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。     

基于模拟退火蚁群混合算法的裁床样片切割路径优化

样片切割是影响数控皮革裁床皮革加工效率的重要因素,为了提高加工效率,应优化切割路径。样片切割路径受到样片遍历顺序和刀具加工起始位置的影响。将样片切割路径优化归结为广义旅行商问题,用贪婪算法确定刀具加工起始位置,结合模拟退火和蚁群算法对皮革裁床样片切割路径进行优化。仿真实验验证了算法的有效性。     

基于多约束场景的BFO-ACO漫游路径规划

目前基于蚁群算法的路径规划用于多约束条件下寻找最优路径时,容易陷入局部最优解并导致收敛速度慢．为此,在路径长度、有效景点区域数量、路径平滑性和路径障碍距离等约束条件下,构造一种适应度函数模型,以评价漫游路径的质量．提出混合细菌觅食优化思想的改进蚁群优化（bacterial foraging optimization and ant colony optimization,BFO-ACO）算法,采用禁忌表优化策略解决传统蚁群算法的死锁问题,提高算法初期的路径多样性,通过引入细菌觅食算法的复制和驱散机制,提高收敛速度,跳出局部最优值．实验结果表明,BFO-ACO算法可在多约束环境下以较少的迭代次数获得高质量的漫游路径,为漫游路径设计提供了参考．     

智能交通混合动态路径优化算法

针对实时环境下交通信息实时、动态的特性,提出了实时环境下基于混合的动态路径优化算法。该算法在广义自适应A~*算法的基础上,结合剪枝算法,同时引入了粒子群算法局部最优及全局最优智能存储、模糊时间窗等优化策略。剪枝算法以当前局部最优为阈值,从而能够有效控制阈值的大小;模糊时间窗约束算法优化时间以及控制仿真时间,从而使算法更好地适应实时环境。实验数据采用纽约地图数据,并在仿真实验环境下,分别验证了优化策略的有效性,同时,将优化算法与A~*算法进行了对比实验。实验证明:优化策略在动态路径优化算法中是有效且合理的,可适应于动态路径诱导系统。     

基于混合改进型遗传算法的螺旋铣孔孔群 加工路径优化研究

在业已确定螺旋铣孔切削参数的前提下,孔群加工路径的优劣对加工效率有较大影响。研究TSP数学模型,应用混合改进遗传算法求解孔群加工路径优化模型,获得优化的加工路径。将3种算法基本遗传算法、蚁群算法和混合改进型遗传算法进行对比可知,本文提出的优化方法可有效缩短走刀时间。     

自适应和最大最小蚁群算法的物流车辆路径优化比较

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了自适应蚁群算法和最大最小蚁群算法进行车辆路径优化,分析、比较了这两种算法的不同并在Matlab上做了仿真。仿真实验结果显示自适应蚁群算法在收敛速度和寻找最短路径上都略逊于最大最小蚁群算法,最大最小蚁群算法在物流车辆路径优化上优于适应蚁群算法。     

基于改进MMAS算法的堆垛机货物拣选路径优化

提出了一种基于改进最大最小蚁群算法(MMAS)的货物拣选路径优化算法.首先建立堆垛机货物拣选路径最短化的数学模型,然后利用改进的MMAS对其求解获得临时优化路径,最后融合2-opt策略进行局部调整获得最优拣选路径.实验结果表明,本算法可有效克服蚁群算法易陷入局部最优的不足,且较之遗传、粒子群等算法缩短了货物的拣选路径,提高了仓库作业的效率.     

基于改进的文化蚁群算法求解最优路径问题研究

针对传统方法不能够有效的求解GIS最优路径问题,在文化算法的基础上提出了一种基于实际路况求解两地之间最优距离的蚁群优化算法.引入了表示天气、路况、驾驶员个人偏好等诸多不确定因素,并将改进的蚁群算法融入到文化算法当中,使蚁群算法具有群体空间和信仰空间并行进化的机制.群体空间采用改进的最大最小蚁群算法,从而有效的提高算法最优解的搜索能力和速度.通过模拟计算结果表明改进的算法求解实际最优路径在速度和精度上优于传统最优路径算法.     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

一种新颖的人工鱼群算法

为了克服基本人工鱼群算法(AFSA)收敛速度慢、求解精度不高和易陷入局部最优的不足,提出了一种新颖的人工鱼群算法(AO-AFSA).该算法结合人工鱼与粒子群(PSO)中的粒子都具有个体学习能力和社会学习能力,模拟粒子群中粒子的速度位置更新公式去分别修改人工鱼群算法中人工鱼的觅食行为、聚群行为、追尾行为的更新公式.并采用5个典型的测试函数进行仿真实验,分析算法的寻优精度、收敛速度以及稳定性.测试结果表明改进后的算法能够较快地收敛至全局较优解,有更强的稳定性,并具有较好的寻优性能.     

