基于萤火虫算法的管路系统布局序列优化技术

针对复杂机电产品中的多根管路布局设计与优化问题,提出一种基于萤火虫算法的管路布局序列优化方法。该方法以长度、折弯数和流阻为综合优化目标,结合布局过程的约束条件建立了优化模型;对萤火虫算法进行离散化,重新定义萤火虫的间距和个体更新机制,使其适用于序列规划问题的求解;提出一种确定性和随机性相结合的方法生成初始种群,以含免疫记忆的A*算法求得路径,同时采用混合种群迭代更新策略,通过更新精英解集获得全局最优解。设计并开发了原型系统,以旅行商问题为例对算法效率进行了测试,并将所提方法应用到某产品的液压管路布局上,验证了所提方法的可行性。     

机电产品管路自动敷设的粒子群算法

基于粒子群优化算法提出一种机电产品三维管路自动敷设算法,该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌技术,建立混沌栅格预处理模型。三维管路敷设空间经过混沌栅格预处理模型处理,可有效地降低管路自动敷设算法的求解复杂度。在优化搜索阶段,通过分析粒子群算法和人口迁移的特点,提出改进粒子群算法。改进粒子群算法针对粒子群算法收敛速度慢、容易陷入局部极小的缺点,提出子空间局部搜索、解空间全局搜索和补空间开拓搜索。基于混沌栅格预处理模型和改进粒子群算法,给出高效的管路自动敷设算法流程图。对比试验和改进粒子群算法的理论分析,表明该优化搜索算法具有较好的性能,并证明改进粒子群算法的收敛性。实例验证表明该算法的有效性和实用性。     

移动机器人路径规划中的蚁群优化算法研究

针对将传统蚁群算法引入到移动机器人的路径规划当中会存在收敛速度慢、效率低下、容易陷入局部最优,甚至出现死锁等缺陷,提出一种改进的蚁群算法,以栅格法建立机器人工作环境,改进信息素的更新方式,设置信息素浓度的阀值,引入死锁处理策略,改进状态转移概率,增加解的多样性。在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明,改进的蚁群算法能缩小对最优路径的搜索范围,降低迭代次数,提高对最优解的搜索效率,能获得全局最优无碰撞的路径。     

改进型蚁群算法在路径规划中的研究

为了解决蚁群算法在路径规划中初始信息素匮乏、路径搜索规划速度慢、需要更多的迭代次数才能找出近似最优解、准确性在搜索空间很大的情况下会出现无法找到最优解的问题,提出一种适用于全局路径规划的改进型蚁群算法。在规划路径初始时利用A*算法先建立每个节点间最优路径代价函数,以减少蚁群算法在路径搜索中的盲目性;引入“虚拟终点”,以减小蚁群算法的搜索空间,降低迭代次数,提高蚁群算法的效率和路径规划准确性。通过多次实验,表明改进型蚁群算法在路径搜索效率和路径规划能力上都明显提高。     

一种面向室内 AGV 路径规划的改进蚁群算法

针对传统蚁群算法在大规模和复杂环境中,全局搜索效率差,收敛速度慢,路径转弯次数过多且不够平滑等问题,本文提出一种改进蚁群算法。该方法通过动态更新不同等级蚂蚁路径上的信息素,加快算法的收敛速度;通过引入距离函数和方向函数作为启发因子,改善路径搜索质量;采用一种改进自适应伪随机转移策略,减小陷入局部最优解的概率;在最优路径的基础上引入三次均匀B样条曲线进行优化,提高路径的平滑性。通过在2种不同规模环境下的路径规划实验表明,本文算法相比传统算法在分别减少55.6%和59.4%转弯次数的基础上,提升87.5%和100%的收敛速度,验证了本文算法的优越性。最后,以QBot2e为平台,将本算法应用到室内自动导引车(AGV)路径规划中,进一步验证了算法的实用性。     

基于多目标候鸟算法的车间布局研究

针对因车间布局不合理导致的设备之间物流混乱、效率低下等问题,通过优化数学模型及采用基于多目标的改进候鸟算法可有效地解决此问题.在经典候鸟算法的基础上,优化了编码解码过程,引入修复优化算子处理不可行解,同时改进了种群更新方式,增强了算法全局搜索以及局部搜索的能力,并将所有非支配解进行排序,以得到最优方案.试验结果表明,基...     

