求解改进布谷鸟算法的置换流水车间调度问题

针对实际工况下置换流水车间调度问题,文中以最小化完工时间为目标对标准布谷鸟算法进行了改进。为提高优化解的稳定性和算法的计算精度,该算法将淘汰概率引入动态自适应机制,将局部搜索引入差分进化机制,并在初始种群的生成中引入NEH算法。文中将改进的布谷鸟算法运用于解决实际工况下的置换流水车间调度问题,通过与标准布谷鸟算法仿真优化结果进行对比,证明了改进布谷鸟算法具有更好的解的稳定性和更高的寻优精度。     

车间物流问题的布谷鸟算法

根据车间物流问题的特点建立了数学模型。设计了一种布谷鸟算法来求解问题。设计并生成了小规模的算例来验证布谷鸟算法的有效性。采用用于求解优化问题的软件CPLEX来求得各算例的全局最优解,并将其与布谷鸟算法得到的解对比。结果表明,布谷鸟算法能对小规模算例求得全局最优解,说明布谷鸟算法对该问题是有效的。     

布谷鸟粒子群优化算法的多目标任务调度

高效的调度方法促使云计算更快更好地服务,一般采用优化算法来解决云计算中的调度问题。将布谷鸟搜索(CS)和粒子群优化(PSO)两种算法相结合,提出多目标布谷鸟粒子群优化算法(MO-CPSO),主要目的是提高云计算的服务质量。使用Cloudsim仿真工具对MO-CPSO算法的性能进行了评估。仿真结果表明,与CS、ACO和Min-Min算法相比,MO-CPSO算法使makespan、开销和截止时间违背率均最小。     

基于改进布谷鸟搜索算法的图像分割

针对布谷鸟搜索算法在应用其进行图像分割时计算量大、易陷入局部极小值解、收敛速度慢的问题。文中采用一种基于改进布谷鸟搜索算法的多阈值图像分割算法。该算法以Ostu算法设计自适应度函数,将布谷鸟搜索算法和K均值算法融合,增加种群的多样性,且能自适应地确定阈值个数及其范围,并找到待分割图像的最优阈值。实验结果表明,与K均值算法和布谷鸟搜索算法相比,该算法找到的阈值质量更佳,图像分割结果更好。     

基于量子布谷鸟搜索的认知无线网络频谱分配

为了有效解决认知无线网络频谱分配的离散优化问题,将量子计算引入布谷鸟搜索算法,提出了一种新的组合优化算法——量子布谷鸟搜索算法。该算法使用量子鸟窝表征问题的多维解,通过Lévy flights随机游动方式和量子突变策略快速搜索到全局最优位置。通过使用基准函数验证了算法的高效性,并提出了一种基于量子布谷鸟搜索的认知无线网络频谱分配方法。然后与经典频谱分配算法在不同的网络效益函数下进行仿真性能比较。结果表明,所提出的频谱分配方法能够较快找到全局最优解,并且在不同网络效益函数下均优于已有的经典频谱分配算法。     

改进协同量子粒子群优化算法在流水车间调度中的应用

作为一类典型的调度问题,流水车间调度是N-P难调度问题,因而引起了众多研究者的兴趣。本文提出了一种改进的协同量子粒子群优化算法,该方法中定义了量子角的表达式,所有的子种群采用优化协同模式以确保算法收敛,采用扰动机制避免算法陷入局部最优,运用了综合学习策略以提高种群的多样性。改进的协同量子粒子群算法应用于流水车间调度,仿真结果验证了改进算法能改善全局收敛能力。     

基于改进的禁忌搜索算法求解车间作业调度问题

本文描述了一种解决车间作业调度最短完工时间问题的有效禁忌搜索算法,建立了该问题的数学模型,并提出了新的邻域构造方法。该算法利用改进的插入算法构造尽可能好的初始解,然后使用禁忌搜索算法改进当前解。实验结果表明该算法是可行和有效的。     

求解Job shop的一种快速混合算法

结合车间调度问题本身的特点,采用关键路径块邻域结构,混合禁忌搜索算法和粒子群优化算法,设计了一种快速混合调度算法.该算法对预选择的块邻域解的性能进行快速估计,对不可行解尽早舍去,大大减小了邻域解的搜索空间.仿真结果表明,该算法在求解平均时间和性能方面均具备明显优势.     

