基于灰熵并行分析法的多目标作业车间调度优化

提出利用信息熵理论与灰色关联分析法并行地处理多目标优化问题,将多目标优化的目标值构成数据序列,挖掘序列关系实现多目标优化。首先,并行的对目标值序列计算灰关联系数以及熵值权重,之后将信息熵与灰关联系数结合计算灰熵并行关联度,建立灰熵并行分析法。最终,利用灰熵并行关联度作为优化算法的适应值计算策略,以该策略引导智能优化算法进化。建立作业车间调度问题的三目标优化模型,以灰熵并行分析法为基础,分别应用差分算法、遗传算法解决三目标作业车间调度问题,验证新方法的可行性。实验表明：新方法均能使两算法收敛且得到分布均匀的 Pareto 前端,表明其有效和可靠。同时,差分算法得到的解较遗传算法的解具有明显的优势。     

基于灰熵关联分析的流水车间多目标调度优化及算法实现

求解流水车间多目标调度优化问题及算法适应度值分配问题, 结合灰色关联度分析方法及信息熵理论提出灰熵关联度适应值分配策略, 利用灰关联系数结合熵值权重计算适应度值, 以灰熵关联度值引导启发式算法进化. 将该方法应用到差分算法及遗传算法中解决三目标流水车间调度问题. 实验表明: 灰熵关联度适应值分配策略能够解决该问题, 可以得到分布均匀的Pareto 前端; 同时, 基于此策略的差分算法得到的解好于遗传算法的解.     

基于灰熵关联分析的流水车间多目标调度优化及算法实现

求解流水车间多目标调度优化问题及算法适应度值分配问题,结合灰色关联度分析方法及信息熵理论提出灰熵关联度适应值分配策略,利用灰关联系数结合熵值权重计算适应度值,以灰熵关联度值引导启发式算法进化.将该方法应用到差分算法及遗传算法中解决三目标流水车间调度问题.实验表明:灰熵关联度适应值分配策略能够解决该问题,可以得到分布均匀的Pareto前端;同时,基于此策略的差分算法得到的解好于遗传算法的解.     

混合储能微电网并网调度多目标灰熵烟花算法

针对混合储能微电网调度优化问题,建立并网状态下经济收益、污染处理费用的混合储能微电网多目标优化模型.以基本烟花算法为框架,结合灰熵并行分析理论,提出一种多目标灰熵烟花算法.所提算法通过分配给模型的两个目标不同的熵值权重,有效处理不同目标间的冲突性.以灰熵并行关联度作为烟花算法的适应度选择优秀烟花个体,引导其向更优区域进化搜索.仿真结果表明,所提多目标灰熵烟花算法的性能要优于基于随机权重和基于Pareto支配的烟花算法,且优于经典的NSGA-Ⅱ多目标算法,验证了所建多目标模型及所提多目标算法的有效性.     

面向多目标流水车间调度的多种群多目标遗传算法

针对制造型企业普遍存在的流水车间调度问题,建立了以最小化最迟完成时间和总延迟时间为目标的多目标调度模型,并提出一种基于分解方法的多种群多目标遗传算法进行求解.该算法将多目标流水车间调度问题分解为多个单目标子问题,并分阶段地将这些子问题引入到算法迭代过程进行求解.算法在每次迭代时,依据种群的分布情况选择各子问题的最好解及与其相似的个体分别为当前求解的子问题构造子种群,通过多种群的进化完成对多个子问题最优解的并行搜索.通过对标准测试算例进行仿真实验,结果表明所提出的算法在求解该问题上能够获得较好的非支配解集.     

基于多班教学优化的多目标分布式混合流水车间调度

单工厂环境下的混合流水车间调度问题已受到广泛关注,而多工厂环境下的分布式混合流水车间调度问题(distributed hybrid flow shop scheduling problem,DHFSP)研究进展则较小.针对考虑顺序相关准备时间的DHFSP,提出一种多班教学优化(multi-class teaching-...     

多机并行作业车间调度的混合粒子群算法

本文通过对多目标多机作业车间调度的研究提出了一个改进的结合启发式规则的粒子群算法,采用了依机器和工件排序的编码规则,两段式的表达形式,带启发式规则的调整,并结合聚类分析思想的保留策略,对此类问题提出了一个新的解决方法,并在文中通过一个仿真案例进行求解。     

求解多目标流水车间调度Pareto最优解的遗传强化算法

针对多目标流水车间调度Pareto最优问题, 本文建立了以最大完工时间和最大拖延时间为优化目标的多目标流水车间调度问题模型, 并设计了一种基于Q-learning的遗传强化学习算法求解该问题的Pareto最优解. 该算法引入状态变量和动作变量, 通过Q-learning算法获得初始种群, 以提高初始解质量. 在算法进化过程中, 利用Q表指导变异操作, 扩大局部搜索范围. 采用Pareto快速非支配排序以及拥挤度计算提高解的质量以及多样性, 逐步获得Pareto最优解. 通过与遗传算法、NSGA-II算法和Q-learning算法进行对比实验, 验证了改进后的遗传强化算法在求解多目标流水车间调度问题Pareto最优解的有效性.     

