基于改进遗传算法的视差拼图缝线搜索方法

为了消除视差图像拼接后的局部不一致、不连续或变形,提出一种视差拼图最优合成拼缝搜索策略.将两浇幅图象重叠区域的归一化差图象作为搜索空间,定义一个与图象高相等维数的向量作为染色体,染色体的基因表示每一行图象中的最优拼接点,采用常用的最小值搜索适应度函数作为视差图像拼缝搜索的适应度函数.针对传统遗传算法在图像整数编码搜索中收敛慢的缺陷,提出了一种基于小区间整数编码,个体互异稳态定标的组合选择策略,按基因适应度自适应重组,自适应、变步长与多点选择性的变异操作等策略的改进遗传算法.实际图像拼缝搜索实验表明:改进后算法比基本遗传算法和传统自适应遗传算法收敛速度加快.     

基于线性规划的机器人避障问题

机器人避障最短路径及最短时间路径其实就是研究具有圆形限定区域的最短路径的问题,主要研究机器人在有若干个障碍物一个区域中,由出发点到达目标点以及由出发点经过途中的若干目标点到达最终目标点的两种情形。通过分析我们可以得出最短路径是由两部分组成的:一部分是在一个平面两点之间的最短路即直线路径,另一部分是障碍物区域的部分边界,这两部分是相切连接的。除此之外我们还发现最小转向曲率半径和障碍物区域大小的浮动对结果都有影响。根据这个结果,可以得出最短路径一定是由直线和圆弧做组成,为此可以建立线圆结构模型,这样不管障碍物有多少,路径有多复杂,我们都可以将路径划分为若干个这种线圆结构来求解。对于路径当中经过障碍物再到达目标点的状况,采用两种方案,一种是在障碍物拐点和节点都采用最小转弯半径的形式,另一种是适当扩大障碍物拐点处的转弯半径,使得机器人能够尽大可能沿直线通过路径中的障碍物到达目标点。建立最优化模型对两种方案分别进行求解。     

基于黄金分割法的卫星导航信号镜面反射点预测研究

针对利用全球导航卫星系统(GNSS)反射信号进行遥感时镜面反射点位置获取精度低、迭代次数多、计算速度慢的问题,提出了基于黄金分割法预测镜面反射点的预测方法.研究了镜面反射点的特性及其几何关系,通过计算仿真,发现镜面反射点预测是一维单谷凸函数极值搜索问题.将卫星发射机和接收机的位置作为搜索区间,根据黄金分割法的搜索原则插入新的搜索点,依照路径最短原则逐步缩小搜索区间来获取镜面反射点的位置.实验仿真结果表明,所提出的算法具有精度高、反射路径最短、迭代次数少、收敛效率高以及运算速度快的特点.     

基于遗传算法的三维模型匹配方法

逆向测量模型与正向设计模型的自动匹配是三维检测的关键技术之一.通过空间六自由度的旋转与平移变换调整模型方位,基于K-D树和拓扑信息获取三维模型与不同方位平面的相交轮廓.利用二维相交轮廓的差异度作为两模型间的匹配判据,避免海量数据点与复杂曲面间的直接匹配计算.采用遗传算法进行两模型最佳匹配方位的求解,以空间六自由度为个体的染色体,通过群体的多点搜索,历经选择、交叉、变异操作,得到全局最佳匹配方位.通过实例验证了方法的有效性.     

遗传算法在图同构判定中的应用与实现

以简单图作为判断对象,根据遗传算法具有全局快速搜索的特点,将实际问题中的空间解数据编码变成遗传空间的基因型串结构的数据,采用确定型遗传算子选择策略,在有限的运算次数内判断图是否同构,实现基于遗传算法的图同构判定。     

任意两点间最短路径的新算法研究

最短路径问题是图论研究中的一个经典算法问题,Dijkstra算法和Floyd算法是解决任意两点间最短路径的常用办法。从局部最优到整体最优的思想出发,得出求解最短路径的一个新方法,即两点间的最短路径是途经当前最短路径集的复合路径和直达路径的最短者,然后以此方法给出求解任意两点间最短路径的一个新算法,最后简述新算法在针对特定问题时相对于经典算法的优势。     

