排序方式: 共有27条查询结果,搜索用时 15 毫秒
1.
针对建筑移动机器人路径规划中移动小车作业点问题,提出了以最大可操作度为优化指标,基于遗传粒子群混合算法搜寻移动小车作业点的方法。阐述了地砖铺设机器人系统的组成及灵巧度优化指标;给出了移动机械臂铺砖的一般步骤;结合遗传算法和粒子群算法的优点,以机械臂可操作度最大为原则进行优化,以快速准确地得到最优作业位姿点。利用MATLAB软件编写程序对移动机器人贴地砖作业进行了仿真实验。结果表明:该路径优化方法能够精确地得到合理的作业点位置。 相似文献
2.
考虑到电动汽车的普及,对充电站的需求越来越大,合理规划充电站是保证快速发展电动汽车的一项重要举措。根据某地区现有电动汽车的保有量,考察电动汽车的集中充电所需最大负荷,结合市场充电站的固定建设成本、运维成本、用户充电途中的耗时成本以及电池配送成本,综合考虑上述几种主要成本因素,以总成本最小为目标函数,建立充电站的规划模型。将交叉操作引入到PSO算法中,加强了PSO算法后期的寻优能力,通过采用加权Voronoi图和GA-PSO算法对模型进行计算。结果表明,在结合了多种成本并考虑用户需求的情况下,能够使得规划方法达到最优。 相似文献
3.
原料采购库存成本的约束是钢铁企业流动资金的制约瓶颈,针对钢铁企业烧结料场铁矿粉原料采购与消耗特点,以企业原料库存费用最小为目标建立了烧结料场铁矿粉原料库存量优化模型,提出一种基于遗传-粒子群算法的烧结料场铁矿粉库存量优化方法。同时,应用某钢铁企业360 m2烧结生产线的综合原料场实际生产数据进行仿真验证,结果表明,该模型可以反映该钢铁企业综合料场铁矿粉库存量的实际情况,采用的优化方法可以得到模型的最优解,为钢铁企业采购计划的制定提供决策支持。 相似文献
4.
针对风机盘管系统建模研究中大多数未考虑水力学特性对其的影响, 本文提出混合热工和水力特性的风
机盘管系统建模方法, 以满足实际工程中对于风机盘管系统控制的数学模型需要. 在水力学模型中考虑风机盘管电
动水阀, 基于基尔霍夫定律建立水力平衡方程, 通过遗传–粒子群相结合的优化算法(GA-PSO)求解各个盘管的水流
量及对应的阀门开度; 以水流量为输入, 考虑风机盘管风量, 采用非线性最小二乘法辨识求解其总传热系数, 建立基
于牛顿冷却定律的风机盘管热力学模型. 实验结果表明: 混合热工和水力特性的建模方法能够更好的反应风机盘
管的物理过程; GA-PSO算法具有很好的稳定性和收敛性, 能够更准确的求解水流量及对应的阀门开度, 与实际运
行数据的相对误差不超过1%; 热力学模型在各种实际工况下的模型误差都低于4%, 能够精确反映风机盘管的传热
过程. 相似文献
5.
在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。 相似文献
6.
7.
针对当前航天器发射入轨段地基测控设备部署中存在的效率不高、灵活性不足等问题,考虑最高仰角、地形遮蔽等约束条件,以定轨精度、测控覆盖、资源占用为优化目标,建立给定弹道下测控设备部署优化模型。提出基于多样本遗传-粒子群(Genetic-Particle Swarm Optimization, GA-PSO)算法的发射入轨段测控设备部署优化方法,通过目标权重自适应变换和一定强度的蒙特卡洛仿真实验获取Pareto最优解集,统计分析确定全局最优解。仿真结果表明,该方法可进一步提高发射入轨段定轨精度和测控覆盖率,减少设备冗余,为测控方案制定提供有效数据参考。 相似文献
8.
酒的质量等级评定是一件十分重要的工作。鉴于酒的质量等级为分类变量不能利用传统回归模型,于是采用Logistic回归模型进行建模。在结合一次对葡萄牙清酒全面调查所获得的实际数据的基础上,利用了有序Logistic回归构建了清酒质量等级预测模型,并利用了遗传算法(GA)、粒子群算法(PSO)、遗传-粒子群算法(GA-PSO)三种方法进行优化,得出GAPSO算法比上述其他两种算法能更有效地找出全局最优解。同时,找出了一组能获得最优质量等级的数据。 相似文献
9.
属性约简是粗糙集理论中的核心问题,为有效进行属性的最小约简,将一种GA-PSO混合算法应用于属性约简。该算法在保证寻优能力的前提下,增加群体的多样性,避免陷入局部最优,同时,在适应度函数中加入罚函数。实验结果证明该算法能有效地进行属性约简,取得良好的约简结果。 相似文献
10.
Minutiae-based algorithm plays a more and more important role in fingerprint recognition. It is greatly limited by its demand for good image quality and depen- dence on fingerprint aligning, especially for incomplete fin- gerprint recognition. Improved Genetic algorithm-Particle swarm optimization (GA-PSO) algorithm is applied to deal with these problems. The proposed algorithm improves GA-PSO in two aspects, population initialization based on reference point pre-aligning and fitness function construc- tion based on fusion of minutiae-matching and orientation- matching. The experimental results on the FVC2004 show the high effectiveness and practicability of our algorithm. 相似文献