基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

改进的协同粒子群优化算法的研究与应用

为增强现有PSO算法和协同粒子群优化算法的优化性能,提出了一种改进的协同粒子群优化算法及一种新的协同策略。该算法在进化过程中,将寻优粒子群分解为若干子分群,各子分群粒子利用本分群经验和整个种群经验进行搜索,既能在分群内部不断搜索,不迷失寻优方向,又能周期性地共享整群最优值引导粒子找到最好解。分解为多个子种群有利于维持种群的多样性,有效抑制局部最优现象发生。对经典复杂函数的寻优测试表明,改进算法的鲁棒性、收敛速度、精度及全局搜索能力均优于基本PSO算法。最后将改进算法用于建立基于神经网络的旋转机械故障诊断模型,设计了相应的故障诊断系统。结果表明,基于此算法的故障诊断系统具有诊断精度较高、稳定性能较好等特点。     

基于协同粒子群算法的单元集成布局方法

为避免单元间布局和单元内设施布局分开孤立研究所导致的问题解空间损失,建立了多目标集成优化模型,对布局中涉及的单元间布局、单元内设施布置、设施摆放方向三个问题同时进行描述,扩大问题解的搜索空间。针对模型的复杂性和传统粒子群算法容易陷入局部最优的弱点,设计了基于结构化编码的多粒子群协同进化算法,在多个粒子群协同进化的同时,对各子群构建基因库,并对基因库粒子进行遗传操作,提高了算法的寻优能力。通过求解单元布局问题实例,验证了模型和算法的有效性。     

基于协同量子粒子群的自动配煤系统优化

提出了一种基于量子粒子群算法的自动配煤优化方法,该方法首先对量子粒子群进行了改进,引入协同与学习策略提高了算法的搜索性能。在对自动配煤系统数学建模时,采用加权法将其由多目标优化问题转化为单目标优化问题,再通过协同量子粒子群优化求解。实验结果表明在对自动配煤系统的优化中,协同量子粒子群具有更优秀的搜索能力,能够快速、可靠、有效地获得最优解。     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。     

基于粒子群优化的机械工业生产供应链资源均衡配置研究

当前的供应链资源配置方法使用静态供应链模型为基础,易导致资源配置不均的问题,影响资源利用率。为此,文章针对机械工业生产供应链,基于粒子群优化过程设计了新的资源均衡配置方法。根据机械工业生产供应链的资源种类划分结果,计算供应链均衡测度量。然后在构建动态供应链模型的基础上,确定供应链资源配置的目标函数,再利用粒子群优化算法,设计资源均衡配置优化函数。实验结果表明:该方法能够有效缓解资源配置不均的问题,并提升资源利用率、控制资源配置成本。     

供应链环境下产能优化配置问题的混合粒子群算法

针对供应链环境的协作特征,研究以下游企业需求为导向的产能优化配置,建立了以最大化企业盈利、设备利用率以及下游企业需求饱和度为目标的问题模型,并设计了基于精英集的多目标粒子群算法。算法结合模型的约束特征,采用约束满足技术生成初始解,基于惩罚函数的思想设计适应度函数,并对不可行解提出了修复规则;针对多目标优化特征,在求解过程中通过建立精英集来保存非劣解,并基于Pareto最优的概念更新精英集,利用基于k-means聚类的精英集裁剪策略,来保证精英集规模和粒子的分布性。实验结果表明了模型和算法的可行性和有效性。     

求解连续Minimax问题的粒子群优化方法

Minimax问题是一类十分重要同时也是比较困难的优化问题。提出了一种基于粒子群优化的连续minimax问题求解 方法。方法的基本思想是维持两个在不同搜索空间中不对称共同进化的群体并采用粒子群优化算法获得原minimax问题的 一个解。仿真结果显示此方法可以有效求解对称和非对称连续minimax问题。     

基于多层编码的遗传-粒子群融合算法流水线优化控制

针对机械加工行业中多任务加工的流水线自动优化控制问题,建立了以"多工件多工序最短加工时间"为目标,以"实际加工限制"为约束的流水线加工控制数学模型,提出一种基于多层编码的遗传-粒子群融合算法。该算法以粒子群算法思想为基础,融合了遗传算法操作和多层编码机制,可防止陷入局部最优解,并具有较快的收敛速度。针对不同规模的加工实例进行仿真,结果表明该算法完成多工件多工序的加工时间比基本遗传算法缩短了约9%,具有提高流水线利用率和机械加工生产效率的优点。     

