求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法(PSO)和变邻域下降搜索(VND)的混合粒子群算法(PSO-VND),用以解决卸装一体化车辆路径问题(VRPSDP)。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索(VND)过程中使用3种不同的邻域结构:插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。     

求解第Ⅰ类装配线平衡问题的离散粒子群优化算法

为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

改进粒子群优化算法在工程优化问题中的应用研究

粒子群优化（PSO）算法是一种群集智能方法，它通过粒子之间的合作与竞争以实现对多维复杂空间的高效搜索。在对于粒子群群体构造和粒子多样性对收敛速度和精度影响的研究基础上提出了一种改进型粒子群优化算法。针对工程中的有约束的优化问题，将改进粒子群算法与函数法相结合进行求解。计算实例表明改进型粒子群优化算法大大改善了传统PSO算法的全局收敛性能，解的精度提高了很多。     

求十面体变几何桁架机器人位置正解的改进粒子群算法

根据杆长约束条件,给出了求解6-DOF十面体变几何桁架并联机器人机构位置正解的无约束优化模型,并应用粒子群算法(Particle Swarm Optimization,PSO)求解此优化问题.针对PSO直接在整个解空间内寻优时很难求得全部位置正解的问题,提出了求并联机器人机构位置正解的改进粒子群算法--分区搜索粒子群算法(PSO Based on the Regional Search,PSObRS).数值实例表明,PSObRS能求出并联机器人机构的全部高精度位置正解.     

带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法

为了同时实现总配送成本最低、车辆数最少和车辆行驶距离最短等目标,考虑车辆指派成本及运输路径成本的相对重要性,建立了带时间窗装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种混合离散粒子群求解算法。算法基于客户排列的直观无分段大路径解表示法,采用改进深度优先搜索分割法对问题解进行解码与评价;嵌入一种变邻域下降搜索程序并在个体粒子每次迭代时以一定概率选择执行,利用混合粒子群算法在多邻域深度搜索和在全局空间广度搜索进行寻优,同时应用模拟退火思想和比例选择性变异最差个体来改善个体搜索停滞现象。采用两个不同目标算例进行寻优测试,验证了所提算法的可行性和有效性。     

基于PSO的模糊人工神经网络径流预报模型

粒子群优化(PSO，Particle swarm optimizer)算法是基于群智能的全局优化技术，它通过粒子间的相互作用，对解空间进行智能搜索，从而发现最优解。其优势在于操作简单，容易实现，并且功能强大。目前PSO已成为国际演化计算界研究的热点。本文将PSO与模糊优选人工神经网络进行融合，对流域年径流量进行智能预测，在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法，充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势，结果表明采用这种方法可以提高模糊优选人工神经网络的训练效率并且具有很好的推广能力。     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题,建立多重威布尔混合分布参数估计的非线性最小二乘模型,并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中,采用自适应方法调整惯性权重和加速因子,加快其收敛速度;引入模拟退火机制,根据Metropolis准则确定最优粒子的取舍,改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中,并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较,分析所提方法的优化性能及精度。结果表明,该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

关于生产车间作业优化调度效率仿真研究

研究生产车间作业优化调度问题,使车间资源使用效率达到最优,由于车间作业调度目标的多样性,以及求解问题过程的复杂性和约束性,导致求解生产车间作业调度效率较低。为了克服作业车间调度问题解的大山谷结构,且提高生产车间作业调度效率,提出改进的粒子群遗传混合算法。本混合算法首先以最大完工时间最小化为目标,参考了模拟退火过程,提出以Metropolics准则定义自适应变异概率的思想,且在变异交叉操作中辅以改进的2变换邻域搜索,同时动态设置粒子群算法中的惯性权重值,改进的粒子群遗传混合算法具有新颖性的特点。结合3类6组经典作业车间调度问题的测试数据进行仿真实验,混合算法得到的解质量较普通的PSO和SA算法得到的解有较大提升,且与这6组经典问题的最优解的平均误差较小,同时计算时间有大幅提升。仿真结果进一步证明了该混合算法在求解生产车间作业调度问题上具有明显的优势,提高了调度效率。     

一种基于粒子滤波的联合跟踪与分类算法

针对纯运动学信息联合跟踪与分类问题,提出了一种基于混合无味粒子滤波的联合跟踪与分类算法。在传统粒子滤波联合跟踪与分类算法的基础上,通过采用无味变换,利用多个无味卡尔曼滤波器给出更高质量的粒子建议分布,提高整个算法的性能。理论分析和仿真结果都表明,与传统粒子滤波联合跟踪与分类算法相比,该算法无论在跟踪精度还是在分类正确率上都有明显的提高。     

