禁忌搜索-混合蛙跳算法的贴片机优化

在拱架式贴片机的贴装过程中,元器件的贴装顺序和喂料器的分配是影响拱架式贴片机贴装效率的主要因素。根据实际的贴装过程,建立了拱架式贴片机的集成优化模型。在问题求解上,将贴片机的贴装优化问题分解为两个子问题,分别利用禁忌算法进行喂料器分配优化和改进的混合蛙跳算法对元器件贴装顺序进行优化;通过迭代协调思想,将相互联系的两个问题分而求解再相互协调,最终实现贴片机贴装过程的优化。为验证算法有效性,以10块实际生产的PCB为实例进行了测试。实验结果表明,该算法能获得较好的贴片机贴装优化解,与混合遗传算法（HGA）相比,平均效率提高了9.55%。     

双臂式双旋转头贴片机贴装效率优化研究

为了优化双臂式双旋转头贴片机的贴装路径,提高贴片机的贴装效率,缩短PCB板的贴装时间,分析双臂式双旋转头贴片机的贴装路径优化问题类似于TSP问题。在考虑实际贴装过程的基础上,将贴装过程分为单贴片头内部的吸取贴装循环和两个贴片头之间的吸取贴装循环,并建立相对应的数学模型,提出基于取贴循环的蚁群算法对目标函数进行求解。理论分析和实验结果表明,改进的蚁群算法不仅符合贴片机的实际工作情况,提高了贴片机的贴装效率,而且还有效地克服传统算法中约束条件较多的缺点。     

基于改进蚁群算法的贴片机贴装过程优化

为提高贴片机生产效率,对贴片机贴装过程中的元器件拾取贴放顺序进行优化,提出一种改进的蚁群算法。该算法将分散搜索算法中的参考解集引入到cunning蚁群系统中,使其参与到蚁群对解的搜索,从而提高算法的全局搜索能力。实验结果表明,该算法在多数情况下能够搜索到优于传统cunning蚁群系统的解。     

基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化

以垂直旋转式贴片机为研究对象,在供料器位置确定的情况下,研究其贴装顺序优化问题。在贴片机贴装数学模型的基础上提出改进蚁群算法,将贴装过程分成拾取 贴放循环和各循环之间连接2个子问题。改进蚁群算法在搜索最优解过程中引入精英蚂蚁,并采用全局和局部相组合的信息素更新策略。实验结果表明,改进算法在求解贴片机最优路径时具有较好的求解精度、全局搜索能力以及较快的收敛速度,相比基本蚁群算法,其求得的最优路径使得贴装效率提高了11%左右。     

基于蚁群–混合蛙跳算法的贴片机贴装顺序优化

针对喂料器的位置确定的条件下,研究拱架式贴片机的元器件贴装顺序优化问题.建立了新的拱架式贴片机贴装顺序的数学模型.针对问题的路径寻优特点,把混合蛙跳算法与蚁群算法相融合,实现对贴片机的元件贴装顺序优化问题的求解.在算法中提出了适应于贴片机实际贴装情况的分段启发函数、分段信息素以及信息素的分段更新策略等多种改进方法.为验证算法有效性,以20块实际生产的PCB为实例进行了测试.实验结果表明,算法具有较好的求解精度和全局搜索能力,与文献中的单一混合蛙跳算法相比,平均效率提高了7.89%;与蚁群算法相比,平均效率提高了3.79%.     

多头动臂式贴片机贴装时间分阶段启发式优化算法

贴片机贴装时间是影响表面组装生产线效率的重要因素,文中提出了一种改进式分阶段启发式算法解决具有分飞行换嘴结构的多贴装头动臂式贴片机贴装时间优化问题;首先,根据飞行换嘴的特点,提出了适用于飞行换嘴的喂料器组分配方案;其次,依据这一分配结果,通过改进式启发式算法实现了喂料器组在喂料器机构上的分配;最后,结合近邻搜索法解决了元器件的贴装顺序优化问题;仿真结果证明,文中采用的改进分阶段启发式算法比传统分阶段启发式算法具有更好的贴装时间优化效果。     

一种高速贴片机在线贴装优化方法研究

贴装顺序是影响高速贴片机生产效率的关键因素,为了提高贴片机生产效率,研究多贴片头高速贴片机贴装顺序优化问题,通过吸嘴选择与分配和贴装顺序优化,提出一种在线贴装优化方法。实验以自主研发的高速贴片机为平台,验证优化方法的性能;实验结果表明该方法可以进一步提高高速贴片机的生产效率。     

