人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析。结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程。     

基于TSP的孔群加工路径优化算法

建立以孔群加工最短路径为优化目标的数学模型,采用蚁群算法与2-OPT算法相融合的优化方法,研究了模具顶针板孔群加工刀具路径优化问题.结果表明,该融合算法加快了收敛速度,可有效避免陷入局部最优解,加工优化路径比贪心算法缩短12.34%,比基本蚁群算法缩短14.78%,即有效缩短了加工路径,减少了空走刀时间,提高了数控加工效率.     

利用蚁群算法求解机械加工路径规划问题

针对机械加工中孔群加工刀具路径规划问题，采用蚁群算法，通过多目标搜索和并行计算，快速从众多可行加工路线中找到一条最短路径作为刀具运动的轨迹，该路径可以最大限度的节省加工过程中的空行程时间，提高整体加工效率。采用控制变量法和正交试验法，结合算例，分析研究算法实现过程中需优化取值的蚂蚁的数量、信息素重要程度因子、启发函数重要程度因子、信息素挥发因子、总信息量等5个重要参数对于最优解质量的影响，探究其作用规律，为进一步提高算法优化结果和改进算法提供参考依据。     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

基于混合蚁群的多温区冷链物流配送路径优化算法

针对冷链物流配送过程同时取货、送货车辆路径规划问题,提出了基于混合蚁群算法多温区冷链物流配送路径优化算法.通过分析影响同时取、送货车辆路径成本的因素,构建了针对多温区冷链物流的带时间窗、同时取送货配送路径优化模型.利用粒子群算法来优化蚁群算法参数,将各个蚂蚁子群的信息素进行交换,再采用基于插入的启发式方法和交叉、反转操作进行路径优化.经过对照实验,结果表明：基于混合蚁群的车辆路径规划算法收敛速度相对于基于改进遗传算法的车辆路径规划算法和基于禁忌搜索算法的车辆路径优化算法,分别提高了24.3%和18.6%.     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.     

基于自适应小生境遗传算法的物流配送路径优化研究

针对遗传算法具有早熟的缺点和小生境遗传算法比遗传算法更费时的问题,将自适应小生境技术引人遗传算法,构建自适应小生境遗传算法,用以解决带时间窗的车辆路径优化问题.实验结果表明该算法具有更好的搜索能力和收敛速度,能有效地调和种群多样性与算法耗时的矛盾,解决物流配送车辆路径优化的问题.     

军事配送式后勤车辆路径问题研究

为提高军事后勤车辆的配送效率,实现快速响应,文中在分析军事后勤车辆路径问题特点的基础上,建立了单时间窗多目标动态军事后勤车辆路径模型,设计了遗传-蚁群混合算法对模型进行两阶段求解.仿真实验结果表明,该算法解决了遗传算法求解效率低及蚁群算法收敛过早的问题,可有效解决军事后勤车辆动态路径优化问题.     

一种求解函数优化的混合遗传算法

在浮点编码遗传算法中加入最速下降法，构成适于函数全局优化的混合遗传算法。混合算法改善了遗传算法的局部搜索能力，显著提高了遗传算法求得全局解的概率。由于只利用函数值信息，混合算法是一种求解函数全局优化问题的通用方法。     

基于遗传算法的刀具路径优化排布方法

为缩短数控(NC)加工时间和提高加工效率，提出了一种新的基于遗传算法的刀具路径优化排布方法.该方法以加工代码分析为基础，将刀具路径分解为一系列切削路径组和对应的辅助运动路径，根据加工类型将切削路径细分为开放式切削路径和封闭式切削路径.构造了一种新的分段染色体模型，将染色体分为主节和附加节，用不同的编码方法对开放式切削路径和封闭式切削路径进行编码表示.采用改进的遗传算法，对分组后的切削刀具路径进行优化运算，得到了刀具路径排布的近似最优解.实验结果表明，该方法具有良好的优化效果，可以明显缩短辅助运动路径的总长度，减少加工时间.     

