新型模拟退火遗传算法在路径优化的应用

针对路径优化中,遗传算法(GA)初始解质量低,变异能力差,以及易陷入局部最优解等问题,提出了一种新型模拟退火遗传算法.首先,采用混合策略生成初始解,将模拟退火算法引入遗传算法的变异算子,使用2-opt算子和单点最优插入算子增强局部搜索能力,使算法能够更加有效地避免陷入局部最优;其次,提出改进的锦标赛算法,对交叉、变异前...     

基于遗传算法的多目标车间调度

针对作业车间调度中应用遗传算法求解存在的早熟问题,对其搜索速度、收敛效果和最优解等方面进行分析研究,给出一种新的混合遗传算法。首先对初始种群进行实数编码,增加解空间中可行解的个数;接着根据距离排列,增加种群的多样性;然后采用拉普拉斯交叉算子和逆转变异,改进算法的搜索效率;最后结合模拟退火算法,并在每一代遗传进化中引入局部搜索,提高了算法的全局寻优能力。通过与其他算法的仿真比较,结果表明新的混合算法能提高多目标车间调度问题的求解速度和质量,并能够找到最佳的调度方案。     

基于混合算法的项目型产品装配作业调度研究

针对项目型产品装配作业计划的排序和工人资源的配置问题,以最小项目总工期为优化目标,建立了项目型产品装配作业调度的数学模型,并提出了一种基于离散粒子群和禁忌搜索的混合算法。该算法分为两阶段,离散粒子群进行全局搜索,禁忌搜索用于完善局部搜索能力。将文章提出的算法与文献中已有的粒子群算法、禁忌搜索算法、遗传算法进行了比较,结果表明文中算法得到的解要显著优于文献中已有算法。     

混合遗传算法在机器人路径规划中的应用

针对传统智能算法在多障碍物环境下求解路径时存在忽视路径安全性，易陷入局部最优解等问题，提出一种融合粒子群算法(PSO)、遗传算法(GA)和人工势场法(APF)的混合遗传算法(PA-GA)。首先，改进障碍物参数和算法的适应度函数，引入防碰撞距离与安全距离，保证路径安全性；其次，通过动态调整粒子群算法中的惯性权重增强粒子的搜索能力，加快算法收敛；然后，引入分群策略、等级交叉策略和人工势场法来改进遗传算法的交叉变异操作，依靠自适应调整交叉变异概率加快收敛速度；最后，将改进后的算法融合，保证混合算法在全局和局部的寻优能力。仿真结果显示，PA-GA算法具备了较强的寻优能力，且路径检索结果更好，收敛速率也更快。     

改进学习型遗传算法求解柔性车间调度问题北大核心

针对智能优化算法在解空间搜索时忽略问题特征导致搜索效率无法进一步提升的问题,从柔性车间调度问题的特征入手,引入关键机器和搜索过程学习概念,提出一种基于关键机器的改进学习型遗传算法。首先,针对柔性车间调度问题解表达中的机器选择设计知识体,通过搜索过程得到的解更新知识体,并反馈到求解过程的引导;其次,使用了一种自适应的变异算子改善遗传算法早熟收敛的问题;然后,基于变换加工机器和加工顺序以及关键机器的思想设计了3种邻域结构;最后,引入关键机器的概念,并将其引入到知识体更新以及邻域搜索的过程中。仿真结果表明,较其它方法而言,本文提出的算法在不同规模的标准算例上找到最优解的能力更强。     

二维不规则图形排样问题的一种混合求解算法

针对二维不规则图形排样问题,实现了一种基于启发式定位策略与自适应遗传算法的混合排样算法(AGAHA).首先,考虑到单一指标的放置策略容易陷入局部最优的问题,提出了一种基于临界多边形(NFP)的混合放置策略,综合考虑排样效果的整体紧密度和局部紧密度.之后,为了提高搜索最优解的效率,在优化图形的顺序时使用了自适应遗传算法,...     