一种不确定条件下的多目标流水车间调度优化算法

实际中大多数生产调度问题具有多目标优化的性质,本文讨论在不确定加工时间和机器故障的情况下.如何优化多目标流水车间调度问题.首先设计最大流程时间和最大延迟时间两类指标的求解方法,在此基础上提出一种多目标遗传算法,用来迭代求解不确定条件下两类目标的最优化问题.模拟实验的结果表明,本文算法方案可较好解决不确定条件下的流水车间调度问题.     

求解多目标PFSP的改进遗传算法

针对多目标置换流水车间调度问题（PFSP）提出了一种改进的遗传算法,用于优化最大完工时间和总完工时间。该算法采用启发式算法和随机算法相结合产生初始种群,以保持种群多样性;通过选择、交叉、变异操作以及群体更新策略完成进化过程;当种群进化停滞时,引入群体重新初始化机制恢复多样性。此外,设计了一种变邻域搜索算法,加速种群收敛并跳出局部最优。通过基准测试问题实验以及与其他几个优化算法比较,结果表明,提出的算法无论在求解质量还是稳定性方面都优于其他算法。     

熵权系数法的理论建模分析与并行实现

在多指标综合评价经济效益问题的研究中,熵权系数法对于投资决策系统的综合评价起到了非常重要的作用.为了满足需要进行大量数据计算的经济效益多指标综合评价的应用需求,文章提出了熵权系数法的并行算法来对我国大中型工业企业经济效益进行发展次序优先排序.数值实验验证了该并行算法的可行性与正确性,并且具有较高的加速比和并行效率,为需要进行大量数据计算的多指标综合评价带来了方便、快速等优势.     

Stewart并联机器人力敏感性分析及实验验证

研究了Stewart并联机器人的人机交互安全性问题．首先建立机器人的静力学方程,提取关节力敏感度和关节力敏感方向指标,度量关节力对操作力的感知敏感性．采用解析法和数值法结合的方法求算关节全局力敏感度．接着分析关节力敏感度在笛卡儿工作空间和位姿工作空间中的分布,以及构型参数对关节全局和局部力敏感度的影响．然后通过限制工作空间和调节末端执行器在工作过程中的位姿,在设计阶段合理选取构型参数,改善关节力敏感度的方法提高人机交互安全性．最后通过实验测试证明了,关节力敏感度能有效度量关节对交互力的敏感性,末端执行器的位置和姿态能直接改变关节力敏感度．     

基于灰色熵权法的大数据质量评估

目前电力大数据的质量不高,提高电力大数据的质量有利于提高电网智能化水平.根据对电力系统数据质量评估流程及架构的分析,提出了MapReduce并行化的K-means算法,用于对大数据进行分类处理;构建了电力大数据评价指标体系;采用熵权法确定电力大数据的指标权重;最后通过灰色评估方法求取数据质量评价等级.最后对所提方法进行...     

基于灰色综合关联分析的多目标优化方法

针对现有多目标优化方法存在的搜索性能弱、效率低等问题,提出一种基于灰色综合关联分析的多目标优化方法.该多目标优化方法采用单目标优化算法构建高质量的参考序列,计算参考序列与优化解的目标函数值序列之间的灰色综合关联度,定义基于灰色综合关联度的解支配关系准则,将灰色综合关联度作为多目标优化算法的适应度值.以带顺序相关调整时间的多目标流水车间调度问题作为应用对象,建立总生产成本、最大完工时间、平均流程时间及机器平均闲置时间的多目标函数优化模型.提出基于灰色关联分析的多目标烟花算法,对所建立的多目标优化模型进行优化求解.仿真实验表明,所提出多目标烟花算法的性能优于3种基于不同多目标优化方法的烟花算法及两种经典多目标算法,验证了所提出的多目标优化方法及多目标算法的可行性和有效性.     

基于熵权与灰色关联度的隐写分析算法评估

针对现有隐写分析评估方法计算复杂、权重分配不合理的缺点,结合熵权与灰色关联度对隐写分析算法进行评估。确定算法的主要性能指标,采用熵权法计算各指标的权值,运用灰色关联度综合评价方法计算待评价指标向量与最优指标向量间的加权灰色关联度,并根据关联度的大小对隐写分析算法的优劣进行排序。实例仿真结果表明,该方法能合理评估各类隐写分析算法的优劣,具有可行性。     

基于熵权法与灰色关联度法的煤矿企业信息化水平评价

针对常用的信息化水平评价方法采用专家打分方式确定指标权重而导致评价主观性过强的问题,提出一种基于熵权法与灰色关联度法的煤矿企业信息化水平评价方法。该方法根据煤矿企业的特点以及信息化对煤矿企业的作用,将煤矿企业信息化评价指标体系划分为5个一级指标和19个二级指标;采用熵权法确定指标权重大小,并采用灰色关联度法计算评价对象与参考数列的关联度,根据关联度大小确定信息化水平等级。运用该方法对某煤矿信息化水平进行评价,结果表明,该方法能客观、准确地反映煤矿企业信息化水平的实际情况。