基于PCTSP的热轧单元计划模型与算法

根据钢铁企业热轧产品生产工艺约束条件,将热轧生产轧制单元计划模型归结为奖金收集旅行商问题,设计了蚁群最优化算法对模型进行求解.引用某钢铁企业热轧生产轧制单元计划编制的实际问题对模型和算法进行了验证,并与遗传算法的求解结果进行了对比.实验结果表明模型和算法的优化效果和时间效率都是令人满意的.该模型和算法经过改进后可应用到包含多个轧制单元计划的轧制批量计划优化问题中.     

含风电场的旋转备用容量优化调度研究

为保证含风电电力系统的安全稳定与经济运行,构建了以最小化系统运行成本为目标的旋转备用容量优化调度模型。为提升模型的求解运算速度,提出一种改进的模拟植物生长算法对模型进行优化求解。针对算法在对模型求解时优化效率低、易陷入局部最优等不足做出改进,将反向学习思想引入植物生长算法,对生长点进行反向变异以扩展算法的搜索空间;通过智能变步长搜索和精英集的变异机制,保证快速寻优的同时提高求解精度。通过标准测试函数验证了改进后的算法计算速度更快,寻优能力更强。最后,在IEEE 30节点系统上进行实例验证,实验结果表明,所提出的模型能够有效地解决含风电场的旋转备用容量优化调度问题。     

协同干扰节点资源优化分配模型及算法

针对协同干扰节点资源优化分配问题,通过引入协同干扰组的概念,建立了协同干扰节点优化分组模型,将系统有效干扰时间优化简化为协同干扰节点分组数优化,并考虑了协同干扰组对目标通信压制的误码率约束,保证有效压制干扰下系统工作时间最长。结合智能优化算法,提出了基于遗传算法的干扰机节点分组优化求解方法,给出了具体的求解步骤,并与贪婪算法结果进行比较。最后通过实例仿真验证了方法的有效性和优越性。     

集装箱码头装卸桥调度优化模型与算法

研究装卸桥调度优化问题,以提高集装箱码头装卸效率。首先,建立了混合整数规划模型,模型充分考虑了集装箱装卸桥调度优化中的各种约束条件及特点。为了求解设计了基于遗传算法的求解方法,并且采用随机贪婪适应性搜索方法对算法进行改进。最后,通过实际算例对模型与算法的有效性进行了验证。     

碳排量最小的车辆路径优化问题研究

在经典的车辆路径优化模型的基础上考虑碳排量,建立了碳排量最小的车辆路径优化模型。在设计模型求解算法时,对传统的遗传算法从染色体结构、染色体交叉方式等方面进行了改进。结合算例对模型和算法进行了计算和仿真,取得了较好的结果。     

基于实时信息的动态应急资源调度模型

为利用实时的道路信息、救援状态信息和应急资源配置信息,以提高应急响应能力,建立了一个动态的应急资源优化调度数学模型.针对任意时刻的静态应急资源调度模型,利用遗传算法进行求解.考虑算法的实时性,通过变换时间变量t进行迭代计算,提出模型的动态求解算法.通过一实例对模型的算法进行了验证分析,结果证明了动态应急资源调度模型及其求解算法的有效性.     

高铁列车运行图冗余时间优化布局方法研究

在分析各种冗余时间之间作用机理的基础上,以列车旅行时间和列车到发站延误时间最短为优化目标,建立运行图冗余时间优化布局模型。在此基础上引入遗传粒子群优化算法对模型进行求解,并用MATLAB仿真。以虚拟运行时刻表为背景,通过合理设置列车运行干扰时间和仿真分析方案,对结果进行分析。结果表明：用该模型和算法得到的布局方案相比较于固定比例方案,总延误时间短,列车在区间和车站的晚点次数少;相比较于遗传算法求解该模型的总延误时间短,总冗余时间设置多,但是列车在车站和区间的晚点次数少。     

基于改进烟花算法的随机装配线混流调度

针对随机装配线混流调度问题,分析作业时间随机波动对调度优化目标的影响,提出描述随机作业时间下工位闲置时间和超载时间有效数学期望的概念,并基于此构建以工位负荷均衡指数为优化目标的随机作业时间条件下的装配线混流调度优化模型.在标准烟花算法中引入精英策略、变邻域搜索等技术,设计一种改进烟花算法对模型进行求解,并结合测试算例和生产实例对随机装配线混流调度模型及求解算法进行验证,求解结果表明了模型和算法的有效性.     