基于遗传粒子群算法的冷连轧 轧制规程优化设计

选取等相对负荷为轧制规程的目标函数,令轧制力、轧制功率、轧制力矩、轧制速度等参数满足一定约束条件,采用罚函数法将有约束条件转为无约束条件。用遗传粒子群算法对目标函数进行优化,求得最优解。该混合算法集合了遗传算法全局搜索能力强,粒子群算法局部搜索能力强,收敛速度快的特点。使得各机架功率合理分配,设备能力充分发挥,生产效率提高。     

基于改进遗传算法的装配线平衡研究

针对第二类装配线平衡问题,提出一种改进的遗传算法以解决经典遗传算法的早熟问题。在改进的遗传算法中,提出并引入基因浓度补偿策略,以保持选择及进化过程中种群的多样性,避免算法过早收敛,提高全局寻优能力。同时采取自适应遗传操作算子,在进化过程中动态调整交叉和变异算子,以提高算法的局部搜索能力及算法的计算速度。最后通过实例验证了此改进遗传算法的可行性,在寻优性能以及运算效率上都优于经典遗传算法。     

求解串并联系统备件配置问题的蚂蚁算法

通过对串并联系统配置成本问题的分析提出了基于蚂蚁算法求解该问题的方法。蚂蚁算法作为一种生物进化算法但它与其他进化算法一样存在易陷入局部最小的缺点。在基本蚂蚁算法的基础上,通过修改它的信息素局域和全局更新规则,引入自适应的信息素挥发系数来提高收敛速度和算法的全局最优解搜索能力。实验结果表明,改进的蚂蚁算法具有很好的全局搜索能力,使全局收敛性及收敛速度两方面均得到提高。     

基于QGA-SVR的工件表面粗糙度预测和分析

在自动化生产中建立难加工材料的表面质量预测模型,是实现可持续制造的基础。提出一种结合量子遗传算法和支持向量回归(Quantum genetic algorithm-Support vector regression,QGA-SVR)的已加工表面粗糙度预测模型,改进了现有寻优方法在搜索支持向量回归的模型参数易陷入局部最优解的问题。在量子门更新的过程中加入交叉和变异的操作,保证了模型全局搜索能力,为了提高支持向量回归的泛化能力,在参数优化过程结合了K-折叠交叉验证。结合干车削304不锈钢的切削试验以及现有的铣削实验数据,对比分析了基于量子遗传算法和遗传算法的支持向量回归模型。结果表明:QGA-SVR具有收敛速度快、预测精度高的优点,基于建立的QGA-SVR模型分析了切削参数对车削表面粗糙度的影响规律。     

基于改进自适应遗传算法的机器人路径规划研究

传统遗传算法的交叉和变异操作为随机操作,虽然简单,但在路径规划中却会产生不可行路径,增加运算量,影响算法的收敛速度。针对这一问题,在传统遗传算法遗传操作的基础上进行了改进,利用先验知识保证遗传操作后的种群个体为可行路径,同时提出了新的遗传参数自适应调整方式与之配合,提高了算法的寻优效率。最后,由于遗传算法容易陷入局部最优,根据模拟退火算法的Metropolis准则对经过遗传操作产生的新个体进行接受判定。通过将改进后的遗传算法与其他文献中的改进遗传算法相比较,结果表明:文中的改进遗传算法在收敛速度、优化效果以及寻优能力上都取得了明显的效果。     

基于改进海鸥优化算法的PID控制器参数优化

PID控制器广泛应用于自动控制、电子等领域,其参数的合理性是衡量系统性能指标的关键因素。引入自适应权重策略来平衡海鸥优化算法的全局搜索和局部搜索能力,通过惯性权重的余弦策略来增强局部搜索能力,以使算法更好地优化PID控制器的参数。对12个标准测试函数和二阶温控延迟系统进行测试,将算法与遗传算法、粒子群算法、人工鱼群算法进行比较,结果表明此算法具有更优的搜索性能。最后,将算法用于优化PID控制器的参数,结果显示算法具有良好的特性。     

