BCOISOA-BP网络在磨矿粒度软测量中的应用

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求.     

钢铁冷轧多机组排产算法设计

针对钢铁冷轧生产,以柔性车间调度问题(flexible job-shop scheduling problem,简称FJSP)为基础,总结出一个冷轧多机组排产问题,并提出一种通用高效的多机组排产算法.该算法主要由启发式的初始化、邻域搜索与跳跃搜索模块组成,各模块可根据具体约束条件,灵活配置相应的启发式算子.实验结果表明...     

分散搜索算法在板坯匹配优化问题中的应用研究

板坯匹配问题是钢铁企业在日常生产管理中经常遇到的问题,其任务是对板坯与合同的匹配关系进行优化,从而提高板坯利用率和客户满意度.作者针对该问题,将板坯与合同的可匹配条件转化为规格费用,建立了整数规划模型,通过最小化匹配费用来追求高的板坯利用率和客户满意度.采用了分散搜索算法(SS)进行求解,该算法特点是通过参考集,尽量产生分散于整个解空间的多个解作为局部搜索算法的初始解,从而保证整个搜索算法的广泛性.为验证算法有效性,用实际的板坯匹配数据对算法进行了测试.在评价匹配方案优劣的多个指标上,算法结果明显优于原有匹配关系.     

一种基于Dijkstra算法的启发式最优路径搜索算法

为了建立一个高效的路径搜索引擎,针对大型应用系统中寻径算法的平衡最优性、时间复杂度以及空间复杂度问题,从经典Dijkstra算法出发,将AI领域的决策机制引入到路径搜索中来,提出了一个启发式最优路径搜索算法.该算法在寻径过程中引入代价函数,由代价函数来决定寻径策略(即优先搜索哪些中间节点),以期望减少搜索节点数.给出了该算法得到最佳解的条件及其证明过程,并且以实例数据对两种算法进行了对比测试.     

板坯库吊机调度问题禁忌搜索算法的应用

由于生产实际中吊机调度问题的规模比较大,最优化方法的求解时间不能满足生产的实际需求。针对大规模吊机的调度问题,设计了禁忌搜索算法,根据问题的结构特点,基于贪婪思想构造启发式算法产生初始解,同时考虑任务完整性和板坯优先级等约束设计了两种搜索邻域,并对初始解进行了改进,应用实际生产数据对算法性能进行了测试,从而验证了所提出算法的有效性。     

一种求解混合离散优化问题的禁忌微粒群算法

微粒群优化(PSO)算法主要用于求解全局连续变量优化问题.利用罚函数处理离散变量,将混合离散优化问题min f(x),s.t.gk(x)≤0,k=1,2,…,l,xLi≤xi≤xUi,i=1,2,…,m,xm+j ∈Dj,Dj=(dj,1,dj,2,…,dj,qj),j=1,2,…,n转化为连续变量优化问题min F(x),s.t.xLi≤xi≤xUi,i=1,2,…,m,dj,1≤xm+j≤dj+qj,j=1,2…,n.为了解决标准PSO可能陷入局部最优解而存在早熟收敛的问题,本文构造微粒的邻域结构,利用禁忌搜索(TS)算法具有较强的"爬山"能力的特点,设计了一种兼具搜索惯性又能在搜索时跳出局部最优解转向解空间的其它区域的禁忌微粒群算法(TS一PSO).求解Rosenbrock's 测试函数和压力管设计问题的数值实验表明,该算法能较好地跳出局部最优,获得全局最优解.     

基于变邻域搜索的热轧圆钢批量调度多目标优化方法

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法.算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则.实验结果表明,模型和算法是可行且有效的.     

基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题,提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先,建立类似传感器探测范围的蜂窝状环境模型,降低对搜索区域的重复搜索;其次,建立满足高斯分布的马尔可夫链动态目标运动模型;然后,将柯西扰动引入基本鸽群优化算法的地图和指南针算子,高斯扰动引入地标算子,同时利用模拟退火机制保留次优个体,进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后,通过仿真实验将本文算法与其他群体智能算法进行比较,结果表明新型算法的合理性和有效性.      

基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题,提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先,建立类似传感器探测范围的蜂窝状环境模型,降低对搜索区域的重复搜索;其次,建立满足高斯分布的马尔可夫链动态目标运动模型;然后,将柯西扰动引入基本鸽群优化算法的地图和指南针算子,高斯扰动引入地标算子,同时利用模拟退火机制保留次优个体,进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后,通过仿真实验将本文算法与其他群体智能算法进行比较,结果表明新型算法的合理性和有效性.     

基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.     

两级选址-路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

作业车间调度问题解的不可行性检测算法和快速修复算法

为了判别作业车间调度问题的解的可行性,提出了一种基于图论的启发式判别算法,并通过实例验证了方法的正确性.提出了普适于作业车间调度问题的快速修补新算法,可以对于作业车间调度问题的不可行解进行修正使之变成可行解.判别算法和修补算法在最不利情形下的计算复杂性均为O(n),判别算法在最有利情形下的计算复杂性为O(2 |J|+|M|).所提出的算法具有很大的灵活性,对于局部蚂蚁算法、遗传算法以及一般的作业车间调度问题均适用.     

