求解交货期可变动态调度问题的差分进化算法

针对差分进化算法求解动态优化问题时存在多样性缺失、寻优效率低的问题,提出一种多种群差分进化算法,将这种用于求解连续解空间优化问题的进化算法应用于顺序编码的动态调度问题求解中.该算法利用随机键编码表示法将连续位置向量转化为顺序编码,提出自组织多种群策略,将种群按动态空间特征自动分成主种群与子种群;由主种群不断探索峰值所在区域,从主种群分离出来的子种群负责在这些有效区域进行开发,并对子种群规模进行自适应调整,以加快算法寻优速度并节省计算资源,算法应用于交货期可变动态调度问题中,取得了满意结果.     

基于混沌粒子群——专用遗传算法切换策略的移动机器人路径规划

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略.该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法.通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件.与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明:本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性.      

改进遗传算法下的畜禽冷链配送优化研究

在介绍传统遗传算法的基础上,提出了一种改进的遗传算法,通过设定前置交又算子、互换变异算子、逆转变异算子来进行模型求解.算例分析表明,该算法可以在较短的时间内获得该问题的最优解或满意解.     

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.      

云计算环境下冶金车间作业调度方法研究

传统的冶金车间作业调度方法无法以最小化平均完工时间和最大化客户满意度为目标,解决柔性作业车间调度问题,柔性作业车间的合理调度是提高生产效率和效益的关键,为了解决柔性作业车间调度问题求解过程中的难题,解决云计算环境下冶金车间作业调度问题,提出了一种基于人工免疫算法求解柔性作业车间调度问题的方法,采用人工免疫算法进行求解,并针对标准人工免疫算法存在的不足,引入粒子群算法保持种群的多样性,避免出现局部最优解。     

一种基于差分进化的正弦余弦算法

正弦余弦算法是一种新型仿自然优化算法,利用正余弦数学模型来求解优化问题。为提高正弦余弦算法的优化精度和收敛速度,提出了一种基于差分进化的正弦余弦算法。该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最优个体变异策略增强算法的局部开发能力等优化策略来改进算法,最后通过仿真实验和结果分析证明了算法的优异性能。      

基于“炉?机对应”的炼钢?连铸生产调度问题遗传优化模型

针对炼钢?连铸过程因车间布局复杂造成工序间钢水交叉供应频繁、等待时间过长以及天车调度困难等问题,本文建立以计划内所有炉次总等待时间最小为优化目标的炼钢?连铸过程生产调度模型,并采用改进的遗传算法求解该模型。在遗传操作过程中,引入“炉?机对应”调控策略以改善初始种群质量,并根据转炉（精炼）与连铸作业周期的比较,来确定是否对个体进行交叉、变异操作。以国内某中大型炼钢厂主要生产模式下的实际生产计划为仿真算例进行实验,结果表明:本文提出的基于“炉?机对应”的改进遗传算法的性能显著优于基本遗传算法及启发式算法,针对炼钢厂产量占比超过80%的主要生产模式4BOF?3CCM下的算例1,优化了生产过程等待时间,工序间最长等待时间由77 min减小到54 min;炉?机匹配程度也明显提高,3号精炼炉去往3号连铸机的钢水比例由25%提升到67%,减少了个别炉次由于设备随机指派造成的工序设备间对应关系不明确及由于生产路径不合理造成等待时间过长的现象,为研究炼钢厂复杂生产调度问题提供了一种高效的解决方案。      

多目标进化算法在非线性方程组中的应用

将非线性方程组问题转化为多目标函数优化问题,利用NSGA-Ⅱ的非支配集的构造方案和基于拥挤距离排序方法产生子代种群,依适应度排序选择子代个体进行下一代优化.本文将NSGA-Ⅱ中遗传算法GA替换为进化策略ES,通过非支配集的调整与拥挤距离重新排序可以进一步提升收敛速度,同时避免种群的早熟,保证初始种群个体的优良性能得以继承.仿真实验表明,本文算法可以进一步提高非线性方程组解的精确性和求解效率,从另一个角度为非线性方程求解提供了一中新的途径.     

基于粒子群优化算法的电阻抗图像重建

电阻抗成像的实际应用具有许多优越性,但电阻抗图像重建是一个严重病态的非线性逆问题.目前电阻抗成像的静态算法大多采用Newton-Raphson类算法,这类算法需要计算Jacobian矩阵、使用正则化技术等,算法复杂且稳定性较差.针对该问题,采用了一种新的求解逆问题的方法:粒子群优化算法(PSO).PSO是一种基于种群搜索策略的自适应随机算法,具有算法简单、调节参数少、收敛速度快、易于实现等特点.给出了电阻抗成像的建模模型,并对粒子群优化算法做了适当的改进以适应电阻抗问题的求解.与牛顿类算法相比,它可以省去繁复的雅可比矩阵计算过程,而采用自适应搜索来求取最优解.仿真结果表明,应用PSO进行图像重构时,能够对突变区域进行准确的定位,图像分辨率较高.     

