多金属矿山工业采掘生产计划模型与优化算法

为了降低多金属矿山工业生产作业成本及保证生产连续性等目标,将矿山生产作业过程中采场至卸矿点间的生产成本归结为采掘生产作业计划优化问题,建立了多金属矿山工业采掘生产计划模型。该模型以采掘和运输作业成本最小为目标,综合考虑了矿石品位波动、采场的出矿量、采掘作业量和矿产资源利用等约束条件。将改进的量子粒子群算法应用于模型中,利用进化速度和聚集度因子对算法参数进行优化,同时提出了双可行域吸引子的粒子搜索策略,提高了算法的全局收敛速度,避免了早熟问题。以某大型多金属矿山为案例,结果表明该算法解算结果要比矿山实际生产指标、非线性规划以及标准粒子群算法结果优于95%以上,算法求解速度提高了65%左右,且该模型与优化算法满足矿山工业采掘生产计划的连续性和均衡性要求。     

遗传算法在水泥矿山卡车运输调度系统中的应用

根据露天矿山运输调度系统的复杂性与非线性特性，建立了实时运输调度系统模型；运用遗传进化算法中的选择、交叉、变异、插入、迁移算子的寻优迭代计算，成功地解决了在开采工艺、产量、质量等多因素约束条件下的实时运输调度优化问题。并将其用于韶峰水泥原料矿山的生产运输调度系统，既降低了矿山运输成本，又协调了开采工艺、质量、产量之间的关系，取得了较好的效果。同时为矿山企业信息化建设和其他物流企业提供了重要的参考价值。     

考虑半托盘出库的堆垛机复合作业拣选路径优化研究

结合自动化立体仓库中堆垛机执行出入库作业的实际情况，提出了考虑半托盘出库情况下的堆垛机复合作业拣选路径优化问题，并构建了该问题的数学模型。针对研究问题的特点，利用一种离散烟花算法进行模型求解，采用爆炸算子和变异算子执行烟花的爆炸操作，实现算法的全局搜索和局部搜索；应用精英选择策略和类似轮盘赌策略以提高收敛效果。最后以某烟草物流公司自动化立体仓库的堆垛机拣选作业为例，将离散烟花算法与其他算法的运算结果作对比，验证了该算法更具求解优势。     

带爆炸算子的粒子群优化算法

粒子群优化算法(PSO)在应用中极易陷入局部最优并且后期收敛速度较慢。针对这两个问题,分析标准粒子群优化算法的收敛特性,利用粒子群算法的惯性权重来保证算法的全局寻优能力,提出的局部搜索策略是在两次迭代过程中粒子位置突变较大时融合爆炸算子提高粒子的局部开采能力,极大的改善算法后期的收敛速度。通过典型的函数优化实验验证,改进算法在寻优能力、寻优精度、收敛速度等方面都有较好性能。是平衡粒子探索和开采能力的高效算法。     

面向订单的生产计划与调度的综合优化

研究了一个多订单环境下的生产计划与调度集成优化问题,以实现准时生产为目标,综合考虑产品装配结构约束的订单任务计划与订单产品零部件的加工调度,采用直接面向客户订单的工序调度模式建立了计划和调度的综合优化整数规划模型.设计了带精英策略的蚁群算法作为该数学模型的求解方法,并通过对比试验为该算法选取最佳的搜索参数.实例仿真结果表明,所建模型的正确性以及蚁群算法求解该问题的可行性和有效性.     

精英策略的改进非支配遗传算法

在研究NSGA-Ⅱ算法的基础上,提出了一种新的精英策略.它既可以使种群中优良个体保持到下一代,又可以维护种群的多样性,避免算法陷入局部最优解.此外,对NSGA-Ⅱ算法的交叉算子和变异算子进行了重新选择,交叉算子采用模拟二进制交叉算子,变异算子采用非均匀变异算子.将它们引入INSGA-Ⅱ算法中,在优化前期可以进行大范围搜索,而后期可以集中搜索某个重点区域,从而可以提高解的精确性.通过经典函数测试,并将INSGA-Ⅱ算法与NSGA-Ⅱ算法的结果进行比较.结果表明,基于精英策略的改进算法INSGA-Ⅱ不仅取得了较好的结果,而且分布性也得到了有效的提高.     

