改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

基于IPSO算法的制造车间物料配送路径优化

针对制造车间物料供应路径复杂多变问题,建立了以物料配送路径最短为优化目标的物料配送模型,并提出了一种改进粒子群优化算法(Improved Particle Swarm Optimization Algorithm,IPSO)旨在解决此问题模型。IPSO算法可以在运行过程中自适应地以正切函数的变化方式调整惯性权重系数,同时构建基于惯性权重系数自行调整的加速度因子c_1、c_2的变化关系式。通过仿真实验与基本及其他典型改进PSO算法进行比较,实验结果表明,IPSO算法具有良好的全局搜索能力与较高的搜索精度,可以有效对制造车间物料配送路线进行优化。     

混合装配线平衡与优化的研究

提出混合装配生产线的两种平衡求解方法:理论建模和动态仿真建模。首先以某装配线为研究对象,以使工作站的时间与负载的差距最小为平衡的目标;其次采取改进的Petri网法进行求解,应用仿真软件建立动态模型;最后通过比较,结果表明综合运用这两种方法是求解混合装配线平衡问题较有效的方法。     

基于混沌粒子群算法的电梯混合能源系统控制优化

电梯混合能源控制优化是对电梯、太阳能、蓄电池、超级电容等设备间的能量交换进行控制优化。根据电梯系统的特点,在满足电梯所需能量的前提下,以电网所需的耗电量最小为优化指标,建立电梯的混合能源优化目标函数。其中目标优化函数中的变量如0-1等非连续的开关变量,其混合能源管理优化过程是非线性变参数优化问题,难以用普通的解析方法进行计算。采用混沌粒子群算法的智能求解策略,通过对某电梯的仿真,验证了模型和算法的有效性。     

随机混流装配线平衡问题的一种混合粒子群算法

随机混合装配线平衡问题较简单装配线平衡问题更符合生产实际,为有效求解随机混合装配线平衡问题,考虑各任务操作时间的随机性,建立了随机混合装配线平衡问题的数学模型。结合混合随机装配线的具体特点,提出了一种基于优先权的粒子群算法,并针对标准粒子群算法求解装配线平衡问题易陷入"早熟"现象等不足,利用模拟退火算法的概率突跳性,提出了一种基于模拟退火抽样机制的混合粒子群算法,通过改变预设超限概率,实现对目标问题的求解。最后经大量实例验证,说明了算法的有效性。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

粒子群优化算法在螺旋桨加工量计算中的应用

利用粒子群优化算法对螺旋桨加工量进行优化计算,通过对优化前后数据的比较发现,粒子群优化算法在对螺旋桨加工量计算的优化方面效果较好,从而有效地提高了螺旋桨的加工效率.     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

基于混合杂草算法的神经网络优化策略

通过对入侵式杂草优化算法(invasive weed optimization,简称IWO)和神经网络(neural networks,简称NN)特点的分析,提出了一种新的混合杂草算法(hybrid invasive weed optimization,简称HIWO)来优化NN的权值、阈值和结构.为了提升算法的效果,在HIWO中引入遗传算法(genetic algorithm,简称GA)的交叉算子和粒子群算法(particle swarm opmtimization,简称PSO)的矢量跟踪思想.构建了NN模型参数的IWO主副分区编码方案,根据个体适应度值的大小来动态调整隐层节点及连接权个数,并给出算法的整个实现过程.以转子实验台故障数据的四类谱熵作为HIWO-NN的训练样本,通过实例仿真与GA,PSO和IWO构建的NN结构进行比较.仿真结果表明,采用HIWO的NN能快速、准确地实现故障信号的分类,验证了该算法的有效性,为故障诊断提供了一种新的方法和手段.     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

基于改进遗传算法的生产线平衡优化

在市场竞争十分激烈的大环境下,制造企业需要最大化生产效率和生产效益,而解决生产线平衡问题便是其中重要的一环.运用改进遗传算法解决第二类生产线平衡问题,在按照作业优先顺序的情况下对其工序进行重排和分配,得到一个最优的结果.通过实际应用案例,优化后的生产节拍从24.86 s减少到21.21 s,生产线平衡率达到了96.31...     