基于遗传算法的码垛机器人路径规划应用

目的为了改进传统遗传算法在码垛机器人路径规划中可能出现的局部陷阱和过早收敛问题,以及机器人的能耗和路线平滑性问题,提出一种改进的遗传算法机器人路径规划方法。方法针对传统遗传算法存在的问题,分别对种群初始化、适应度函数、选择算子、交叉算子、变异算子的算法和方式进行调整和改进,对优秀算法进行融合。针对基本遗传算法主要着重于路径最短,从而忽视了机器人的能耗及路径平滑性等问题,设计一种综合考虑距离和转弯次数控制的适应度函数,最后将改进的算法应用于码垛机器人的路径规划中。结果仿真结果表明,相较于基本遗传算法,提出的算法搜索到的路径质量更高,不仅距离更短,同时转弯次数远远小于其他算法,路径更为平滑,验证了该算法的有效性。结论基于该算法的码垛机器人路径在兼顾距离最优的同时,路线更加平滑。由于减少了转向次数,机器人的能耗更低,同时仿真结果表明,该算法的实时性也较好。     

自适应粒子群算法的制造单元集成布局方法

在考虑制造单元出入点具体位置与最短物流路径的情况下,对单元间布局两个环节的问题——确定单元在车间平面上的位置,确定出入点间最短物流路径——作了集成研究,避免分步研究导致的解空间缺失;基于割树策略建立了单元布局模型,设计了结构化编码的自适应粒子群算法,使车间平面形成整齐连续的布局;通过将车间平面布局转化成连通图,在算法中嵌入改进Dijkstra算法,量化了各单元出入点之间的最短物流距离;从而使布局结果更加符合生产实际。     

基于遗传算法优化神经网络权值的损伤识别

针对传统BP神经网络存在着容易陷入局部极小点、训练时间太长等缺点,采用基于浮点编码的遗传算法对BP神经网络的初值空间进行遗传优化.用基于浮点编码的遗传算法来优化BP神经网络的权值,得到最佳初始权值矩阵,并按误差前向反馈算法沿负梯度方向搜索进行网络学习.以弹簧质量系统作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量.对网络进行训练,仿真结果表明:遗传BP神经网络的收敛和诊断能力优于传统BP神经网络,可有效运用到结构的模态参数识别中.     

基于分段遗传编码的配送路径优化

为减小物流配送中车辆路径优化这一NP难题的组合规模，增大其搜索空间及寻优效率，提出了一种分段编码方法，编码中的各段表示相应车辆路径的需求城市集合。以非完全连通配送网络为研究对象，基于分段遗传编码，构造了车辆路径优化问题的遗传算法，通过对编码各段超载、包容等的判断，得出一个关于需求城市的最优划分。最后利用改进的迪杰斯特拉算法，根据最优化分中的需求城市，求取最优的配送路径集。计算示例证明了该方法的有效性。     

A priori least expected time paths in fuzzy,time-variant transportation networks

Dynamics and fuzziness are two significant characteristics of real-world transportation networks. To capture these two features theoretically, this article proposes the concept of a fuzzy, time-variant network characterized by a series of time-dependent fuzzy link travel times. To find an effective route guidance for travelers, the expected travel time is specifically adopted as an evaluation criterion to assess the route generation process. Then the shortest path problem is formulated as a multi-objective 0–1 optimization model for finding the least expected time path over the considered time horizon. Different from the shortest path problem in dynamic and random networks, an efficient method is proposed in this article to calculate the fuzzy expected travel time for each given path. A tabu search algorithm is designed for the problem to generate the best solution under the framework of linear weighted methods. Finally, two numerical experiments are performed to verify the effectiveness and efficiency of the model and algorithm.     