干扰目标优化分配模型和算法的研究

电子干扰成功压制威胁目标对突防作战起着关键性的作用,针对理想环境下优化模型的不足,考虑到实战环境下的约束条件和干扰需求,构建了干扰目标的优化分配模型;对于参变量和约束条件增多时,传统算法求解速度慢,甚至无法求得最优解,为此,引入遗传算法,改进编码、染色体和遗传算子的设计,通过具体算例建立模型和求解,并与模拟退火算法进行比较分析,结果表明改进遗传算法搜索最优解的速度和可靠性都优于模拟退火算法。最后给出了干扰目标分配的最优方案,为实现干扰的最佳压制效能提供了科学决策。     

基于遗传算法的航空弹药保障人员优化配置

航空弹药保障任务中人员合理高效的配置是一个多约束条件下的组合优化问题。在建立保障人员配置模型的基础上,通过操作因子对模型的合理描述,应用遗传算法对模型进行优化求解,得到合理的保障人员数量和最优的保障人员配置方案。实例仿真验证了模型的正确性及算法的有效性。     

遗传算法在混沌时间序列预测中的应用研究*

在混沌时间序列研究中,相空间重构和预测模型参数优化是影响预测性能的关键步骤,利用两者之间的相互联系来提高混沌时间序列预测模型的整体性能,提出一种基于遗传算法的混沌时间序列参数同步优化方法。同步优化方法将相空间重构和最小二乘支持向量机参数作为遗传算法的染色体,预测精度作为遗传算法的适应度函数值,通过遗传算法对参数同步优化问题进行求解。通过混沌时间数据对同步优化方法进行了验证性实验。实验结果表明,相对于单独参数优化方法,同步优化方法不仅提高了混沌时间序列的预测精度,同时降低了计算时间的复杂度。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

基于群智能求解带约束问题的时域鲁棒优化算法

针对现有的时域鲁棒优化算法无法解决带约束的优化问题,基于群智能优化方法,提出一种求解带约束优化问题的时域鲁棒优化算法.首先,用约束条件构造罚函数,将带约束优化问题处理成为无约束优化问题;然后,采用一个分段函数作为粒子的适应度评价函数,通过竞争规则筛选粒子,设计带约束问题的时域鲁棒优化算法.以优化碳纤维原丝的性能为背景,将算法在多组参数下进行测试和对比分析,结果表明了所提出算法的有效性.进一步分析AR模型对算法性能的影响,指出预测模型的改进是提升算法性能的一个重要手段.     

含忽略工序和不相关机的混合流水车间调度

研究从炼钢等生产过程提炼出的含忽略工序和不相关并行机的混合流水车间调度问题,以最小化最大完工时间为目标,建立整数规划模型,并提出结合全局搜索、自适应遗传算法和候鸟优化的遗传候鸟优化算法以求解该模型。在算法中采用与处理时间相关的全局搜索和随机程序以获得初始种群,提出自适应交叉和变异操作改进遗传算法解,在迭代进程中,引入基于工件、机器和工序位3种邻域搜索结构的候鸟优化算法更新最佳解。仿真实验中将遗传候鸟优化算法的实验结果与几种启发式算法进行对比,证明了模型和算法的有效性。     

基于后移空余时间的网格资源调度优化

网格资源调度的优化不仅体现在资源的选择上,还与任务之间的时间序列密切相关。就调度的优化问题,在深入分析静态调度时间序列的基础上,给出了动态分配时间模型,提出了后移空余时间的计算,并将其与后继任务的预计时间合并,由此设计了后移空余时间的成本优化调度算法(BOS)。实验证明,所提出的调度算法大幅度地缩短了应用的平均执行时间和运行成本,实现了调度的优化。     

模糊粒子群优化算法的第四方物流运输时间优化

针对第四方物流运输(4PL)过程中的运输时间优化问题,本文建立了第四方物流运输时间优化模型,并设计引入收敛因子和隶属度函数的模糊粒子群优化算法(CFPSO),对运输路线和第三方代理商选择进行决策。仿真实验中设计了3个不同规模的算例,并将收敛模糊粒子群优化算法的实验结果与枚举算法、基本粒子群优化算法、遗传算法和量子粒子群优化算法的实验进行对比分析,证明了模型和算法的有效性。     

一种基于效用最优的计算网格资源调度算法

针对具有时间和费用约束的网格资源调度问题，通过分析任务的执行时间和执行费用与用户效用函数的关系，建立了效用函数模型，在此基础上提出了一种针对task farming应用程序模式的基于效用函数最优的启发式调度算法——效用最优调度算法。实验表明，与费用 时间均衡调度算法相比，本算法能给用户带来更高的效用。