服装样片裁剪空行程路径的优化算法

服装样片裁剪空行程路径是影响裁床裁剪效率的重要因素,裁剪路径优化有助于提高裁剪效率。针对裁剪空行程优化问题,先构建了裁剪空行程路径的数学模型,结合遗传算法和蚁群算法的优势,提出了遗传蚁群混合算法优化裁剪空行程。算法先利用遗传算法的快速搜索能力建立蚁群算法的初始信息素分布,然后采用蚁群算法求精确解,最后建立仿真实验验证混合算法的可行性,与基本遗传算法相比,混合算法具有较优的全局优化性能。     

基于遗传算法的热轧生产过程多目标优化

针对热轧生产过程中的板坯出库策略问题,建立了旨在减少板坯倒垛量和板坯温降程度的多目标模型;针对问题的特点,提出了基于遗传算法的求解算法.算法能够根据目标的重要性调节加权参数的大小,以便根据应用中的实际情况调整优化的重点;通过在迭代过程中引入启发式变异算子,来提高算法的收敛速度.最后通过数值实验验证了算法的可行性和有效性.     

遗传算法和碰撞算法混合求解冲裁件自动排样问题

针对冲裁件的实际情况,提出了一种利用遗传算法和碰撞算法混合求解冲裁件自动优化排样的方法.在排样中对冲裁件的纵向偏距、放置角度和排样方式进行编码,通过碰撞理论来计算每个个体所对应排样的排样步距.论文给出了运用遗传算法求解的步骤、遗传代码的构造方式和排样步距的求解方法.     

带有限等待的动态HFS调度的拉格朗日松弛算法

作为基于最优化的近似算法,分析了拉格朗日松弛算法的分解策略,设计了算法的实现优化过程.针对从钢铁生产提炼出的带有限等待时间要求的动态HFS调度,采用基于工件解耦的分解策略,应用拉格朗日松弛算法进行求解,以最小化总加权完成时间和工件等待惩罚之和.该算法将工件耦合约束松弛到目标函数中,将形成的松弛问题分解成多个更易求解的工件级子问题,进而利用动态规划求解这些子问题,通过拉格朗日乘子的更新迭代过程获得原问题的近优解.对不同问题规模的测试结果表明,该算法能在较短的计算时间内得到较好的近优解,说明了拉格朗日松弛算法求解等待时间受限的HFS调度的可行性和有效性.     

基于混合萤火虫算法的桥梁颤振分析方法

在进行颤振临界状态分析时需要求解高次非线性方程组,为了克服传统解法的缺陷,采用混合萤火虫算法对方程组进行求解。使用双参数优化模型,将桥梁颤振临界状态的求解问题转化为优化问题。为弥补萤火虫算法的不足,在萤火虫算法基础上,将量子遗传算法的量子计算、交叉和变异操作与萤火虫算法相结合,提出一种混合萤火虫算法。最后,通过若干试验对比分析,证实了该优化模型的可靠性及求解方法的有效性。     

结合Setup和有限等待时间的两阶段混合流水调度优化

基于某洗发水生产企业的运作场景,研究了一种非同质并行机环境下的两阶段混合流水生产调度优化问题。问题综合考虑了各阶段的机器适用性、各机器上的序列相关准备时间(Sequence-dependent setup time,SDST)以及两阶段间的有限等待时间(Limited waiting time),以最小化最大完工时间(Makespan)。在问题建模的基础上,借助作业块划分规则构造了一种基于模型的启发式算法,并设计和实现了针对本问题的遗传算法。通过大量计算实验,将直接求解模型、基于模型的启发式算法和遗传算法这三种方法进行对比分析,验证了算法有效性,并利用遗传算法求解了大规模实际问题。     

基于多自治体的服装集成制造系统

提出了一种基于多自治体智能节点的,构成信息化服装集成制造系统的新方法,这种方法采用Servlet技术,采用请求——响应的Web服务模式来进行网络数据库的访问,将服装制造过程各单元,诸如服装CAD系统、计算机控制的自动裁床、智能吊挂生产系统等自动孤岛集成起来,构成一个分布式多自治体的服装制造系统．本文还具体阐述了制造系统中多自治体的基本结构和多自治体之间的组织方式．这种技术的应用可以实现了服装设计、裁剪、缝制及其余管理各个子系统达到真正的无缝集成．     