基于鱼骨型仓库布局的多车拣选路径问题优化

为了推动鱼骨型仓库在实际场景下的应用,针对鱼骨型仓库布局下的拣货路径优化问题,构建待拣货点距离计算模型和以有载重、容积限制的多车拣货距离最短为总目标的拣选路径优化模型。考虑遗传算法(GA)全局搜索能力强、粒子群算法(GAPSO)收敛速度快以及蚁群算法(ACO)较强的局部寻优能力,提出一种解决拣选路径优化模型的混合算法(GA-PSO-ACO)。通过不同订单规模的仿真实验,得出该混合算法在适应度值、迭代次数、收敛速度等方面均优于GA算法和GAPSO算法,且在订单规模较大时,平均适应度值约降低8%,有效缩短了总拣选距离,验证了混合算法在解决鱼骨型仓库布局下的拣货路径问题的先进性和有效性,为解决此类仓库内部的拣货路径问题提供新的解决方法和思路。     

混合花朵授粉算法在作业车间调度中的应用

对最大完工时间最短的作业车间调度问题进行了研究,总结了当前求解作业车间调度问题的研究现状,提出一种花朵授粉算法与遗传算法的混合算法。混合算法以花朵授粉算法为基础,重新定义其全局搜索和局部搜索迭代公式,在同化操作过程中融入遗传算法的选择、优先交叉和变异操作,进一步增强算法的勘探能力。通过26个经典的基准算例仿真实验,并与近5年的其他算法比较,结果表明所提算法在求解作业车间调度问题具有一定优势。     

Spatial scheduling strategy for irregular curved blocks based on the modified genetic ant colony algorithm (MGACA) in shipbuilding

This paper proposes a scheduling strategy for irregular curved blocks to address the complex spatiotemporal coupling scheduling problem related to the entered time, the entered sequence, the setting positions and the rotated angles for the curved blocks in a shipbuilding yard. The strategy presents a makespan-based curved blocks – classification and selection rule to fulfil the programming time for the entry of the curved blocks into the workplace and realises the suppression on the delay. Useless stepping search of curved blocks in occupied workplace is avoided by combining the lowest centre-of-gravity rule with the calculation method of the remained workplace proposed in this paper. A modified genetic ant colony algorithm was proposed, which apply the ease to premature characteristics of GA and the excellent local optimisation ability of ACO, to let and promote the algorithm falls into local optimum. Then the large-scale and full-range mutation will be implemented to make the algorithm jump out of the original local optimisation to search more local optimal solutions so that the global optimal solution can be achieved. Finally, a software system for algorithm verification was developed which conducts the comparative analysis of the algorithms and verifies the validity of the algorithm proposed.     

基于混沌粒子群优化算法的AGV路径规划研究

目的 优化物流AGV路径最优问题。方法 提出一种改进的混沌粒子群优化算法,采用基于Bézier曲线的路径规划模型,通过调整Bézier曲线的控制点数量,显著改善AGV轨迹路线的长度和平滑度。结果 采用混沌粒子群滤波算法（CPSO）最优化处理Bézier曲线的控制点数,引入适应度函数,评估是否满足终止标准,如果达到最大迭代次数或者在给定迭代次数时未修改最优解则终止CPSO算法,最后利用选取的控制点计算出更短、更平滑的轨迹路线,提高了算法的寻优能力。结论 采用CPSO算法初始化Bézier曲线可以获得更加平滑的最短路径。     

改进遗传算法在非线性热传导参数识别中的应用

建立了基于优化算法的估计材料热传导系数和边界条件的热传导反问题求解方法。该方法以观测的温度值与有限元计算模拟的温度值最小二乘极小化原理为基础,然后采用具有全局搜索能力的遗传算法求解。为了加快收敛速度和提高反演识别精度,采用了浮点编码的遗传算法。根据先验信息,建立了高斯变异策略。数值计算结果表明,所建立的数值反演方法可以用来解决未知的热传导系数和边界条件识别问题,并且具有良好的抗观测噪音能力。     