基于改进智能水滴算法求解流水车间干扰管理

流水车间问题(Flow-Shop Problem)是一类典型的生产调度简化模型,加入干扰因素的FSP问题具有较高的实际应用价值.智能水滴算法(IWD)是一种较新颖的群智能算法,针对算法存在的早熟问题,文中结合变邻域搜索算法,从而有利于在寻优时跳出局部最优,很大程度上提高了搜索效率和性能.构建了干扰为新工件突然到达的调度模型,选取CAR8作为数据进行测试分析和仿真,证明了该算法的可行性.     

基于膜量子布谷鸟搜索的双通道网络频谱资源分配

无线双通道Ad Hoc网络中, 有效分配簇间码分频谱资源是提高资源利用效率的关键技术之一.综合考虑子簇码分频谱资源需求和分配公平性, 给出了簇间码分频谱资源分配数学模型, 并转换为以最大化码分频谱资源效益和分配公平性为多目标的受约束离散优化问题.结合膜结构、量子计算和布谷鸟搜索算法, 提出一种新的离散组合优化算法——膜量子布谷鸟搜索算法.该算法使用量子鸟窝表征问题潜在解, 利用布谷鸟寻窝产卵的演化方法在基础膜中寻求单目标最优解, 通过膜间信息共享和非支配解等级排序求出具有多目标最优解的表层膜Pareto前端解集.仿真结果证明, 与经典优化算法相比, 该算法不仅能够同时求解单目标和多目标最优解, 而且具有更优的收敛性能, 能更好地实现码分频谱资源效益最优化.     

采用搜索趋化策略的布谷鸟全局优化算法

布谷鸟搜索算法是一种基于莱维飞行搜索策略的新型智能优化算法.单一的莱维飞行随机搜索更新策略存在全局搜索性能不足和寻优精度不高等缺陷.为了解决这一问题,本文提出了一种改进的布谷鸟全局优化算法.该算法的主要特点在于以下三个方面:首先,采用全局探测和模式移动交替进行的模式搜索趋化策略,实现了布谷鸟莱维飞行的全局探测与模式搜索的局部优化的有机结合,从而避免盲目搜索,加强算法的局部开采能力;其次,采取自适应竞争机制动态选择最优解数量,实现了迭代过程搜索速度和解的多样性间的有效平衡;最后,采用优势集搜索机制,实现了最优解的有效合作分享,强化了优势经验的学习.对52个典型测试函数实验结果表明,本文算法不仅寻优精度和寻优率显著提高,鲁棒性强,且适合于多峰及复杂高维空间全局优化问题.本文算法与最新提出的改进的布谷鸟优化算法以及其它智能优化策略相比,其全局搜索性能与寻优精度更具优势,效果更好.     

基于布谷鸟搜索算法的双π电感模型参数优化

提出了一种新的基于布谷鸟搜索算法的片上电感模型参数优化算法。布谷鸟搜索算法对复杂非线性非凸函数的优化效果显著,这种函数的特点与半导体器件紧凑型模型参数和优化目标之间的非线性特性相近。该算法开发了模型参数交叉操作,将两个解空间的对应参数交换位置,避免敏感度高的参数对敏感度低的参数的过度影响。引入了自适应参数,使算法的搜索步长能自适应调整,既不会因为步长太大跳过最优解,也不会因为步长太小导致收敛速度慢。采用集成电路工艺片上螺旋电感的实测数据对该算法进行验证,得到较好的拟合度。提出的模型优化算法可适用于集成电路器件模型的自动优化。     

