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。     

半导体炉管区批调度问题的粒子群优化算法研究

为改善粒子群算法对大规模问题求解的性能,提出了一种基于文化进化的并行粒子群算法,详细阐述了该算法的原理和具体实施方案.针对半导体炉管区批调度问题,设计了双层粒子群算法,外层应用基于文化进化的并行粒子群算法进行批量计划问题的求解,内层采用传统的粒子群算法求解调度问题.通过对其他文献中的仿真实例进行计算和结果比较表明,该算法优于文献中的启发式算法和蚂蚁算法.     

基于模拟退火粒子群算法的圆柱齿轮减速器的可靠性优化

模拟退火粒子群算法将模拟退火思想引入具有杂交和高斯变异的粒子群算法中,是一种简单快速的随机全局优化算法。将模拟退火粒子群算法与可靠性优化设计理论相结合,建立了最大化减速器传动系统可靠度的优化模型,提出了基于模拟退火粒子群算法的圆柱齿轮减速器可靠性优化方法。利用该优化方法进行一圆柱齿轮减速器的优化设计,其优化结果明显优于基本粒子群算法、混合罚函数法和传统设计方法。算例表明,该优化方法具有全局收敛且精度高的优越特性,是一种有效的可靠性优化设计方法,并对其他机械部件可靠性优化具有一定的参考意义。     

解决JOB SHOP问题的粒子群优化算法

设计了2种解决Job shop问题的粒子群算法,即实数编码的粒子群调度算法和工序编码的粒子群调度算法。工序编码的粒子群调度算法更符合Job shop问题的特点,优化性能相对高。但粒子群调度算法容易陷入局部最优。为了提高优化性能,将粒子群算法和模拟退火算法结合,得到了粒子群-模拟退火混合调度算法。仿真结果表明了算法的有效性。     

粒子群优化算法求解车间调度问题

针对车间调度问题的特点构造了此问题的粒子表达方法,给出了具体的算法应用过程,并将结果与神经网络方法、遗传算法、改进的加工效率函数的调度算法做了对比.结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的.     

模拟退火粒子群优化算法在工艺规划决策中的应用

为了实现面向精益生产的制造系统中的工艺与调度并行设计,在工艺规划决策中,建立了面向精益生产的工艺规划与调度集成模型.在考虑设备负载平衡以及完成加工任务时间最短的条件下,设计了一种离散模拟退火粒子群优化(Particle Swarm Optimization based on Simulated Annealing,SAPSO)算法,并行设计及优化零件的工艺方案和调度方案,并最终获得其最优工艺方案及与之相对应的优化调度方案.通过对10台设备10种零件的示例仿真验证了算法的有效性.     

基于育种粒子群算法的水库群防洪优化调度模型研究

在分析水库群防洪调度的模型和育种粒子群算法的基础上,提出了基于育种粒子群算法的水库群防洪优化调度方法,建立了数学模型,给出了具体求解步骤。实例计算表明,该算法不仅能有效地降低防洪控制点的洪峰流量,还大大缩减了计算时间,为解决水库群防洪优化调度问题提供了一种新的有效途径。     

模拟退火粒子群算法的免疫PID控制

免疫反馈机制能迅速对外部抗原反应,并迅速稳定系统;将免疫反馈机制引入PID调节器设计,能有效增强系统的鲁棒性和抗干扰性能。利用模拟退火粒子群算法优化免疫PID控制器相关参数,克服了常规PID调节器参数寻优的不足,提高了系统的响应速度。仿真结果表明所提出算法的有效性。     

基于量子粒子群算法的SOC测试调度优化研究

在基于IP核复用技术的SOC(system-on-chip,SOC)芯片中,测试资源的稀缺性限制了IP核并行测试的能力,导致了SOC测试耗时过长的局面.同时SOC测试时必须满足一定的功耗约束,否则会造成测试芯片的损坏.针对SOC测试时间与测试功耗协同优化这一难题,本文采用群智能优化算法-量子粒子群(quantum-behaved particle swarm optimization,QPSO)算法来实现这一目标.结合QPSO算法和测试调度问题,设计算法的适应度计算法则并建立测试时间与测试功耗的协同优化数学模型.通过实验确定算法中参数的最佳取值.最后利用算法搜索最优解确定IP核在TAM (test access mechanism)上的分配,实现SOC功耗与时间的协同优化.经过国际标准SOC电路验证表明在解决功耗约束下的SOC测试调度优化问题上量子粒子群算法与已有算法相比,不仅能够更好的达到缩短SOC测试时间的目的,而且算法收敛速度快,需要调整的参数少,实现简单.     