铸坯去向决策问题的建模与优化方法

 连铸-热轧界面的衔接、协调对于钢铁生产流程的高效、稳定运行有重要意义。针对连铸-热轧界面研究对于生产组织过程的简化处理而导致成果应用的局限性,提出一种以连铸出坯计划和热轧单元计划为对象,对实物铸坯的去向(加热炉、保温坑、板坯库)进行决策,并通过虚拟铸坯与实物铸坯的逐级匹配确定衔接方式(直接热装、热装、冷装)的优化方法。以热轧单元计划中直装和热装铸坯数最大化、直装和热装铸坯的传搁时间最小化为目标,考虑强制下线冷装要求、设备缓冲容量限制、实物铸坯-虚拟铸坯匹配规则、直装和热装铸坯传搁时间要求、铸坯上料必要运输时间等约束条件,建立了铸坯去向决策的整数非线性规划模型。设计了结合禁忌搜索的改进和声搜索算法求解模型,采用整数编码记录去向计划,通过模拟实物铸坯上料和虚拟铸坯匹配并装炉的过程进行解码,统计去向计划的目标函数值并计算评价值,利用禁忌搜索的局部寻优能力避免和声搜索早熟收敛,得到改进的和声搜索算法。以某钢铁企业热轧板带产线的生产数据进行测试,结果表明,铸坯去向决策模型可以提高直装率10.57%,提高热装率3.58%,直装和热装坯的传搁时间降低18.84%,并且改进和声搜索算法的最优评价值相比单一的禁忌搜索、和声搜索分别可以提升6.26%、4.51%,表明了模型和算法的有效性。     

Efficient Hybrid Genetic Algorithm for Resource Leveling via Activity Splitting

Resource leveling problem is an attractive field of research in project management. Traditionally, a basic assumption of this problem is that network activities could not be split. However, in real-world projects, some activities can be interrupted and resumed in different time intervals but activity splitting involves some cost. The main contribution of this paper lies in developing a practical algorithm for resource leveling in large-scale projects. A novel hybrid genetic algorithm is proposed to tackle multiple resource-leveling problems allowing activity splitting. The proposed genetic algorithm is equipped with a novel local search heuristic and a repair mechanism. To evaluate the performance of the algorithm, we have generated and solved a new set of network instances containing up to 5,000 activities with multiple resources. For small instances, we have extended and solved an existing mixed integer programming model to provide a basis for comparison. Computational results demonstrate that, for large networks, the proposed algorithm improves the leveling criterion at least by 76% over the early schedule solutions. A case study on a tunnel construction project has also been examined.     

基于自适应搜索的免疫粒子群算法

经典粒子群算法由于多样性差而陷入局部最优,从而造成早熟停滞现象.为克服上述缺点,本文结合人工免疫算法,提出一种基于自适应搜索的免疫粒子群算法.首先,该算法改善了浓度机制;然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源;最后对劣质子种群进行疫苗接种,利用粒子最大浓度值调节接种疫苗的搜索范围,不仅避免了种群退化现象,而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性.     

带组换装时间的单机调度问题

在某钢铁线材企业的实际调度问题的基础上,研究了一类带有组换装时间的单机调度问题.根据该调度问题的实际需求,以最小化作业的最大延迟为优化目标.由于该问题是NP难的,提出了一类启发式算法来求解该问题,并进一步通过引入问题的性质,提高算法的寻优性能,降低算法运行时间.该算法在随机产生的测试问题和企业的实际调度上均进行了测试,实验结果表明该启发式算法能在短时间内获取近优解.     

Mixed Integer Nonlinear Least-Squares Problem for Damage Detection in Truss Structures

We present a mixed integer nonlinear least-squares problem for identifying damage in truss structures from their measured response. In detecting damage based on parameter estimation, the number of unknown parameters is often less than that of measurements, which gives rise to nonunique solutions. To overcome the difficulty, we formulate damage detection as a mixed integer nonlinear least-squares problem, where the subset of unknown parameters is sought that best represents damaged sites. To solve the problem, we present four heuristic algorithms based on the greedy algorithm. One is its direct application. The other three select the near-optimal subsets more efficiently by linearizing the error function, by applying the line search, and by grouping unknown parameters. We assess the performance of these algorithms along with conventional regularization methods through numerical experiments, where many synthetic damage cases are tested. The effect of modeling and measurement errors on the estimate is also studied. We found from the numerical experiments that the linearization-based approach was more efficient than the direct application while the two methods gave reasonably accurate estimates.     

自适应遗传算法在移动机器人路径规划中的应用

将一种自适应遗传算法应用于移动机器人路径规划.提出了一种基于几何避障法的初始种群产生算法;设计了基于启发式知识的交叉、变异、求精和删除算子;采用一种新的模糊逻辑控制算法自适应地调节交叉概率和变异概率;对移动机器人离线和在线规划问题进行了仿真研究.仿真结果表明:自适应遗传算法具有较快的搜索速度、较高的搜索质量以及较强的自适应能力,为移动机器人最优路径规划问题的解决提供了一种新方法.