基于遗传算法的贮液缸液位PID控制参数整定

目的在啤酒灌装过程中,贮液缸内液位的变化会直接影响啤酒的质量和产量,而对液位控制的准确、稳定与否,关键在对PID参数的选择。方法针对在贮液缸液位控制调试过程中PID参数选择的盲目性等问题,采用遗传算法对PID参数进行整定,并与临界比例度法整定的结果进行比较。结果经过遗传算法整定的PID参数,其输出响应曲线上升最短时间为3.98 s,超调量最小可达1.9%,调整最短时间为2.23 s。经过比例度法整定的PID参数,其输出响应曲线上升最短时间为1.92 s,超调量最小达23.7%,调整最短时间为11.62 s。结论采用遗传算法整定的PID控制参数总体效果较好,其输出响应曲线上升时间为3.98 s,超调量最小可达4.2%,调整最短时间为2.23 s,满足控制要求。     

单线超市车辆配置与路径问题优化研究

为解决工位对物料需求紧迫程度不同,进而影响配送优先顺序的问题,提出考虑工位配送优先级的单线超市车辆配置及配送路径优化模型和求解算法。首先,建立以物料需求紧迫系数表示配送优先顺序,以单线超市车辆配置最少与路径最短为目标的数学模型;其次,提出加入控制搜索因子的改进蚁群算法对该问题进行求解,通过在迭代不同时期设置不同大小的控制搜索因子来改变节点选择概率,提高最优解搜索速度的同时避免算法陷入局部最优;最后,通过算例分析,验证了模型的正确性,同时也证明了改进蚁群算法能够实现对物料需求紧迫程度高的工位优先配送,较基本蚁群算法在计算结果及算法运行时间上具有优势。     

基于细菌觅食和蚁群算法的工艺路线优化

针对工艺路线规划中满足多重约束的最优方案选择问题,提出一种细菌觅食和蚁群优化（bacteria foraging ant colony optimization,BFACO）算法。首先,将工艺路线规划转化为对加工元顺序的优化问题,构造满足多种工艺准则的加工元拓扑优先顺序图,并构建了在缩短加工周期、提高加工质量和降低加工成本目标下的最低加工资源更换成本的目标函数;其次,设计加工元序列与加工资源两个搜索阶段的蚁群搜索,拓扑优先顺序图可弥补加工元序列搜索阶段信息素匮乏的缺点,而在加工资源搜索阶段引入细菌觅食优化算法的复制与趋向操作,可使加工元在多个可选加工资源的情况下获得加工资源更换成本最低的加工序列;最后,基于细菌觅食与蚁群算法的融合优化,完成多个加工元序列的信息素积累并输出最优解,解决蚁群算法局部收敛且计算速度慢的问题。将BFACO算法应用于实例并与其他优化算法的优化结果进行对比,结果显示BFACO算法在工艺路线优化方面较其他优化算法具有较高的计算效率,验证了BFACO算法的可行性与有效性。研究表明,BFACO算法可有效应用于同时考虑工艺约束与加工资源更换成本的工艺规划,为实际生产提供高效且灵活的工艺路线的优化选择。     

基于包装配送问题的混沌蛙跳布谷鸟算法研究

目的设计一种求解包装配送问题的混沌蛙跳布谷鸟算法(ChaoticFrogLeapingCuckooSearch Algorithm,CFLCSA)。方法对鸟巢个体进行实数编码,引入混沌机制和随机蛙跳算法,增强算法种群多样性和局部搜索能力,并利用E-n33-k4和E-n76-k8算例来验证算法的求解性能。结果 CFLCSA算法能够求得E-n33-k4已知最优解,求得E-n76-k8的最短配送距离与已知最优解的误差仅为5.03%,且算法求解结果及平均运行时间均优于混沌蚁群算法(Chaotic Ant Colony Algorithm, CACA)、改进遗传算法(Improved Genetic Algorithm, IGA)和禁忌搜索算法(Tabu Search, TS)。结论 CFLCSA算法求解性能优于CACA算法、IGA算法和TS算法,是一种较好的包装配送问题求解方法。