置换流水车间调度问题的萤火虫算法求解

作为新兴的仿生群智能优化算法,分析了萤火虫算法的仿生原理,对算法实现优化过程进行了定义。针对最小化最大完工时间的置换流水车间调度问题,采用基于ROV规则的随机键编码方式和互换操作的局部搜索策略,应用萤火虫算法进行求解。通过典型实例对算法进行了仿真测试,调度结果表明了萤火虫算法求解置换流水车间调度问题的可行性和有效性,优于NEH启发式算法和粒子群算法,是解决流水线生产调度问题的一种有效方法。     

混合粒子群算法在混流装配线优化调度中的应用

应用粒子群算法求解混流装配线的优化调度问题,给出粒子的构造方法,并针对算法中存在过早收敛的问题,提出了一种与局部优化和粒子微变异方法相结合的混合粒子群算法.给出了一个实例,实例应用粒子群算法和混合粒子群算法分别进行求解,与其他一些方法比较表明,混合粒子群算法可以有效、快速地求得混流装配线优化调度问题的解.     

基于混沌粒子群的资源受限项目调度问题

鉴于基本粒子群算法易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的混沌粒子群算法,并将其用于求解典型的资源受限项目调度问题。采用基于优先值的粒子编码方式和串行调度方案,分别用基本粒子群算法和混沌粒子群算法对实例求解。并且比较了2种算法求解多资源受限项目调度问题的性能。结果表明:混沌粒子群算法在距最优值的平均偏差和达到最优值的次数百分比等性能上要优于基本的粒子群算法,并且混沌粒子群具有更好的收敛性。但是,混沌粒子群算法在计算达到最优工期的平均时间上略比基本粒子群算法逊色。     

蝙蝠算法在PFSP调度问题中的应用研究

针对新生的启发式智能算法蝙蝠算法求解离散型生产调度问题存在的局限性,利用对蝙蝠算法重新编码以及初始化的方式来求解离散型生产调度问题。通过对经典的生产调度基准数据进行测试,并同较成熟的标准粒子群算法进行比较。结果表明,蝙蝠算法在解决离散的生产调度问题时,具有较好的优化性能。验证了蝙蝠算法求解离散性问题的有效性以及可行性。     

自动化生产单元调度的混沌粒子群算法

在求解一类带时间窗口的自动化生产单元调度问题时,基本粒子群算法易陷入局部极值点且收敛缓慢.针对这一问题,将混沌搜索技术引入至基本粒子群算法中,利用混沌运动搜索精度高、遍历性好的特点来改善基本粒子群算法易陷入局部极值点和收敛缓慢的缺点,从而提高粒子群算法的收敛速度和优化质量.首先给出了带时间窗口的自动化生产单元调度问题的混合整数规划模型,着重讨论了混沌粒子群调度算法的设计,包括编码方式、混沌初始化、混沌扰动和适应度函数计算等.对提出的算法进行了仿真验证,仿真结果表明在求解此类调度问题上,混沌粒子群算法比基本粒子群算法具有明显的优势.     

面向货物装卸需求的越库仓门分配和货车排序

在货物种类多、批量少的越库调度系统中,货物的装卸顺序要求对于优化仓门分配和货车排序问题起着重要作用。针对这种情况,以最小化越库操作完工时间为目标,建立越库调度模型。分别基于优化仓门分配和货车排序问题,设计惯性权重非线性改变和增加交叉操作的改进粒子群算法进行迭代寻优。最后通过不同规模的数值实验,将改进粒子群算法与标准粒子群算法和遗传算法进行对比分析,实验结果表明改进粒子群算法在求解精度上比标准粒子群算法和遗传算法有明显优势,在求解时间上优于遗传算法,略逊色于标准粒子群算法。     

基于SA-QPSO算法的多层制造单元内部布局方法

针对多层制造单元内部的设备布局优化问题,本文建立考虑单元尺寸、物料搬运量、损失时间以及单元稳定性的多目标优化数学模型。为更快速、高效地求解该问题,使用模拟退火算法（Simulated Annealing,SA）确定单元内设备所在平面以及层面,使用量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）确定设备具体坐标值和所在高度。以某汽车零件加工车间为实例,运用SA-QPSO算法生成直线形、“U”形和环形3种最优空间布局方案,验证了SA-QPSO算法在多层制造单元内部布局方法设计方面的可行性。     

