面向Job Shop调度的算法融合方法研究

提出一种算法融合方法,解决单一算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量。在融合方法中,采用遗传算法和蚁群算法进行并行搜索;根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力。采用算法融合方法构造的优化算法对13个难解的benchmarks问题实例进行求解,在较短的时间内,得到的十次实验结果的makespan最优值和平均值优于并行遗传算法(PGA)和TS算法。采用算法融合方法构造的优化算法具有较强的搜索能力,说明提出的算法融合方法是有效的。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性。     

求解作业车间调度问题的离散海洋捕食者算法

为把海洋捕食者算法应用于作业车间调度问题,提出了离散海洋捕食者算法。首先,对原算法的连续位置向量进行了离散转换。其次,使用对立学习方法增加初始种群的多样性;采用圆形混沌映射函数来提高算法的收敛速度;改进自适应步长策略从而更好地平衡勘探和开发。最后,通过对典型调度基准算例的测试,并同其他算法进行对比,验证了离散海洋捕食者算法在求解作业车间调度问题时的有效性及更优良的算法特性。     

相位恢复算法在仿真与实验上的研究

相位恢复算法一直存在着精确度不高,收敛速度慢甚至停滞不前等问题。将基于光强传输方程(TIE)法与G-S迭代算法混合提高了相位恢复的精确度,梯度算法的提出加大了迭代步长,使得收敛速度加快。采用GS-TIE算法和振幅加成梯度算法分别从仿真和实验的角度去比较分析恢复的效果。通过对二维图像仿真得出,振幅加成梯度算法在收敛速度上是GSTIE迭代算法的3倍,精确度是GS-TIE迭代算法的10倍。从实验结果得知,GS-TIE恢复的相位清晰可见,轮廓明显,在边缘处过度均匀,而振幅加成梯度算法相对比较模糊,在轮廓边缘处过度不均匀,悬差较大。     

Extended Dyna-Q Algorithm for Path Planning of Mobile Robots

This paper presents an extended Dyna-Q algorithm to improve efficiency of the standard Dyna-Q algorithm.In the first episodes of the standard Dyna-Q algorithm,the agent travels blindly to find a goal position.To overcome this weakness,our approach is to use a maximum likelihood model of all state-action pairs to choose actions and update Q-values in the first few episodes.Our algorithm is compared with one-step Q-learning algorithm and the standard Dyna-Q algorithm for the path planning problem in maze environments.Experimental results show that the proposed algorithm is more efficient than the one-step Q-learning algorithm as well as the standard Dyna-Q algorithm,especially in the large environment of states.     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

基于海明距离的阴性选择算法的改进

阴性选择算法是人工免疫系统的核心算法之一,有效检测器数量与"黑洞"数量是采用阴性选择算法的系统所必须关注的两个要素.在分析连续r位匹配规则与海明距离匹配规则的基础上,提出了一种基于海明距离的阈值自适应阴性选择算法.相对于传统的连续r位匹配算法,该算法具有检测器数目小,"黑洞"空间小的优点.实验结果表明,新算法大幅降低了有效检测器的数量,并通过阈值的自适应性有效地降低了"黑洞"数量.     

案例初始化遗传算法在大学课程表问题上研究

本文对于大学课程表问题提出了一种具有一定创新性的算法.该算法结合了遗传算法和基于案例推理两种截然不同的技术,它尝试使用基于案例推理的技术来加强遗传算法,使其具有一定的学习先前经验的能力,从而使遗传算法可以更快的收敛,获得更好的性能.     

电磁层析成像图像重建中的修正共轭梯度算法

通过研究共轭梯度算法,推导出适用于电磁层析成像的修正共轭梯度算法,该方法提高了收敛速度,改善了电磁层析成像重建图像的质量。首先以共轭搜索方向充分下降为充分条件,理论推导出修正共轭梯度算法。然后从相对图像误差、相关系数和收敛曲线几个方面出发,评价了Landweber迭代法、单步Tikhonov正则化方法、共轭梯度法和修正共轭梯度法在电磁层析成像图像重建中的结果,得出结论:修正共轭梯度方法的相对图像误差最小,重建图像和原图像的相关系数最高,收敛情况优于共轭梯度算法。     

基于GA-SA混合寻优算法的CAPP与PPC集成原理研究

评述了CAPP和PPC集成原理,在统一资源库的约束条件下,提出了基于GA-SA混合优化策略的CAPP和PPC的集成方法;建立了基于GA-SA算法的算法基本框架、算法模型;通过实例仿真表明,GA-SA混合寻优算法较单一的GA算法具有更好的应用效果。     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。     

An improved genetic local search algorithm for defect reconstruction from MFL signals

This paper presents an improved genetic local algorithm by incorporating the simulated-annealing technique into the perturbation process of the genetic local search algorithm and proposes an improved-genetic-local-search-algorithm-based inverse algorithm for two-dimensional defect reconstruction from the magnetic-flux-leakage signals. In the algorithm, a radial-basis-function neural network is utilized as a forward model, and the improved genetic local search algorithm is used to solve the optimization problem in the inverse problem. Experiments are presented to compare the proposed inverse algorithm with both the canonical-genetic-algorithm-based inverse algorithm and the genetic-local-search-algorithm-based inverse algorithm. The results demonstrate that the proposed inverse algorithm is more accurate and robust to the noise.     

