization is determined by a measure of insensitiveness with respect to the variation of a response. However, there are significant difficulties associated with the calculation of variations represented as its mean and variance. To overcome the current limitation, this research presents an implementation of the approximate statistical moment method based on kriging metamodel. Two sampling methods are simultaneously utilized to obtain the sequential surrogate model of a response. The statistics such as mean and variance are obtained based on the reliable kriging model and the second-order statistical approximation method. Then, the simulated annealing algorithm of global optimization methods is adopted to find the global robust optimum. The mathematical problem and the two-bar design problem are investigated to show the validity of the proposed method.     

系统分解多级优化法及其在结构优化设计中的应用

提出了一种适用于大规模工程系统（如大规模结构系统）优化设计的系统分解多级优化法，该方法的核心是将原大系统的优化设计问题按等级分解成若干个子系统的优化问题，各子系统间通过行为灵敏度及优化灵敏度导数加以耦合，由于每一级的各个子系统相互隔离，故对每一级的各个子系统的分析和优化可并行处理，这一特点可望在大规模工程系统优化设计过程中提高总的计算效率，缩短设计时间，同时优化过程中所产生的行为灵敏度及优化灵敏度导数信息对设计师的定性分析具有指导意义，刚架优化设计算例表明该方法行之有效，具有良好的收敛性．     

基于改进混合作用力微粒群算法的液压阀块加工车间调度优化

针对微粒群算法作用力规则的不足，提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略，将算法的搜索过程分为前期和后期2个搜索阶段：在前期搜索阶段，微粒在其他微粒的引斥力作用下进行最优搜索，以保持种群多样性；在后期搜索阶段，微粒在双引力及引力提供的加速度的共同作用下向最优解收敛，以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题，利用矩阵变量来处理约束条件，给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例，将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比，验证提出的IHFPSO算法结果最优，实现液压阀块加工车间调度优化。     

Optimization of micro milling of hardened steel with different grain sizes using multi-objective evolutionary algorithm

Modern manufacturing processes need high production rates, low costs, and high product quality. Generally, surface roughness is a good reference to determine the performance in machined products. The use of optimization systems can determine the optimum machining parameters in the machining process, especially in milling operations. The present study integrates the least square model based on feed rate, cutting speed, and grain size with a genetic optimization algorithm to provide the optimal process parameter. The NSGA II algorithm was applied due to its coverage and easily to optimize the micro milling of hardened steel. The responses were Fy Force and Mz Torque. The results show that the feed rate was the most significant factor for minimizing Fy force and Mz Torque.