求解自动化药房储位优化问题的GA-PSO混合粒子群算法

通过对自动化药房快速发药系统的储位优化所受约束条件和目标函数的分析,基于静态存储理论,建立了该问题的数学模型,提出了利用GA-PSO混合粒子群算法来解决此问题.该算法引入了遗传算法的搜索机制形成初始粒子群,并引入"交叉"和"变异"的概念形成离散粒子群算法.在优化的过程中,采用精英策略和进化逆转操作提高了搜索能力和寻优速度.对陷入局部最优的粒子群进行变异,使粒子群在新的引导下改变方向,继续寻找问题最优解,从而避免了粒子重复收敛于一点的现象.仿真试验结果表明,该策略是有效的,在求解速度和求解质量上得到了很大提高.     

无等待流水线调度问题的混合优化算法

针对无等待流水线调度问题提出了一种混合离散化粒子群优化算法。通过建立位置矢量编码与调度方案之间的映射关系将连续的粒子群优化算法应用于离散的无等待流水线工件调度问题。为了提高离散粒子群算法的性能,增强算法的探索能力,在粒子群每次迭代之后对全局最优解加入随机扰动并进行变邻域搜索。仿真结果表明,该优化算法具有良好的性能。     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

基于随机维度划分与学习的粒子群优化算法

针对粒子群优化算法在搜索过程存在的种群多样性低和过早收敛问题,提出基于随机维度划分与学习的新型粒子群优化算法（RVPLO）.该算法将每个粒子的维度随机划分为多个不同的子段,每个子段随机分配一种学习算子（中心学习算子或离散学习算子）,通过学习算子实现对各子段内的维度数值更新操作.中心学习算子用以加强粒子的全局搜索能力,离散学习算子用以加强粒子的局部搜索能力.粒子维度划分策略实现了将高维优化问题转化为低维优化问题,降低了优化问题求解的难度.粒子随机维度划分和算子随机分配的双重动态调节机制使得算法具备求解复杂单峰函数,多峰函数优化问题的能力.实验测试结果及显著性统计结果表明,RVPLO算法同其他8个经典改进算法相比,在单峰函数,多峰等函数优化中具有收敛速度快,求解精度高的优势.     

基于粒子群的城市供水配置模型优化算法

为了解决城市供水水量分配合理性欠缺问题,提出基于粒子群的供水配置模型优化算法. 该算法以地表水、地下水、自来水、中水4种水源类型作为供水源,以生活用水、工业用水、农业用水和生态用水4个行业作为用水行业,并考虑供水源的开发成本,建立供水配置模型. 运用粒子群优化算法对模型进行优化求解,得到最佳的水量配置方案. 通过实例验证该算法的可行性,为今后的供水水量分配调度工作提供参考和依据.     

双层规划模型的大规模UCAV编队队形优化

为解决复杂约束环境下大规模无人战斗机(UCAV)编队队形优化问题,提出基于双层规划模型的队形优化求解算法.以大规模UCAV编队空对地饱和打击作战场景为例,建立UCAV编队作战上层规划模型,通过采用离散粒子群-模拟退火(DPSO-SA)算法进行求解,得到执行每个任务的UCAV编号和最优队形;根据现有的编队作战队形库,建立编队中UCAV站位下层规划模型,通过采用遗传算法进行求解,得到UCAV在队形中的位置.仿真结果表明:在上层规划模型中引入改进模拟退火算法,可以解决离散粒子群算法易陷入局部极小值的问题;设计双层规划模型,可以解决DPSO-SA算法后期收敛速度慢的问题.相对于单层规划模型,双层规划模型求解大规模UCAV编队队形优化问题收敛速度更快,寻优效果更好.     

采用正交免疫克隆粒子群算法求解SAT问题

根据Kennedy和Eberhart提出的二进制粒子群算法,基于抗体克隆选择理论提出一种求解合取范式可满足问题的粒子群算法——正交免疫克隆粒子群算法．该算法将合取范式可满足问题转换为求解目标函数最小值的优化问题,为提高收敛速度,根据子句的先验知识计算出个体的初始指派概率对种群进行初始化．为了避免算法早熟收敛,提高粒子群个体解分布的均匀性,将离散正交交叉算子用于免疫基因操作中,并给出适应于求解合取范式可满足问题的免疫粒子群进化算子．实验采用标准SATLIB库中变量个数从20~250的3700个不同规模的标准合取范式可满足问题对正交免疫克隆粒子群算法的性能作了全面的测试,并与标准粒子群算法和免疫克隆选择算法进行了比较．结果表明,正交免疫克隆粒子群算法的成功率在3个算法中最高,运行时间和评价次数最少．     