变长度可重复自然数编码的混合算法在模具异地制造调度中的应用

通过分析遗传算法和启发式算法的优劣特点,它提出了将遗传算法和启发式算法相结合的混合算法,将其用于模具异地制造的调度问题中,实现了调度决策的优化。同时针对遗传算法常采用的二进制编码方法的不足,提出了变长度可重复自然数编码的策略。     

一种确定神经网络初始权值的新方法

针对BP神经网络对易陷入局部极小的缺点,结合粒子群优化算法(PSO)在全局搜索上的良好性能,提出了一种新的算法--PSO-BP混合算法.该算法先用PSO算法将BP网络的初始权值优化到全局极小点附近,然后用传统BP神经网络学习算法进行进一步优化,仿真表明:该方法很好地解决了BP神经网络对初始值敏感、易局部收敛的问题.     

CS-PSO算法在贝叶斯网络结构学习中的应用

针对传统的贝叶斯网络(Bayesian network, BN)结构学习算法运行效率低、算法易早熟、学习效果不理想等缺点,选取布谷鸟(Cuckoo search, CS)和粒子群(Particle swarm optimization, PSO)智能算法,结合BN结构特点,提出了一种CS-PSO的BN结构学习算法。首先,对CS算法从以下三个方面进行改进:利用最大支撑树来指导CS算法的初始化方向,利用解的适应度来调节解的寻优及舍弃过程,利用PSO算法来进行CS算法的位置更新。其次根据BN的结构特征,将CS-PSO算法应用于BN的结构学习。最后采用chest clinic、 credit和car diagnosis三种经典网络作为仿真模型,进行贪婪算法、 K2算法、 CS算法和CS-PSO算法的建模和仿真比较。结果表明, CS-PSO算法在BN的结构学习中,收敛速度快、收敛精度高且稳定性好,可以更快、更优地得到精确的贝叶斯网络结构模型。     

免疫模拟退火算法及其在柔性动态Job Shop中的应用

针对车间作业调度问题，在深入分析免疫算法和模拟退火算法的基础上，将两种算法巧妙结合，提出免疫模拟退火算法。该算法引入了免疫记忆、抽取疫苗和接种疫苗等免疫机制，有助于优良个体和基因的保留和利用，提高了算法收敛性，而且其基于概率突跳特性的爬山性能可以避免早熟现象。针对西安航空发动机（集团）有限公司的柔性动态Job Shop，分别用模拟退火算法、免疫算法和免疫模拟退火算法进行了仿真和比较，研究结果表明，免疫模拟退火算法比单一算法性能更优，是求解柔性动态Job Shop问题的有效实用算法。     

三维限定Delaunay四面体网格划分的算法

概述了三维限定Delaunay四面体网格划分算法的基本步骤.重点研究了初始四面体网格形成的算法,此算法采用了逐点插入法的一种--局部交换法.详细讨论了此算法的基本步骤,并分析比较了此算法相对于传统初始网格生成算法的优点.该算法易于实现,并通过不同的算例对网格生成进行了验证,获得了理想的结果.     

基于蚁群节点寻优的贝叶斯网络结构算法研究

K2算法是学习贝叶斯网络结构的经典算法。针对K2算法依赖最大父节点数和节点序的不足,以及蚁群算法搜索空间庞大的问题,提出了一种新的贝叶斯结构学习算法-MWST-ACO-K2算法。该算法通过计算互信息建立最大支撑树(MWST),得到最大父节点数;然后利用蚁群算法(ACO)搜索最大支撑树,获得节点顺序;最后结合K2算法得到最优的贝叶斯网络结构。仿真实验结果表明,该方法不仅解决了K2算法依赖先验知识的问题,而且减少了蚁群算法的搜索空间,简化了搜索机制,得到较好的贝叶斯结构。最后将该算法应用到冀东水泥回转窑的实际数据中,构建水泥回转窑的贝叶斯网络结构,提高了故障诊断的准确率。     

银行家算法在柔性制造系统中的改进和应用

提出了一种应用于柔性制造系统中的避免死锁的算法。该算法是对银行家算法的改进。银行家算法适用于操作系统，而操作系统与柔性制造系统之间存在差异，为使该算法适用于柔性制造系统，必须对其进行改进。通过研究操作系统中的进程与制造系统中的加工任务之间的差别，对算法进行改进。对制造系统采用形式化的建模方法，将建立的模型转换成适合进行模型检查的形式。运用SPIN来对此算法进行仿真，并验证此算法模型的正确性。     

A GA-SA Multiobjective Hybrid Search Algorithm for Integrating Lot Sizing and Sequencing in Flow-Line Scheduling

It is very important that the sequencing and lot sizing in the flow-line environment are not independent. They should be integrated. In this paper, a multiobjective hybrid evolutionary search algorithm which combines a genetic algorithm and a simulated annealing algorithm is proposed and the performance of the proposed algorithm is compared with the existing genetic algorithm and the simulated annealing algorithm. The algorithms are coded independently and the performance is compared with randomly generated test problems. The objective functions considered for evaluation are the minimisation of makespan, minimisation of overtime and minimisation of holding cost. The scalar fitness function combining all the three objective functions, which minimises total cost, is used. The results are presented in tables and figures. The results show that the proposed hybrid algorithm performs better than the genetic algorithm and the simulated annealing algorithm.