基于蚁群算法的气门弹簧多目标优化

介绍了蚁群算法的基本原理、模型和实现方法,并以常见的气门弹簧作为优化设计目标,建立多目标函数的数学模型,利用MATLAB编程进行求解。通过将计算结果与用遗传算法优化、常规优化算法优化获得的结果进行对比可知,蚁群算法具有很好的寻优能力,同时也表明蚁群算法在优化设计领域的可行性和实用性。     

改进蚁群算法的斜齿轮传动多目标优化

本文针对传统蚁群算法在优化目标函数和设计变量较多时,收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的蚁群优化算法。并对两级斜齿圆柱齿轮减速器在考虑其动态性能、体积、可靠度多目标下对齿轮参数进行了优化。其结果与传统设计相比,在保持了减速器较高可靠性的同时,获得了较好的动态性能和较小的体积。本文提出的改进蚁群算法为斜齿轮减速器提供了一种新的优化设计方法。     

蚁群优化算法研究综述

介绍了蚁群优化算法的基本原理、流程和研究现状,重点评述了近年来蚁群优化算法在组合优化和连续优化两个领域的研究现状,并展望了这一领域的研究方向。     

求解多目标拆卸线平衡问题的一种蚁群算法

结合拆卸线平衡问题的特性,建立了相应的数学模型。该模型在以最小化工作站数、均衡各工作站空闲时间为目标函数的基础上,考虑了尽可能早地拆卸有危害、高需求的零件以及最小化拆卸方向的改变,提出了一种改进的蚁群算法。该算法采用了利用先验知识、探索新路径、随机选择三种方式的混合搜索机制,将综合考虑零件拆卸时间、危害和需求作为算法的启发式信息来提高搜索的效率。应用实例的计算分析表明该提算法具有可行性及有效性。     

基于多目标连续蚁群算法的热精轧过程负荷分配策略研究

本文通过对蚁群算法的进一步研究,提出了多目标连续蚁群算法（MOCACO）。算法中,蚂蚁能够在连续空间内爬行,蚂蚁分泌的信息素只留存于当前位置并且通过蚂蚁移动前后的Pareto支配关系对信息素进行更新,每次优化计算后可得到一组非支配最优解。在此基础上,提出了基于MOCACO算法的热精轧负荷分配优化策略,并通过仿真实验证明了MOCACO算法在解决热精轧负荷分配问题上的有效性与优越性。     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

微分进化多目标优化算法研究

对现有的微分进化多目标优化算法做了进一步的研究,揭示了其在机械工程领域中应用存在的问题。在此基础上,对现有的微分进化多目标优化算法进行了修正,给出了基于微分进化算法、适用于机械工程领域的约束多目标优化算法。与目前普遍采用的粒子群多目标优化算法进行了比较,并通过颇具典型意义的双圆弧齿轮传动约束多目标优化范例进行了验证。研究结果表明,该方法比粒子群多目标优化算法具有更好的非劣解的多样性和收敛性,快得多的收敛速度,且程序设计简单、易懂。为机械工程领域约束多目标优化设计提供了一种切实可行的设计算法。     

带能力约束的多目标OEM协作生产订单分配决策与混合蚁群算法应用研究

在面向订单生产(build-to-order,BTO)的协作生产环境下,品牌制造商如何将所接受的不同客户订单(生产任务)分配给众多的协作生产企业OEM供应商,同时以最大的成本收益及最高的服务水平完成这些制造任务,是OEM协作生产环境下一个很实际的生产管理问题。首先根据此类问题的特点建立了一个带能力约束的、以总订单利润与准时交货为目标的多目标OEM订单分配模型;然后利用混合智能优化算法——模拟退火蚁群算法进行求解,并对该混合算法进行改进;最后应用算例验证了算法的有效性与合理性。     

求解物流Web服务组合问题的两阶段多目标蚁群算法

针对基于QoS的物流Web服务组合优化问题,提出了两阶段多目标蚁群优化(TMACO)算法。首先,针对原始数据集中存在被支配候选服务而增加算法求解时间的问题,提出了基于Pareto支配的预优化策略;其次,针对属性权重难以确定的问题,提出了不依赖权重的信息素更新策略和启发信息策略;最后,针对基础蚁群算法容易陷入局部最优的问题,提出了懒蚂蚁策略。实验结果表明,TMACO算法具有良好性能,相对于基础蚁群算法、利用解与理想解距离来更新信息素的改进蚁群算法、遗传算法以及用支配程度作为解的个体评价的改进遗传算法,TMACO算法有更高的寻优能力,能够找到更多更优的非劣解。     

