基于蚁群算法的热精轧过程负荷分配策略研究

本文以热精轧机理数学模型为基础,以提高板形板厚设定精度为目标,试用蚁群优化算法求解热精轧过程负荷分配策略优化问题。首先,通过对决策变量离散化处理和对目标函数加权聚合,将蚂蚁系统算法（AS）应用于热精轧负荷分配优化计算当中,提出了基于AS算法的热精轧负荷分配优化策略,并通过仿真实验证明了AS算法在求解热精轧负荷分配优化问题的有效性。     

改进连续蚁群算法及其在经济负荷分配问题中的应用

充分发展了连续蚁群算法ACOR,使之在与各种主流算法的比较中显示了较大的优越性,并将其应用于解决电力系统的经济负荷分配问题,取得了良好的效果.     

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。     

基于有约束多目标进化算法的冷轧负荷分配分析

冷轧负荷分配问题可以抽象为一个有约束多目标优化问题。为解决此问题,提出了基于环境Pareto支配选择策略的有约束多目标进化算法。该算法更加客观地评价了两个不同解的优劣,利用优秀不可行解加速算法收敛。以等功率裕量、最小轧制能耗、最小综合打滑函数、末机架板形良好轧制力为优化目标,利用有约束多目标进化算法得到了4个目标函数之间的定量关系,使决策者不需要掌握复杂的轧制理论知识就可以直观地掌握轧制规律,并进一步说明了多目标策略在压下负荷分配中的必要性。     

多工序质量检验计划的多目标优化蚁群算法研究

针对常见的串行多工序抽样检验方式，建立了工序间质量水平传递模型和质量检验成本模型，提出基于Pareto解评价的多目标优化蚁群算法；通过定义多目标解与理想解的相对距离为蚁群算法的启发函数，激励蚁群搜索可行解空间并发现最优解集；应用多目标优化蚁群算法解决质量检验计划优化问题取得了较好效果。     

基于混合遗传算法的经费分配多目标规划研究

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,具体是通过交叉、变异来产生后代,后代与父代组成一个扩大群体,然后对这个群体的个体单独进行正交试验,并以正交试验的结果代替试验前个体,再通过排序选出最好的群体组成下一次遗传的父代,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效稳定的方法。     

基于连续蚁群算法的3-RPS并联机构正解

为了避免传统数值方法求解并联机构正解问题的弊端,提出了一种将并联机构正解问题转化为目标函数优化问题的求解方法。并联机构正解的核心问题是求解一组多元耦合非线性方程组,以此为依据建立了并联机构正解的目标函数优化模型,并提出了一种简单的连续蚁群算法来求解该优化模型。以求解3-RPS并联机构正解为例进行了仿真分析。结果表明,该算法具有良好的全局寻优功能,能够避免初始值和局部极小值对计算结果的影响,不用计算雅可比矩阵及其逆阵,且计算精度满足并联机构正解的要求。     

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。     

柔性制造系统负荷分配混合遗传算法研究

在考虑设备的历史加工负荷和设备被选权重的基础上,提出了一种新的负荷分配算法.通过实例对比分析,证明了该算法优势所在,从而为FMS生产调度集成的实现提供了更加有利的条件.     

蚁群算法的连续空间算法研究

通过对基本蚁群算法的分析，构造了一个连续空间的蚁群算法，给出了算法要点，并对其进行了简要分析。实例运算证明了算法的有效性，对连续空间的蚁群算法研究具有积极意义。     

基于粒子群算法的冷连轧机轧制负荷分配优化

利用粒子群算法设计了一种冷连轧轧制负荷分配的优化方法。根据某1450五机架冷连轧机生产工况,以压下量分配为自变量,以轧制力成比例分配为目标函数,将压下量分配的约束条件作为惩罚项,建立惩罚函数。通过粒子群多代运算,求出罚函数值最小点,得到压下负荷最佳分配点。实验证明,粒子群算法在轧制负荷分配计算中,具有算法实现简便、运算速度快、收敛性好等优点,可以作为一种冷连轧轧制负荷分配的新方法加以推广。     

