基于混合启发式算法的设备混合布局问题

构建了基于设备单元布局集成求解的设备混合布局多目标优化模型,提出了遗传免疫蚁群混合启发式算法进行模型求解,该算法设计了带"保险柜"的自适应免疫蚁群算法选择操作,有力地维护了群体的多样性,提高了解的质量。最后,通过算例验证了模型及算法的有效性和优越性。     

混合工作日历下批量生产柔性作业车间多目标调度方法

提出了一种混合工作日历下批量生产柔性作业车间多目标调度方法。考虑设备的混合工作日历约束,构建了以生产周期最短、制造成本最低为优化目标的批量生产柔性作业车间多目标调度模型。设计了一种带精英策略的非支配排序遗传算法(NSGA II)求解该模型。算法中,采用“基于工序和设备的分段编码”方式分别对工序和设备进行编码;采用“基于工序和设备的分段交叉和变异方式”进行交叉和变异操作,采用“遗传算子改进策略”保证交叉、变异后子代个体的可行性;解码操作采用“基于平顺移动的原理”和“基于工作日历的时间推算技术”推算工序的调整开始、调整结束、加工开始和加工结束时刻。最后,通过案例分析验证了所提方法的有效性。     

5G通信中基于混合波束成型的多用户MIMO调度算法研究

大规模多输入多输出(MIMO)技术是5G通信的核心技术之一,信号多入多出可以有效提高通信传输中的频谱效率与用户的通信质量。本文从用户下行信道与通信向量函数2个维度阐述了信道有效传输原理,并基于此设计了一种毫米波MIMO混合波束成型模型。文章分析了毫米波混合波束成型模型设计原理、实现步骤及算法复杂度情况,并利用混合波束成型模型设计了多用户MIMO调度的具体实现方法;基于模型确定出双向交替优化MIMO系统的发射端和接收端子阵列的天线加权矢量,给出数字模拟混合波束成型的算法方案,最终实现多用户MIMO的均衡调度。仿真结果表明,所提出的调度算法具有收敛速度快、计算复杂度低、基带传输效率高等优势。     

改进蚁群算法设计拉式膜片弹簧

 通过对拉式膜片弹簧载荷-变形特性的综合分析,考虑各种约束条件,提出了一种新的多目标优化设计数学模型．该模型以在摩擦片磨损极限范围内,弹簧压紧力变化的平均值最小及驾驶员作用在分离轴承装置上的分离操纵力的平均值最小为共同优化目标,使离合器后备系数稳定,离合器分离力的平均作用力较小．蚁群算法是一种新型的元启发式优化算法,该算法具有较强的发现较好解的能力,但同时也存在一些缺点,如容易出现停滞现象、收敛速度慢等．将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代中,首先根据信息量选择解分量的初值,然后使用变异操作来确定解的值．最后,通过实例与其他优化方法的结果进行比较．结果表明,该算法有较好的收敛速度及稳定性．     

交叉变异的连续蚁群优化算法

研究了应用于连续空间优化问题的蚁群算法,给出了信息素的留存方式以及搜索策略.另外,针对蚁群算法易陷入局部最优的缺点,在最优蚂蚁周围进行了精细搜索,并加入了自适应的交叉变异算子,从而改进了蚁群算法的全局优化性能.数值仿真结果表明,该算法是一种有效的优化算法.     

改进的动态图模型点模式匹配

为了提高概率图模型点模式匹配的精度,本文提出了改进的动态图模型点模式匹配算法。首先,在动态图模型点模式匹配的相似性度量中应用混合高斯分布,以提高模型利用多特征的能力,使匹配方法对噪声更加稳健。其次,在目标点集中引入了虚拟的哑点并给出了包含哑点的相似性度量。当模板中的点和哑点相匹配的相似性度量更大时模板点将和哑点匹配,以减少由异常点所导致的误配。实验结果表明所提出的匹配方法对噪声和异常点更加稳健,匹配的精度也优于传统方法。     

蚁群算法在广域保护分区中的应用

本文提出了一种适用于广域保护分区的蚁群算法模型,并以站闯通信可靠性以及厂站的关联度为目标函数进行计算寻解,将寻找中心站作为蚁群的聚类问题,并利用蚁群信息素寻找最优路径的过程中,以通信可靠性和节点关联度为依据来模拟蚂蚁的禁忌表和信息素更新方式,结合已经分区的中心站的影响。通过模拟子站的蚂蚁的全部遍历而对预设中心站的选择。在中心站确定后保护区域确定,并验证交叉和完整性,本文还指出了当电网系统厂站退出或进入以及运行方式改变后,系统拓扑的更新。并进行了仿真实验。结果表明,该算法能获得较为理想的保护分区,并且符合工程实际情况。     

