基于混合粒子群算法求解多目标混流装配线排序

针对生产调度中的多目标混流装配线排序问题,建立以最小化超载时间、产品变化率与总切换时间为优化目标的数学模型,并提出一种改进的多目标粒子群算法求解。该算法采用基于工件的编码方式,并提出新的解码方法;应用Pareto排序和小生境数评价个体,在此基础上形成了一种新的适应度函数。在个体最优解的更新中,为避免最优解丢失,对非支配粒子与支配粒子采用差异化方法更新。此外,运用两种策略解决粒子群算法过早收敛的问题:在个体最优解的更新中引入模拟退火思想,并将全局最优解的选择扩大到整个种群。通过数值算例研究了算法的收敛性、分布性和执行效率,结果表明了所提算法的优越性。     

一种动态邻域的多目标粒子群优化算法

针对粒子群算法在多目标优化问题中存在收敛性差,容易陷入局部最优等缺陷,提出了一种改进的粒子群优化算法。该算法在原有的粒子群算法上增加了两个操作:一是引入了一种变异算子,该变异算子为正态分布随机变异算子,可以使粒子在邻域内随机变异,使其在精英解集中搜索;二是在个体最优位置选取时,对未进入过精英解集的粒子进行变异,使其在新的可行域中寻找,从而加快粒子的收敛速度。经过测试函数验证,该算法可以加快粒子的收敛速度,使粒子更快找到最优解,提高解的收敛性。     

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。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于量子位实数编码的优化算法及轧制规程多目标优化

针对热连轧轧制规程优化问题,以等功率裕量和轧制能耗为优化目标函数建立热连轧轧制规程多目标优化模型,提出基于量子位实数编码的热连轧轧制规程多目标优化算法。该算法将免疫遗传算法框架与量子计算思想相结合,采用量子位实数编码,利用量子态干涉进行遗传算子的交叉和变异,同时保证非支配解按拥挤距离选择优势免疫抗体种群,得到 Pareto 全局最优解集。以某轧钢厂热连轧精轧机组为例,验证本文所提及算法的有效性。实例分析表明,所提及的算法在寻优能力和收敛速度上均优于传统的NSGA-II算法,能够获得更好的Pareto解集,有效地解决热连轧轧制规程多目标优化问题,改善了轧制能耗。     

基于混沌优化MPSO的移动机器人FastSLAM算法研究

针对移动机器人快速同时定位和地图创建(FastSLAM)中粒子退化问题,提出一种基于混沌优化的中值导向粒子群优化(MPSO)算法。该算法在粒子估计过程中引入观测信息,调整粒子的提议分布,提高位置预测的准测性。混沌优化MPSO算法采用两步优化策略,首先通过中值导向加速度来改进粒子的进化速度,有效地克服粒子退化问题,改善算法的收敛性;然后针对粒子耗尽问题,在MPSO优化算法中引入混沌搜索算法来寻找全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,扩大解空间的范围,从而保持种群的多样性。仿真和实时数据证明了该方法正确、可行。     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

基于小生境改进粒子群算法的几何约束求解

几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

基于混合二进制粒子群-遗传算法的测试优化选择研究

测试优化选择是一个组合优化问题.通过对测试选择的目标和约束条件进行深入分析, 建立了其数学模型, 并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集.该算法将遗传算法中的遗传算子引入到二进制粒子群算法中, 既避免陷入局部最优和早熟收敛现象, 又提高了搜索效率.大量实验证明, 对于测试优化选择问题, 混合粒子群-遗传算法能够快速有效的获得全局最优解.     