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。     

基于蚁群算法的电梯群控系统研究

随着工业4.0时代的来临,工业互联网技术的飞速发展,在高层建筑中,对电梯的依赖与日俱增。传统的电梯多为单部运行,在高峰期已经满足不了人们的正常需求,电梯群控应运而生。群控系统是指统一调配3台以上的运动控制系统,电梯群控具有多目标性,动态性,扰动复杂,非线性的特点。若干电梯不同楼层之间包含的庞大的数据处理,为了避免轿厢过于拥堵和乘客侯梯时间较长的情况,结合蚁群算法在解决离散数据组合方面的显著优势和强大的全局优化能力,将蚁群算法和电梯群控的问题结合起来,能够更好的实现电梯的调度分配,提高系统的整体性能。通过Matlab 以及电梯仿真软件 Elevator Simulation 仿真,从乘客乘梯的舒适性,平均候梯时间,耗能等方面验证蚁群算法的可行性。     

火电厂厂级负荷优化分配算法的分析

机组负荷优化分配和机组优化组合是电力系统经济调度的重要环节,因此,负荷优化分配算法日益受到广大学者的关注。在经过了国内外长期的研究和广泛的应用,目前已出现了很多有价值的负荷优化分配方法。本文对国内外出现的负荷优化分配算法进行分析、比较和总结,阐述各种算法的基本原理,针对相关算法分析比较其优缺点。     

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。     

基于改进磷虾群算法的火电厂负荷优化分配

快速有效的电厂负荷分配能够有效增强电厂灵活运行能力,从而提升效益,增强市场竞争力.因此,针对负荷分配中快速性问题,在电厂负荷分配目标函数、约束条件基础上,设计了快速变负荷策略,以满足电厂灵活性调节目的.利用改进磷虾群算法(IKH),通过自适应动态改变负荷边界,实现对负荷变化的快速响应,并进行了4个机组的算例分析,由IK...     

基于粒子群算法的螺旋输送机多目标优化设计

以螺旋输送机的重量最小和输送效率最大作为数学模型的2个目标函数,螺旋体的结构参数为设计变量,建立了螺旋输送机的多目标优化模型,并用粒子群算法编程求解数学模型。求解优化结果表明,螺旋输送机的重量减少8.2%,输送效率提高4.5%,对螺旋输送机的优化设计具有一定的指导意义。     

基于动态改变惯性权自适应粒子群算法的电厂负荷分配研究

机组负荷分配问题具有不连续、非凸、非线性的目标函数,同时还受负荷和约束条件的限制,传统的负荷分配算法很难求解此类问题。本文提出了一种动态改变惯性权自适应粒子群算法(DCWPSO),通过添加进化速度因子和粒子的聚集度对粒子群算法中惯性权值公式进行改进,改进后的算法能更好地将总负荷分配给各台机组,防止算法早熟收敛,提高算法的寻优速度。通过算例的计算,并与基本粒子群算法相比较结果证明该算法的有效性,提高了解的寻优能力和收敛速度。     

多阶段自适应蝙蝠-蚁群混合群智能算法

针对蝙蝠算法在优化过程中未充分利用蝙蝠间搜索信息交互影响的不足,借鉴拟态物理学中的作用力规则,基于阶段性搜索策略将搜索过程分为两个阶段,分别构造符合算法阶段性搜索特点的作用力规则,提出多形态作用力蝙蝠算法,并利用Benchmark函数对所提算法与标准蝙蝠算法、变异蝙蝠算法、标准微粒群算法、两阶段微粒群算法进行性能对比测...     

基于MATLAB的蚁群算法仿真研究

介绍了基于MATLAB的蚁群算法仿真研究,对佛罗里达州六城市旅行商问题进行了MATLAB仿真,计算结果显示,作为新型进化算法,蚁群算法能够解决复杂组合优化问题.