基于改进NSGA-Ⅱ的航空发动机管路多目标布局优化

为了提高航空发动机管路布局的优化效率,提出一种基于改进NSGA-Ⅱ的航空发动机管路多目标布局优化方法。为了提高NSGA-Ⅱ的全局搜索能力,提出一种新的种群更新机制,在进化过程中采用拉丁超立方方法对种群的部分较差个体进行替换,同时保留原有的精英保留策略,以达到全局搜索能力与收敛性的均衡;采用三维凸包对敷设空间进行建模,基于B样条曲线设计了个体编码方式;以管路长度及平滑性为优化目标,应用改进NSGA-Ⅱ求解发动机管路布局Pareto解集。通过数值算例及管路敷设仿真验证了所提方法的可行性。     

基于Kriging模型的复杂产品管线敷设顺序粒子群优化

复杂产品的管线布局问题十分复杂,除管路路径规划算法外,敷设顺序对管线整体敷设有着十分重要的影响.以往的研究大多将重点集中在管线路径规划方面,而对敷设顺序的研究还比较少.以航空发动机为例,提出一种基于Kriging模型的管线敷设顺序的规划方法.针对敷设顺序规划这一离散优化问题,通过论域连续化处理,建立粒子群算法优化相关函数参数的Kriging近似模型.在Kriging模型的基础上,应用离散粒子群算法搜索最优顺序,避免在优化过程中反复应用管线路径规划算法进行计算,显著提高规划效率.对离散粒子群算法的改进进一步提升算法的搜索性能.所提规划方法具有很好的通用性,仿真试验验证了方法的有效性与高效性.     

移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

求解带时间窗车辆路径问题的改进型烟花算法

针对带时间窗车辆路径问题,为寻求组合优化问题最优解,构建总运输成本最小数学模型。由于烟花算法搜索半径不能自适应调整,算法后期易陷入局部最优,故对爆炸算子进行改进,使最优烟花搜索半径自适应调整,增强后期局部搜索能力;同时利用分布式信息共享机制避免算法早熟并引入变异火花增强种群多样性。利用标准测试集进行验证后,结果表明该算法在求解带时间窗车辆路径问题时不仅具有可行性和有效性,并且收敛速度快、搜索质量高。     

双资源约束作业车间调度算法研究

针对存在差异性工人的双资源约束作业车间调度问题,提出一种混合蚁群算法进行求解.该算法借鉴禁忌搜索思想,基于工艺约束为每只蚂蚁建立候选解空间,通过压缩蚂蚁搜索空间提高解搜索效率;引入各种启发式资源选配策略,在蚂蚁寻径过程中渐进地为各工序配置最优的设备、工人双资源组合;以模拟退火算法作为局部搜索机制,对每次迭代的最优解进行退火优化,增强算法全局收敛能力.证明了该混合算法的搜索过程是一个有限非齐次不可约马尔科夫链后,基于马尔科夫链知识对其全局收敛性进行理论分析.最后采用仿真试验及统计分析方法确定最优的参数组合和资源选配策略,通过该混合蚁群算法与其他算法对随机算例运算结果的对比分析,表明所提算法搜索性能较强且鲁棒性较优.     

