求解零空闲流水线调度问题的和声搜索算法

针对以总流经时间和最大完工时间为目标的零空闲流水线调度问题,提出了和声搜索调度算法。该算法利用和声搜索算法的优化机理,采用基于浮点数的编码方式和新设计的和声产生方法,扩展了传统和声搜索算法的求解模型,并结合快速插入邻域局部搜索算法,给出了三种混合求解策略。仿真试验表明,该算法具有高效性和优越性。     

基于随机聚焦搜索算法的冲压成形工艺优化

针对板料冲压成形工艺优化问题,研究了一种群集智能算法。该方法通过正交实验与数字化仿真技术相结合获取神经网络的学习样本,利用反向传播神经网络构建随机聚焦搜索算法的目标函数模型。在此模型基础上,应用随机聚焦搜索算法对板料冲压成形的工艺参数进行优化。以深盒形件为例,将优化后的工艺参数输入eta／DYNAFORM仿真模型进行验证,结果表明该算法可获得较好的成形质量。为了进一步验证随机聚焦搜索算法在执行效率及寻优的全局搜索方面的优越性,与遗传算法的优化结果进行对比分析,说明随机聚焦搜索在板料冲压成形工艺参数优化方面是一种较好的优化算法。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

基于弹复性的第四方物流多周期网络设计

为了使第四方物流系统能够在动态环境下安全、有效地运作,研究了第四方物流多周期弹性网络设计问题。建立了第四方物流多周期网络设计问题的优化模型,在各个周期满足一定的弹复性水平条件下的最小化网络总成本。根据模型的特点,设计了一种带邻域搜索的全局最好和声搜索算法。通过随机生成的算例对算法性能进行测试,结果证明了模型的合理性和算法的有效性。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

列车调度问题模型与基于混合粒子群优化的求解算法

针对复线列车调度问题,建立了描述问题解空间的阻塞限制混合流水车间模型,并提出一种混合粒子群优化算法进行求解。该算法以最小化最长完工时间为目标,设计了释放-回推算法来安排列车运行顺序并计算最小化最长完工时间,利用改进的粒子群优化算法解决轨道分配问题并进行全局优化。此外,通过基于迭代邻域的搜索算法来提高种群的局部搜索能力。实验结果表明,所提出的方法能够有效地求解复线列车调度问题。     

单机最大延迟重调度的和声变邻域搜索算法

针对新工件突然到达干扰下的单机最大延迟时间重调度问题,提出一种融合和声搜索与变邻域搜索技术的混合算法。该算法运用两阶段启发式与排序解随机生成相融合的方法来初始化和声记忆库,在和声搜索迭代框架中嵌入了结合问题特征的变邻域搜索算子。为进一步强化算法的寻优能力,设计了基于占优性质的非最优解排除方法,在变邻域搜索算子的局部搜索环节中实施。通过参数校准实验及其结果分析,得出和声记忆库规模与和声记忆思考率两个参数的建议取值。运用校准后的算法对大量算例进行计算测试,并与单独应用变邻域搜索技术的3种已报道算法展开优化性能比较,结果表明所提算法在解的质量与鲁棒性上均具备比较优势。     

基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题。提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛。在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法。最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较。实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法。     

云制造环境中面向设计知识资源序列化组合的量子和声搜索算法

针对云制造环境下中小企业设计知识散乱无序、创新能力薄弱的现状,为将设计知识组合成有序的知识资源序列,提出知识资源的服务能力评估模型和知识资源序列化组合的数学模型,并设计了求解该模型的量子和声搜索算法。该算法通过引入量子化编码及量子门变换,提高了全局搜索能力。以模具中小企业设计知识资源组合优化问题为例,根据数学模型,用该算法求解出了成本与质量综合约束下的最优设计知识资源序列化组合。     

求解拆卸线平衡问题的一种变邻域搜索算法

针对拆卸线平衡问题特点,建立以最小化工作站数、平滑指数、危害指数和需求指数为优化目标的多目标数学模型,进而提出一种改进的变邻域搜索算法求解该问题。所提算法采用了一种启发式方法产生初始解,并构造了3种邻域结构,扩大算法搜索范围。采用初始解集进行局部搜索,搜索过程使用一步改进策略,并引入禁忌表方法,提高算法全局寻优能力。通过对大量不同规模测试问题进行算法实验,并与现有方法对比,结果表明,所提变邻域搜索算法在求解效率与求解质量上具有优越性。