基于改进遗传爬山算法的篦冷机熟料换热二次风温故障诊断

提出一种利用改进遗传算子优化爬山的算法,能自动调整交叉概率和变异概率,自动选择交叉方式和变异方式,利用改进的交叉算子和变异算子替代爬山算法中的减边算子来扩展其全局寻优能力,利用最大支撑树限制搜索空间来提高搜索效率。仿真实验证明,与爬山算法等算法相比,该算法得到的模型更加准确、最佳得分更高且耗时较短。结合水泥熟料换热过程中的篦冷机现场采集数据,建立了篦冷机工艺参数的故障诊断模型,对二次风温实现了较为准确的故障诊断,具有一定实际意义。     

改进麻雀算法求解低碳柔性作业车间调度问题

针对车间调度对制造业能源消耗和碳排放影响较大的问题,建立以最小化最大完工时间和碳排放量为目标的低碳柔性作业车间调度模型,采用改进的麻雀搜索算法求解。首先,通过三种不同的搜索方式对种群进行初始化,保证初始种群的质量。其次,引入正弦搜索策略,使个体根据自身位置的优劣采用不同的搜索策略,增强算法的搜索能力。再次,引入交叉和变异算子,避免算法迅速陷入局部最优。最后,通过Brandimarte数据集和实例仿真验证改进算法的性能。     

基于粒子群算法求解约束优化问题的改进算法

提出一种进行的粒子群算法(Particle Swarm Optimization,PSO)用于求解多目标的优化问题。这种改进引入遗传算法的交叉算子,增强算法的搜索能力。同时,使用基于子种群划分的改进选择算子,避免算法过早陷入局部最优。使用三个测试函数进行测试,实验结果证明算法的有效性。     

交叉变异的连续蚁群优化算法

研究了应用于连续空间优化问题的蚁群算法,给出了信息素的留存方式以及搜索策略.另外,针对蚁群算法易陷入局部最优的缺点,在最优蚂蚁周围进行了精细搜索,并加入了自适应的交叉变异算子,从而改进了蚁群算法的全局优化性能.数值仿真结果表明,该算法是一种有效的优化算法.     

基于速度交流的共生多种群粒子群算法

为了提高粒子群算法的求解精度,改善算法的搜索性能,提出一种基于速度交流的共生多种群粒子群算法(SMPSO)。该算法采用速度交流机制划分整个从种群为多个子种群,负责解空间的全局搜索,将获得的最优信息分享给主种群;主种群综合从种群与自身最优经验,负责局部深度优化,获得最优信息反馈给从种群,从而建立主从群间的共生关系,实现解空间的充分搜索。迭代后期,在主种群中引入自适应变异策略,提高算法跳出局部最优的能力。将提出的SMPSO算法应用于基准测试函数中,与其它改进的PSO算法进行比较。实验结果表明,SMPSO算法在求解精度、搜索能力、稳定性等方面均有较大的提高。     

Z企业配电箱作业车间调度问题优化研究

Z企业配电箱产能扩张需要引入更高效的生产调度管理模式。基于Z企业原有的调度模式,针对传统策略中存在的性能不稳定、易受管理者经验影响以及容易陷入局部最优解的问题,采用遗传算法进行作业车间调度问题的优化。首先,建立适用于Z企业的作业车间调度模型,并考虑实际约束条件,使模型更贴近企业实际。其次,选用MSOS染色体编码、轮盘赌选择法、基于工序编码的交叉算子POX和位置变异法的变异算子扩大搜索范围和寻找最优策略。最后,在相同的环境下分别对不同策略进行仿真,生成甘特图。结果表明,采用算法的策略更优,尤其更适用于复杂环境下的JSP优化。     

基于改进鲸鱼优化算法的风电消纳调度研究

针对我国风力发电弃风率高、风电消纳受阻等现状,本文提出将高载能负荷作为可调度资源与常规电源共同参与系统调度的调度模式,建立以最大限度地消纳风电、降低系统总调度成本为目标的消纳模型。采用改进鲸鱼优化算法(IWOA)对模型进行优化求解,提出控制参数递减策略,调整算法搜索步长,增强算法全局搜索能力和局部搜索速率;采用随机差分变异扰动策略,增强种群多样性,提高算法收敛精度。通过算例仿真分析验证了该调度模型以及改进鲸鱼优化算法的有效性和优越性。     