基于遗传算法的带时间窗的多目标flow-shop调度

结合实际生产,引入机器的空闲时间建立了一个带有时间窗的Row-shop优化调度模型通过非支配排序来进行群体虚拟适应度值的分配,引入精英解策略来保证算法的收敛性和解的多样性,运用小生境技术来避免局部收敛和早熟,维持种群多样性.通过仿真实验得到模型具有实际意义,算法具有可行性.     

一种基于自适应分组排挤的遗传算法

为防止进化种群早熟收敛,并考虑保持种群多样性,加快寻优进程,提高寻优效率,提出一种基于自适应分组排挤的遗传算法,在寻优过程中将种群个体进行分组,在分组的基础上基于海明距离引入自适应的排挤机制,最后将该算法与基于海明距离排挤算法和简单遗传算法进行比较,证明其可行性和有效性.     

基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.      

改进的PSO算法在RFID网络调度中的应用

为在寻优过程中有效地保持算法的种群多样性,提出了一种改进的PSO(Particle Swarm Optimization) 算法--PSOPC(Particle Swarm Optimizer based on Predator-prey Coevolution).PSOPC算法将生态系统中捕食者和猎物的竞争协同进化机制嵌入到PSO算法中.基于PSOPC进行RFID(Radio Frequency IDentification)读写器网络调度模型的求解,根据读写器冲突关系的变化在线进行读写器的时隙分配求解与控制,在不影响读写器工作效率的同时,有效消除密集读写器环境下的读写器冲突问题,并优化整个读写器网络的工作效率.     

炼钢-连铸浇次组合与排序问题的遗传算法求解

炼钢-连铸生产的浇次组合与排序是带有工艺约束的并行机流水车间调度问题。作者研究了钢铁生产作业计划的求解策略，在满足机器约束的条件下，以浇铸生产成本为目标，建立了浇次排序问题的数学模型，并用自适应遗传算法加以求解。计算结果表明，混合钢铁流程炼钢-连铸浇次组合与排序计划算法是有效的，该算法已运用于生产实际，具有推广价值。     

安装时间和机器受限的订单接受与并行机调度

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析.      

作业车间调度问题解的不可行性检测算法和快速修复算法

为了判别作业车间调度问题的解的可行性,提出了一种基于图论的启发式判别算法,并通过实例验证了方法的正确性.提出了普适于作业车间调度问题的快速修补新算法,可以对于作业车间调度问题的不可行解进行修正使之变成可行解.判别算法和修补算法在最不利情形下的计算复杂性均为O(n),判别算法在最有利情形下的计算复杂性为O(2 |J|+|M|).所提出的算法具有很大的灵活性,对于局部蚂蚁算法、遗传算法以及一般的作业车间调度问题均适用.     

混合遗传算法对混流装配线平衡问题的研究

基于面向汽车行业总装生产线平衡问题的研究,提出了一种包含模拟退火因子的改进的遗传算法,设计了加速收敛因子模型以确保在有限种群空间中的快速收敛;同时考虑了更多工程现场实际约束来修正传统的约束模型.新算法模型应用在混流装配生产线平衡分析中,取得了算法快速收敛和分析结果与实际工程一致的结果.      

特殊钢厂炼钢-连铸调度模型

针对特殊钢厂的炼钢-连铸调度问题,建立了多目标调度模型.在模型求解过程中,对静态调度策略和动态调度策略进行了探讨.在静态调度部分,结合炼钢厂运行原则,并根据炼钢炉和连铸机作业周期的不同对应关系,对生产模式进行了分类,给出了相应的求解方法.在动态调度部分,给出了基于规则的动态调度策略以及具体的时间调整方法.最后,根据某转炉特殊钢厂的实际生产状况,在三台连铸机同时生产的情形下,对三个浇次的调度计划进行了仿真计算.通过与实际生产数据的比较,表明所采用方法的有效性.      

多目标遗传算法在八辊五机架全连续冷连轧机轧制策略优化中的应用

针对八辊五机架全连续冷连轧机在轧制过程中的特点，提出一种多目标优化问题的求解策略——多目标遗传算法，并对其进行改进，提出基于多目标遗传算法的多辊冷连轧机轧制策略的优化。该方法具有计算精度高、速度快等特点，适合在线实时计算的要求。该优化算法在河北中钢1250mm八辊五机架全连续冷连轧机中的应用，证明了该算法的适用性和灵活性，为多辊全连续冷连轧机在计算机过程控制中进行轧制策略优化设计提供了一条新的途径。     

应用改进遗传算法求解炼钢连铸生产调度问题

炼钢连铸制造流程是一个复杂的多阶段、多产品生产过程,其生产调度问题可建模为车间调度问题.提出一个改进遗传算法求解炼钢连铸生产调度问题.改进包括三个方面:基于排序的适应度分配、基于排序的工件过滤交叉算子和基于指数关系的变异率曲线.经24个benchmark的比较测试表明,改进遗传算法比传统遗传算法的寻优能力更强.通过16个生产计划和6个处理工序的炼钢连铸生产调度实例计算结果表明,改进遗传算法是有效的.