基于退火选择微粒群算法的车间调度问题研究

针对车间调度问题研究的不足,以及标准微粒群算法只能求解无约束问题和容易陷入局部最优的缺陷,提出一种退火选择微粒群算法。通过构造混合罚函数的方式对目标函数进行优化;采用一种动态权重策略,并与模拟退火算法以及遗传算法的选择过程相结合,有效避免陷入局部最优,提高了算法的寻优能力。将ASPSO算法应用于实例仿真,得到了较好的结果,证明了算法的可行性和有效性。     

微粒群算法优化设计自适应滤波器

针对自适应IIR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对其进行优化设计,仿真结果表明用微粒群算法进行参数寻优不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,亦解决了稳定性问题.     

微粒群算法优化设计自适应滤波器

针对自适应IIR滤波器潜在的不稳定性和性能指标函数容易陷入局部极小点而导致性能下降等问题,用一种新的优化算法-微粒群算法来对其进行优化设计,仿真结果表明用微粒群算法进行参数寻优不仅解决了自适应滤波器性能指标函数容易陷入局部极小点的问题,亦解决了稳定性问题.     

基于Lévy飞行微粒群算法的液压系统可靠性优化

针对微粒群算法易于陷入局部最优解、早熟的缺点,将Lévy飞行引入微粒速度迭代公式中,并动态改变微粒群速度迭代公式中Lévy飞行的权重值,提出动态Lévy飞行微粒群算法。根据T-S故障树理论,建立液压支架液压系统的可靠性模型,进而得出可靠性费用目标函数。将提出的动态Lévy飞行微粒群算法应用于液压支架液压系统的可靠性优化中,并通过标准微粒群算法、布谷鸟搜索算法和基于Lévy飞行微粒群算法比较,验证所提出算法的优越性。     

有向动态拓扑混合作用力微粒群优化算法及可靠性应用

针对微粒群优化算法易陷入局部最优、出现早熟等不足,从作用力规则和种群拓扑结构两方面进行研究。提出一种混合作用力微粒群优化(Hybrid force PSO,HFPSO)算法,将算法的搜索过程划分为前期和后期两个阶段,分别构造引斥力规则和双引力规则,使算法搜索前期具有良好种群多样性、搜索后期有较高寻优精度。进一步将生物趋利避害的行为选择机制融入HFPSO算法,提出有向动态拓扑混合作用力微粒群优化算法,赋予微粒主观能动性使其靠近适应值较好微粒、远离适应值较差微粒,提出适应值驱动边变化的有向动态拓扑(Fitness-driven edge-changing unidirectional dynamic topology,FEUDT)结构,并将FEUDT结构与HFPSO算法以结构演化和算法进化同步进行的方式结合,进一步提升算法的优化性能。利用Benchmark函数对所提算法与标准PSO、搜索后期斥力增强型混合引斥力微粒群优化(LRPSO)算法进行性能对比测试,结果表明,所提算法具有较好的寻优能力和较快的收敛速度。通过桥式系统可靠性优化实例和供应商参与的某汽车产品子系统可靠性设计优化实例,验证了所提算法求解实际复杂优化问题的有效性。     

基于Lévy飞行微粒群算法的液压系统可靠性优化

针对微粒群算法易于陷入局部最优解、早熟的缺点,将Lévy飞行引入微粒速度迭代公式中,并动态改变微粒群速度迭代公式中Lévy飞行的权重值,提出动态Lévy飞行微粒群算法。根据T-S故障树理论,建立液压支架液压系统的可靠性模型,进而得出可靠性费用目标函数。将提出的动态Lévy飞行微粒群算法应用于液压支架液压系统的可靠性优化中,并通过标准微粒群算法、布谷鸟搜索算法和基于Lévy飞行微粒群算法比较,验证所提出算法的优越性。     

搜索后期斥力增强型混合引斥力微粒群算法及可靠性优化应用

将利用贝叶斯网络构造的系统故障概率函数作为可靠性指标,考虑费用、质量、体积构造了资源约束函数。针对微粒群算法引斥力规则的不足,提出了搜索后期斥力增强型混合引斥力微粒群算法(LRPSO算法)：在搜索前期,使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;在搜索后期,减小引力、增强斥力,利用斥力项避免微粒陷入较差位置,以提高局部搜索能力。算法测试和可靠性优化实例验证了LRPSO算法的有效性。     

