基于遗传粒子群混合算法的供应链调度优化

针对大规模定制模式下的供应链调度优化问题,首先将供应链调度优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用;然后,结合遗传算法全局搜索能力强与粒子群算法收敛速度快的特点,进行优势互补,构造了一种混合算法;最后,运用混合算法对供应链优化调度问题模型进行求解.通过与其他算法进行比较,所得结果表明混合算法有着更好的整体性能.     

现代城市供配水系统优化调度的研究

全面综述了城市供配水优化调度的建模、优化、算法仿真方法的研究进展,重点介绍现代优化算法在供配水系统中的应用研究,指出一类具有自适应特性的混合全局优化算法的应用具有特别重要的意义.     

基于灰狼算法冷热电联供综合能源优化调度

对于冷、热、电联供综合能源系统优化问题,为了提高可再生能源利用率,故以弃风、弃光量最小和综合能源系统运行经济性为优化目标,建立了含风机、光机、燃气轮机、燃气锅炉等综合能源优化模型.模型的求解使用的改进多目标灰狼算法,得到Pareto解集.针对综合能源系统的约束较多、灰狼算法种群多样性少、容易陷入局部最优等方面,对算法进...     

梯级水电系统的优化调度算法研究*

本文提出一种求解梯级水电系统优化调度问题的新算法，能够综合处理离散运行区间，最小启停时间等离散约束以及水库间的水力耦合网络约束。基于实际系统数据的数值验证表明了本算法的有效性和实用性。     

PSO和ABC的混合优化算法

通过将粒子群优化(Particle Swarm Optimization,PSO)算法与人工蜂群(Artificial Bee Colony,ABC)算法相结合,提出一种ABC-PSO并行混合优化算法。在每次迭代中,将种群分为两个子种群,一个子种群使用PSO算法,另一个子种群使用ABC算法,两个算法寻优后进行比较,选出最优适应值。通过混合算法对4个标准函数进行测试,并与标准PSO算法进行比较,结果表明混合算法具有更好的优化性能。     

基于细菌觅食优化算法的城市轨道交通调度优化

为了合理高效地制定城市轨道交通调度方案,实现客流与车次的优化配置,提出了一种基于细菌觅食优化算法的城市轨道交通调度优化策略。兼顾乘客与运营企业双方利益,以发车间隔为决策变量,乘客平均候车时间最短和发车次数最少为优化目标,建立调度优化模型,并对细菌觅食优化算法求解该调度模型的过程进行分析。结合某城市轨道交通一号线实际运营数据进行仿真实验,并与其他算法的优化结果进行对比分析,实验表明该算法和模型能有效解决城市轨道交通调度优化问题。     

基于水泵轴功率的变频恒压供水系统泵组控制研究

变频恒压供水系统能够根据水负荷变化自动调节水泵转速或切换水泵运行的台数,有效节约了电能,同时实现了水泵的软启动。通过分析变频恒压供水系统特点,提出基于水泵轴功率的变频恒压供水系统泵组控制方式,设计了一套以可编程逻辑控制器PLC为控制核心,结合变频调速技术和PID调节等技术的自动恒压变频供水系统。该供水系统能够有效地避免人为操作的复杂性且控制简单可靠。     

基于磁盘性能模型的优化调度算法

总结分析了现阶段流行的一般磁盘调度算法和实时磁盘调度算法，并针对存储的实业业务的特性，提出了改进的调度算法，建立相对应的数学模型，最后通过模拟实验，验证了算法的有效性。     

基于Hadoop的车辆调度算法优化及应用

随着互联网技术的快速发展,各行各业所产生的信息数据也在以指数级的速度增长.传统的车辆调度算法已经不能够很好地解决车辆调度问题中出现的实时性,大规模等问题.因此,本文构建了一种基于Hadoop的动态车辆调度并行智能优化算法.该算法以传统遗传算法为基础,通过改善遗传算法全局优化能力弱和收敛于局部次优解的问题,并利用Hadoop平台的并行计算机制对传统遗传算法进行改进,使其能够有效应对大规模、快速响应的车辆调度.数值计算结果表明：基于Hadoop的车辆调度算法能够有效提升传统调度算法的优化性能,在处理大规模车辆调度问题时具有良好的加速比.     

基于MOSCAD的城市给水计算机辅助调度系统

介绍了MOSCAD系统的技术特性,并结合城市供水调度应用的要求,说明用MOSCAD构建城市给水计算机辅助调度系统是一个良好的解决方案.     

