基于改进烟花算法的钢铁企业原材料采购优化

针对钢铁企业原材料采购成本偏高的问题进行了原材料采购优化研究。考虑到导致原材料采购成本偏高的因素是采购提前期不固定、原材料价格波动大等,建立了以降低采购、运输和库存成本为目标的整数规划模型,并提出了一种改进的烟花算法(FWA)对问题进行求解。该算法采用Lévy飞行搜索算子改进FWA搜索性能,利用惯性权重优化其收敛速度,使改进后的FWA具有收敛速度快、全局寻优能力强等优点。该改进的烟花算法叫LFWA。最后通过一个应用实例与其他算法进行了对比,进一步验证了该算法的有效性。     

考虑半托盘出库的堆垛机复合作业拣选路径优化研究

结合自动化立体仓库中堆垛机执行出入库作业的实际情况，提出了考虑半托盘出库情况下的堆垛机复合作业拣选路径优化问题，并构建了该问题的数学模型。针对研究问题的特点，利用一种离散烟花算法进行模型求解，采用爆炸算子和变异算子执行烟花的爆炸操作，实现算法的全局搜索和局部搜索；应用精英选择策略和类似轮盘赌策略以提高收敛效果。最后以某烟草物流公司自动化立体仓库的堆垛机拣选作业为例，将离散烟花算法与其他算法的运算结果作对比，验证了该算法更具求解优势。     

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。     

多目标快速群搜索优化算法及在模型修正中的应用

为解决群搜索算法在求解多目标优化问题时易陷于局部最优或过早收敛,限制其在复杂结构模型修正中的应用问题,提出改进的群搜索优化算法-多目标快速群搜索优化算法(MQGSO)。采用LPS搜索方法对发现者进行迭代更新,能使发现者更快到达最优位置,提升寻优效率;对追随者增加速度更新机制,考虑其自身历史最优信息以保证收敛精度,并在算法后期采用交叉变异策略增加追随者个体多样性,避免陷入局部最优;在游荡者迭代更新中引入分量变异控制策略,增加其搜索的随机性,提高算法的全局寻优性能。通过7个典型多目标优化测试函数及某发射台有限元模型修正实例,对算法性能进行验证分析。结果表明,与已有MPSO(Multi-objective Particle Swarm Optimization)及MBFO(Multi-objective Bacterial Foraging Optimization)两种算法相比,所提MQGSO算法搜索性能更强、收敛速度更快、计算精度更高,不失为求解复杂多目标优化问题的有效方法。     

双边拆卸线平衡问题优化模型及算法研究北大核心CSSCI

分析大型产品在双边布局拆卸线上的作业情形,构建双边拆卸线平衡问题优化模型,并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点,设计了基于一维正负整数排列的染色体编码方式,以节省存储空间;在个体进化时采用变邻域搜索策略,以拓展搜索范围提高搜索质量;通过设置扰动阈值对个体实施干扰,以加快跳出局部最优。最后,采用不同规模算例验证所提算法的高效性。     

双边拆卸线平衡问题优化模型及算法研究

分析大型产品在双边布局拆卸线上的作业情形,构建双边拆卸线平衡问题优化模型,并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点,设计了基于一维正负整数排列的染色体编码方式,以节省存储空间;在个体进化时采用变邻域搜索策略,以拓展搜索范围提高搜索质量;通过设置扰动阈值对个体实施干扰,以加快跳出局部最优。最后,采用不同规模算例验证所提算法的高效性。     

基于Lévy Flight的混合GA在柔性作业车间调度问题中的性能分析

近年来,柔性作业车间调度问题(FJSP)由于其NP难特性与在制造系统中的广泛应用被大量关注。为提高该类问题求解效率,本文在标准Lévy flight的基础上提出了一种新的离散Lévy flight搜索策略,并将该策略与遗传算法框架结合,形成一种离散Lévy flight策略的混合遗传算法。该混合算法通过使用离散Lévy flight搜索策略对每代精英种群进行变步长搜索,提高了算法的局部搜索能力,增强了种群多样性。本文通过将CS、GA和TLBO等经典算法作为对比算法,对不同规模的54个FJSP算例进行实验,证明了所提出的算法具备更好的收敛效果与稳定性,适合于求解大规模FJSP。     