面向离散优化问题的改进二元粒子群算法

二元粒子群算法被广泛用于求解离散组合优化问题。在求解离散优化问题时,二元粒子群算法会出现解空间利用率低,速度和状态趋同以及退化和波动等演化问题。针对这些问题,提出一种改进的二元粒子群算法。算法使用Gray码演化基编码,混沌初始化过程,改进速度和状态调整方法以及子代处理方法用于提高种群利用率和种群多样性。在不同类型的检验函数以及多选择背包问题上,和现有优化算法及其他二元粒子群算法相比,改进算法能够获得较高的收敛精度以及较快的收敛速度,体现出多离散优化问题的实际效用。     

软时间窗和匹配运输下的供应链配送网络优化

针对客户和供应商匹配运输下的供应链配送网络优化问题,在模型中加入客户软时间窗约束、车辆最大行驶距离约束以及设施容量约束,建立了全新的0—1整数规划模型,采用基于整数编码和交换序的离散粒子群优化算法来求解。通过算例将标准粒子群算法（PSO）、局部版粒子群算法（LPSO）和离散粒子群算法（DPSO）的运行结果进行比较,结果表明,DPSO算法可以减少迭代次数,并获得问题的最优解。     

基于改进的粒子群和遗传算法的混合优化算法

分析粒子群算法在求解组合优化问题中的运行原理,对警车分布的优化问题建立了粒子群优化的数学模型,对基本粒子群优化算法中的速度范围、惯性权重等参数进行了改进,并通过仿真与基本粒子群算法比较,显示改进的粒子群算法,提高了优化结果.在改进的粒子群算法中引入遗传算法,将形成的新混合算法应用到求解警车最优执勤地点的分布问题,并与遗传算法和改进的粒子群算法仿真比较.结果表明,混合优化算法在收敛速度和精度上均有明显的提高.     

基于交叉熵-遗传算法的武器目标分配问题研究

武器目标分配问题是军事领域中重要的研究课题,其主要任务是在一定的条件下将武器与来袭目标合理分配,以达到最大的作战收益. 提出了一种将遗传算法融入交叉熵算法的混合算法. 首先,通过交叉熵算法将原本的武器目标分配优化问题与估计问题联系起来,构建满足武器目标分配方案解的离散概率分布矩阵,进而根据矩阵生成代表解的多个样本. 然后,利用遗传算法中的选择、交叉、变异操作增加样本的多样性. 最后,利用推导出最优解的迭代公式来更新矩阵,当满足迭代终止条件时输出的矩阵即为最优解. 分别针对二维单目标函数优化问题和武器目标分配问题进行计算对比,计算结果验证了交叉熵-遗传算法的有效性.     

多电平逆变器准最优脉宽调制方法

多电平变换器是高压大功率应用领域的研究热点,文中针对多电平载波PWM技术中电压调制深度低和基波幅值小的问题,提出了一种新颖的多电平准最优PWM法,分析了输出最大电压调制深度、基波幅值和谐波畸变率等,同时给出了输出电压开关切换角、最优调制波形等的求解方法,并进行了计算机仿真。结果表明,该方法极大地提高了输出电压调制深度和基波幅值。     

Improved MOEA/D for Dynamic Weapon-Target Assignment Problem

Conducting reasonable weapon-target assignment (WTA) with near real time can bring the maximum awards with minimum costs which are especially significant in the modern war. A framework of dynamic WTA (DWTA) model based on a series of staged static WTA (SWTA) models is established where dynamic factors including time window of target and time window of weapon are considered in the staged SWTA model. Then, a hybrid algorithm for the staged SWTA named Decomposition-Based Dynamic Weapon-target Assignment (D-DWTA) is proposed which is based on the framework of multi-objective evolutionary algorithm based on decomposition (MOEA/D) with two major improvements: one is the coding based on constraint of resource to generate the feasible solutions, and the other is the tabu search strategy to speed up the convergence. Comparative experiments prove that the proposed algorithm is capable of obtaining a well-converged and well diversified set of solutions on a problem instance and meets the time demand in the battlefield environment.     

多用户OFDM系统中一种次最优多址接入方案

给出了带自适应资源分配的多用户 OFDM系统的数学模型 ,指出理论上的最优接入算法是不可实现的 . 提出了一种易于实现的次最优多址接入方案 ,它以瞬时信道特性为基础 ,通过不断寻找局部最优以期达到或接近全局最优. 仿真实验表明 ,使用这种次优多址接入方案的多用户 OFDM 系统的性能明显优于使用各种静态多址接入方案的系统 .     