基于改进粒子群算法的白车身焊接路径优化

为优化白车身焊接路径,提高焊接效率,提出一种改进粒子群算法,在传统粒子群算法思想的基础上,将算法寻优过程分为追随和盘旋两部分.基于较近原则生成初始粒子,以减少种群规模,加快收敛速度;在追随部分,通过个体极值追随全局极值和随机原始参考值以贪婪重组的方式重新生成粒子,在增强算法局部寻优能力的同时加快算法的收敛速度;在盘旋部分,采用多次局部调序的策略,通过随机调整粒子局部排列序,保证算法种群的多样性,防止陷入局部最优解;从种群进化代数和种群个体适应度函数值实现算法各参数的自适应调节,加快收敛速度;对粒子个体采取精英保留策略,保留最优粒子.算法通过Matlab平台实现,实验仿真结果表明,提出的改进粒子群算法对于中小规模的白车身焊点旅行推销员问题(Travelling Salesman Problem,TSP)有良好的寻优能力.     

基于柯西变异的粒子群算法PID控制PMSM

在工业中,永磁同步电机(PMSM)普遍采用PID控制,其中参数的选取等效为优化问题,采用粒子群算法(PSO)优化可以有效地寻找最佳的PID控制参数。但传统的粒子群算法搜寻最优位置时间久,且容易陷入局部寻优。因此,我们提出了一种基于柯西变异的粒子群算法优化PID控制永磁同步电机,利用柯西变异较长的"尾部"使全局最优粒子(gbest)跳跃到一个更好的位置,逃离局部寻优,得到最优PID参数。通过构建电机电流环PI矢量控制的s函数模型,仿真验证该算法寻优能力强,搜索能力高,稳定性好,具有良好的动态性能。     

基于改进微粒群算法的起重机主梁优化设计

现阶段起重机金属结构的优化设计一般都采用传统的优化算法,但传统算法普遍存在或对目标函数有解析性要求、或易陷入局部最优、或耗时较长的问题.微粒群优化算法是一种基于群体智能的新型优化算法,它可调参数少、对解析性无要求,已成功应用于多种领域.将微粒群算法应用于起重机主梁的优化中,经实例验证,在保证优化性能的前提下,基于微粒群算法的设计方法与网格算法相比,优化速度显著提升.     

基于禁忌搜索算法参数设置的探讨

禁忌搜索算法是一种解决复杂问题的组合优化算法,同模拟退火算法、遗传算法等组合优化算法一样都能够在短时间内求得最优解,但是如果算法及参数选择不当,会导致算法程序运算时间加长,甚至得不到好的最优解.以旅行商问题为例,对TS算法在执行中的参数设定进行实验设计,以找出算法求解参数的较佳组合.     

基于贝叶斯网络和理想解动态群决策的故障诊断方法

为综合利用多属性信息和历次故障搜索结果反馈信息进行故障诊断,提出一种基于贝叶斯网络和理想解动态群决策的故障诊断方法。以砼泵分配阀液压系统为例,利用贝叶斯网络对系统进行分析并求解根节点的后验概率和关键重要度;根据本次诊断成功与否对下次最优搜索决策影响程度的大小,定义出启发函数求解启发式信息价值;考虑后验概率、关键重要度和启发式信息价值等因素,利用基于熵权的理想解法求取搜索方案的群体理想解和逆理想解,得到故障搜索最佳方案;考虑历次故障搜索最佳方案对当前搜索方案的影响,最终求得故障搜索的最佳方案序列。该方法克服了单属性决策和群决策方法的不足,提高了故障诊断的可行性和诊断效率。       

测量微悬臂梁曲率的相移显微干涉法

提出了一种基于显微干涉和有限差分法在微悬臂梁上实现曲率精确测量的方法.该方法将使用相移显微干涉法测得的微悬臂梁表面弯曲信息与用有限差分法解析的弯曲量进行对比,再运用拟牛顿算法或最小二乘法得到曲率的最佳匹配值.实验结果表明:使用该方法可获得弯曲量测量值和解析值之间的均方根差值在1.5 nm以内的精确曲率值,并且一定的像素偏移带来的误差对曲率测量的结果影响很小.由于方法保留了光学干涉法高分辨率及高精度等优点,并考虑了非理想边界条件的影响,在MEMS残余应力和应力梯度测量中具有较大实用价值.     