基于改进Jaya算法的置换流水车间调度问题研究

置换流水车间调度问题（permutation flow shop scheduling problem, PFSP）广泛存在于流程和离散制造企业。本文提出一种改进的Jaya算法求解最小化最大完工时间为目标的PFSP。在改进Jaya算法中,设计了基于最优和最差个体的4种个体更新方案,通过4种邻域结构对个体进行局部搜索,并通过多样性控制策略来保证种群的多样性。采用改进Jaya算法分解求解Car、 Rec和Taillard基准问题,并与其他算法进行比较,验证了所提算法的有效性。     

基于文化基因算法的开放车间调度问题研究

针对开放车间调度问题,运用了文化基因算法进行优化求解。在文化基因算法的框架中,既有种群中的全局搜索,又包含针对问题自身特点的局部搜索,为解决开放车间调度问题提供了一种新的算法。按照文化基因算法的思想和特点,将爬山法作为局部搜索策略加入到全局搜索策略所用到的遗传算法中,通过对开放车间调度问题的邻域结构进行研究,加入爬山搜索法进行优化求解。基于40个标准算例,通过与下界值的比较,验证了所提算法在解决具有较大搜索空间的调度问题时,其拥有更出色的算法性能。     

随机批量运输的柔性作业车间AGV配置优化

针对柔性作业车间中物料搬运系统的AGV数量配置问题,以最小化AGV购置成本为目标,建立具有系统产出率和生产周期双重约束的优化模型。由于该优化问题是一个随机非线性的整数规划问题,且约束条件无法用决策变量的封闭形式表示,为此,提出一种基于仿真的粒子群优化算法求解该问题。针对具有随机批量运输特征的柔性作业车间,基于离散事件仿真平台构建系统的性能估算模型,提出一种嵌入仿真模型的粒子群优化算法求解AGV数量配置的优化方案。通过仿真算例实验以及不同优化方法对比,对比结果显示,该方法较其他算法在优化结果的优越性和稳定性上分别平均提高了8%和8.9%。分析实际应用案例确定了优化的配置方案,结果验证了所提方法的有效性,具有实际应用价值。     

基于绿色生产的混合流水车间调度问题研究

针对绿色可持续发展问题,通过量化绿色指标评价方法,构建最小化最大完工时间、碳排放和噪声的多目标混合流水车间调度模型,并提出一种混合离散多目标帝国竞争算法(hybrid discrete multi-objective imperial competition algorithm,HDMICA)对模型进行求解。采用基于混沌反向学习策略的种群初始化方式提高初始化种群的多样性;基于本文模型设计3种有效的局部搜索策略以提升算法局部搜索能力;通过实验验证所提算法的有效性及优越性。     

基于自适应引力算法的桥梁监测传感器优化布置

针对桥梁健康监测中传感器布置优化问题,提出了一种基于自适应引力算法的传感器优化布置方法。以模态置信准则为基础,构造满足传感器优化布置的适应度函数;针对引力搜索算法开发能力不足,对衰减因子α进行了自适应改进。搜索初期α较小,粒子以较大步长进行全局搜索,增强了算法的搜索效率;搜索后期α较大,粒子以较小的步长进行局部搜索,提高了算法的搜索能力,避免落入局部极值点。改进后的自适应引力算法通过双重编码的方式,使算法可以解决离散型的传感器布置问题;以马水河大桥为例,验证算法的可行性。结果表明,改进后的算法有很好的寻优能力,能够准确高效的确定传感器优化位置。     

基于萤火虫算法的动态车辆路径规划

为解决城市交通道路信息或客户需求改变带来的成本浪费,提出带时间窗和容量约束的动态车辆路径问题模型和求解算法。建立以最小化车辆总成本为优化目标的带时间窗和容量约束的动态车辆路径模型(dynamic vehicle routing problem with time windows and capacity constraints, CDVRPTW),并用DVRP求解器将DVRP分解成VRP问题的集合以解决动态性问题。提出坐标萤火虫算法,使萤火虫算法的离散解映射到连续域以适用于模型求解,运用局部搜索包括初始种群、增强路径、移除节点以及交换节点改进算法。结合数据集和实例,运用Matlab分析算法性能。结果表明,本文所提算法与经典求解DVRP算法相比,不论是求解速度还是解的质量都有明显提升,实际案例验证其现实意义。     

基于混合粒子群算法的群岛泊位分配问题研究

泊位分配是提高港口运营效率的关键。针对群岛泊位分配问题,以船舶总在港时间为优化目标,构建了群岛泊位分配问题模型,并提出了一种混合粒子群算法进行求解。该算法在更新粒子状态时加入模拟退火和免疫调节操作,增强了算法的全局搜索能力。实验结果表明,混合粒子群算法在求解群岛泊位分配问题时,具有较好的优化性能,验证了算法的有效性和可行性。     