An integrated solution—KAGFM for mass customization in customer-oriented product design under cloud manufacturing environment

In hot strip rolling process, rolling schedule is a key technology which directly influences strip product quality. Rolling schedule optimization is actually a problem of load distribution. To make a better rule of the load distribution of aluminum hot tandem rolling, multi-objective optimization algorithm is used to optimize rolling schedule. Preventing slipping, power margin and minimum energy consumption are selected as the optimization objectives. To make a precision calculation of rolling schedule, an adaptive neural network which is based on classification system is applied to improve the prediction ability for the rolling force, and its on-line training system reduces the prediction errors caused by different rolling conditions. The improved differential evolution algorithm is used to search the Pareto front, and it obtains a good approximation of the Pareto-front and decreases computation time. Load distribution strategies focused on different objectives are generated from the Pareto front to meet the requirements of industrial spots. The experiment result shows the algorithm covers the front quickly and distributes well. Comparing with the original schedule, the proposed method reduces the probability of slippage and energy consumption.     

面向客户定制产品开发的多目标优化算法设计

对多目标优化进化算法进行研究,设计了基于客户需求信息的产品多目标优化算法。针对进化算法优化效率低的缺点,提出了目标侧重度概念,使进化算法有选择地收敛,提高了算法的优化效率;针对进化算法容易陷入局部最优和解分布不均匀的缺点,提出了目标间距概念,避免算法在收敛过程中早熟,保证了最优解的多样性,降低了客户的选择压力。在MATLAB 7.0平台上对改进算法进行仿真实验,并与NSGA-2和SPEA-2两种进化算法进行对比分析,验证了改进算法的可行性、可靠性与优越性。     

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。     

大型机械结构的分层动态优化方法

针对大型机械结构动态优化设计维数高,同时涉及外形尺寸和截面尺寸两类变量,采用整体优化策略,存在收敛困难的问题,提出了采用分层优化结合子结构方法的机械结构动态优化策略。以有限元方法为基础,将外形尺寸和截面尺寸分离到两个相对独立的设计空间,从而将整体优化问题分解为整体层优化和局部层优化两个子优化问题。在整体层以整体结构动态特性最优为目标,完成对外形尺寸的优化;在局部层以子结构动态特性最优为目标,完成对截面尺寸的优化;两层优化交替进行直至问题最后收敛。某型大跨自动扶梯金属结构的动态优化工程实例表明,该方法优化效果良好且优化效率高。     

单机架可逆冷轧机数学模型的设计与实践

介绍单机架可逆冷轧机自动化控制数学模型，包括轧制规程、轧制力模型、变形抗力等具体模型以及自适应系统的建立。提出一种新式的按轧制力分配规程的快速收敛算法，并且利用Bryant理论具体实现了轧制力等模型。     

基于维修时间窗的柔性作业车间调度优化研究

针对柔性作业车间调度和预防性维护的单目标集成优化问题,以最大完工时间为优化指标,建立了基于维修时间窗的集成优化模型,设计了混合“教与学”优化（HTLBO）算法求解该模型。提出一种“基于工序加工时间最短”的机器序列初始化策略,对部分初始种群进行初始优化,以提高部分初始解的质量,使得算法能够以较短的时间收敛。对文献中柔性作业车间调度的基准问题进行求解并比较其计算结果,初步证明该混合算法的可行性;针对集成维修时间窗的柔性作业车间调度优化模型,借鉴文献中的数据生成实例进行求解,并与其他算法进行比较,证明该混合算法的有效性。     

基于改进堆叠稀疏降噪自编码器的轴承故障诊断

为提高堆叠稀疏降噪自编码器的性能,解决其计算复杂度高、收敛速度慢等问题,提出了一种基于堆叠边缘化稀疏降噪自编码器的滚动轴承故障诊断方法.首先,对稀疏降噪自编码器的损失函数进行边缘化处理,并结合逐层贪婪训练策略构建出SMSDAE网络;然后,将SMSDAE网络与Softmax分类器结合,得到SMSDAE-Softmax特征...     

基于Φ函数的轧制规程动态规划优化方法的研究

负荷分配是轧制规程制定的核心问题,采用Φ函数负荷分配法进行连轧机的负荷分配是一种简便实用的方法。在此基础上以改善板形质量为目的,采用动态规划方法对轧制规程进行优化,取得了一定的优化效果。