改进GWO算法求解柔性作业车间调度问题

针对以最小化最大完工时间为目标的柔性作业车间调度问题,设计一种改进的邻域搜索灰狼算法。设计一种适于灰狼算法的基于工序和机器的双层编码方案,改进种群初始化策略、灰狼变异操作以及种群更新机制;通过两点交叉操作、插入操作以及PR操作,得到GWO算法的全局搜索邻域,提出设计禁忌搜索邻域以增强GWO算法的局部开发能力。最后将所提算法在已知算例上进行仿真实验,并与其他算法进行对比。实验结果验证了改进GWO算法具有一定的优越性。     

Global–local population memetic algorithm for solving the forward kinematics of parallel manipulators

Memetic algorithms (MA) are evolutionary computation methods that employ local search to selected individuals of the population. This work presents global–local population MA for solving the forward kinematics of parallel manipulators. A real-coded generation algorithm with features of diversity is used in the global population and an evolutionary algorithm with parent-centric crossover operator which has local search features is used in the local population. The forward kinematics of the 3RPR and 6–6 leg manipulators are examined to test the performance of the proposed method. The results show that the proposed method improves the performance of the real-coded genetic algorithm and can obtain high-quality solutions similar to the previous methods for the 6–6 leg manipulator. The accuracy of the solutions and the optimisation time achieved by the methods in this work motivates for real-time implementation of the 3RPR parallel manipulator.     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。     

改进杂草算法求解WSN节点分布优化问题

对改进杂草算法性能及其在无线传感器网络节点分布优化问题中的应用进行研究。在保证节点相互连通的前提下,建立无线传感器网络对目标区域覆盖的数学模型,并将节点分布优化问题转换为求解函数最大值问题;通过杂草算法优越的寻优能力来实现网路节点的最优分布,在此基础上,引入立方映射混沌算子来提高算法的局部搜索能力,利用高斯变异算子来增强种群的多样性;最后,通过标准函数测试与无线网络覆盖优化仿真对该算法进行验证。仿真结果表明:该算法具有收敛速度快、鲁棒性好、数据开采能力强的优点,能有效解决无线传感器网络节点分布优化问题。     

基于改进遗传算法的数控加工切削用量优化

针对数控加工的特点,建立以加工成本最低、生产率最高和利润率最大为目标函数,以机床性能、刀具、工件、工艺等限制因素为约束条件的切削用量优化数学模型,运用改进遗传算法对切削用量进行优化。与传统遗传算法相比,该算法采用实数编码,基于搜索点的适应值变化趋势进行定向变异并自适应地改变变异步长,局部搜索能力和全局优化能力更强。优化结果表明:在切削用量优化计算中,该方法收敛速度快,结果也较稳定。     

具有有限缓存的模具FMS单AGV调度研究

在实际生产应用FMS中,由于加工单元缓存区容量有限导致在一段时间内单AGV工件运输任务的累积,增加模具生产成本及延长模具完工时间,为了解决此问题,建立了有限缓存区容量的AGV调度模型,并根据模型特点设计了改进遗传算法求解AGV的最短路径,改进遗传算法的选择操作采用轮盘赌选择和最佳个体保存相结合的方法以保持种群的多样性。实例结果表明,与传统的遗传算法相比,改进遗传算法具有更快的收敛速度,并且得到最优解的概率更高。     

GA-BP在数控机床结合面动态特性建模中的应用

针对目前我国对数控机床结合面动态特性理论建模难度大、效率低等问题,建立了数控机床固定结合面动态特性参数的神经网络模型,利用BP神经网络的自学能力,对固定结合面特性进行了分析预测。同时利用遗传算法全局搜索能力强的特点,对BP神经网络的初始权值和阈值进行优化,克服了其收敛速度慢和易陷入局部最优解的缺点。通过MATLAB对该算法进行编程。结果显示,该模型对数控机床结合面动态特性的判断基本符合实际。