混流装配线调度问题的离散粒子群优化解

混流装配线调度问题是JIT生产中的一个重要问题。借鉴二进制遗传算法中的交叉操作过程，对传统的连续型粒子群算法进行改进，使其适用于离散问题的优化处理。然后以丰田公司的汽车组装调度函数作为目标函数，利用改进的离散粒子群算法进行求解。对比分析表明：新算法所得结果优于常用的目标追随法、遗传算法、模拟退火等方法。     

浅析电网自动化调度中的无功电压管理

随着当前我国电网大跨越,自动化调度的合理性直接影响着整个电网规划的网络结构、供电质量和运行经济性,并且关系到我国经济发展的用电需求。而无功功率优化补偿提高电压质量,降低网络有功损耗意义重大。用于无功电压优化的算法主要有数学类的数值优化算法和人工智能类的启发式优化算法。其中以人工神经网络、专家系统、模糊理论、遗传算法、粒子群算法、等为代表。本文针对目前电力系统规模越来越大,节点数越来越多,传统控制方法求解越来越困难的现状,对无功电压管理进行了智能粒子群优化算法优化处理,取得了很好效果。     

基于启发式调度规则的能力需求计划算法

传统的能力需求计划方法不能准确地反映实际生产能力需求与负荷.为此设计了基于启发式调度规则的能力需求计划算法,该算法将基于启发式规则的调度算法作用于物料需求计划进行能力需求计算,并对设备负荷率、关键设备资源和关键任务等关键能力信息的计算方法进行了重新定义,以更加真实地反映计划期内计划的能力需求与设备负荷状态.该算法已应用...     

基于蚁群算法的多Agent任务分配

应用蚁群算法来解决MAS的任务分配问题这一类典型的组合优化问题．研究表明,在求解复杂优化问题方面该算法具有一定的优越性．首先建立了任务分配的数学模型,并导出分配优化的目标函数;其次利用蚁群算法分布式求解的特点实现任务分配的组合优化．仿真结果表明,该算法比禁忌搜索和随机方法具有更好的求解能力．     

基于DS-VSMM的声网络低空机动目标跟踪

针对低空机动目标的声网络无源跟踪问题,提出一种基于有向图切换的变结构多模型算法.首先,将多个声传感器组网并对其时延的方位角数据进行配准,改善无源声探测网络的融合性能.其次,通过变结构多模型对目标状态进行估计,并利用有向图切换方法对新激活的模型分配权重,跟踪结果为多个模型估计结果的融合输出.通过与交互式多模型算法的仿真比...     

基于改进人工鱼群算法的输电塔塔腿拓扑优化

为了解决输电塔塔腿的优化问题,提出了基于改进人工鱼群算法的拓扑优化方法。建立了输电塔结构拓扑优化的计算模型,采用罚函数形式确定了人工鱼群算法的目标函数,并提出了拓扑变量的判定规则。采用人工鱼群算法对输电塔塔腿进行了拓扑优化研究。考虑到基本人工鱼群算法易陷入局部优化解,提出了视野和步长的变化策略,以及觅食行为的加速策略。数值算例结果表明,采用基本人工鱼群算法可以较好的优化输电塔塔腿,而在此基础上利用改进人工鱼群算法可以更有效地优化输电塔塔腿,并且其优化效率明显优化基本人工鱼群算法和差商算法。     

基于神经网络的结构模型修改

结构模型修改已经演化为一个多学科的研究课题，并且可以在最优化框架内进行解决。考虑到模型修改是一个典型的反问题，全局最优解并不一定是真止实际需要的解，提出了一种两步的结构模型修改方法，首先利用神经网络代替模型分析过程，然后根据实际测量的模态数据结合梯度下降算法得到修改结果，与利用遗传算法直接搜索最优模型修改结果相比，该方法不但可以减少模型分析次数，而且可以提供多种可能的修改结果供进一步参考。     

A two-stage path planning approach for multiple car-like robots based on PH curves and a modified harmony search algorithm

In this article, collision-avoidance path planning for multiple car-like robots with variable motion is formulated as a two-stage objective optimization problem minimizing both the total length of all paths and the task’s completion time. Accordingly, a new approach based on Pythagorean Hodograph (PH) curves and Modified Harmony Search algorithm is proposed to solve the two-stage path-planning problem subject to kinematic constraints such as velocity, acceleration, and minimum turning radius. First, a method of path planning based on PH curves for a single robot is proposed. Second, a mathematical model of the two-stage path-planning problem for multiple car-like robots with variable motion subject to kinematic constraints is constructed that the first-stage minimizes the total length of all paths and the second-stage minimizes the task’s completion time. Finally, a modified harmony search algorithm is applied to solve the two-stage optimization problem. A set of experiments demonstrate the effectiveness of the proposed approach.     