基于混沌粒子群算法的冰箱压缩机隔振优化设计

冰箱压缩机隔振系统的参数寻优问题关系到隔振成败,传统参数优化设计存在容易陷入局部最优和迭代发散问题。针对该问题建立压缩机4 点隔振的动力学模型,提出以隔振系统的6 自由度能量最大程度解耦为优化目、以4 点支撑的各向刚度为设计参数的系统频率离散分配优化方法,首次采用基于罚函数约束的混沌粒子群算法进行隔振参数寻优求解。结果表明,优化后隔振系统固有频率分配更加合理,主要方向解耦率得到显著提高。混沌粒子群算法克服传统序列二次规划法容易陷入局部最优的缺点,所得系统隔振效果优良,相对于遗传算法优化结果解耦程度更高。动力学仿真分析验证所提优化方法的合理性和有效性。     

求解约束优化问题的改进布谷鸟搜索算法

为了提高约束优化问题的求解精度和收敛速度,提出求解约束优化问题的改进布谷鸟搜索算法。首先分析了基本布谷鸟搜索算法全局搜索和局部搜索过程中的不足,对其中全局搜索和局部搜索迭代公式进行重新定义,然后以一定概率在最优解附近进行搜索。对12个标准约束优化问题和4个工程约束优化问题进行测试并与多种算法进行对比,实验结果和统计分析表明所提算法在求解约束优化问题上具有较强的优越性。     

区间参数结构动力特征值分析的仿射算法

将不确定结构系统中的区间参数用仿射型来表示,对获得的广义区间特征值方程的求解方法进行了研究,提出了一种改进的仿射算法。此方法考虑到广义特征值方程中各区间元素的相关性,通过独立的区间参数在子区间上转为仿射型,将特征值方程的求解转化为相应的确定性问题,再利用常规的仿射算法,搜索方程解中的最大最小值来确定各阶特征值边界。先用数学算例对所提改进的仿射算法的有效性进行了验证,随后将其应用于工程算例的特征值区间分析中,并与其它算法进行了比较。结果表明该算法是合理可行的,有较高的准确性。     

求解随机拆卸线平衡问题的改进人工蜂群算法

考虑拆卸时间不确定,以最少工作站开启数量、负荷均衡、尽早拆除有危害和高需求零部件为目标,建立随机拆卸线平衡问题优化模型,并提出一种改进人工蜂群算法。在雇佣蜂、观察蜂开采蜜源阶段,采用变邻域深度搜索策略,通过系统改变邻域结构以增强开采能力;在侦察蜂探索蜜源阶段,构建基于左右变异机制的全局学习策略,以提高探索蜜源质量加速跳出局部最优。最后,通过求解不同规模算例并与其他算法对比,验证所提算法的优越性。     

基于混合离散人工蜂群算法的混合零等待柔性流水车间优化研究

从钢铁业等流程工业提炼出一类混合零等待柔性流水车间问题，其中一些加工阶段要求工件连续不断地经过这些工序，对该问题建立了整数规划模型，提出了一种混合离散人工蜂群算法以最小化最大完工时间。采用二维矩阵编码表述染色体以及工件右移调整策略进行解码以获取调度解，改进NEH启发式规则用于生成初始种群。在雇佣蜂阶段，引入了修正粒子群优化算法产生新解；在跟随蜂阶段，设计了迭代贪婪算法中的破坏和构造算子，进一步增强算法的搜索能力；在侦查蜂阶段，利用变邻域搜索算子以替换最差解。对不同规模问题进行了仿真测试并与现有算法进行对比，结果表明所提算法在求解混合零等待柔性流水车间问题方面更加有效。     

带时间窗的同时取送货车辆路径问题求解算法

为了整合物流配送过程的退货与送货服务,依据实际情况建立带时间窗的同时取送货车辆路径规划模型,设计一种基于K-means聚类处理的Q-Leaning自启发式蚁群算法解决此类问题。根据配送服务的特性,在基本的K-means算法上作相应的改进,同时提高蚁群算法的局部搜索能力,完成两算法的合理衔接。选用相关文献数据和标准算例进行实验,验证所提算法具有较好的性能,可以解决所描述的此类问题。