基于三方博弈的改进遗传算法求解多目标柔性作业车间调度

针对柔性作业车间的特点,以最小化完工时间、总机器负荷最小和临界机器负荷最小为目标,提出了基于三方博弈的改进遗传算法求解多目标柔性作业车间调度模型。通过三方博弈,使三个优化目标之间的博弈策略实现最优组合,从而获得子博弈完美纳什均衡,即为问题的优化组合解。为优化种群质量,将改进遗传算法应用于多目标柔性作业车间调度问题的求解过程,采用帕累托分类思想,对种群进行选择和精英保留,以优化种群结构;通过设计交叉、变异和局部搜索机制进一步寻找目标函数的最优解。为证明算法的有效性,运用基准算例对算法的求解性能进行了验证。其结果表明,所提算法在求解结果上有明显的改善,求解效率更高。     

采购与多层生产计划问题的协同优化

针对生产与采购这两项企业的重要活动,建立了一种采购计划和多层生产计划的集成优化模型,将采购计划、批量计划以及作业排序这三层计划问题进行综合决策。为求解该问题,设计了一种遗传算法和网络优化方法相结合的协同优化策略,遗传算法中每一个个体同时包含了批量计划和作业排序,并调用网络优化模型得出订购策略。数值仿真实验显示了提出的方法求解该类集成优化问题的良好性能。通过与独立优化方法进行比较,显示了协同优化策略的优越性。     

基于分布式光伏发电的多目标分时电价优化策略

现有电力定价研究大多为峰谷分时定价,时段划分方式单一且大多采用传统非支配排序遗传算法-II求解多目标问题。针对这个问题,提出一种基于分布式光伏发电的多目标分时电价优化策略。建立用电量与电价响应模型,基于等效负荷进行时段划分,以负荷方差最小,等效负荷的峰谷差最小,用户满意度指数最大为目标,建立多目标非线性分布式光伏分时定价模型,并提出基于邻域搜索的多目标遗传算法求解。数值实验结果表明,供电稳定性提高了37.77%,分布式光伏发电的利用率提高了4.51%,用户满意度为74.3%;且提出的求解算法要优于常用的非支配排序遗传算法-II,表明本文提出的定价策略是有效的。     

求解约束优化问题的退火遗传算法

针对基于罚函数遗传算法求解实际约束优化问题的困难与缺点,提出了求解约束优化问题的退火遗传算法。对种群中的个体定义了不可行度,并设计退火遗传选择操作。算法分三阶段进行,首先用退火算法搜索产生初始种群体,随后利用遗传算法使搜索逐渐收敛于可行的全局最优解或较优解,最后用退火优化算法对解进行局部优化。两个典型的仿真例子计算结果证明该算法能极大地提高计算稳定性和精度。     

求解非线性系统共振峰值的限制优化打靶法

提出了一种求解非线性结构周期解共振峰值的方法。非线性结构共振峰值确定问题转换为非线性限制优化问题。打靶法和Floquet理论用于构建非线性约束条件。基于以序列二次规划方法为局部搜索算法的全局优化MultiStart算法求解该非线性约束优化问题。通过典型数值算例说明此方法的求解正确和高效并将方法应用于分析几何非线性叶盘结构的动力学特性。     

装配作业车间分批调度问题的算法对比

建立最小化makespan的装配作业车间分批调度模型,利用遗传算法构建基于整体集成优化策略、分层迭代优化策略和双层进化策略的求解算法。它们的区别在于处理批量划分问题和子批调度问题的联合优化机制不同。最后通过仿真实验对比了几类算法的求解效果和收敛速度,并分析了它们的适应性特点。     

非线性振动问题等效线性化研究

采用Newmark-β法及Runge-Kutta法求解非线性振动的响应,阐述了Newmark-β时间推进方法和求解非线性振动方程组的迭代过程.讨论了基于优化理论的等效线性化方法,并采用遗传算法求多变量极值,将实际非线性振动系统等效为线性振动系统.通过算例分析了在单自由度和多自由度情况下,非线性系统的振动响应和等效线性系统的振动响应的问题,验证了对非线性振动问题进行等效线性化的可行性.     