基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划

针对白车身侧围点焊多机器人协调焊接任务,对焊接路径规划算法进行了研究。提出了一种适用于该任务的蚁群粒子群混合算法,以实现多机器人焊点分配均匀和单机器人焊接路径最优的焊接要求。通过分析白车身侧围焊点分布特点及多机器人协调焊接要求,建立白车身侧围点焊多机器人协调焊接任务数学模型。设计了基于蚁群粒子群混合算法的路径规划方案,在MATLAB中得到规划结果。利用机器人离线编程软件Robotstudio建立白车身侧围多机器人协调焊接工作站,对规划结果进行仿真实验。结果表明,该算法可实现焊点均匀分配,缩短焊接路径,有效提高焊接效率。     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

基于EPF滤波的单站无源定位算法及性能分析

为了实现快速高精度单站无源定位,研究了定位算法,提出了相位变化率(PRC)与扩展卡尔曼粒子滤波(EPF)算法相结合的一种新的单站无源定位方法。该方法通过相位变化率(PRC)法得出了目标辐射源的粗略位置,然后采用EPF滤波算法对粗略定位结果进行了修正和平滑,逐步估计出目标的精确位置,实现了对辐射源目标的快速高精度无源定位。仿真结果表明,与传统的EKF滤波算法相比,基于EPF滤波的单站无源定位算法收敛更快、更稳定,滤波效果更好,定位精度更高。     

基于维修时间窗的柔性作业车间调度优化研究

针对柔性作业车间调度和预防性维护的单目标集成优化问题,以最大完工时间为优化指标,建立了基于维修时间窗的集成优化模型,设计了混合“教与学”优化（HTLBO）算法求解该模型。提出一种“基于工序加工时间最短”的机器序列初始化策略,对部分初始种群进行初始优化,以提高部分初始解的质量,使得算法能够以较短的时间收敛。对文献中柔性作业车间调度的基准问题进行求解并比较其计算结果,初步证明该混合算法的可行性;针对集成维修时间窗的柔性作业车间调度优化模型,借鉴文献中的数据生成实例进行求解,并与其他算法进行比较,证明该混合算法的有效性。     

[智能感知]基于粒子群优化支持向量机算法的行驶工况识别及应用

实车采集4种典型行驶工况数据,采用随机数法提取并扩充行驶工况识别训练及测试样本,利用多元统计理论对数据进行处理,基于粒子群优化的支持向量机(PSO-SVM)算法来进行行驶工况识别,分析了识别周期及更新周期对行驶工况在线识别精度的影响。将行驶工况识别技术应用在插电式混合动力汽车的能量管理策略中。仿真结果表明,相对于未采用行驶工况识别技术以及采用传统SVM算法进行工况识别的能量管理策略,基于PSO-SVM算法工况识别的能量管理策略使整车燃油经济性分别提高9.836%和4.348%,并且电池荷电状态(SOC)变化相对平稳,有利于提高系统效率和延长电池寿命。     

基于量子微粒群的BPNN在转炉炼钢静态模型中的应用

针对转炉炼钢静态模型终点命中率较低的问题,首先分析了影响转炉炼钢终点命中率的各种因素,确定了BP神经网络(BPNN)的拓扑结构,并依此建立了转炉炼钢静态模型.然后把量子微粒群算法(QPSO)应用于BP网络的学习中,并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能.最后,基于某炼钢厂的历史数据进行了仿...     

基于粒子群算法的摄像机标定过程优化

摄像机标定为机器视觉在物体位姿与姿态的测量过程中最重要一环,其映射物体三维空间与二维图像之间关系是一个复杂非线性最优化问题。为了更好地解决这一复杂优化问题,阐述了利用粒子群优化(PSO)算法计算摄像机标定过程的一种优化方法,重点描述了PSO算法的原理,单目视觉测量系统,以及基于CMOS摄像机的成像模型及其原理和算法。通过图像软件提取靶体模型上特征控制点,及摄像机标定算法建立了相应的计算公式。结合PSO算法优化像机外参,实验结果表明,PSO算法计算准确、速度快,具有很强的工程应用价值。     

A hybrid Nelder–Mead simplex and PSO approach on economic and economic-statistical designs of MEWMA control charts

Economic design of a control chart involves determining its basic parameters such that a cost function is minimized. This design when statistical performance measures are also considered is referred to as the economic-statistical design. In this paper, a simplex-based Nelder–Mead algorithm is used in combination with a particle swarm meta-heuristic procedure to solve both the economic and economic-statistical designs of a MEWMA control chart. The application results on extensive simulation experiments show that the particle swarm can lead the Nelder–Mead algorithm to better results. Furthermore, a comparative study is performed on the performances of three different algorithms of the Nelder–Mead, the particle swarm optimization (PSO), and the hybrid PSO and Nelder–Mead (PSO–NM). In this study, five different performance measures are taken into consideration and the results for both the economic and the economic-statistical models are reported at the end.