贴片机装配工艺的优化研究

贴片机是表面贴装的重要设备,其装配工艺是影响表面贴装过程的关键技术。针对贴片过程,研究了贴片机装配工艺优化以及供料器分配和元器件贴装顺序问题;在分析贴片机装配工艺优化的数学模型的基础上,提出将两个子问题统筹为贴片机贴装总路径优化的改进措施,并应用改进遗传算法实施贴装总路径优化。仿真实验表明该方法是有效的。     

基于三链混合遗传算法的贴片机贴装过程优化

为提高贴片机的生产效率,对贴片机贴装过程中的元器件拾取贴放顺序进行优化,提出了一种改进的三链混 合遗传算法。该算法将传统遗传算法中的两条链增加为三条链,并采用了启发式改进遗传算子。实验结果表明,改进的三链 混合遗传算法能够减少种群数目,提高优化效率和优化效果,从而提高算法的全局搜索能力。该算法在多数情况下能够搜索 到优于传统遗传算法的解。     

带扰动和变异因子的改进禁忌搜索算法求解贴片机贴装过程优化

以多贴装头拱架式贴片机为研究对象,利用带扰动和变异因子的改进禁忌搜索算法,实现贴片机贴装过程优化.算法在传统禁忌搜索算法的基础上,利用以长期记忆为基础的多元化扰动策略和块变异算子来扩大贴片机贴装顺序优化搜索空间,并结合局部下降搜索策略优化喂料器分配,最终实现贴片机贴装整体优化.仿真实验表明,改进算法能快速有效地获得较好的贴片机贴装优化解.与其他文献中的算法相比,所提出的算法在求解质量和求解速度上有较大的优越性.     

基于概率分布估计算法的进化规划码书设计算法

提出一种以最近邻划分变异为搜索策略,并以EP(进化规划)与EDA(概率密度估计算法)相结合的混合进化方法作为搜索引擎的新型码书设计算法.在最近邻划分上,引入最近邻划分控制因子作为进化算法的染色体表示,实现最近邻划分变异,从而改变质心运动轨迹.染色体与矢量同维,编码空间相对较小,并且进化操作易于控制和实现.在混合进化方法中,EDA为EP提供了最优个体的搜索方向,加速了算法的收敛速度.实验结果表明该方法是能有效提高码书性能的一种优化方法.     

面向全局搜索的自适应领导者樽海鞘群算法

针对实际配送过程中客户需求、车辆服务时间随机可变,提出带软时间窗的随机需求和随机服务时间的车辆路径问题.以配送车辆行驶路径为研究对象,建立基于配送成本、时间惩罚成本、修正成本的配送车辆路径优化模型,并提出一种混合禁忌搜索算法.该算法将最近邻算法和禁忌搜索算法相结合,将时间窗宽度及距离作为最近邻算法中节点选择标准;并对禁忌搜索算法中禁忌长度等构成要素进行自适应调整,引入自适应惩罚系数.实验结果表明,改进后的混合禁忌搜索算法具有较强的寻优能力、较高的鲁棒性,同时算法所得车辆行驶路径受客户需求变动影响较小.     

基于随机子空间的局部鉴别投影*

针对高维数据容易对噪声敏感及容易造成维数灾难问题,文中提出基于随机子空间的局部鉴别投影算法(RSLDP).利用随机子空间方法对高维的原始数据进行特征选择,在生成的低维特征子空间构造近邻图,降低噪声影响.RSLDP通过最大化局部类间加权散度和最小化局部类内加权散度,同时最小化样本的总体局部散度,改进局部最大间距鉴别嵌入算法,较好刻画样本与其类间类内近邻中心点的关系,有利于鉴别特征的提取.在CMU PIE和AR这2个人脸数据库上的实验表明文中算法的有效性.     