一种面向成本优化的生产计划调度算法

建立了一种车间层的生产计划的成本优化模型,该模型是一个在时间约束、可重复使用和不可重复使用资源约束下的多模式项目调度问题;给出了解的定义,设计了一种时间可行的成本优化调度算法,通过改进成本优化调度算法达到时间一成本双优的目的;给出了模拟试验结果。     

A Hybrid Search Algorithm for Porous Air Bearings Optimization

The study deals with the development of a hybrid search algorithm for efficient optimization of porous air bearings. Both the compressible Reynolds equation and Darcy's law are linearized and solved iteratively by a successive-over-relaxation method for modeling parallel-surface porous bearings. Three factors affecting the computational efficiency of the numerical model are highlighted and discussed. The hybrid optimization is performed by adopting genetic algorithm (GA) for initial search and accelerated by simplex method (SM) for refined solution. A simple and useful variable transformation is presented and used to convert the unconstrained SM to a constrained method. In this study, the hybrid search algorithm for a multi-variable design exhibits better efficiency compared with the search efficiency by using the SM. The proposed hybrid method also eliminates the need of several trials with random initial guesses to ensure high probability of global optimization. This study presents a new approach for optimizing the performance of porous air bearings and other tribological components.     

制动摩擦材料混杂纤维的配方设计及优化

采用HScheffe典型多项式回归模型进行无石棉制动材料混杂纤维的配方设计,利用SPSS中逐步回归的方法求回归方程,并采用多变量约束函数的复合形法求得目标函数的最优点和最优值。试验结果表明该回归方程能获得满意的结果,为制动摩擦材料配方设计及优化探索了一条新途径。     

混合流水车间调度问题的果蝇优化算法求解

针对不相关并行机混合流水车间调度问题,根据果蝇优化算法种群更新方式的特点,采用基于权重的编码方式进行编码操作,通过增加权重系数来提高算法的随机搜索能力。对算法参数的设置进行了分析,得到了最优参数组合。采用标杆实例进行仿真验证并与经典算法进行对比,验证了果蝇优化算法的有效性。     

生产计划中物料快速分解及能力平衡可视化的实现

提出了一种以需求计划（MRP）算法为基础的生产计划系统的实现方法,算法的求解与能力的平衡在VC＋＋平台上完成;系统基础数据的管理、操作界面的集成基于VFP平台。物料快速分解、能力平衡可视化技术与VFP强大灵活的数据库功能相结合,实现了MIS各模块的信息集成以及MIS与CAD／CAPP的无缝集成。     

基于混合优化算法的直升机旋翼转速优化控制

为了实现直升机巡航飞行时最经济运行,基于某型常规布局直升机,建立巡航阶段需用功率目标函数,以飞行稳定性与操纵安全性指标作为约束条件,利用遗传 序列二次规划( GA-SQP )混合优化算法,对直升机巡航阶段实现最低需用功率的最优旋翼转速进行优化求解。实验结果表明,该方法得到的最优旋翼转速能够有效降低整机需用功率,优化算法得出的最优转速曲线对巡航状态下旋翼转速的变化方向具有一定参考意义。     

基于过滤器-封装器组合模型的故障特征选择算法

利用过滤器法运行速度快和封装器法精度高的优点，提出了一种新的Filter—Wrapper两阶段组合式特征选择算法。在Filter阶段，算法采用Fisher准则对特征进行排序；在Wrapper阶段，以分类器的性能作为适应度函数，根据特征排序结果采用遗传算法搜索特征子集。运用滚动轴承故障模拟试验的数据对所提出的算法进行了验证，结果表明，相比单一的过滤器法或封装器法，该算法能够同时提高特征选择的性能和效率。     

面向汽车投产排序的混合多目标网格遗传算法

汽车投产排序时,希望同时实现零部件消耗均衡化、车型调整费用最小化、工位作业位置精准化三个目标,为此提出一种基于Pareto层级的混合多目标网格遗传算法(HmoGA)。先将个体排斥机制加入到Pareto层级构造中,使非支配解的分布更均匀,再融合Pareto层级划分、网格拥挤度评价与相邻个体几何距离计算,设计一种多目标自适应网格选择机制,用于从动态变化的父代种群中选择较优个体构成进化种群、获取交叉运算的父代基因、改善非支配解集的分布质量。混合双基因位的迁移算子对非支配解进行邻域搜索,适时扩大搜索空间,跳出局部最优。利用三组不同规模的测试问题集,从非支配率、非支配解数量和相邻个体距离偏差三个 指标方面进行比较,实验证明HmoGA算法在收敛性、解的数量和分布性方面都比NSGA-Ⅱ算法有显著优势。     

生产计划中物料快速分解及能力平衡可视化的实现

提出了一种以物料需求计划 (MRP)算法为基础的生产计划系统的实现方法 ,算法的求解与能力的平衡在VC 平台上完成 ;系统基础数据的管理、操作界面的集成基于VFP平台。物料快速分解、能力平衡可视化技术与VFP强大灵活的数据库功能相结合 ,实现了管理信息系统 (MIS)各模块的信息集成以及MIS与计算机辅助设计与工艺 (CAD/CAPP)的无缝集成