一种新的求解移动Agent路由问题优化算法

文章对移动Agent在无线传感器网络中的路由问题进行描述,给出该问题的多约束最优非劣路径求解模型,并提出一种SA-CA算法求解移动Agent路由问题:利用模拟退火(Simulated Annealing,SA)算法接受最优单体以推动文化算法(Cultural Algorithms,CA)中信仰空间的进化,并将搜索步长作为情景知识指导群体空间最优解的搜索.这种双层结构特性减少了搜索时间,表现出较好的全局寻优性能.仿真实验也表明,与粒子群优化算法(PSO)、遗传算法(GA)的计算结果相比,提出的新算法在保证求解准确性的同时,具有更快的收敛速度和较高的可靠性,是解决无线传感器网络多约束QoS路由的有效途径,能提高整个网络的性能.     

应用分层编码保障组播系统QoS的高效资源分配

在传统的组播策略中,系统总的吞吐量受限于组播组中最差用户的信道增益.为了克服组播系统吞吐量受限的问题,采用基于分层编码的组播策略.在保障组内每个用户的服务质量（QoS）的同时,提出了一个新颖的子载波和比特分配算法,来最大化整个组播组的吞吐量.在下行的正交频分多址无线组播系统中,提出了最优资源分配算法.为了减少最优化算法的计算复杂度,提出了一个2阶段次优化算法.仿真结果显示次优化算法的系统功效十分接近最优化算法.次优化算法要远远优于传统的组播策略,而且还要优于Tian等所提出的算法.     

无线Mesh网络中功率控制、信道分配和调度的联合优化

研究规则的多接口多信道无线Mesh网络吞吐量最优化问题,目的是在给定网络拓扑结构和流量需求的情况下,联合考虑功率控制、信道分配和调度,求出公平性约束下的最大吞吐量.采用图论的方法,目标优化问题可以被分解为有限个子问题,而每个子问题可以表示成一个线性规划问题,分别求解这些子问题从而得到目标问题的解,并从理论上证明了该解的全局最优性.该算法需要遍历所有可行的场景,具有O(2n)的计算复杂度.同时提出了一种次优算法,以很小的性能下降为代价获得了O(n)的计算复杂度.仿真实验结果显示,在9个节点的网络中,次优算法得到的网络吞吐量与最优算法相比下降不超过8％,而计算速度有显著提高.     

收发信机射频损伤的UDN协同波束形成

为了进一步提高超密集无线网络（UDN）性能,提出一种同时考虑收发信机射频损伤的协同波束形成方法.首先,建立了包含射频损伤的UDN协同波束形成模型,并利用凸优化方法求解得到其最优解;然后,针对此最优解的结构特征,结合其在实际系统中难以实现的局限,设计了由信号泄漏噪声比波束形成导向矢量和最优功率分配构成的线性次优波束形成器.仿真结果表明,收发信机射频损伤的协同波束形成器能有效降低干扰,并且可提高UDN的系统容量.     

Optimal non-fragile controller realization algorithm and application to control problems

To reduce the fragility encountered in controller implementation, which is a measure of extent to describe small perturbations in controller parameters caused by rounding-off errors or component tolerances, and keep the system stability and performance, approaches of weighted eigenvalue sensitivity and stability radii comparison were used for computation and reduction of controller fragility. An algorithm has been derived for the efficient reduction of controller fragility, which used eigenstructure decomposition to obtain the suboptimal solution. The algorithm was tested for different control problems through reducing their fragility by a large margin. Different canonical forms were analyzed for fragility, including controllable canonical form, observable canonical form, modal canonical form, balanced realization and optimal (non-fragile) form. Different realizations were implemented through C language Matlab EXecutable (CMEX) S-function discrete state space block. Double precision calculations were performed. Open and closed loop controller realizations were compared with simulink state space (optimal) block. Results of comparison indicate that the optimal non-fragile controller realization shows better results both in open loop and closed loop realization.     

切换统计相关用于位置区优化

针对在位置区规划或优化算法过程中,应用传统的随机概率搜索算法进行最优解的搜索收敛方向难于确定、收敛速度极其缓慢,应用启发式构造算法能及时收敛但不能有效地收敛于全局最优解的问题,提出了位置区元的新概念以及位置区元相关会聚算法. 实验结果表明,该算法能实现对位置区规划或优化解空间进行充分高效的压缩,进而保证在此基础上的随机概率搜索算法能及时有效地逼近全局最优解.