基于局部搜索策略的混合自适应布谷鸟算法

为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、三杆桁架设计和0-1背包问题,验证了算法的有效性。     

改进灰狼优化算法在特征栅格地图上的路径规划

针对灰狼优化算法求解移动机器人路径规划易陷入局部最优且效率低的问题,本文提出一种改进灰狼优化算法在特征栅格地图上的路径规划方法。首先,对灰狼优化算法进行改进,引入根据具体要求调节算法的全局搜索和局部搜索的调节因子,并引入动态权重和游走策略以提高算法的收敛速度和避免局部最优的能力;其次,提出一种建立特征栅格地图的新方法,加快了特征栅格的确定;最后设置远距离特征栅格和可视步长,简化了邻接矩阵的建立。仿真实验结果表明,本文算法相比于其它算法在标准测试函数和路径规划问题中,都有更优的结果。在此基础上,通过建立特征栅格地图,有效地加快了改进算法在路径规划问题上的求解速度。     

基于量子计算和威布尔分布的混合CHIO算法求解JSP问题

针对冠状病毒群免疫优化算法（coronavirus herd immunity optimizer, CHIO）在解决优化问题时存在易陷入局部最优解、收敛速度慢和收敛精度差等问题,文章提出一种量子混合CHIO算法（quantum hybrid coronavirus herd immunity optimizer,QCHIO）。首先,引入量子计算的思想,通过量子相关性实现全局搜索和快速收敛的目标,能够有效避免算法陷入局部最优解的问题。其次,采用威布尔分布算子的大步长和小步长来增加算法的多样性,使算法能够更好地探索搜索空间,增强了算法的全局开发能力。此外,还引入β-登山算子通过搜索当前最优解的邻域,尝试找到更优的解,从而增加了算法的搜索宽度,改善了解的质量。多邻域搜索则通过搜索全局最优解的多个邻域来增加了算法的收敛精度。为验证其性能,将QCHIO应用到10种标准算例中与其他几种改进算法进行了对比分析,并通过显著性检验证明了QCHIO的优越性。最后将QCHIO应用到某发动机生产调度实例上,进一步证明了QCHIO的可行性和优越性。     

一种自适应寻优的社会蜘蛛优化算法(SA-SSA)

针对标准社会蜘蛛优化算法(SSA)全局搜索能力不足、收敛速度慢等问题。提出一种自适应寻优的社会蜘蛛优化算法(SA-SSA)。在蜘蛛振动更新公式中,引入权重思想来构成振动自适应函数,动态调节最优位置的影响力,提高算法收敛速度;引入最优领域扰动策略,避免算法早熟,解决算法易陷入局部最优解的问题。在6个测试函数中进行仿真实验,结果表明所改进的自适应寻优的社会蜘蛛优化算法(SA-SSA)相较于其他群优化算法,如蝙蝠优化算法(BA)、人工鱼群(AFA)以及标准社会蜘蛛优化算法(SSA),具有更高的寻优精度和收敛速度,证明了改进策略的有效性。     

一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

改进蚁群算法求解TSP问题研究

针对基本蚁群算法存在的收敛速度慢,易停滞等不足,提出一种新的算法改进策略。对初始信息素引入距离信息,并根据蚂蚁构建的路径质量,引入正负反馈机制对各路径信息素进行自适应差异化更新,使算法在对较优路径信息充分利用的同时,也保持着较好的全局搜索能力,避免了算法的过早停滞;同时对每次循环中的最优路径引入局部搜索策略,实现了对可行解的进一步优化。结合多个不同规模TSP问题的仿真实验表明了该改进算法的可行性和有效性。     

一种新型混合优化算法在机器人路径规划中的应用

针对模拟退火算法收敛速度慢这一缺点，提出了一种基于模拟退火算法和复合形法相结合的新型混合优化算法，并成功应用于机器人神经网络路径规划中。该算法不仅继承了模拟退火算法能得到全局最优解的优点，又能搜索到理想的下降方向，提高了算法的收敛速度。仿真实验研究表明：这种新型混合优化算法，计算简单，收敛速度快，初值鲁棒性好。