制造系统通用作业计划与蚁群算法优化

分析了基本作业方式的“通用-特例”关系,提出了全面研究上述基本作业方式的通用作业计划的概念,建立了通用作业计划非连接图模型及基于蚁群算法的优化方法。算例研究假定一制造系统包含开放作业、异顺序作业、混杂流水作业三种作业方式,将其按照通用作业计划方式采用蚁群算法进行优化,所得的近优加工流程时间显著优于采用穷举法对三种作业方式分别优化所得的最优解。     

基于蚁群算法的四旋翼直升机飞行路径规划研究

针对四旋翼小型直升机自主式控制系统的关键问题,即电驱动四旋翼小型直升机因电池容量不足、航程短的问题,提出采用蚁群算法对四旋翼小型直升机的实际飞行路径进行三维路径规划,以充分利用其有限的滞空时间完成实际飞行任务,并通过系统数字仿真,验证了方法的可行性。     

基亏蚁群算法的电子装配工艺优化研究

针对电子装配过程中效率低下的问题,提出了基于蚁群算法的电子装配过程中焊接工艺优化算法。该算法利用蚁群信息素反馈机制和概率选择机制,很好地解决了电子装配过程中不同特性元器件及其对应印制板焊盘操作顺序的优化问题,并应用C＋＋语言编制计算程序,实现对算法的快速求解,最后通过实例验证了该算法的可行性和有效性。通过蚁群算法在电子装配工艺优化中的合理应用,提高了电路板焊接速度与盾量,极大地提升了生产效率和高端电子产品装配的可靠性。     

基于蚁群算法的机械优化设计

介绍了蚁群算法的原理、模型和算法实现过程。说明了蚁群算法应用于机械优化计算切实可行，为复杂的机械优化设计问题提供了新的思路和方法。     

蚁群算法的理论与应用

介绍了一种求解复杂组合优化问题的新的拟生态算法——蚁群算法。阐述了该算法的基本原理、几种改进蚁群算法以及蚁群算法在TSP问题、job-shop调度问题、大规模集成电路布线、电信网络路由等各种组合优化问题中的应用。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

基于改进蚁群算法的智能配电网网格化规划方法研究

为提高智能配电网规划能力,提出一种基于改进蚁群算法的智能配电网网格化规划方法。首先采用分块区域网格规划方法模拟智能配电网网格化参数,根据蚁群个体行为差异性定义节点规划度,再通过模板匹配和寻优得到节点部署模型。然后计算用户侧谐波阻抗实现智能配电网网格化规划过程的参数寻优,提高智能配电网网格化组合能力。在此基础上,建立谐波振荡的调制模型,在实现规划过程抗干扰抑制后,以谐波参数作为约束代价指标,在改进蚁群寻优控制下,实现智能配电网网格化规划设计。仿真实验结果表明:采用该方法实现配电网网格化规划后,配电网的输出稳定性较好,参数融合度水平较高。     

基于蚂蚁算法的混合离散变量机械优化设计方法

引入蚁群更新、沿途搜索等策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，通过典型优化设计问题进行了验证，并给出了混合离散变量机械优化设计实例。实例表明，改进后的蚂蚁算法全局收敛能力强，程序运行可靠。     

用于连续函数优化的改进蚁群算法

主要综合了蚁群算法、遗传算法、差异演化算法三者优点.在连续空间中,以蚁群算法为主要寻优思路,采用遗传算法中的交叉、变异及差异演化算法的变异方式增加群体多样性;采用自适应的交叉、变异概率以增强算法的智能性,仿真实验获得了较好的效果.     

基于蚁群算法的完全遍历路径规划研究

提出了一种局部区域遍历和全局运动规划相结合的完全遍历路径规划方法;针对基于Boustrophedon单元分解所得区域的特点,机器人可在局部区域内采用往复运动的方式实现遍历.该方法定义了遍历空间中子区域间综合连通距离,综合连通距离包括区域之间的连通关系、区域之间的最短距离、区域之间的障碍物情况等要素,整个遍历空间中的连通关系由一个完全赋权连通矩阵表示.采用蚁群算法对子空间遍历距离进行优化,得到了最短全局遍历顺序.最后以一个模拟环境为求解实例,证明了算法的有效性.