针对电解铝生产过程中电解槽调配及出铝调度问题, 在建立数学模型分析基础上, 设计一种混合策略优化算法. 通过引入人工经验排出特例, 利用遗传算法完成优化. 以出铝路径为优化适应度函数, 利用交叉算子调配电解槽铝液组合, 利用变异算子改变槽装车路线. 最后通过某铝厂电解槽3 组数据优化实例表明了所提出方法的有效性.
相似文献研究多智能体系统的多目标多任务分配问题, 考虑任务之间的时序关系, 建立分布式任务分配模型. 扩展了一致性包算法(CBBA), 按优先级将目标任务归入不同层级, 各智能体在构建任务包和任务路径时, 只将分配过高阶段任务的目标添加至相应的任务包和任务路径中, 从而保证目标任务时序约束的同时, 保持了CBBA算法的特性. 与多任务分配问题经典算法的比对实验表明, 所提出的改进算法求解结果稳定可靠, 运行时间优于经典算法.
相似文献针对城市多区域协同发展造成的商业中心相对分散的现状, 提出“多对多” 的城市网络化联合配送机制. 以运输距离、实载率等与成本密切相关的油耗成本为优化目标, 建立面向城市多区域配送需求的车辆路径模型; 同时,利用量子比特位设计染色体结构, 利用云模型云滴随机性与稳定性改进遗传算子, 设计云量子遗传算法对所建立的联合配送模型进行求解. 最后, 结合不同算例对模型和算法进行了仿真实验分析.
相似文献针对目标函数的不同优先级问题, 提出一种约束多变量线性定常系统的稳定化多目标模型预测控制策略. 首先, 基于多目标优化理论给出多目标预测控制问题的字典序最优解结果, 并在此基础上考虑目标函数的优先级, 重 新将多目标预测控制问题定义为字典序多目标预测控制问题; 然后, 采用终端约束、终端罚函数和局部状态反馈律 等三要素, 证明多目标预测控制闭环系统是渐近稳定的; 最后, 通过一个仿真实例验证了所提出方法的有效性.
相似文献在分簇传感器网络中引入移动sink, 用于协助其上层网进行数据汇聚. 为解决时延约束与节能需求间的矛盾, 提出一种基于效用优先级和反效用优先级的移动sink 路径优化选择算法. 依据最小能耗原则首先为非访问节点设计了数据迁移路径寻找方案, 随后在此基础上提出一种基于节点效用优先级的访问点集贪婪构造算法, 并基于反效用优先级为其设计了两种优化方案. 仿真实验验证了所提出算法的有效性, 保障时延要求的同时最大限度地降低了网络能耗.
相似文献针对传统算法求解多目标资源优化分配问题收敛慢、Pareto解不能有效分布在Pareto 前沿面的问题, 提出一种新的Memetic 算法. 在遗传算法的交叉算子中引入模拟退火算法, 加强了遗传算法的局部搜索能力, 加快了收敛速度. 为了使Pareto 最优解均匀分布在Pareto 前沿面, 在染色体编码中引入禁忌表, 增加了种群的多样性, 避免了传统遗传算法后期Pareto 解集过于集中的缺点. 通过与已有的遗传算法、蚁群算法、粒子群算法进行比较, 仿真实验表明了所提出算法的有效性, 并分析了禁忌表长度和模拟退火参数对算法收敛性的影响.
相似文献针对常见的交通道路最短路径问题, 提出标准矩形网络的概念, 分析其节点间最短路径的性质, 并在此基础上给出一种新颖的最短路径求解算法. 该算法利用标准矩形网络的几何性质, 简化了搜索方向和步长的判断, 同时指出常见的交通道路网络一般均可以整体或部分化为标准矩形网络. 与常见的求取最短路径的Dijkstra、Floyd、ACO、A* 等算法进行仿真实验比较, 实验结果表明, 对于大规模标准矩形道路网络, 所提出算法具有更好的寻优精度、稳定性和寻优速度.
相似文献帝国竞争算法是一种已在连续优化问题上取得较好效果的新型社会政治算法. 为了使该算法更好地应用于离散型组合优化问题, 提出一种求解旅行商问题的新型帝国竞争算法. 在传统算法的基础上, 改变初始帝国的生成方式; 同化过程采取替换重建方式, 以提升求解质量; 革命过程中引入自适应变异算子, 以增强搜索能力; 殖民竞争过程中调整了殖民地分配方式; 算法加入帝国增强过程, 以加快寻化速度. 实验结果表明, 新型帝国竞争算法求解质量高、收敛速度快.
相似文献为平衡多目标粒子群的全局和局部搜索能力, 提出一种基于高斯混沌变异和精英学习的自适应多目标粒子群算法. 首先, 提出一种新的种群收敛状态检测方法, 自适应调整惯性权重和学习因子的值, 以达到探索和开发的最佳平衡. 然后, 当检测到种群收敛停滞时, 采用一种带有高斯函数和混沌特性的变异算子协助种群跳出局部最优, 以增强全局搜索能力. 最后, 外部档案中的精英解相互学习, 增强算法的局部搜索能力. 在多目标标准测试问题上的仿真结果表明了所提出算法的有效性.
相似文献针对现有灰色预测模型主要以一阶累加生成序列为建模序列这一现象, 在互逆的分数阶累加生成算子与分数阶累减生成算子的基础上, 建立分数阶算子离散灰色模型, 并给出最小平均相对误差下最优阶数的自适应粒子群优化算法. 多个实例表明, 通过阶数优化, 分数阶算子离散灰色模型相对于灰色模型GM(1,1) 和离散灰色模型DGM(1,1) 表现出更优的拟合精度.
相似文献分析量子进化算法和免疫算子的特点,提出一种分级变异的量子进化算法,用于求解多目标优化问题.算法主要基于两个策略:首先,利用快速非受控排序和密度距离计算种群抗原-抗体的亲和度;然后,基于亲和度排序将个体进行分级,最优分级中的个体作为算法中的最优个体,大部分实施量子旋转更新和免疫操作,而剩余分级中的个体实施免疫交叉操作以获得新的个体补充种群.求解多目标0/1背包问题的实验结果表明了该算法的有效性.
相似文献讨论一类大规模系统的优化问题,提出一种递阶优化方法.该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础.仿真结果验证了算法的有效性.
相似文献