基于知识进化粒子群算法的模糊交货期流水车间调度问题

针对模糊交货期的流水车间调度问题的特点,提出采用知识进化算法和粒子群优化的混合算法来求解问题。该算法首先在多个群体空间内采用粒子群优化寻找局部最优解,然后利用知识进化算法的猜测操作和反驳操作建立以群体空间知识为基础的一个知识空间,最后通过知识空间的协同进化更新其中的社会知识,从而形成问题的最优解。通过采用所提算法对带模糊交货期的流水车间调度问题的实例进行测试,并比对遗传算法和粒子群优化算法,表明了混合算法的可行性和有效性。     

基于粒子群优化算法的车间布局设计

为降低车间内设备间的物料搬运成本,将粒子群优化算法与经典的系统化布置设计法相结合,以设备间的搬运成本为目标,求解面向车间布局的连续空间优化问题。在问题建模时采用二维向量表述设备的连续空间位置;引入系统化布置设计法对初始粒子群进行优化,在保证初始粒子群有效性的基础上提高了算法的寻优速度和精度;通过对加速系数和惯性系数的设定,提高了粒子群优化算法的寻优质量。通过实例验证了所提方法可以有效提高粒子群算法在连续空间布局问题上的优化性能。     

基于粒子群—遗传混合算法的装配操作优化

为通过装配工艺优化提高车身装配尺寸质量,针对车身众多几何可行装配顺序,应用多属性有向图描述零件间的优先关系和装配控制特征数量,来去除非工程可行装配顺序。以装配尺寸质量为目标函数,提出粒子群—遗传混合算法优化零件间装配操作,通过线性装配偏差分析模型进行装配偏差累积运算,获得了最优装配顺序。通过车身侧围装配体阐述了装配控制特征的优化过程,结果表明,不同的装配顺序将影响装配控制特征的选择,从而影响最终的产品装配偏差。     

基于改进粒子群算法的起重机箱形主梁优化设计

针对具有约束条件的起重机主梁优化设计的问题,提出了基于约束规则的粒子群算法。该算法能够在整个可行解空间进行寻优,有效避免了陷入局部最优。计算实例表明：该算法在解决此类问题时,较之传统算法具有更好的优化效果,且效果明显。     

基于粒子群优化的数字多频陷波滤波器设计

数字多频陷波滤波器用于同时滤除或抑制数字信号中的多个频率分量,粒子群优化是模拟鸟群迁徙行为的元启发式搜索方法.以改进的粒子群优化算法为基础,提出了数字多频陷波滤波器的设计方法,它通过优化配置陷波系统的极点位置,实现了具有稳定特性的陷波系统的优化设计.所提设计方法的有效性和实用性,得到了一系列仿真实验的具体验证.     

基于改进粒子群算法的隐式广义预测控制

针对大多数工业系统的控制输入输出都存在约束的情况,提出一种基于改进粒子群算法的隐式广义预测控制算法(IGPC)。粒子群算法(PSO)是一种基于群体的智能优化算法,解决受约束的优化问题具有精度高、收敛速度快等优点;为了避免粒子群算法陷入早熟,提高精度,引入细菌觅食算法中的自适应迁徙机制。在隐式广义预测控制的滚动优化环节引入改进粒子群算法,弥补了传统GPC在处理受约束控制问题上的缺陷。仿真结果表明了该方法的有效性和良好的控制性能。     

基于粒子群优化算法的制造单元聚类研究

为实现敏捷制造环境下资源的优化重组,降低生产过程的复杂性,提高效益,提出了敏捷制造系统资源自组织多级主协调控制结构和制造单元自组织模型,并在满足约束的前提下,建立了以总加工成本最小为目标函数的制造单元重构数学模型.采用具有计算简单、鲁棒性好、并行计算等优点的粒子群优化算法,对制造资源进行聚类研究.通过具体实例,验证了该方法的有效性,为解决此类问题提供了一种新的思路.     

基于Petri网的虚拟供应链物流网络优化

为了提高虚拟供应链中的物流运作效率,提出了一种基于Petri网的物流网络优化方法。该方法首先分析虚拟供应链物流的组成,确定库所、变迁及其属性;其次建立物流网络的Petri网模型图和数学规划模型;然后分析物流过程,找出瓶颈环节,并确定重要参数的取值,采用数学规划模型计算各物流指标的最优值。最后,给出了一个对陶瓷产品的虚拟供应链物流网络进行优化的案例。     

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。