猫群算法求解阻塞流水车间调度问题

阻塞流水车间调度是现实生产调度中一类很重要的组合优化问题,其已被证明是典型的NP难问题。为了提高该问题的求解性能,文中提出了猫群算法（CSO）求解阻塞流水线调度问题。猫群算法是近几年来提出的群体智能算法,算法以一小部分猫执行跟踪模式,其余大部分猫执行搜寻模式,通过这两种模式同时进行局部搜索和全局搜索以达到优化目标。文中利用标准Car问题算例进行仿真实验,并与标准粒子群算法（PSO）和蝙蝠算法（BA）进行比较,结果表明猫群算法在求解生产调度问题的可行性和有效性。     

带运输资源约束柔性作业车间调度问题的人工蜂群算法

本文针对一类柔性作业车间调度问题,综合考虑运输资源约束、工件间准备时间约束等条件,以最小化最大完工时间和能耗为目标,提出了一种改进的人工蜂群优化算法.为求解该问题,算法采用二维向量编码,即调度向量记录工件的调度顺序,机床分配向量记录工件分配可用机床情况,解码过程充分考虑运输资源、工件间准备时间等约束条件.在局部搜索策略...     

基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题

提出了一种基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题.该算法在布谷鸟搜索算法原理的基础上,构造了旅行商问题的路径求解策略.由于算法的局限性,随着算法的调整和迭代次数的增加,容易破坏已形成的路径,从而使得算法通用性不强.针对这一局限性,本文提出了一种自适应局部调整算子和全局随机扰动策略.采用简单的2-opt算子作为局部优化算子加快算法收敛速度,引入模拟退火机制防止算法陷入局部最优.采用标准TSPLIB多组数据进行测试,并与有代表性的优化算法进行结果比较.实验结果证明了该算法在精度和稳定性方面的优势.     

基于量子策略的布谷鸟搜索算法研究

针对基本布谷鸟搜索算法存在局部搜索能力较弱、收敛速度偏慢和精度较低等缺点,文中研究了基于量子策略的布谷鸟搜索算法。借助于量子策略使布谷鸟的寻巢搜索行为具有多样性,并在此基础上提出3种改进局部搜索能力的措施:引入惯性权值、自适应减小鸟窝主人发现外来鸟蛋的概率、随机扰动增量的优化,并通过对两类基准测试函数的寻优结果对比,证明提出的改进融合算法精度更高,且具有更大的优势。     

基于人工鱼群算法的MES车间动态调度问题研究

作业车间存在诸多不确定信息和干扰的生产。为解决作业车间环境下制造执行系统的动态调度问题,文中介绍了基于人工鱼群算法的制造执行系统动态调度方法的设计,并深入研究了人工鱼群算法的应用。为使人工鱼群算法能应用于离散的生产调度问题中,依据实际情况对算法进行了部分修改。最终将改进后的人工鱼群算法应用于制造执行系统的车间动态调度中,优化了调度结果的质量。     

基于粒子群算法的车间作业调度问题

通过对车间调度问题的描述,针对传统算法寻优效率低的弱点,提出了一种基于粒子群算法的车间作业调度问题的解决方案.对粒子群算法的基本原理进行了阐述,并对粒子群算法的编码、参数的选择以及解码进行了研究,以最小化最大流程时间作为评价算法的性能指标,将其用于编程求解典型调度问题.仿真结果表明,粒子群算法在求解车间作业调度的应用上是十分有效的.     

混合粒子群算法在动态车间调度中的应用

车间调度问题是广泛存在于现实生活中的经典算法规划问题。好的生产调度系统有利于提高企业工作效率及降低企业成本,是工业生产的核心竞争力。粒子群算法因为强大的智能规划能力而被广泛用于车间调度问题当中。文章在原有标准粒子群算法基础上,引入模拟退火机制及遗传算法中交叉变异策略形成的混合粒子群优化算法,并在更具有实际生产环境的动态车间调度中模拟应用,与遗传算法、离散粒子群算法进行比较,具有较强优势。     

基于基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先,对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的,但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力,对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。