基于实数编码的改进遗传算法在结构可靠度中的应用研究

本文将人工智能的关键技术之一演化算法中的遗传算法用于结构可靠度的计算,并在算法中采用实数编码技术及一系列目前较先进的策略和算子,同时将模拟退火的思想引入变异算子。通过算例证明这种改进遗传算法在求解可靠度尤其求解复杂非线性问题可靠度时具有良好收敛性和高效性。     

用于求解多约束QoS路由优化问题的改进伊藤算法

针对伊藤算法(ITO)在大规模网络中求解多约束服务质量(QoS)路由优化时,存在收敛速度过慢、易陷入局部最优解从而导致算法成功率不高等问题,提出基于多策略协同优化的改进伊藤算法。该算法通过改进漂移与波动过程的结合方式,提出了一种新的协同更新策略,并引入双重认知策略和多精英引导学习策略,设计了一种新的路径权重更新规则。该规则使算法中漂移粒子和波动粒子强度根据个体适应度灵活变化,具有自适应性。仿真结果表明,该算法在保证系统稳定性的基础上,降低了QoS路由的迭代次数与费用,并且在较大规模网络中有理想的表现。     

基于粒子群优化的生物质燃烧过程环保经济预测控制

考虑包含状态约束与控制约束的生物质非线性循环流化床锅炉(CFBB)燃烧过程的多目标控制问题,提出一种环保经济模型预测控制(EMPC)算法。采用机理建模方法建立约束生物质非线性燃烧过程模型。为了在系统稳定的前提下,优化生物质燃烧过程经济性能和环保性能,结合字典序方法与收缩约束关联优化问题,通过粒子群优化算法(PSO)求解优化问题,并结合滚动时域控制原理,设计CFBB燃烧过程环保型经济模型预测控制算法。最后仿真验证本文控制算法的有效性与优越性。     

结构可靠性优化求解的解耦融合策略

在工程结构的可靠性优化过程中,求解的效率和精度是优化方法的关键。该文提出一种针对解耦优化的融合策略。所提方法在优化迭代解耦所用的失效概率函数为前几次迭代设计点构建的局部失效概率函数的加权融合形式。在对原可靠性优化问题进行解耦后,结合序列近似优化方法进行迭代求解。相比于常规的仅使用当次局部建立的失效概率函数而言,所提融合策略最大限度利用了各次迭代中产生的信息用于优化解耦求解,能够提高失效概率函数的近似精度,从而间接达到减少迭代次数和计算量的目的。最后给出了屋架和十杆结构的可靠性优化算例,验证该文方法的正确性和可行性。     

基于融合禁忌搜索粒子群算法的配电网无功优化

从数学角度分析,配电网无功优化是一个非线性、多变量、多约束的混合规划问题。粒子群优化搜索算法被广泛应用于求解配电网无功优化问题。由于粒子群算法粒子群在进化过程易趋向同一化,失去多样性,从而使算法陷入局部最优解。本文在分析配电网无功优化的特性基础上,提出一种改进的紧融合禁忌搜索-粒子群算法用于配电网无功优化问题的求解。通过将禁忌搜索功能融合到粒子历史最优解和全局最优解寻优过程中,避免了粒子群算法寻优过程中出现的局部最优问题,从而提高粒子群算法的全局搜索能力。通过IEEE14节点系统的仿真计算结果表明,改进的算法能取得良好的效果。     

求解矩形布局问题的自适应算法

矩形布局问题属于NP-Hard问题,其求解算法多为启发式算法。该文侧重于构造布局求解算法中定位函数(规则)的优化,将模拟退火算法的思想融入到遗传算法中,提出了求解矩形布局问题的自适应算法,其利用自适应交叉、变异及接收劣质解的概率等方法对定位函数中各参数进行优化。算法通过两种方式确定初始种群的数目,具有较强的适应性。在算法搜索的后期,利用差异性较大的个体进行交叉操作,从而保持种群的多样性。最后通过实例证明了该算法能够很好的应用于矩形布局问题的求解。