钛合金立铣表面粗糙度预测新方法

为实现加工前对表面粗糙度的预测,建立高精度的表面粗糙度预测模型至关重要.针对钛合金立铣表面粗糙度的特点及传统预测方法的不足,提出了表面粗糙度预测新方法.分别用递推最小二乘算法、基本蚁群算法与混合蚁群算法训练模糊系统,混合蚁群算法的收敛效果优于递推最小二乘算法和基本蚁群算法.通过回归分析建立了表面粗糙度的两种经验公式.对各方法所得模型进行测试,结果表明混合蚁群算法训练模糊系统的预测效果优于其他方法,用混合蚁群算法训练的模糊系统进行表面粗糙度预测是可行的.     

基于粒子群遗传算法的泊车系统路径规划研究

针对智能停车库自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于粒子群和遗传算法的动态自适应混合算法.在标准粒子群算法和遗传算法的基础上,通过引入动态自适应调整策略分别对惯性权重系数、学习因子以及交叉变异概率公式进行了优化.在进化初期,通过在惯性权重系数和学习因子之间建立动态联动关系来实现对粒子速度和位置的实时有效更新;在进化后期,通过引入自适应遗传算法的交叉、变异操作来增强混合算法的全局搜索能力,提高算法的进化速度和收敛精度.为验证混合算法的可行性和有效性,选用MATLAB软件对其进行仿真测试.仿真测试结果显示,与禁忌搜索算法、蚁群算法以及遗传算法相比,混合算法表现出较强的全局搜索能力和较好的收敛性能,表明混合算法可行和有效.     

多资源作业车间的混合自适应GA优化调度

针对多资源约束的车间调度问题,将启发式算法和自适应GA优化方法结合起来,提出了混合自适应GA方法,建立了多资源约束的车间优化调度模型.根据启发式调度算法中优先规则对调度目标的影响,设计了新的编码规则.采用正弦函数作为自适应因子,使得交叉概率和变异概率随群体的适应度自动改变,提高了运算的效率,克服了启发式算法和普通GA的缺陷.通过实例仿真并与其他算法比较结果表明,混合自适应GA算法可以很好的解决作业车间在机床、刀具等多种生产资源约束下的优化调度,并在评价指标上较其他算法更优.     

连续体结构裂纹识别的Kriging代理模型求解策略

本文提出了一种基于代理模型的裂纹识别方法,利用初始样本构造Kriging代理模型,建立裂纹模型参数与结构响应的关系,来代替结构的原有的结构参数与动力响应关系,最大程度地减少了反演优化迭代过程中反复网格剖分和冗繁的有限元计算次数。使用最优设计加点准则进行代理模型修正,以改进初始代理模型的准确性。为了识别连续体结构上的裂纹模型参数,采用随机粒子群优化方法搜索代理模型多极值域下的全局最优解。数值算例对具有裂纹的悬臂梁和板结构进行了裂纹识别。结果表明,该方法能有效地识别裂纹参数,并且具有良好的抗噪性能。此外,初始样本数量对裂纹识别效率及识别结果的影响也进行了讨论。     

基于移动最小二乘的注塑模浇注系统稳健设计

注塑模浇注系统设计是模具设计中较为重要的一环,因此对浇注系统的优化设计研究开展得较早,但在已有的研究中,均没有考虑随机因素波动对成型质量的影响。针对该问题,选取最大翘曲变形量为成型质量指标,提出了基于可拓关联变量筛选、移动最小二乘及蚁群优化的浇注系统稳健设计方法,通过数值模拟及实例验证,表明该方法减小了响应的方差,并有效地提高了塑件的尺寸公差。     

包装废弃物回收车辆路径问题的改进遗传算法

目的采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,对企业实例和标准算例进行仿真测试。结果采用IGA算法、蚁群算法(ACO)能求得算例最优解,且IGA算法运行速度快于ACO算法,分支界定算法(BBM)、传统GA算法无法求得算例最优解。结论与BBM算法、传统GA算法和ACO算法相比,IGA算法求解包装废弃物回收VRP问题的整体性能更优。     