分块思想和码本模型的运动检测算法

为了消除静止摄像机下复杂背景环境对运动目标检测造成的影响,同时又为解决目前的运动目标检测算法在检测速度、准确度方面存在的不足,提出一种改进码本模型的运动目标实时检测算法.首先利用分块的思想将一幅图像分成若干宏块(MacroBlock),然后对每个宏块进行背景建模聚类成码本.在目标检测时,同样对当前帧进行分块,对于每个宏块求得像素均值和亮度均值并与其对应位置的码本进行比较判断,从而提取出前景目标.实验证实,对存在动态因素的背景视频,该算法不仅能有效抑制伪目标的出现,而且能准确快速地检测出运动目标.     

Multi-objective optimal design of sandwich panels using a genetic algorithm

In this study, an optimization problem concerning sandwich panels is investigated by simultaneously considering the two objectives of minimizing the panel mass and maximizing the sound insulation performance. First of all, the acoustic model of sandwich panels is discussed, which provides a foundation to model the acoustic objective function. Then the optimization problem is formulated as a bi-objective programming model, and a solution algorithm based on the non-dominated sorting genetic algorithm II (NSGA-II) is provided to solve the proposed model. Finally, taking an example of a sandwich panel that is expected to be used as an automotive roof panel, numerical experiments are carried out to verify the effectiveness of the proposed model and solution algorithm. Numerical results demonstrate in detail how the core material, geometric constraints and mechanical constraints impact the optimal designs of sandwich panels.     

基于遗传算法的订单拣货实时排序问题研究

根据配送中心订单拣货问题的特点,以订单客户的满意度为目标,建立了数学模型,并设计了相应的遗传算法来求解该问题。在算例中,将遗传算法与先到先服务和最早工期优先规则进行了比较,结果表明,遗传算法可以明显优化目标函数值,有助于提高配送中心的拣货效率,提高客户满意度,具有良好的实用性。     

Detection of Precipitation Cloud over the Tibet Based on the Improved U-Net

Aiming at the problem of radar base and ground observation stations on the Tibet is sparsely distributed and cannot achieve large-scale precipitation monitoring. UNet, an advanced machine learning (ML) method, is used to develop a robust and rapid algorithm for precipitating cloud detection based on the new-generation geostationary satellite of FengYun-4A (FY-4A). First, in this algorithm, the real-time multi-band infrared brightness temperature from FY-4A combined with the data of Digital Elevation Model (DEM) has been used as predictor variables for our model. Second, the efficiency of the feature was improved by changing the traditional convolution layer serial connection method of U-Net to residual mapping. Then, in order to solve the problem of the network that would produce semantic differences when directly concentrated with low-level and high-level features, we use dense skip pathways to reuse feature maps of different layers as inputs for concatenate neural networks feature layers from different depths. Finally, according to the characteristics of precipitation clouds, the pooling layer of U-Net was replaced by a convolution operation to realize the detection of small precipitation clouds. It was experimentally concluded that the Pixel Accuracy (PA) and Mean Intersection over Union (MIoU) of the improved U-Net on the test set could reach 0.916 and 0.928, the detection of precipitation clouds over Tibet were well actualized.     

模拟退火算法在线热源反问题数值求解中的应用

提出采用模拟退火算法(simulated annealing,SA)来数值求解线热源反问题.探讨了如何设计算法使之适合反问题求解,并给出了算法求解的伪代码;通过线源正问题的模拟数据,使用设计的SA算法进行反问题求解,以此来验证算法求解的准确性和可靠性,并对一组实测数据进行了计算.结果表明,该算法不但可以实现两个参数同时、快速反演,而且具有求解精度高,对初始条件依赖少,编制容易等优点.