空间对象的反最近邻查询

本文在对现有反最近邻查询方法研究的基础上,提出了一种新的索引结构一SRdnn-树;在此基础上提出了基于SRdn矿树的反最近邻查询方法,并给出了该结构上的最近邻查询方法,以及插入和删除方法,第5节实验表明,基于SRdnn-树的反最近邻查询在性能上优于以往查询方法。     

路网环境下的最近邻查询技术

最近邻查询作为基于位置服务的重要支持性技术之一,引起了众多学者的广泛关注和深入研究。相对于欧式空间而言,路网环境下的最近邻查询更贴近人们的生活,有着更重要的研究意义。路网环境下庞大的数据量和复杂的数据结构,使得最近邻查询的操作代价变得非常昂贵,如何有效地提高查询效率是研究者面临的主要挑战。对路网环境下的最近邻查询技术进行综述,分别从最近邻查询采用的索引结构和查询处理过程对现有路网环境下的最近邻查询方法进行了分析和比较。也介绍了路网环境下最近邻的变体查询技术的研究情况,最后探讨路网上最近邻查询技术未来的研究重点。     

A hybrid scatter search for the probabilistic traveling salesman problem

The probabilistic traveling salesman problem (PTSP) is an important theoretical and practical topic in the study of stochastic network problems. It provides researchers with a modeling framework for exploring the stochastic effects in routing problems. This paper focuses on developing the hybrid scatter search (HSS) by incorporating the nearest neighbor rule (NNR), threshold accepting (TA) and edge recombination (ER) crossover into a scatter search conceptual framework to solve the PTSP. A set of numerical experiments were conducted to test the validity of the HSS based on the test problems from Tang and Miller-Hooks’ study. The numerical results showed that the HSS can effectively solve the PTSP in most of the tested cases in terms of objective function value. Moreover, the results also indicated that incorporating threshold accepting into the scatter search framework can further increase the computation efficiency while maintaining solution quality. These findings show the potential of the proposed HSS in solving the large-scale PTSP.     

改进邻居集合的个性化推荐算法

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一,但传统的算法没有考虑在不同时间段内寻找最近邻居问题,导致寻找的邻居集合可能不是最近邻居集合。针对此问题,提出一种改进邻居集合的个性化推荐算法。该算法赋予每项评分一个按时间逐步递减的权重,利用加权后的评分寻找目标用户的最近邻居。实验表明,改进的算法提高了推荐系统的推荐质量。     

基于FLANN改进的KNN医疗分类算法

本文通过研究KNN（K-最近邻）算法在疾病预测领域的使用与分析,总结出KNN的2点不足,针对不足进行相应改进并提出F_KNN（循环最近邻搜索）算法：1）针对KNN计算量大、效率低下的缺点,本文采用FLANN（快速最近邻搜索）循环搜索与待测样本距离最近的点,记录若干个最近邻点作为最近邻点子集,利用此子集取代全集对待测样本进行计算,可以降低计算量,极大地提高了KNN算法效率;2）针对KNN难以对高维数据集分类的缺点,本文采用AHP（层次分析法）对样本的特征属性进行相关性研究,使用合适的参数分配权重,提高了KNN算法准确率。本文采用一组脑中风数据集对优化后的算法进行实验,实验结果表明,F_KNN准确率达96.2%。与传统KNN相比,F_KNN提高了分类性能且极大地提高了算法效率。在处理高维且较大的数据集时,F_KNN算法优势明显,具有较好的应用前景。     

基于自适应近邻参数的密度峰聚类算法

针对基于共享最近邻的密度峰聚类算法中的近邻参数需要人为设定的问题,提出了一种基于自适应近邻参数的密度峰聚类算法。首先,利用所提出的近邻参数搜索算法自动获得近邻参数;然后,通过决策图选取聚类中心;最后,根据所提出的代表点分配策略,先分配代表点,后分配非代表点,从而实现所有样本点的聚类。将所提出的算法与基于共享最近邻的快速密度峰搜索聚类（SNN?DPC）、基于密度峰值的聚类（DPC）、近邻传播聚类（AP）、对点排序来确定聚类结构（OPTICS）、基于密度的噪声应用空间聚类（DBSCAN）和K-means这6种算法在合成数据集以及UCI数据集上进行聚类结果对比。实验结果表明,所提出的算法在调整互信息（AMI）、调整兰德系数（ARI）和FM指数（FMI）等评价指标上整体优于其他6种算法。所提算法能自动获得有效的近邻参数,且能较好地分配簇边缘区域的样本点。     

改进的全局最近邻查询算法及其在空间数据库中的应用

针对基础数据集合和参考数据集合为相同数据集的情况,给出了一种新型的空间数据库全局最近邻查询算法,该算法能够利用数据最近邻结果的自身特点,避免较大的查询过程中的资源开销.实验结果表明,算法的效率要明显优于常用最近邻查询算法,并且对于不同的数据维数和数据元素数量,特别是对于高维的空间数据集合,算法具有较高的稳定性.