场景中平面物姿态鲁棒估计

针对场景中平面物姿态估计问题,提出了一种鲁棒的估计方法,首先将问题转化成一个最小化问题,然后搜索极大值,采用迭代算法将极大值估计屏蔽获得次大值,然后将两者进行比较,较大的那个即为最优估计,结果表明该方法可以提高姿态估计的鲁棒性。     

自调整禁忌搜索算法及其在无损检测中的应用

在基于复数磁导率检测钢铁材料硬度与材质分选过程中 ,由人工方法确定最佳检测相位角的过程较为复杂。首先对人工处理方法进行了研究并由此给出了基本的直接搜索算法 ;为了提高计算的精确度和减少计算时间 ,依据于非线性规划中的罚函数法 ,文中对基于罚函数的禁忌搜索算法进行了研究 ;作为对现有算法的改进 ,进而提出了自调整权系数的罚函数算法 ,并给出了适用于实际使用的计算机自动处理实现方法。将本算法应用于实际的铁磁无损检测仪器中 ,通过实际应用结果进一步验证了算法的有效性和实用性     

Sensitivity search for the rescheduling of semiconductor photolithography operations

This study deals with the rescheduling problem of the photolithography area in semiconductor wafer fabrications. The objective is to find a schedule that minimizes the weighted sum of makespan, maximum tardiness, and total setup time. Practical issues such as machine breakdowns, limited number of available masks, restrictions on photoresist, production notice, and machine setup are considered. Three popular search algorithms—simulated annealing (SA), genetic algorithm (GA), and tabu search (TS) — are tested to solve the scheduling problem. We also propose a new sensitivity search approach. A new event changes the scheduling problem. Thus, the problem needs to be re-solved to reflect such changes. In an actual production environment, we propose that, instead of searching for a solution from scratch, the search process can be restarted from the best solution of an original problem that is very similar to the new problem. Using an industrial data set, this study tests the proposed approach. The results show that TS performs the best among the algorithms tested, and the performance of the sensitivity TS significantly surpasses that of the traditional approach.     

Scheduling jobs on dynamic parallel machines with sequence-dependent setup times

Dynamic parallel machine scheduling problems (DPMSPs) with sequence-dependent setup times represent a very important production scheduling problem but remain under-represented in the research literature. In this study, a restricted simulated annealing (RSA) algorithm that incorporates a restricted search strategy with the elimination of non-effect job moves to find the best neighborhood schedule is presented. The proposed RSA algorithm can reduce search efforts significantly while minimizing maximum lateness on DPMSPs. Extensive computational experiments demonstrate that the proposed RSA algorithm is highly effective as compared to the basic simulated annealing and existing algorithms on the same benchmark problem data set.     

基于上下文窗口中反向搜索的高光谱图像无损压缩

针对基于单波段预测的高光谱图像无损压缩压缩比低的问题,提出基于上下文窗口中反向搜索的高光谱图像无损压缩算法。首先,对待测像素设定上下文窗口,计算其预测参考值并进行反向搜索预测得到待测像素的候选预测值。然后,选取与预测参考值最接近的候选预测值作为待测像素的最终预测结果。最后,对预测残差图像进行一阶算术编码完成压缩过程。利用提出的算法对AVIRIS 1997高光谱图像进行了实验,结果显示,提出的算法通过对上下文窗口、等效系数和有效像素阈值的优化取值,使反向搜索预测的效果达到最好,经过算术编码器编码后,可以得到一个3.63倍的平均压缩比。该方法具有较低的算法复杂度和内存需求,优于当前已报道的基于单波段预测的其他各种高光谱图像无损压缩算法。     

以JIT为目标的多阶段非等同并行机调度问题研究

针对多阶段非等同并行机模式下的准时化(Just-in-TimeJ,IT)调度问题,采用由遗传算法和禁忌搜索算法混合的禁忌遗传递阶算法进行求解。禁忌遗传递阶算法用禁忌搜索算法对工件最佳加工次序进行搜索,而相应评价值由遗传算法计算得出。遗传算法采用基于阶段机器号的二维矩阵编码,可有效地避免不可行解的产生,同时采用自适应改进提高遗传算法跳出局部最优的能力。实际算例说明禁忌遗传递阶算法计算结果稳定可靠,适合于解决多阶段非等同并行机的JIT调度问题。     

IVMD融合奇异值差分谱的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段存在特征信号微弱、故障识别相对困难的问题,提出了融合改进变分模态分解和奇异值差分谱的诊断方法。原始信号经改进变分模态分解方法处理后,被分解为若干本征模态函数分量,利用包络谱稀疏度指标筛选出最佳分量构造Hankel矩阵并进行奇异值分解,求取奇异值差分谱后,根据差分谱中的突变点重构信号,最终通过分析信号的包络谱可判断轴承的故障类型。利用改进变分模态分解融合奇异值差分谱的方法对轴承故障模拟及实测信号进行分析,均成功提取出微弱特征信息,能够实现滚动轴承早期故障的有效判别,具有一定的可靠性和应用价值。