基于人工蜂群算法的矿山泵机组运行优化

针对矿山井下排水系统能耗费用高的问题,结合分时电价,提出了以泵机组日排水耗电费用最小为目标,各时段水仓的水位为约束条件,各时段泵的开启台数为决策变量的矿山多泵机组日优化运行模型,并利用人工蜂群算法求解模型得到最优开机方案。最后以某煤矿排水系统的实际运行为例作了日优化运行计算,结果表明:该优化运行方案在满足矿山排水要求、保证安全生产的条件下,可显著降低排水费用。     

基于水波算法的供水泵站多目标优化运行研究

为解决供水泵站水泵偏工况运行、机组频繁启停等问题,以并联泵组为研究对象,建立调度周期内运行费用、机组启停总次数与调度人员启停任务次数的多目标函数,及水泵调速比、流量偏离度、供水需求为约束条件的泵站运行优化数学模型。运用多目标水波算法,生成Pareto解集,并基于CRITIC法进行多属性决策研究,求解泵站多目标优化与决策问题。工程算例表明,该方法能很好地解决供水泵站并联机组的多目标综合优化问题,并通过决策方法为调度人员提供综合性能较好的调度方案,相比于以最小运行费用的单目标仅高出0.6%,但减少了16次机组启停次数、4次启停任务次数。研究结果在兼顾运行成本的同时有效提升泵站运行安全性及稳定性,并可延长水泵运行寿命,为泵站优化问题提供参考方案。     

基于人工蜂群算法优化采煤机伺服系统PID参数

针对采煤机电液伺服系统中PID控制器的参数寻优问题,利用人工蜂群算法来优化PID参数。人工蜂群算法通过模拟群峰寻找花蜜的过程,将误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过典型函数测试,对比分析遗传算法和粒子群优化算法,人工蜂群算法具有较好的全局收敛能力。结果表明: 人工蜂群算法用于采煤机电液伺服系统的参数调节,比遗传算法和粒子群优化算法收敛速度快,超调量小,具有更好的动态响应性能,验证了该方案的可行性和有效性。     

基于人工蜂群算法的起重机主梁拓扑优化

通过对人工蜂群算法的分析研究,利用其摇摆指数更新和适应度更新能加快收敛速度并获得一个相对稳定的结构拓扑优化最优值的优点,将人工蜂群算法引入到起重机主梁的结构拓扑优化,验证了其有效性和适用性。实验结果表明,优化后的起重机主梁符合其各种性能要求,能满足工程需求,降低了生产成本,对起重机的结构设计具有重要意义。     

混合遗传算法在泵站优化运行中的应用

泵站,特别是连续供水的给水泵站耗能很大．因此提高泵站运行效率、安全供水具有重大的现实意义。本文分析了遗传算法的优缺点,引入与之互补的Rosenbrock算法,构造了混合遗传算法的数学模型．并将其用于泵系统的变速调节优化运行。与传统的优化算法比较,取得了较好的优化结果。     

基于优化人工蜂群算法的多机器人协同规划

为了提高人工蜂群算法在多机器人路径规划中的性能,提出了优化人工蜂群算法。提出了一种新的环境建模方法,将障碍物边缘平滑化;分析了人工蜂群算法原理,改进了新食物源的生成方法,提出了自适应的搜索因子,兼顾了大范围搜索和算法收敛速度;改进了机器人路径点的表示方法,使用位置夹角表示机器人路径点,减少了位置参数;使用加权方式将路径长度、路径平滑度、路径安全性综合为目标函数。仿真实验结果表明,改进在多机器人路径规划中不仅耗时较少,而且路径也短,且随着机器人数量的增加,耗时和路径长度的差距越来越大。     

基于改进人工蜂群算法的数控切削参数优化

针对多道工序加工的切削参数优化问题,提出一种改进的人工蜂群算法对最小加工时间和最低生产成本的多目标切削参数模型进行优化。该算法综合了粒子群算法和人工蜂群算法的优点,优化过程中综合考虑了工件加工时的多种约束条件。通过仿真实例验证改进的人工蜂群算法的有效性和优越性,仿真结果表明:改进的人工蜂群算法相比其他算法可以寻找到更优的切削参数组合。     

供水泵站优化运行最小流量偏差控制策略研究

供水泵站的效率优化控制和调度是一类复杂的有约束非线性规划问题,其建模及求解问题都比较麻烦。针对G.Cohen流量偏差模型的不足,提出一种符合水泵并联运行特性的最小流量偏差效率优化改进模型,并改进了简化高效区约束条件,明显缩短了优化求解时间,而求解精度不受影响。介绍了一种有效的城市供水系统的短期负荷预测方法,其总体平均误差只有1.7％,能较精确地预测出3～4天内的用水量。大量的试验结果证实了优化模型的有效性,新模型易于满足工程上的实时性要求,具有较高的应用价值。研究成果已用于实际工程,取得良好的应用效果。     

基于人工蜂群算法的KPCA特征优化提取

采用KPCA进行特征提取时,其核函数参数对轴承故障特征的可分性影响很大,直接影响轴承故障诊断的准确率,而使最优的核参数难以选取。针对这一问题,采用人工蜂群算法与KPCA相结合,提出了基于人工蜂群算法的KPCA核参数优化选取方法,并实现了滚动轴承故障特征的优化提取。试验结果表明,该方法能够最大程度提高故障样本的可分性和SVM模型的分类精度;同时通过对比分析遗传算法、粒子群算法及人工蜂群算法的优化结果,验证了该方法具有更好的寻优能力。     