基于人工鱼群算法的桁架结构的优化

针对基本人工鱼群算法在解决桁架结构优化问题时存在后期收敛速度慢、寻优精度不高的缺陷,在算法初期利用混沌运动遍历性、随机性等特点初始化解群,提高求解效率和解的质量,在算法运行过程中利用粒子群优化算法惯性权重调整策略对人工鱼的步长进行改进,提高寻优的速度和精度。将改进后的算法应用到桁架结构优化中,以桁架截面尺寸为设计变量,结构重量最小为目标函数建立优化设计模型,运用Matlab进行模型优化分析,并与其它算法优化结果进行对比。结果表明,改进的算法在收敛速度与寻优精度方面均有所提高,尤其在迭代计算的初期,效果非常明显,迭代次数为55次左右时优化结果基本平稳。     

基于人工鱼群算法的径向基神经网络的研究

人工鱼群算法是一种新型的寻优策略,将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型,算法与BP算法、RBF算法进行比较,结果表明人工鱼群算法具有鲁棒性强,全局收敛性好,以及对初值的不敏感等特点。     

Optimization strategy in end milling process for high speed machining of hardened die/mold steel

1. Introduction The introduction of advanced cutting tools like AlTiN-coated micro-grain carbide end mill since the 1990s has changed the trend in die/mold manufacturing towards hard machining both in roughing and finishing [1]. Nowadays, high speed machi…     

基于人工鱼群算法的平面位移场单像测量

提出一种基于人工鱼群算法的平面位移场单像测量的方法.先将相机与待测量平面保持基本水平,假设像平面和待测量平面近似满足相似变换关系,根据距离关系设定两个控制点的坐标,计算剩余控制点的概略坐标.然后根据各控制点的概略坐标及其与基准点间的距离关系,用人工鱼群算法迭代计算出各个控制点的精确坐标.计算出两平面间的单应矩阵,得到平面间转换关系和平面位移场.实验证明了本方法的有效性和精度.     

Drilling Path Optimization Based on Particle Swarm Optimization Algorithm

This paper presents a new approach based on the particle swarm optimization (PSO) algorithm for solving the drilling path optimization problem belonging to discrete space.Because the standard PSO algorithm is not guaranteed to be global convergence or local convergence,based on the mathematical algorithm model,the algorithm is improved by adopting the method of generate the stop evolution particle over again to get the ability of convergence to the global optimization solution.And the operators are improved by establishing the duality transposition method and the handle manner for the elements of the operator,the improved operator can satisfy the need of integer coding in drilling path optimization.The experiment with small node numbers indicates that the improved algorithm has the characteristics of easy realize,fast convergence speed,and better global convergence characteris- tics.hence the new PSO can play a role in solving the problem of drilling path optimization in drilling holes.     

基于鱼群算法和Ｈｏｐｆｉｅｌｄ网络的ＰＩＤ参数寻优

提出1种融合了人工鱼群算法与Hopfield神经网络的PID参数优化算法．该算法前期利用鱼群算法快速随机的群体性全局搜索能力生成问题较优的可行解域,后期利用Hopfield神经网络硬件易实现简单快速的优点得到最优解,有效弥补了Hovfield网络对初始值过于依赖容易陷入局部极值的缺陷．将该算法用于某发动机PID控制中的参数寻优,结果表明新混合算法的整定效果好于Hopfield神经网络,且该算法简单易实现．     

改进人工鱼群优化粗糙集的水电机组故障诊断

针对水电机组大量的现场监测数据信息,基于传统的人工智能方法对故障信息不能及时有效地分析的问题,提出了一种基于改进人工鱼群优化粗糙集的水电机组故障诊断方法．首先,利用鱼群的寻优聚群行为对连续属性进行离散化,然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,再用提取的规则对水电机组故障进行诊断．仿真结果表明：与传统方法相比,该算法能够提高水电机组故障诊断的准确率．