混合遗传算法的电力系统无功优化

针对遗传算法（GA）的局限性，提出了一种应用于电力系统无功优化问题的混合遗传算法（GASA）。实施了最优保留策略，改进交叉和变异操作，并结合模拟退火算法（SA）的Metropolis判别准则的复制策略，使寻优过程能够跳出局部最优解，从而形成了混合遗传算法。优化过程中考虑了电力系统无功优化自身特点，提高了计算效率。对IEEE30节点系统的仿真表明：该算法能够有效地提高收敛速度，避免早熟收敛。     

基于深度强化学习的数控铣削加工参数优化方法

为了提高数控加工中的机床效能和加工效率,探究深度强化学习在加工参数优化问题中的适用性,提出一种基于深度强化学习的数控铣削加工参数优化方法.选取切削力合力和材料除去率作为效能和效率的优化目标,利用遗传算法优化反向传播神经网络（GA-BPNN）构建切削力合力和铣削参数的优化函数,并采用经验公式建立材料除去率的优化函数.应用竞争网络架构（Dueling DQN）算法获得切削力合力和材料除去率多目标优化的Pareto前沿,并结合优劣解距离法和熵值法从Pareto前沿中选择决策解.基于45钢的铣削试验,验证了Dueling DQN算法用于加工参数优化的有效性,相比经验选取加工参数,通过Dueling DQN优化得到的加工方案使切削力合力降低了8.29%,加工效率提高了4.95%,为加工参数的多目标优化方法和加工参数的选择提供了指导.     

基于虚拟加工的数控车削过程优化

为了优化车削加工过程,提高加工效率,提出基于虚拟加工技术预测实际切削参数,采用数控程序优化实现数控切削过程优化的方法.应用轮廓多边形的工件模型表示法,研究车削过程中瞬时切削深度和切削速度的获取算法,进一步利用优化算法和数控程序修正,实现数控车削过程的优化.实际切削实验和分析对比表明:加工时间显著缩短,充分利用了机床加工能力,优化后的切削过程得到了改善,提高了加工效率。     

铝电解槽三维磁场的计算与优化(Ⅱ)——改进的遗传算法优化三维磁场

在样条积分方程法计算铝电解槽磁场的基础上,针对影响铝电解槽电流效率的各种因素,建立了铝电解槽的磁场优化模型．为提高优化速度,采用改进的遗传算法对一台180?kA预焙阳极铝电解槽的磁场进行优化,得到了最佳的母线配置．优化结果表明,优化后槽的磁场分布更加均匀合理．     

采用混合遗传算法的敏捷卫星自主观测任务规划

为改进敏捷卫星观测大规模地面目标点时传统的遗传算法求解效率低下的问题,提高智能优化算法的求解效率,改进了传统的遗传算法,提出了禁忌退火遗传混合算法。首先,考虑到航天器在观测地面目标点的过程中所面临的时间约束、姿态轨道动力学约束等多种约束条件,建立了相应的适应度函数。所提出的适应度函数能够兼顾高观测收益与低观测能耗,反应了实际工程问题的观测需求。随后,为改进传统遗传算法的变异过程,提出了禁忌退火变异方法。这一变异方法在个体变异寻优的过程中,引入了禁忌搜索方法与Metropolis法则,提高了算法搜寻到全局最优解的概率,加快了算法的收敛速度。研究结果表明,与传统的遗传算法相比,禁忌退火遗传混合算法节省了约40%的算法运行时间,该算法的运行效率也高于退火遗传算法、禁忌遗传算法等其他种类改进的遗传算法,从而验证了禁忌退火遗传混合算法求解敏捷观测卫星任务规划问题的高效性。     

基于杂交算法的机翼结构布局优化设计

为了解决机翼结构布局优化问题,提出一种同时进行拓扑优化、形状优化及几何尺寸优化的杂交优化算法。对拓扑设计变量和形状设计变量采用混合编码方式构造染色体结构,利用MSC/NASTRAN实现尺寸优化,并将其结果作为布局遗传操作的依据,利用混合编码遗传算法进行布局优化。为了加快收敛进程,利用专家知识的启发性功能对布局设计区域进行了有效缩减,以产生符合工程实际要求的布局形式。通过对大展弦比机翼结构的布局优化设计计算,表明文中所提结构布局优化方法减重效果明显,是可行和有效的。     

电火花加工中最优加工条件的确定

在电火花加工中,影响因素较多,难以确定最优加工条件.为方便操作者决定粗加工最优加工条件,并提高表面加工效果和粗加工速度,提出了一种使用人工神经网络融合遗传算法自动确定和优化电火花成形加工中加工参数的方法.利用遗传算法结合节点删除法来优化BP神经网络结构,以此自动确定神经网络隐含层节点数.经实践证明,用该方法优化后的BP神经网络所确定的最优加工条件,能保证较高的粗加工速度,方便了操作者对加工条件的确定.