子母穿梭车式立体仓库复合作业路径优化

目的研究子母穿梭车式立体仓库中复合作业路径优化问题,有利于提高系统运行效率,降低成本。方法对于子母穿梭车式立体仓库在一次存取货作业中复合作业方式的实际调度路径,考虑到其运动机构的加(减)速度,以完成复合作业总时间最短为目标建立数学模型。针对该系统复合作业的运行特征,提出一种结合遗传和蚁群算法各自优点的混合粒子群算法进行优化求解。结果实例验证可知,与粒子群算法和蚁群算法相比,文中提出的混合粒子群算法具有性能稳定、优化效率更高等优点。结论文中所提复合作业路径优化方法能够有效地缩短子母穿梭车式立体仓库的复合作业时间,提高了进出库调度效率。     

缓冲区容量约束下发动机混流装配线排序研究

为解决缓冲区容量约束下发动机混流装配排序问题,以关键部件消耗均匀化和最大完工时间最小化为目标,建立了优化数学模型,设计了一种多目标遗传算法,采用了混合交叉算子和启发式变异方法,并设计了基于帕累托分级和共享函数的适应度函数,将多目标遗传算法和多目标模拟退火算法的优化结果进行了比较。研究结果表明,多目标遗传算法在满意度和计算效率方面均优于多目标模拟退火算法,是一种有效的混流装配线排序问题求解算法。     

基于IALO算法的蓄电池参数辨识

合理的等效电路模型及准确的模型参数对蓄电池荷电状态(SOC)的准确估计具有重要影响。针对蓄电池三阶Thevenin等效电路模型,基于改进蚁狮优化算法,提出了一种模型参数辨识方法。引入混沌Logistic映射初始化,使初始化群体遍及解空间,有利于寻找全局最优解;引入自适应惯性权重加随机柯西变异策略,有效提高了算法收敛速度;引入精英反向学习策略,有效提高了群体的多样性,避免算法陷入局部最优解。5个测试函数的测试结果表明:相比于蚁狮优化算法、粒子群算法与樽海鞘优化算法,改进蚁狮优化算法收敛速度更快,精度更高。对蓄电池三阶Thevenin等效电路模型进行参数辨识,结果表明:改进蚁狮优化算法相比蚁狮优化算法具有更高的辨识精度。     

基于饱和补偿控制器的壁板结构振动控制

引人具有良好非线性控制能力的EMCS（Extended Minimal Control Synthesis）算法进行壁板结构振动控制。为解决控制器输出饱和问题,基于波波夫准则设计含有饱和补偿控制器的SCMCS（Saturation Compensator Minimal Control Synthesis）控制策略,并进行稳定性证明。仿真及实验结果表明,该方法在多模态正弦复合随机扰动下,较EMCS算法鲁棒稳定性更好,尤其由积分器与sign函数引起的EMCS算法控制器输出饱和现象得到有效抑制。     

基于ACO的瓦楞纸高浓磨浆过程多目标优化

目的在确保磨浆质量的前提下,提高磨浆产量、降低磨浆能耗,进而提高瓦楞纸的产量,降低生产能耗。方法在分析并建立高浓磨浆过程数学模型的基础上,针对该数学模型多目标、非线性的特点,提出一种采用编程简单、鲁棒性强的ACO(蚁群算法)对该多目标优化问题进行求解的新方法。结果 Matlab仿真结果表明,ACO在求解高浓磨浆过程多目标优化问题时,能够快速地找到符合生产工艺要求的最优解。结论基于ACO的多目标优化不仅提高了瓦楞纸制浆产量,而且降低了生产能耗。同罚函数相比,更好地实现了优质、高产、低能耗的生产目标。     

基于毫米波雷达获取料堆DEM的插值方法研究

针对现有的全自动堆取料机技术的发展过程中存在料堆高程模型获取困难、测量装置环境适应性差、成本高和模型精度低的问题,提出利用77GHz毫米波雷达、差分北斗和角度编码器的集成技术获取大型料堆表面的离散点云数据。推导出多传感数据融合获取离散点云数据的公式,并提出采用量子化鸽群优化Kriging插值算法获取料堆的数字高程模型(DEM),采用交叉验证的方式对比分析了优选参数后改进的普通Kriging、普通Kriging、反距离加权、基于三角剖分的线性和自然邻域插值算法,改进后的Kriging插值算法均方根误差低于0.37m,均方误差低于0.14m,均方根误差相比普通Kriging插值算法降低了39.9%。在现场的测试过程中,该方法可不受天气和粉尘的影响得到料堆的DEM,能够满足堆取料机全自动项目对精度的需求。