嵌入极值优化的混合粒子群优化算法

针对标准粒子群算法容易陷入局部极值和精度低的问题,提出一种嵌入极值优化算法的粒子群优化算法。在线性下降的惯性权重粒子群算法运行过程中,间隔一定迭代次数与极值优化算法相结合,利用其波动性增加种群的多样性,并有效结合粒子群算法较强的全局探索能力和极值优化算法精细的局部搜索性能,以较高精度收敛到全局极值。仿真实验结果表明,该混合算法是一种求解高维多峰连续函数极值的有效方法。     

基于遗传算法的混合蚁群算法

提出了一种新的求连续空间最优值的蚁群算法。结合遗传算法和蚁群算法各自的优点以及两种算法融合基础,提出了遗传算法融入到蚁群算法融合中的两种新策略,第一种策略是先利用遗传算法具有比较强的全局搜索能力,在大范围内寻找一组解,然后以此为基础,用蚁群算法快速寻找最优解X*best;另一种策略是利用遗传算法交叉操作产生蚁群算法中的新旅行路径,以此提高蚁群算法的全局搜索能力。用上述策略构造两个基于遗传算法的混合遗传算法。用测试函数Rosenbrock和测试函数Shubert验证了混合蚁群算法的正确性。     

基于混合遗传算法的炮兵火力优化配置研究

现代战争条件下,如何使炮兵火力打击在当前一体化联合作战中发挥作用,使炮兵的作战效能最大化一直是关注的重点。在遗传操作中嵌入模拟退火算子．有效地结合了遗传算法隐合并行与模拟退火算法全局寻优的特点,对炮兵火力配置进行了分析研究。模拟结果表明此算法既具有较快的收敛速度,又能够收敛到最优解。     

基于遗传算法的混合优化策略研究

最优化问题是工程设计、科学研究、经济管理等众多领域经常遇到的一类问题。随着待解决问题范围的不断扩大以及优化算法研究的不断深入,混合优化策略已成为解决大规模、高复杂度优化问题的一种重要而有效的方法。介绍了遗传算法、贪婪法、模拟退火算法、禁忌搜索的基本原理,阐述了各种算法的优缺点;针对各单一算法存在的缺陷和不足,对三种以遗传算法为主体框架的混合优化算法进行了分析;最后,指出了混合优化算法存在的问题及今后的发展方向。     

遗传算法在风光互补发电系统优化设计中的应用

风光互补发电系统的优化配置是一个多目标优化问题,优化目标为系统安装成本,约束条件为供电可靠性。如何合理的匹配设计是充分发挥风光互补发电优越性的关键。在成本(目标)函数的最小化计算中,采用改进的遗传算法进行优化,随机搜索并采用选择、交叉、变异三种基本算子在全部组合中搜索最优化的配置。结果表明在满足负荷用电的前提下,其经济性能优于单独的光伏系统和单独的风电系统。     

基于免疫算法和EDA 的混合多目标优化算法

在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objectiveoptimization).HIAEDA 的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA 的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA 算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA 与NSGAII 算法和基于EDA 的进化多目标优化算法RM-MEDA 相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.     

基于混沌优化和最速下降法的一种混合算法

将混沌优化和最速下降法有机地结合起来，构造出一种混合优化算法，该算法既具有混沌优化算法的全局收敛性，又有最速下降法的快速收敛性，数值试验表明算法是有效的。     

基于混合粒子群算法的云计算任务调度研究

任务调度是云计算系统可靠运行的关键,云计算环境中要处理的任务量巨大,考虑到云计算任务调度和QoS的优化问题,提出一种混合粒子群优化算法用于云任务调度。算法中引入遗传算法的交叉和变异思想,并结合随迭代次数变化的变异指数,保证种群进化初期具有较高的全局搜索能力,避免出现"早熟",同时将爬山算法引入粒子群算法,改善局部搜索能力。实验结果显示该算法具有很好的寻优能力,是一种有效的云计算任务调度算法。     

一种混合优化算法面向高维函数优化的研究

基本粒子群算法（PSO）在面对高维多极值函数优化的问题时粒子容易快速集中到最优粒子附近，导致粒子运动能力丧失，种群陷入停滞，因此寻优效果并不理想。针对这种情况，通过引入人工鱼群算法（AFSA）中的聚群和觅食行为与粒子群算法相结合形成一种新的混合优化算法来解决这些问题。最终通过仿真实验证明该混合优化算法在面对高维函数的优化问题上具有优秀的寻优能力。