Discrete artificial bee colony algorithm for lot-streaming flowshop with total flowtime minimization

Unlike a traditional flowshop problem where a job is assumed to be indivisible, in the lot-streaming flowshop problem, a job is allowed to overlap its operations between successive machines by splitting it into a number of smaller sub-lots and moving the completed portion of the sub-lots to downstream machine. In this way, the production is accelerated. This paper presents a discrete artificial bee colony (DABC) algorithm for a lot-streaming flowshop scheduling problem with total flowtime criterion. Unlike the basic ABC algorithm, the proposed DABC algorithm represents a solution as a discrete job permutation. An efficient initialization scheme based on the extended Nawaz-Enscore-Ham heuristic is utilized to produce an initial population with a certain level of quality and diversity. Employed and onlooker bees generate new solutions in their neighborhood, whereas scout bees generate new solutions by performing insert operator and swap operator to the best solution found so far. Moreover, a simple but effective local search is embedded in the algorithm to enhance local exploitation capability. A comparative experiment is carried out with the existing discrete particle swarm optimization, hybrid genetic algorithm, threshold accepting, simulated annealing and ant colony optimization algorithms based on a total of 160 randomly generated instances. The experimental results show that the proposed DABC algorithm is quite effective for the lot-streaming flowshop with total flowtime criterion in terms of searching quality, robustness and effectiveness. This research provides the references to the optimization research on lot-streaming flowshop.     

基于蚁群算法的供应链滚动优化决策方法

针对钢铁供应链最终客户的需求不确定性,提出了一种将蚁群算法与滚动优化算法相结合的供应链优化决策方法,旨在满足最终客户不确定性需求的同时降低成本。通过实施滚动优化策略,来减少需求不确定性导致的决策失误。在优化模型中考虑了采购规模和生产规模对单位成本的非线性影响。为求解滚动优化中的非线性优化问题,通过将成本等效为路径的长度,将决策变量的候选解等效为城市,从而把决策优化问题转化为蚁群路径寻优问题。在每次静态优化中,优化算法根据历史数据和反馈信息来确定优化决策变量。针对一个包括供应商、生产商、零售商和最终客户的供应链对象进行了仿真研究,结果表明了所提方法在克服需求不确定和模型非线性方面的有效性。     

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。     

基于蜂群算法的机床主轴对流换热系数优化

机床主轴温度场分析是一种减少主轴热误差、提高主轴精度及其稳定性的重要方法。作为热分析边界条件中关键参数的对流换热系数,其值大小反映了主轴零部件表面与空气对流换热的强度,对主轴有限元温度场分析结果的影响最为明显。以170CP06-DM机械主轴为研究对象,深入研究主轴对流换热系数的影响因素,提出一种基于人工蜂群优化算法的机床主轴换热系数优化算法。实验表明,提出的蜂群算法能够根据环境温度和转速而自动寻找优化的主轴换热系数。与传统的经验确定对流换热系数方法相比,主轴前轴承处的计算最大误差、平均误差、均方差分别提高了大约4.54℃、2.87℃、1.65℃,主轴后轴承处的计算最大误差、平均误差、均方差分别提高了大约7.12℃、3.49℃、2.41℃。     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。     

MMSE design of nonlinear Volterra equalizers using artificial bee colony algorithm

In this paper a novel approach for channel equalization is presented, where a framework for Volterra system is used to model both the channel and the equalizer. We propose development of first-order and second-order Volterra equalizers using minimum mean square error (MMSE) approach and design these equalizers using swarm intelligence based stochastic optimization algorithm which is applied to adapt the equalizer coefficients to the time varying channel. This work proposes to use the artificial bee colony (ABC) algorithm, recently introduced for global optimization, simulating the intelligent foraging behavior of honey bee swarm in a simple, robust, and flexible manner. For comparative analysis, adaptive equalizers like least mean squares (LMSs) equalizer, recursive least squares (RLSs) equalizer and least mean p-Norm (LMP) equalizer and population based optimum equalizers employing PSO are also applied for identical problems and the superiority of the newly proposed algorithm is aptly demonstrated.     

基于混合鱼群-蚁群算法的模块化产品配置设计

以用户需求与产品性能的相关度最大为优化目标建立了模块化产品配置设计模型;并提出了融合鱼群算法及蚁群算法的优化模型求解方法.以铁路客车内装模块化配置设计为应用,验证了该优化模型及其求解方法的可行性和有效性.     

多型号泵联合供水泵站变频改造中的优化问题

泵站在变频调速改造工作中，最重要的就是根据用水指标的不同，实时调节控制参数，让泵在高效率区域运行，使的轴功率最小，而泵的型号不同会给求解K的过程带来困难，这里在分析离心泵特性基础上，利用水泵效率与流量关系间接求得调速比K，为此类问题的解决提供了一种方法。     

基于蚁群算法的车间配送路径优化的仿真研究

介绍了蚁群算法的基本原理及算法的实现,并用蚁群算法来解决车间配送系统中的路径优化问题.通过VC6.0进行实例仿真,取得了很好的搜索效果,表明该方法能有效的发现最优解.     

基于改进蚁群算法的多服务机器人路径规划

为解决多服务机器人全局路径规划的问题,将基本蚁群算法应用到多服务机器人全局路径规划上,并对基本的蚁群算法作了改进.对基于算法的多服务机器人系统的构成进行了描述,接着对多服务机器人系统环境的表示方法及算法中对应问题的描述和定义进行了研究.对应用到多服务机器人系统的基本蚁群算法提出了几种改进的策略,并对改进的蚁群算法应用到...