粒子群优化算法在电网规划中的应用

粒子群算法适合求解连续变量优化问题,本文提出了粒子群算法的新离散化方法。常规粒子群算法在电力系统优化问题中取得了成功,但有"趋同性"。本文提出了改进多粒子群优化算法(IPPSO),IPPSO是两层结构:底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快收敛。粒子群以及粒子状态更新策略不要求相同。     

求解随机拆卸线平衡问题的改进人工蜂群算法

考虑拆卸时间不确定,以最少工作站开启数量、负荷均衡、尽早拆除有危害和高需求零部件为目标,建立随机拆卸线平衡问题优化模型,并提出一种改进人工蜂群算法。在雇佣蜂、观察蜂开采蜜源阶段,采用变邻域深度搜索策略,通过系统改变邻域结构以增强开采能力;在侦察蜂探索蜜源阶段,构建基于左右变异机制的全局学习策略,以提高探索蜜源质量加速跳出局部最优。最后,通过求解不同规模算例并与其他算法对比,验证所提算法的优越性。     

基于遗传算法的热轧生产过程多目标优化

针对热轧生产过程中的板坯出库策略问题,建立了旨在减少板坯倒垛量和板坯温降程度的多目标模型;针对问题的特点,提出了基于遗传算法的求解算法.算法能够根据目标的重要性调节加权参数的大小,以便根据应用中的实际情况调整优化的重点;通过在迭代过程中引入启发式变异算子,来提高算法的收敛速度.最后通过数值实验验证了算法的可行性和有效性.     

基于混合离散人工蜂群算法的混合零等待柔性流水车间优化研究

从钢铁业等流程工业提炼出一类混合零等待柔性流水车间问题，其中一些加工阶段要求工件连续不断地经过这些工序，对该问题建立了整数规划模型，提出了一种混合离散人工蜂群算法以最小化最大完工时间。采用二维矩阵编码表述染色体以及工件右移调整策略进行解码以获取调度解，改进NEH启发式规则用于生成初始种群。在雇佣蜂阶段，引入了修正粒子群优化算法产生新解；在跟随蜂阶段，设计了迭代贪婪算法中的破坏和构造算子，进一步增强算法的搜索能力；在侦查蜂阶段，利用变邻域搜索算子以替换最差解。对不同规模问题进行了仿真测试并与现有算法进行对比，结果表明所提算法在求解混合零等待柔性流水车间问题方面更加有效。     

多目标快速群搜索优化算法及在模型修正中的应用

为解决群搜索算法在求解多目标优化问题时易陷于局部最优或过早收敛,限制其在复杂结构模型修正中的应用问题,提出改进的群搜索优化算法-多目标快速群搜索优化算法(MQGSO)。采用LPS搜索方法对发现者进行迭代更新,能使发现者更快到达最优位置,提升寻优效率;对追随者增加速度更新机制,考虑其自身历史最优信息以保证收敛精度,并在算法后期采用交叉变异策略增加追随者个体多样性,避免陷入局部最优;在游荡者迭代更新中引入分量变异控制策略,增加其搜索的随机性,提高算法的全局寻优性能。通过7个典型多目标优化测试函数及某发射台有限元模型修正实例,对算法性能进行验证分析。结果表明,与已有MPSO(Multi-objective Particle Swarm Optimization)及MBFO(Multi-objective Bacterial Foraging Optimization)两种算法相比,所提MQGSO算法搜索性能更强、收敛速度更快、计算精度更高,不失为求解复杂多目标优化问题的有效方法。     

基于混合算法的飞机多层次装配计划优化及应用

分析了飞机装配过程的多层次任务网络特点,在满足工位、AO、工序多层次的时间约束、资源约束,并充分考虑任务移交情况下对工期影响的基础上,建立了资源约束下的多层次装配计划优化模型,提出一种针对多层次网络特性的离散粒子群算法与禁忌搜索结合的混合算法对该问题进行求解,并以某飞机机身的装配项目进行实例计算,验证了多层次计划优化模型与算法的有效性。     

露天矿山三维设计方法应用研究

针对传统露天矿山开采设计采用二维方式的不直观、低效率等缺点,提出了露天矿山的全三维设计方法.首先以矿业三维软件为平台创建矿床地质模型,利用统计学方法进行品位赋值,形成地质品位计算模型,在此基础上利用三维有限元计算方法进行开采境界边坡角及边坡台阶组合参数优化研究.借助境界圈定及三维排产程序进行采剥方案、生产规模、开采境界...