用于车间作业调度的粒子群优化算法

设计了两种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式.同时选择一些典型的Job-Shop调度问题作为算法的试验对象,试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果,在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

基于遗传算法的板坯入库梁式起重机调度优化

针对连铸-热轧炼钢工艺的板坯仓储车间梁式起重机调度问题,运用遗传算法,建立板坯入库的梁式起重机调度模型.设计梁式起重机的编码、交叉、变异等遗传运算,对板坯入库过程中的梁式起重机调度的算例模型进行仿真测试,仿真测试的结果表明:遗传算法(GA)运用于梁式起重机的调度具有很高的收敛性和稳定性,能够满足梁式起重机调度的需要.     

基于免疫算法的贝叶斯优化改进算法

贝叶斯优化算法是将贝叶斯网络模型引入到优化算法中而形成的一种新型的优化算法,它可以有效地避免连锁问题,但计算开销很大。为此,将免疫算法与贝叶斯优化算法相结合,利用免疫算法的导向性变异,对贝叶斯网络产生的解进行变异,从而提高种群中个体的适应度,减少贝叶斯网络的构建次数。仿真结果表明,与传统的贝叶斯优化算法相比,基于免疫算法的贝叶斯优化改进算法可以有效地减少计算量,缩短运算时间,并且寻优能力更强,将其应用于图像分割当中,效果较好。     

基于ANSYS的退火炉台结构优化设计

工业退火炉是一种重要的钢铁热处理设备,主要用于冷轧钢卷的退火处理。传统依据设计手册的炉台设计方法偏于保守,使得设计的炉台显得笨重,从而造成一些不必要的浪费。因此,研究炉台在温度下的应力分布状况对炉台的设计有着重要的意义。通过大型CAE软件ANSYS分析退火炉台在受到热-力耦合载荷条件下的应力分布情况,并利用ANSYS的优化设计模块对炉台进行优化设计,确定底座的最优尺寸,在满足相关设计标准的同时实现轻量化的目的,将炉台重量降低了15.5%。     

基于GASA优化算法的自适应协同优化方法

针对协同优化方法收敛困难、优化效率低的问题,采用自适应概念与混合优化算法对其进行改进.采用基于学科优化解的差异信息构造自适应惩罚函数,将系统级约束条件进行转化,重新构建系统级的优化模型,克服了协同优化内部定义缺陷所造成的收敛困难.结合协同优化的优化特征,采用兼备遗传算法与模拟退火算法两者优点的混合算法作为协同优化系统级优化算法,提高了协同优化寻优效率.以飞机起落架缓冲器优化问题为例验证了该方法,结果表明该方法提高了协同优化的搜索效率与收敛速度,优化性能良好.     

基于时间窗口的网络控制系统调度算法

由于网络控制系统中各个控制设备共享物理传输介质,造成了控制设备争用总线的问题,从而引起了控制数据传输的延时,而反馈控制系统的稳定性能由环延时决定,需要研究一种调度算法对网络中消息的传输进行调度,使消息可以满足其实时性要求。该调度算法从控制系统稳定性能角度出发,利用控制环的最大允许环延时确定控制环的采样周期,同时基于时间窗口得出控制环中各个节点的起始传输时刻,最终确定了系统静态调度表的结构。最后分析了该调度算法在CAN总线应用中需解决的问题以及未来的研究工作。     

运用遗传算法的产品造型设计方案优化方法

从产品语义出发,提出一种基于遗传算法的产品造型设计方案优化方法,构造基于语义的产品造型进化设计模型。通过构造产品造型基因编码和基因串及适应度函数,对产品造型设计方案进行优化并形成新的方案,应用板式家具的造型设计验证了方法的适宜性。     

基于遗传算法的汽车行驶平顺性优化仿真

为了探讨遗传算法应用于汽车行驶平顺性仿真的可行性,以1/4汽车两自由度振动模型为对象,建立了汽车行驶平顺性优化仿真模型,运用遗传算法对该优化仿真模型进行了求解.优化前后汽车行驶平顺性指标的对比结果表明,遗传算法用于汽车行驶平顺性优化仿真取得了较好的效果,可以进一步应用于基于高自由度汽车振动模型的汽车行驶平顺性仿真优化问题中.     

一种基于改进遗传算法的神经网络优化算法研究

遗传算法是目前优化搜索算法中应用比较广泛的一种,但基本遗传算法存在收敛速度慢、易于陷入局部最优等缺点。针对上述问题对遗传算法(GA)的选择算子进行改进,在最优保存策略的基础上将每代种群按照适应度由小到大排序,平均分成前中后3段,按照0.6、0.8、1的比例进行选择;从尾段中随机抽取个体来补足种群由于选择操作而损失的个体;既利用了最优保存策略的全局收敛特性同时也保持了种群的多样性;用改进的遗传算法调整神经网络的权值形成了新的改进遗传算法优化BP神经网络(IGA-BP);通过与选择算子为适应度比例选择算子的GA-BP网络进行比较,结果表明算法改进后缩短了收敛时间同时减少了运行误差;最后将该改进算法应用于水泥回转窑的故障诊断中,验证了算法的可行性。